C114讯 5月25日消息（乐思）在昨日举行的“Qualcomm人工智能创新论坛”上，Qualcomm技术副总裁韦灵思表示，Qualcomm拉动人工智能发展有三驾马车——人工智能算法、软件和硬件的基础研究。他认为三种因素结合能最大化提高能效。

如今，计算机消耗的能源越来越多，针对深度神经网络能耗高且增长快，这就需要提出高能效解决方案。韦灵思认为，人工智能创造的价值必须高于运行该服务的成本，也就是说实现广泛经济效益需要高能效的人工智能。此外，人工智能的功耗和散热也受到限制，特别是在手机这类便携小巧的终端设备上。

韦灵思表示，“很快，人工智能算法将以其每瓦时能提供的智能的多少来衡量。”

另外，韦灵思介绍了深度学习的优缺点，他谈到目前卷积神经网络（CNN）已大获成功，但也有一些弊端“当今的卷积神经网络消耗太多内存、计算力和能源。”Qualcomm一直在努力解决上述问题，他表示贝叶斯深度学习可应对这些挑战，完成压缩与量化，以降低神经网络模型的复杂度、减少参数和激活的位宽以及节省能源提高效率。

韦灵思进一步介绍了运用贝叶斯深度学习缩小模型——压缩与量化。贝叶斯深度学习可以应对不同的深度学习挑战，进而带来广泛效益。他认为，在真实用例中应用贝叶斯深度学习，可以在压缩比提升3倍的情况下保持近乎相同的精准度。

在演讲最后，韦灵思表示，Qualcomm长期努力实现高能效终端侧人工智能，包括高效硬件、算法提升以及软件工具三大方面，而人工智能算法和硬件需要同时具备高能效。