Hexagon SDK 与 QAIRT 的区别

番茄ROS机器人 2026-09-20 13:10:52

Dragonwing（跃龙）：高通面向工业 / 嵌入式 IoT、边缘 AI、机器人、无人机、智能视觉等企业级场景的品牌。

Snapdragon（骁龙）：面向手机、平板、笔电、车载等消费级终端。

QCS8550 是 Dragonwing Q8 系列旗舰，4nm、Adreno 740 GPU、Hexagon NPU、Wi‑Fi 7，主打高性能边缘 AI 与异构计算。

Hexagon SDK 是面向 DSP/NPU 的底层通用开发工具链；

QAIRT 是面向 AI 模型的上层推理部署栈（含原 QNN、SNPE、GENIE）。两者在层级、用途、接口和使用方式上完全不同。

一、定位与层级对比

Hexagon SDK（底层通用 DSP/NPU 开发）

全称：Qualcomm Hexagon SDK

层级：硬件层 / 系统层 —— 直接对 Hexagon DSP/HTP 做原生编程

核心用途：

编写、编译、调试C/C++ 算法，跑在 Hexagon DSP/HTP 上

利用 HVX（512/1024 位向量扩展）做图像 / 视频 / 信号处理

开发非 AI 类高性能计算任务（滤波、FFT、编解码、传感器融合）

运行时：自带 QuRT（DSP 实时 OS），管理 DSP 线程与调度

典型输出：.so 或 .elf —— DSP 原生可执行文件 / 库

QAIRT（上层 AI 推理部署栈）

全称：Qualcomm AI Runtime（原 QNN SDK + SNPE + GENIE 整合而来）

层级：应用层 / AI 推理层 —— 面向训练好的 AI 模型（ONNX/TensorFlow/PyTorch）

核心用途：

模型转换 + 量化 + 优化：把 PC 训练的模型转成高通硬件可执行格式（.dlc/.qnn）

多硬件调度：自动分配算子到 CPU/GPU/HTP（NPU），异构并行

推理 API：提供 C/C++/Python 接口，直接在 App 里调用 AI 推理

典型输出：优化好的模型文件（.dlc/.qnn）+ 推理运行时库

二、核心区别（表格）

对比项	Hexagon SDK	QAIRT（含 QNN/SNPE/GENIE）
开发对象	DSP/HTP 硬件本身、C/C++ 算法	训练好的 AI 模型（ONNX/TF/PT）
编程方式	手写 C/C++，调用 HVX intrinsics	模型转换工具（`qnn-converter`）+ 推理 API 调用
AI 支持	无内置 AI 框架，需手动写算子	原生支持 CNN/Transformer/LLM，自动算子映射
适用场景	音视频编解码、信号处理、传感器融合、自定义算法	图像分类、检测、分割、NLP、LLM、AIoT 推理
硬件调度	手动指定 DSP/HTP	自动异构（CPU/GPU/HTP）
上手难度	高（需懂 DSP 架构、HVX、QuRT）	中（熟悉模型转换 + API 即可）
代表工具	qcc 编译器、qdsp6 调试器、hexagon-sim	qnn-converter、qairt-visualizer、snpe-net-run

三、与 QCS8550（Dragonwing）的关系

Hexagon SDK：QCS8550 内置 Hexagon HTP（NPU），Hexagon SDK 是开发 HTP 底层算法的必备工具。

QAIRT：QCS8550 官方推荐的 AI 部署栈，支持 INT8/FP16 量化、HTP 加速、LLM 推理，是边缘 AI 落地的首选。

四、如何选择？

如果你要手写 DSP 算法、做底层信号处理、自定义算子 → 用 Hexagon SDK。

如果你要部署现成 AI 模型（CNN/LLM）、快速落地 AI 应用 → 用 QAIRT（QNN）。

Qualcomm® AI Runtime (QAIRT) SDK 和 Qualcomm AI Engine Direct SDK 区别

一、整体关系（别再混淆）

从 v2.32.0 开始，高通把原来三个名字统一收归到 QAIRT SDK 产品下：

Qualcomm AI Runtime (QAIRT) SDK

包含三大组件：

QNN（Qualcomm AI Engine Direct） —— 底层、高性能、细控制

SNPE（Snapdragon Neural Processing SDK） —— 高层、简单、自动调度

GENIE —— LLM / 生成式 AI 扩展（基于 QNN）Qualcomm

也就是说：QNN ≠ QAIRT，QNN 是 QAIRT 的一部分；QAIRT 是大合集。

二、Qualcomm AI Runtime (QAIRT) SDKs

定位：高通官方统一 AI 推理栈，面向所有高通平台（手机 / 车载 / 边缘 / 机器人）

工具链：模型转换、量化、编译、性能分析

多个 runtime：SNPE、QNN、GENIE

统一安装包：下载一次 QAIRT，里面包含 SNPE 和 QNN 目录Qualcomm

用途：从简单 Demo 到量产高性能、从 CV 到 LLM 全覆盖

三、Qualcomm AI Engine Direct SDK（QNN）

别名：QNN SDK、Qualcomm Neural Network

定位：更贴近硬件的底层推理 SDK，为极致性能和精细控制设计

核心特点：

细粒度控制：可指定每个算子跑在 CPU/GPU/HTP/DSP

高性能 + 小体积：编译成平台专属 .so/.bin，内存占用最小

模块化后端：CPU/GPU/HTP 独立库，按需链接

自定义算子强：方便写 HVX/HTP 原生算子

典型输出：

libQnnModel.so（模型库）

context.bin（HTP 专用二进制）

适用场景：量产、高帧率、低时延、大模型、自定义算子

四、SNPE（对比理解）

高层 API，简单易用

自动异构调度：自动分配 CPU/GPU/HTP

输出统一 .dlc，跨平台好

代价：体积更大、控制粒度粗、性能略低于 QNN

五、一张表总结区别

对比项	QAIRT SDKs	AI Engine Direct（QNN）	SNPE
层级	总框架 / 产品包	底层高性能 runtime	高层易用 runtime
关系	包含 QNN、SNPE、GENIE	QAIRT 的子集	QAIRT 的子集
控制粒度	可选 QNN（细）或 SNPE（粗）	极细（算子级）	粗（自动调度）
性能	取决于所选 runtime	最高	中等
上手难度	可选（SNPE 易，QNN 难）	较难	简单
适合	全场景开发	量产、高性能、LLM	快速原型、Demo、简单部署