機器學習（Machine Learning）本質上是能將龐大數據轉成有效行動的一種方式。各界大多將機器學習技術的焦點放在超高速資料處理應用、伺服器主機群、以及超級電腦上。然而，當你想在智慧型手機上修出完美的相片，或是幫你在飛機上翻譯出外語菜單，這時候遠在天邊的伺服器是無法幫忙的。讓機器學習行動化，將其放入終端裝置中，就能為大多數人解決許多日常使用情境中的問題。

高通Snapdragon行動平台未來會將機器學習技術運用在旗下各款SoC及如物聯網與自動駕駛等毗鄰領域的平台之中。

高通技術公司的工程師多年來不斷克服邁向機器學習的挑戰，現今開花結果，推出裝置上行動機器學習平台－高通Snapdragon行動平台。該平台是Snapdragon產品線的核心元件，未來還會將機器學習技術運用在旗下各款SoC（包括820、835、以及部分600系列晶片組）以及如物聯網與自動駕駛等毗鄰領域的平台之中。

高通並非憑藉一己之力發展這項技術，而是和整個工具生態系統、經驗豐富的OEM廠商以及具有創新精神的軟體業者合作，為消費者帶來全新的體驗。這類體驗需借助建置於終端裝置的機器學習，所以需要透過合作去構思進而實踐。

這個領域一項令人振奮的進展是臉書進一步投資Caffe框架的演進版－Caffe2。在今年的F8開發者大會上，臉書與高通技術公司宣布將聯手優化Caffe2、臉書開源深度學習框架以及高通Snapdragon 神經處理引擎（NPE）框架。該NPE目的是運用Snapdragon行動平台上高效執行類神經網路的重要工作，讓開發者能夠把更多時間與資源投注於打造創新的使用者體驗。利用Caffe2所支持的現代化運算圖形設計、極簡模組化設計、以及能移轉到多種平台的靈活性，開發者得以擁有更多發揮空間設計各種深度學習作業，像是電腦視覺、自然語言處理、擴增實境、以及事件預測等。

Caffe2已經建置在臉書的系統中，用來協助開發者與研究人員訓練各種機器學習模型，並為多種行動App置入由人工智慧（AI）所支援的體驗。現在，開發人員能取得許多這樣的工具，讓他們能執行大規模分散式訓練情境，以及針對行動平台開發各種機器學習應用。

Snapdragon與NPE帶來的其中一項益處就是開發人員能根據其應用的功耗與效能需求，針對Snapdragon中各個異質化運算核心進行性能優化。Snapdragon 835能夠透過嵌入式Qualcomm Adreno 540 繪圖處理器處理Caffe2的作業負載，以提供高達5倍的效能提升（相較於CPU）。Qualcomm Hexagon DSP搭載的Hexagon Vector eXtensions （HVX）向量擴展技術亦設計用來提供更高的效能與能源效率。NPE包含執行階段軟體、函式庫、應用程式介面、離線模型轉換工具、除錯與效能量測工具、範例程式碼、以及技術文件。預計在今年夏季就會向開發者社群全面釋出。

高通技術公司持續支持開發者與客戶，除了Snapdragon平台外，還提供種類眾多的感知功能以及深度學習工具。我們預期開發人員能一同參與更廣泛與多元的機器學習作業負載生態體系，藉以讓更多裝置能更有效率且更安全地運作。

雖然現在尚未清楚技術應用的版圖全貌，但高通已等不及想見識全球各地的創新開發者如何運用這類技術。