Qualcomm成功的秘诀是什么?

  Qualcomm——高通,移动互联网时代最成功的公司。

  一代代旗舰芯片和移动平台,更是安卓手机厂商核心竞争力和卖点之一。

  但成功的花儿,外界更多看到花开时的艳丽,鲜能关注绽放前的艰辛。

  所以最近一篇AI论文发布后,意外引起论文之外的讨论。

  中国俗语:台上一分钟,台下十年功。

  如果说移动时代的成功“秘诀”太难追,那这篇论文展示的,正是高通面向AI时代的“十年功”管窥。

  一篇基础理论的AI论文

  这篇引发思考的AI论文,全名:Gauge Equivariant Convolutional Networks and the Icosahedral CNN.

  中文翻译:《规范等变卷积网络与二十面体CNN》。

  https://arxiv.org/abs/1902.04615

  主题高深,着力点又极其基础——把数学、物理方面的基础理论,用在卷积神经网络(CNN)攻坚中。

  概括而言,之前的卷积神经网络主要被用于平面问题,而且不具有旋转不变性。

  但高通的这项新研究,可以基于规范等变CNN的方法来实现一个尼曼三维任意曲面的旋转不变性,这不仅是CNN模型新突破,而且结果可以用在全球气候模式、医疗影像的研究上。

  论文作者也非泛泛之辈。

  Taco Cohen和Max Welling(韦灵思),均来自高通AI研发团队。其中,韦灵思教授是深度学习领域知名科学家、变分自动编码器(VAE)的提出者,还是诺贝尔物理学奖得主Gerardus’t Hooft和图灵奖Geoffrey Hinton的学生。

  这篇论文,可以说是韦灵思教授等集师承之所长的结果。

  于是从论文本身到作者背景,立马在AI科研圈引发反响:

  推特上,转发超过300,点赞数1千2——作为这样一篇看懂标题都不易的论文,足见其影响了。

  更主要的是,高通AI研究院展开如此基础的研究,令不少人感到震惊。

  一般而言,企业内部的研究院,虽然也会偏向学术式推进,但会偏重企业的侧重所在。

  比如高通这样的公司,或通信或芯片,或者移动基础架构。

  但韦灵思等大牛的研究,更基础更理论,并看不出限制。

  这还不是孤立事件,稍早之前,韦灵思教授等还将广义相对论和量子场论的数学原理应用到深度学习中,提供了3D物体识别的新思路。

  更早之前,还在神经网络压缩、机器学习训练工具等基础方面展开攻坚。

  所以也有人评价说,高通深厚的专利和技术壁垒背后,正是提前对上述看似无用的基础研究的持续投入。

  而等到OEM厂商争相搭载骁龙芯片时,这些隐而不彰的基础成就,虽然无迹可寻,但实际早已春风化雨。

  高通AI生态

  高通内部支持上述基础理论研究,彰显着高通对AI变革趋势的判断,也是面向新时代的适者生存。