如果你问AI边缘芯片公司最难的是什么，他们大概率会说落地的应用场景太多、太复杂。
如果你问开发者使用AI芯片最难的是什么，他们可能会说没有统一的开发平台。
如果你问消费者使用AI的最大感受是什么，他们或许会表达一些对AI智能程度的不满。
AI已经在智能手机中普及，但AI的体验还不够完善，AI的功能也还不够强大。想要实现体验优秀的AI功能和产品，一定需要从底层的硬件到上层的软件和系统深度融合。
所有AI芯片公司都在大谈自家产品优势，但即便对于有能力和经验的人才，想要将一个开发应用到不同的产品中，总是有许多迁移工作，这也在很大程度上阻碍了技术创新和应用推广。
为了解决这个问题，高通给出了最新解决方案——高通全方位人工智能软件栈（Qualcomm AI Stack），包括硬件、软件工具，让OEM厂商或者开发者的一次编码，就可以应用到智能手机、物联网设备、汽车内控屏幕、虚拟现实/增强现实设备等多个领域。
这是足以激发每一位技术爱好者兴奋的情报“一次编码，随处运行。”
但要实现这一目标面临着挑战。高通技术公司产品管理副总裁 Ziad Asghar指出，“不同业务对于准确性、高效能以及时延等方面平衡要求各不相同。”而且，每种场景下所需的手势追踪、眼球追踪与3D重建模型，以及激光雷达模型，都各具特点，对精准度要求也不尽相同。
为了跨越这些障碍，高通推出了全方位人工智能软件栈，它通过优化底层硬件与上层工具，从而实现仅通过统一的人工智能软件栈，可跨硬件平台运行。这是一个极其挑战性的任务，要支持不同操作系统，如Android、Windows、Linux以及专用于网联汽车的地QNX；要支持完整接口系统加速器驱动仿真环境；并且提供数学库编译器虚拟平台分析器调试器，以及程序语言核心库，还要支持编程语言核心库。此外，还必须包含分析器调试器，以帮助了解如何利用具体硬件进行权重分析。此外，还需考虑整个过程中的兼容性问题。
“基于Direct AI引擎，上述这些高通全方位人工智能都可以实现。” Ziad Asghar说，“Direct AI引擎可视为一个较低级别库，可以在最靠近模型或硬件的地方进行编辑，使得充分释放硬件性能，并保证最高峰值表现。”
此外，全方位人工智能还包含了一系列工具套装，比如Model Efficiency Tools (MET)图形用户界面（GUI）用于量化感知训练无数据训练整数运算模型，将浮点运算转换为8位整数模型提升4倍能效。它也支持包括Prometheus Kubernetes Docker基础设施，同时支持诸多SDK，如Snapdragon Ride SDK物联网Smart Multimedia SDKXR Spaces XR Developer Platform，为建立统一SDK奠定基础。
Ziad Asghar表示，“要实现任何单一终端上的特性，在其他终端轻松部署，不仅需要编译器，而且还有准备优化调度测试 硬件调试以及如何充分利用资源等重要因素，我们需要确保这组成部分协同工作才能达到效率。”
虽然刚发布，但该全方位人工智能解决方案仍然有很长路要走：除了复杂性的提升之外，还需要大量细致优化与客户紧密合作来确定是否能够成功执行愿景，这个过程既耗时又需要持续投入。但如果能够成功，那么它将成为高通在人工智能市场取得巨大成功关键的一环。
