除了华为和苹果，Google 也在当年发布的 Google Pixel 2/XL 中内置了一个独立的 AI 协处理器，也就是 Pixel Visual Core，其核心部分是 Google 自主设计的图像处理单元，IPU 的特点在于充分可编程性和领域特定性，可以实现每秒高于 30 亿次的运算。Google 表示 Pixel Visual Core 的用处很简单：将 HDR+ 的运行速度提升 5 倍，而功耗则将为十分之一。

从结果来看，苹果、Google 和华为三家似乎都已经通过不同的方式给旗下的智能手机打上了 AI 的标签。然而，苹果自成一派，高高在上；华为偏重于整合开发；而 Google 在智能手机阵营的角色更偏重于 Android 操作系统层面，IPU 很难像 TPU 那样对外开放。

因此，从行业发展的角度，它们都无法承担推动智能手机行业全面走向 AI 的任务；所幸，高通凭借骁龙 845 AIE 承担起了这个重任。

高通用 AIE 赋能行业

2017 年 12 月，在夏威夷举办的高通骁龙技术峰会上，高通骁龙 845 处理器在智能行业的期待中问世，除了 CPU 和 GPU 方面的更新，它的一个重点着力点正是 AI。

不过与苹果、华为的做法不同，高通并没有在骁龙 845 的硬件层面中加入一个额外的 AI 运算单元，而是利用 CPU、GPU、DSP 等已经存在的硬件基础，构建一个“异构”的 AI 运算方式，从而释放三者在 AI 运算的能力。

为此，高通专门研发了一套 NPE 系统，专门用于管理各种人工智能语言、架构、算法，然后再根据 CPU、DSP、GPU 三种芯片的优劣势进行任务分配，最终为不同应用场景提供相应的解决方案。这一方案的好处是：高通逐渐地将最常用的 AI 功能、算法移入运行效率最高的 DSP 中，而 CPU 和 GPU 则可以肩负起部分使用频率较低、或者全新 AI 功能的开发当中，进而节约了整体的系统功耗。

毫无疑问，在三种处理器中，DSP 无疑是部分 AI 场景最高效运行的选择，它同时也是高通的第三代向量计算 DSP，同时能够完成图像处理器、视觉处理器、深度学习处理器、神经网络处理器等任务。

当然只有硬件也是不够的。高通中也针对 DSP 处理器开发非常容易上手的 SDK，同时高通也在与 AI 业内的企业和研究机构达成紧密的合作关系——希望通过这种方式共同打造一个通用性更强的智能手机 AI 生态。

而许多人质疑过的问题，关于是否独立一个硬件作为 NPU 单独搭载，高通则认为 NPU 只是 AIE 功能实现中的一个单元，但是 AI 功能千千万，神经网络有很多自定义层，单独的硬件或许无法满足所有的需求。因此异构计算或许才是能够满足不同厂商针对不同场景所做的 AI 优化及功能。

凭借上述动作，高通已经成功地在骁龙 845 上打造出了一个通用性更强的人工智能引擎，也就是高通所说的 AI Engine，简称 AIE。实际上，基于这样的方案，高通不仅把 AI 运算能力赋予到最新的骁龙 845 移动平台，使它的 AI 能力达到前代产品的三倍，也让此前已经具备相应硬件基础的骁龙 835、骁龙 820、骁龙 660 处理器成功地释放它们在 AI 方面的潜力。