揭秘高通AI的軟硬件殺手锏。編輯 | GACS
9月14日-15日，2023全球AI芯片峰會（GACS 2023）在深圳市南山區(qū)圓滿舉行。在首日主題演講開幕式上，高通AI產(chǎn)品技術中國區(qū)負責人萬衛(wèi)星分享了主題為《終端側(cè)AI是AI的未來》的主題演講。萬衛(wèi)星著重分享了高通對生成式AI未來發(fā)展趨勢的觀察：隨著云端處理生成式AI的成本不斷提升，未來云經(jīng)濟將難以支撐生成式AI的規(guī)?；l(fā)展。此外，基礎模型正在向多模態(tài)擴展，模型能力越來越強大，而垂直領域模型的參數(shù)量也正在變得越來越小。未來，豐富的生成式AI模型將在終端側(cè)運行，讓大眾享受到生成式AI帶給生活、工作、娛樂上的變革。以下為萬衛(wèi)星的演講實錄：尊敬的各位嘉賓，各位同行，大家上午好！很榮幸作為高通中國的代表參加這次峰會并進行演講，我非常期待能跟各位一起共同推動AI產(chǎn)業(yè)在中國的繁榮發(fā)展。今天我給大家?guī)淼难葜v主題是終端AI是AI的未來。
01.終端側(cè)AI加速落地高通已深耕端側(cè)AI多年
隨著去年Stable Diffusion、Midjourney和GPT的火爆，生成式AI的概念在以指數(shù)速度在我們普通大眾中普及。前面有嘉賓也分享了，ChatGPT是有史以來最快的，只花了兩個月的時間就擁有了1億使用者的應用。回到這張膠片，雖然我在這里列舉的多數(shù)是圖片相關的生成式AI應用，但是我們也知道生成式AI應用不僅僅是局限于圖像，還包括文字生成文字、圖片生成圖片，甚至包括文字生成代碼、音樂，圖片生成視頻，等等。我們看到現(xiàn)在的基礎大模型都在朝多模態(tài)模型轉(zhuǎn)變，我們認為這將深刻影響到我們的生活、工作和娛樂方式。為了讓普通大眾能夠更方便地享受到生成式AI，生成式AI需要在終端側(cè)運行，這也是高通公司努力推動的一個方向。
我們認為數(shù)據(jù)在哪里，AI的推理就應該在哪里。這個正確的地方，就是在終端側(cè)。跟云端相比，端側(cè)的優(yōu)勢包括成本、能耗、可靠性、時延和性能，還有非常重要的隱私和安全，因為所有數(shù)據(jù)都保留在終端，不會上傳到任何云端。除此之外，我們還可以根據(jù)端側(cè)的信息為不同的用戶提供定制化、個性化的服務，所有的這些服務都不依賴于任何網(wǎng)絡連接。對于一些有著上千億參數(shù)，只能在云端運行的大模型，高通的5G技術也能夠幫助我們充分利用云端的算力，提高我們在端側(cè)的AI體驗。在今年2月份的世界移動通信大會上，我們基于第二代驍龍8的終端演示了全球首個在安卓手機上運行Stable Diffusion的終端側(cè)演示，通過高通全棧式AI對Stable Diffusion這樣一個超過10億參數(shù)的文生圖大模型的優(yōu)化，我們可以15秒內(nèi)完成20步推理，輸出一張512*512的圖片。
今年6月份，同樣也是基于第二代驍龍8，我們完成了全球最快的手機上運行ControlNet終端側(cè)演示，ControlNet是一個參數(shù)量比Stable Diffusion更大的圖生圖大語言模型，用戶可以輸入一些文本，同時選擇輸入你日常拍攝的一張普通照片。比如說現(xiàn)在展示的拍了一張花瓶的照片，通過ControlNet得到一張具有文藝復興時期作品風格的輸出照片。當然，你也可以用它做其他的事情，比如對旅游照片做背景切換或者構圖等等。
02.生成式AI發(fā)展三大趨勢終端側(cè)AI勢不可擋
下面我想談一談我們觀察到的，生成式AI當前的發(fā)展趨勢。第一個趨勢，生成式AI的成本。我們這里舉了一個例子，單就網(wǎng)絡搜索為例，使用生成式AI的新技術跟傳統(tǒng)的辦法相比，每次搜索的成本提升10倍?？紤]到還有各種各樣的生成式AI應用正在涌現(xiàn)，以及全球數(shù)十億的用戶，顯而易見，云經(jīng)濟將難以支撐生成式AI的規(guī)模化發(fā)展。
