机器学习的核心在于它提供了一种将庞大数据转换为实用功能的途径。谈及机器学习，我们通常更关注围绕它所展开的超快速数据处理应用、服务器集群和超级计算机。但是，这些远程服务器并不会帮你美化手机中的照片，或是帮你在飞机上翻译一份外语的菜单。因此，机器学习移动化，或者说将机器学习内置于终端中，便能够帮助更多用户解锁日常生活中的使用场景。
多年以来，Qualcomm Technologies的工程师们一直致力于应对机器学习相关的挑战，他们的研究成果已经在Qualcomm骁龙移动平台上得到体现，同时，骁龙移动平台也建立起了在内置于终端的移动机器学习领域的领导地位。
这项技术是骁龙产品线中的重要组成部分，因此你将会看到机器学习技术应用于我们的诸多SoC（骁龙820，骁龙835和部分骁龙600系列）以及如物联网和自动驾驶等毗邻领域的平台之中。
另外，我们并非依靠一己之力在推动这项技术的发展，而是在与整个工具生态系统、经验丰富的OEM厂商、以及具有创新精神的软件开发者共同合作，希望为消费者带来一些全新体验。这些体验需要借助内置于终端的机器学习，所以我们需要合作去构思实现这一切。
该领域一项颇为激动人心的进展便是Facebook对Caffe2的进一步投入，即对开源Caffe框架的演进。在今年的F8大会上，Facebook和Qualcomm宣布合作支持Facebook开源深度学习框架Caffe2和Qualcomm骁龙神经处理引擎（NPE）框架的优化。该NPE旨在在骁龙移动平台上承担高效运行神经网络所需的重要工作，它将赋予开发者更充裕的时间和精力，以专注地开发创新用户体验。
通过Caffe2所支持的，更现代的计算图形设计、极简的模块化设计、以及灵活的多平台接口，开发者将拥有更高的灵活性来设计多种深度学习任务，包括计算机视觉、自然语言处理、增强现实（AR）以及事件预测等。
部署在Facebook上的 Caffe2旨在帮助开发者和研究人员训练机器学习模型，并为多种移动app带来由人工智能（AI）所支持的体验。现在，开发者将可以使用多种同一工具开展大规模且分散的训练场景，并开发用于移动终端的机器学习应用。
骁龙和NPE所带来的优势之一是，开发者可以基于应用的功能和性能要求，针对骁龙移动平台中的各个异构计算核心来进行性能优化。通过内置的Qualcomm Adreno 540 GPU处理Caffe2的负载，骁龙835旨在实现高达5倍的性能提升（与使用CPU处理Caffe2负载相比）。
此外，Qualcomm Hexagon DSP 中Hexagon Vector eXentions（HVX）同样提供了更强大的性能和能效。该NPE包含了运行时软件、库、API、线下模型转换工具、调试、基准测试工具、示例代码和文档，预计将于今夏晚些时候向更广泛的开发者社区开放。
Qualcomm Technologies通过骁龙平台、以及丰富的认知技术和深度学习工具，将不断为广大开发者和消费者提供支持。我们期待开发者能够参与到更广阔、更多样化的强大机器学习生态系统中，从而使得更多终端以高效、安全的方式运行。
虽然我们目前仍无法预知这项技术的全部应用范围，但是我们已经迫不及待地见证在全球范围内，颇具创新精神的开发者将会如何利用这一技术。
