1月15日，2026 高通边缘智能开发者生态大会在成都举办。产业链上下游核心企业、生态伙伴、专家学者以及广大开发者齐聚一堂，500余位与会者围绕边缘智能技术演进、生态合作与应用落地展开深入交流，并共同见证2025 高通边缘智能创新应用大赛年度奖项揭晓

比赛是否可以使用GPU而非NPU进行OCR计算（easy_ocr.py） NPU计算太慢了，优化了很久没有效果，貌似是写死了的，一张图片要十几秒，我的一张1920*1080的webp图片更是要几分钟，而且效果感人，用不了一点 Qualcomm AI

在骁龙X Elite测试机（admin账户）上，运行任何QNN示例均失败。 错误：Unable to load backend - load library failed for QnnHtp.dll 已尝试： CPU/DSP/GPU后端均失败，同一

这里面 https://huggingface.co/qualcomm/models 没支持我产品需要的模型

QCM4490/QCS4490 Linux Android软件调试指南 SP80-50439-5 想找一下这个文档但是在高通的网站上没有找到

根据CSDN教程，下载测试ai-engine-direct-helper 后，运行 easy_ocr.py 时发现问题 ai-engine-direct-helper 项目中的C:\ai-hub\ai-engine-direct-helper\sc

qcc730出现这种情况是怎么回事？

我们团队在QAI AppBuilder平台(高通骁龙8 Gen2芯片)上部署DDColor模型做老照片上色服务,处理1024x1024的图片要3-4秒,CPU占用率飙到90%以上,远达不到预期。我想问在QAI AppBuilder上部署DDColor

我在fine-tune一个Llama 2 13B模型用于法律文档分析,4张RTX 3090,训练数据8万条、平均token长度1200,使用DeepSpeed ZeRO-2。现在batch_size=4能跑但太慢,调到8就OOM,法律文档长度又不能截

我们团队在做一个系统,需要在公司内网的Ubuntu服务器上本地部署(数据安全要求不能上云),要对接本地部署的Llama 2模型和自建的数据库。之前一直用Python写LangChain代码来构建RAG pipeline,但最近发现了LangFlow这

更改L9B电压不成功，只更改ap侧不生效，测量电压为2.9v; 当更改bp侧电压为2.5v时，整个系统会起不来。 ap侧： bp侧：

我现在遇到一个问题，想问问老师们，CLIP 模型的文本编码器和图像编码器，在 NPU 上是分开推理还是融合推理？这两个哪个效率更高？求解答

benchmark 在实际项目里一般能达到吗？还是只能当参考看？如果要按示例里的数据来评估方案，通常需要给性能预留多少余量才比较稳？

有点担心在 NPU 上落地会不会受限。想确认一下，如果用到了非标准算子，是否支持自定义算子？只要模型本身能在 PyTorch、TensorFlow 或 ONNX Runtime 里正常跑，是不是基本就有机会转到 NPU 上执行？

我想问下本地大模型的首 token 延迟一般能做到什么水平？在真实使用中能不能支撑比较顺畅的实时对话

您好，我报名参加高通大赛的赛题，想问下我要是用ONNX Runtime部署模型的话,需要对原始模型做特殊转换吗?转换流程是怎么样的，复杂吗？学生求教

我们目前团队也想做一个产品，请教一下应用宝的产品里，NPU 推理和 CPU 推理是怎么做 fallback 的？

想问问实际项目落地中，把 AI 能力整合到传统业务（如应用宝的分发、推荐、安全等）时，最大的工程挑战是什么？我们比赛中也想把 AI 能力嵌入已有应用，使用 QAI AppBuilder 时应该优先考虑哪些工程点（如进程隔离、资源调度、模型热加载等）？