第二個趨勢，我前面也提到，現(xiàn)在數(shù)據(jù)的模態(tài)非常多，有文本、圖像，音樂、語音等等，基礎模型正在向多模態(tài)擴展，也就是說用戶可以隨意輸入任意模態(tài)的數(shù)據(jù)，可以得到與之對應的任意模態(tài)的輸出數(shù)據(jù)，也就是所謂的“X to X”。第三個趨勢，我們能看到現(xiàn)在的基礎模型變得越來越強大，但同時垂直領域模型的參數(shù)量變得越來越小，比如說GPT-3總的參數(shù)量在1750億，但是Meta發(fā)布的Llama，包括國內(nèi)的百川等模型，他們的參數(shù)量要小很多，可能只有70億或者130億。跟大參數(shù)量基礎模型相比，這些相對較小參數(shù)量的大模型在某些垂直領域，性能依然十分強大，這也是為什么我們認為在未來，我們非常有機會將這些模型在終端側(cè)部署，讓更廣泛大眾能夠享受到生成式AI給我們的生活、工作、娛樂帶來的各種變革。如果我們仔細看一下不同的這些生成式AI的用例，包括文字生成圖像或?qū)υ?、NLP（自然語言處理）、編程、推理甚至包括圖像、視頻理解等等，所有支撐這些AI用例的大模型，它的參數(shù)量在10億-150億之間，這也是為什么我們認為在終端側(cè)完全有可能讓這些模型跑起來。
當前我們可以支持10億包括15億參數(shù)的大模型在驍龍平臺支持的終端側(cè)運行。未來幾個月我們也非常有希望能看到，超過100億參數(shù)的大模型能夠完整地在驍龍平臺上跑起來。我們在終端側(cè)通過不斷提升大模型支持的參數(shù)閾值，讓更多云端的生成式AI用例向邊緣側(cè)遷移。像手機這樣的終端，它有著相機、麥克風、傳感器、藍牙、Wi-Fi、調(diào)制解調(diào)器等等能夠提供感知信息的模塊，而這些感知信息可以作為生成式AI輸入提示，讓終端可以提供更個性化的服務，而不需要通過任何網(wǎng)絡連接。
但同時人們可能擔心，所有的個性化隱私數(shù)據(jù)當作生成式AI的輸入，會不會有隱私安全泄露的問題？針對這方面的擔心，我們認為一個比較好的解決方案，是讓整個模型完全閉環(huán)跑在終端側(cè)，讓所有感知信息、隱私數(shù)據(jù)全部保留在終端側(cè)，沒有任何數(shù)據(jù)可以上云。
03.高通AI引擎成硬件殺手锏多項黑科技實現(xiàn)能效翻倍
高通之所以能夠支撐這些超過10億參數(shù)，甚至未來超過100億參數(shù)量的大模型在終端部署，所依賴的是高通強大的高通AI引擎和統(tǒng)一的技術路線圖。下面，我會從硬件和軟件兩個角度分別跟大家展開介紹。第一就是我們的硬件高通AI引擎?？梢钥吹?，高通AI引擎既有通用的CPU、GPU硬件加速單元，還有一顆專門為大算力AI工作負載而設計的高性能AI硬件加速單元Hexagon處理器。
在此之上我們還有另外一塊單獨的超低功耗處理器，高通傳感器中樞，適用于一些始終開啟功能，比如相機、屏幕和語音喚醒等等。這些模塊共同構成了一整套異構計算系統(tǒng)，同時結(jié)合我們的異構軟件系統(tǒng)，能夠充分釋放高通AI引擎的AI加速能力。高通的AI硬件優(yōu)勢在哪里？我覺得第一是性能，我們不僅能提供領先的峰值性能，也能提供非常好的能效。我們在既定功耗下的性能領先于手機和PC領域的競爭對手。
第二點，前面有嘉賓提到，目前大語言模型70%都是基于Transformer，高通在硬件上，也針對Transformer網(wǎng)絡架構做了專門的硬件優(yōu)化，重塑了神經(jīng)網(wǎng)絡架構，減少算子數(shù)量，引入了先進的量化、微切片推理等技術。微切片推理技術可以把一個比較大的模型切成更細粒度的切片，在更細粒度的層面上對整個算子融合，包括邊緣計算等做加速，充分利用較大的配套內(nèi)存，提高配套內(nèi)存的使用率，盡量去降低跟DDR的交互。因為大家知道，其實在數(shù)據(jù)讀取上，讀取配套內(nèi)存跟讀取DDR，性能大概有1-2個數(shù)量級的差異。除此之外，我們還專門針對Transformer里面的激活函數(shù)和分組卷積做了專門的加速。大家都知道神經(jīng)網(wǎng)絡里面有不同的數(shù)據(jù)類型，這顆Hexagon處理器上有標量、向量和張量加速器。尤其是張量加速器，跟上一代產(chǎn)品相比，算力翻倍。
