在过去的十年里，摩尔定律的存续与否一直是热议的焦点。尽管像英特尔和台积电这样的行业巨头在更小的工艺节点上不断取得突破，但一个不争的事实是，单纯依赖摩尔定律来提升性能已不再现实。为了寻求更高的性能，业界开始尝试各种方法，如异构计算架构、小芯片技术等，甚至有人将这两者结合使用。

在今年的世界移动通信大会上，高通公司除了展示其已成熟的异构计算架构外，还强调了另一种提升性能的关键技术：人工智能（AI）。这就像一句广为流传的格言所说：“如果你有一些很棒的东西并且想让它变得更好，只需添加某种神奇的成分即可。”在这里，人工智能就是那个神奇的成分，它的加入有望让科技产品，尤其是芯片行业的性能更上一层楼。

值得注意的是，这里所说的人工智能不仅仅是近年来备受瞩目的生成式人工智能。事实上，利用传统的或功能性的、基于机器学习的人工智能来增强产品功能已经成为过去十年左右的差异化战略。在今年的MWC上，高通公司就将这一战略应用于其最新的5G产品Snapdragon X80上。

Snapdragon X80是一个由基带、射频收发器、射频前端和毫米波前端模块组成的调制解调器-射频平台。它支持3GPP Release 17以及预期的Release 18功能，具备6倍下行链路载波聚合、最多6个智能手机接收通道、10 Gbps峰值下载速度等强大性能。但更引人注目的是，它还配备了高通第二代5G人工智能处理器，该处理器通过智能控制调制解调器和射频功能来提高服务质量和最终用户体验。

与第三代5G AI套件相结合，Snapdragon X80在数据速度、功率处理和效率、覆盖范围、频谱效率、延迟和GNSS位置等性能指标上均通过AI的使用得到了显著改善。此外，它还利用AI处理来协助毫米波波束管理，这对于在固定无线接入(FWA)客户端设备(CPE)中使用时提供5G毫米波范围扩展至关重要。

这些改进部分是通过利用AI更智能、更高效地管理多天线子系统来实现的。AI还用于提供上下文输入，通过识别和考虑射频环境的状态以及用户在应用程序或工作负载方面所做的事情来优化无线电链路。例如，如果用户正在执行与延迟相关的操作（例如视频通话），AI可能会增加传输功率以补偿任何通道质量损伤，并优先考虑吞吐量和延迟，而不是由此导致的功耗增加。

据高通称，与上一代产品相比，通过实施AI来帮助优化5G性能，他们可以将最佳小区选择时间减少20%，将链路获取减少多达30%，并将定位精度提高到类似程度。对于毫米波应用，它还能将CPE服务获取速度提高60%，连接时功耗降低10%。

由此可见，AI在提升芯片性能方面的潜力巨大。除了吞吐量和延迟之外，用户体验还受到电池寿命的影响。随着生成式AI等高级用例和应用程序对处理速度、吞吐量和延迟的要求越来越高，同时保持或提高设备上的功耗变得尤为重要。而AI可以通过优化调制编码方案、传输功率和天线阵列配置来确保给定工作负载的最佳组合，从而在多个方面提供帮助。这不仅可以最大化上行链路和下行链路吞吐量以及最小化延迟，还可以最大程度地减少传输链的通电时间，延长电池寿命对用户体验的影响。

此外，AI优化的体验不仅有利于最终用户。当任何给定的传输能够以较低的发射功率更快地完成时，移动网络运营商还可以通过降低有效本底噪声来最大化容量，从而通过帮助最小化干扰并确保实现最佳的下行链路和上行链路速度，最终使最终用户受益。这对于给定的射频环境来说是非常重要的。

展望未来，5G和AI的结合将更加紧密。除了基于AI的增强功能外，Snapdragon X80调制解调器RF平台还支持预期的3GPP Release 18（Rel 18）功能。因此，高通宣称这款最新的5G产品是“5G Advanced Ready”。无论哪些功能最终通过Rel 18实现标准化，至少可以预见的是，将X80调制解调器RF设计到其设备系列中的OEM厂商将获得高通认为不仅适用于下一代智能手机而且适用于其他设备类型的增值功能以及PC、XR设备、汽车和FWA CPE等。

总之，高通利用AI来提高产品性能并不是一个新想法或首次尝试。但这款产品的发布无疑凸显了传统AI在增强现有技术和产品的性能水平方面所发挥的关键作用。它不仅使生成式AI等工作负载成为可能并可用，还展示了芯片制造商在寻求性能提升时所拥有的另一种武器——无论摩尔定律是否存在。而在这个注意力都集中在生成式AI的世界里，我们不应忘记传统的、基于机器学习的人工智能产品优化的重要性。因为它是实现差异化的强大工具，我们应该抓住每一个运用它的机会。