上述的第7代AI引擎，可以说只是高通近几年在AI算法研究成果上的一个缩影。
通过高通AI的研究成果，高通还成功将AI模型拓展到了诸多最前沿技术应用的场景上。
在赢咖4注册上，高通推出了骁龙汽车数字平台，“包揽”了从芯片到AI算法的一条龙解决方案，目前已同25家以上的车企达成合作，使用他们方案的网联汽车数量已经达到2亿辆。
其中，宝马的下一代辅助驾驶系统和赢咖4注册系统，就将采用高通的赢咖4注册方案。
在XR上，高通发布Snapdragon Spaces XR了开发平台，用于开发头戴式AR眼镜等设备和应用。
通过和Wanna Kicks合作，骁龙8还将第7代AI引擎的能力带到了AR试穿APP上。
在无人机上，高通今年发布了Flight RB5 5G平台，其中有不少如360°避障、无人机摄影防抖等功能，都能通过平台搭载的AI模型实现。其中首架抵达火星的无人机“机智号”，搭载的就是高通提供的处理器和相关技术。
回过头看，不难发现这次高通在AI性能上不再强调硬件算力(TOPS)的提升，而是将软硬件作为一体，得出AI性能4倍提升的数据，并进一步强化AI应用体验的全方位落地。
这不仅表明高通更加注重用户实际体验的感受，也表明了高通对自身软件实力的信心，因为硬件已经不完全是高通AI能力的体现。
可以说骁龙8第7代AI引擎的升级，标志着高通AI软硬一体的开端。
最近，高通针对编解码器又提出了几篇最新的研究，分别登上了ICCV 2021和ICLR 2021。
这些论文中，高通同样用AI算法，展现了针对编解码器优化的新思路。
在一篇采用GAN原理的研究中，高通最新的编解码器算法让图像画面不仅更清晰、每帧也更小了，只需要14.5KB就能搞定：
相比之下，原本的编解码算法每帧压缩到16.4KB后，树林就会变得无比模糊：
而在另一篇用插帧的思路结合神经编解码器的论文中，高通选择将基于神经网络的P帧压缩和插帧补偿结合起来，利用AI预测插帧后需要进行的运动补偿。
经过测试，这种算法比谷歌之前在CVPR 2020上保持的SOTA纪录更好，也要好于当前基于H.265标准实现开源编解码器的压缩性能。
将AI模型应用于更多领域中，高通已经不是第一次尝试，像视频编解码器的应用，就又是一个新的方向。
如果这些模型能成功被落地到平台甚至应用上，我们在设备上看视频的时候，也能真正做到不卡。
随着“软硬一体”的方案被继续进行下去，未来我们说不定真能看见这些最新的AI成果被应用到智能手机上。
结合高通在PC、汽车、XR等领域的“秀肌肉”……
可以预见的是，你熟悉的高通、你熟悉的骁龙，肯定不会止于手机，其AI能力，也将不止于手机。
(本文内容转载自量子位)