另外是量化技術，功耗對于終端設備是一個非常關鍵的問題，所以我們在做模型推理的時候，對模型做量化是一個非常好的手段。高通此前就提供了對INT8和INT16的支持，甚至我們支持它們之間的混合量化。有些神經(jīng)網(wǎng)絡架構對首尾層精度要求比較高，但在中間層對精度要求沒那么高，所以我們提出的混合量化，可以針對某些層用INT16去做量化，對于精度要求不那么高的，用INT8去做量化。
這樣既可以享受到INT8量化帶來的性能優(yōu)勢，也可以享受到INT16帶來的精度優(yōu)勢。在去年年底的驍龍峰會上，第二代驍龍8宣布首次支持INT4精度量化。INT4量化跟INT8量化相比，可以帶來60%的功耗節(jié)省或者90%的性能提升。
04.一次開發(fā)多端部署打通軟件底層加速生態(tài)擴展
前面講的大多數(shù)跟硬件相關，在軟件方面我們推出了高通AI軟件棧（Qualcomm AI Stack），這是一個跨平臺、跨終端、跨OS的統(tǒng)一軟件棧，它貫徹了我們的每一條產(chǎn)品線，包括手機，汽車、PC，還有各種IoT設備、機器人等。
這張圖就是我們高通AI軟件棧的整體框架。從上往下看，最上面是我們的框架層，我們支持目前主流的框架，包括TensorFlow、PyTorch、ONNX、Keras等等。再往下是Runtimes層，高通有自己的Runtimes，叫高通神經(jīng)網(wǎng)絡處理SDK，我們的合作伙伴或者開發(fā)者可以直接調(diào)用我們的Runtimes。當然，我們也支持開源的Runtimes，包括像ONNX、Direct ML、TF Lite等等。我們還有更底層的模塊去支持第三方的Runtimes，叫高通AI引擎Direct。第三方Runtimes可以調(diào)用高通AI引擎Direct的接口，充分利用高通AI引擎的AI硬件加速單元來做推理加速。再往下就是開發(fā)者庫和服務層，我們提供豐富的加速庫給到開發(fā)者去做調(diào)用。同時，我們還提供編譯器，讓開發(fā)者在做模型轉(zhuǎn)化時對高通底層的硬件更友好。同時我們的編譯器也可以支持用戶通過我們給定的引導去寫自己定義的算子。除了編譯器之外，我們還提供比較豐富強大的分析器和調(diào)試器。開發(fā)者在做推理部署的時候會發(fā)現(xiàn)，很多時候推理性能或者精度不如人意，我們的工具可以告訴開發(fā)者整個推理性能在哪里；網(wǎng)絡結(jié)構、推理結(jié)構對高通硬件是否友好；或者是哪一層引起的精度問題，是因為量化位寬不夠，還是本身的算子在高通HTP實現(xiàn)的效率不夠好等等。再往下就是我們的系統(tǒng)層。系統(tǒng)層提供了豐富的系統(tǒng)接口，也提供了各種各樣底層的Kernel驅(qū)動器。當然，我們還提供了一個仿真支持。如果開發(fā)者沒有拿到高通的平臺或者開發(fā)板，但又想知道整體算法在驍龍平臺上部署的表現(xiàn)情況或者精度怎么樣，可以用我們的仿真支持，我們有一個模擬器會給到大家。再往下就是OS層，高通的產(chǎn)品線非常豐富，OS層支持安卓手機、平板、PC的Windows系統(tǒng)，還有各種IoT設備采用的Linux或者是CentOS等等，還有我們的QNX。我們把所有的OS都集成在高通AI軟件棧里面，能夠支持高通所有的產(chǎn)品形態(tài)。除此之外，我們還有高通AI模型增效工具包（AIMET），AIMET最主要有兩個功能，一個是幫助大家做量化，我們支持PTQ（量化感知訓練）和QAT（訓練后量化）；另外是模型壓縮。總結(jié)一下，高通AI軟件棧是一個跨平臺、跨終端、跨OS的統(tǒng)一軟件棧。高通AI軟件棧旨在幫助合作伙伴及開發(fā)者在驍龍平臺上更高效地完成軟件部署，提高它的擴展性，也就是所謂的一次開發(fā)、多次部署。以上就是我今天演講的全部內(nèi)容，謝謝大家！以上是萬衛(wèi)星演講內(nèi)容的完整整理。
*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權請聯(lián)系工作人員刪除。
加入技術交流群
