骁龙720加入NPU神经网络计算单元 专注AI加速
今年5月底，高通发布了全新的骁龙700系列首款型号骁龙710，定位介于旗舰骁龙800和主流骁龙600之间，借鉴了前者的不少高级特性，成本上又得到了很好的控制，非常适合中高端机型。
现在刚刚过去不到两个月，骁龙720的名字又出现了！
目前还没有骁龙720的具体规格资料，只知道它是骁龙710的加强版，据说重点会加入NPU神经网络计算单元(类似华为麒麟970)，专用于AI加速。
如果属实，这对骁龙来说可是第一次，意义重大，因为目前的骁龙平台并没有专门的AI硬件单元，而是依赖软件侧的AIE引擎，在特定AI场景中的效率还是偏低。
有趣的是，早先关于骁龙710的曝料中还提到过骁龙730，声称它会采用三星8nm LPP工艺制造(10nm的升级版)，集成两个Kryo 4xx 2.3GHz、六个Kryo 4xx 1.8GHz CPU核心，并特别配备NPU 120单元！
考虑到同时曝光的骁龙710规格和官方最终公布的相当接近，看起来这个骁龙720、NPU乃至是骁龙730还是很有希望的。
最后一点，消息称目前至少有三家手机厂商在开发骁龙720机型，其中三星预计会拿下首发，而且是全新的Galaxy系列机型。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
神经网络
+关注
关注
42文章
4847浏览量
108491 -
AI
+关注
关注
91文章
42239浏览量
303282 -
NPU
+关注
关注
2文章
395浏览量
21463
原文标题：据传骁龙720要加入NPU神经网络计算单元了！
文章出处：【微信号：eetop-1，微信公众号：EETOP】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
热点推荐
边缘 AI 加速的 Arm® Cortex®‑M0+ MCU 如何为电子产品注入更强智能
的神经网络模型。 · 在 MCU 上运行机器学习推理可实现唤醒词检测、手势识别和预测性维护等高级功能。 利用 MCU 提升边缘 AI 的普及度 如今的通用型 MCU，尤其是集成了 TI TinyEngine™ NPU 这类
【新品发布】艾为重磅发布端侧AI高性能NPU语音芯片，打造智能语音体验新标杆
数模龙头艾为电子全新推出高性能NPU神经网络智能语音处理芯片：AWA89601，集成音频专用NPU（神经网络处理器），通过声音模型训练与NPU
神经网络的初步认识
日常生活中的智能应用都离不开深度学习，而深度学习则依赖于神经网络的实现。什么是神经网络？神经网络的核心思想是模仿生物神经系统的结构，特别是大脑中神经
如何利用NPU与模型压缩技术优化边缘AI
随着人工智能模型从设计阶段走向实际部署，工程师面临着双重挑战：在计算能力和内存受限的嵌入式设备上实现实时性能。神经处理单元(NPU)作为强大的硬件解决方案，擅长处理
AMD Vitis AI 5.1测试版发布
AMD Vitis AI 5.1全新发布——新增了对 AMD Versal AI Edge 系列神经网络处理单元 (NPU) 的支持。Vit
NMSIS神经网络库使用介绍
()
riscv_fully_connected_q7()
在NS上跑时和arm的神经网络库一致，可在ｇｉｔｈｕｂ上下载CMSIS的库，然后加入到自己库所在的路径下即可。
发表于 10-29 06:08
在Ubuntu20.04系统中训练神经网络模型的一些经验
本帖欲分享在Ubuntu20.04系统中训练神经网络模型的一些经验。我们采用jupyter notebook作为开发IDE，以TensorFlow2为训练框架，目标是训练一个手写数字识别的神经网络
发表于 10-22 07:03
CICC2033神经网络部署相关操作
在完成神经网络量化后，需要将神经网络部署到硬件加速器上。首先需要将所有权重数据以及输入数据导入到存储器内。
在仿真环境下，可将其存于一个文件，并在 Verilog 代码中通过 readmemh 函数
发表于 10-20 08:00
液态神经网络（LNN）：时间连续性与动态适应性的神经网络
1.算法简介液态神经网络（LiquidNeuralNetworks，LNN）是一种新型的神经网络架构，其设计理念借鉴自生物神经系统，特别是秀丽隐杆线虫的神经结构，尽管这种微生物的
【「AI芯片：科技探索与AGI愿景」阅读体验】+神经形态计算、类脑芯片
AI芯片不仅包括深度学细AI加速器，还有另外一个主要列别：类脑芯片。类脑芯片是模拟人脑神经网络架构的芯片。它结合微电子技术和新型神经形态器件
发表于 09-17 16:43
神经网络的并行计算与加速技术
问题。因此，并行计算与加速技术在神经网络研究和应用中变得至关重要，它们能够显著提升神经网络的性能和效率，满足实际应用中对快速响应和大规模数据处理的需求。
【「AI芯片：科技探索与AGI愿景」阅读体验】+AI的未来：提升算力还是智力
结果。
耦合振荡计算与传统的计算的区别：
3、神经符号计算
神经符号极端是指将基于神经网络的方法
发表于 09-14 14:04
【「AI芯片：科技探索与AGI愿景」阅读体验】+第二章 实现深度学习AI芯片的创新方法与架构
Transformer和视觉Transformer模型。
ViTA是一种高效数据流AI加速器，用于在边缘设备上部署计算密集型视觉Transformer模型。
2、射频神经网络
2.1线
发表于 09-12 17:30
AI 边缘计算网关：开启智能新时代的钥匙—龙兴物联
智能化决策的关键。卷积神经网络在图像识别方面表现卓越，在智能工厂产品质量检测中，能快速准确识别产品缺陷；循环神经网络擅长处理时间序列数据，可对设备故障进行精准预测。
在通信技术与协议支持上，AI 边缘
发表于 08-09 16:40
评论