在這場語音 AI 的造芯之路上，誰將 C 位出道？

　　- shenzhenware -

　　與中國的家庭不同，歐美國家對于隱私的問題格外的注重。

　　在剛剛結(jié)束的 IFA 展上，我們也看到國外的許多廠商對于在家電設(shè)備上安裝智能語音助手并沒有那么感冒，畢竟通過互聯(lián)網(wǎng)廠商的系統(tǒng)連接云端服務(wù)，也就意味著設(shè)備要實(shí)時(shí)在線，并且用戶數(shù)據(jù)要實(shí)時(shí)共享。同時(shí)，實(shí)時(shí)在線實(shí)時(shí)監(jiān)聽，也就意味著更多的能耗，盡管對于消費(fèi)用戶來是微乎其微，但系統(tǒng)要支持 7x24 小時(shí)的 Always On，對于軟硬件性能都會有更高的要求。

　　但這并不意味著家電廠商對于語音交互方式的排斥。相反，在原有的觸控或按鍵等交互方式的基礎(chǔ)上，在設(shè)備本地增加基本的語音識別和控制功能，在特定場景用戶需要的時(shí)候，再提供恰到好處的服務(wù)，這對于每隔一段時(shí)間都需要疊加新功能新概念的家電設(shè)備來說，是錦上添花的事兒。

　　有需求就有商機(jī)，基于邊緣計(jì)算的離線語音，逐漸興起。

　　1. 離線語音，沒那么簡單

　　離線語音解決的基本問題包括本地語音識別、本地計(jì)算、部分的數(shù)據(jù)訓(xùn)練。相應(yīng)的，對于硬件的要求就是低功耗、低成本、快速響應(yīng)。

　　Google 曾在 6 月開發(fā)者大會上，推出了 Local Home SDK，其離線語音采用的是端云協(xié)同的方式，具體做法是：通過 SDK 和 API 接口，允許開發(fā)者在上面為智能設(shè)備建立新的附加執(zhí)行路徑，使得 Google 的智能音箱設(shè)備能以 JavaScript 腳本運(yùn)行這套協(xié)議和邏輯，并通過局域網(wǎng)與設(shè)備實(shí)現(xiàn)通訊、本地控制。而在本地執(zhí)行路徑失敗的情況下，云端將作為回退執(zhí)行路徑來處理指令。

　　盡管 Google 有大批的開發(fā)者，但這套 Local Home SDK 對于開發(fā)者的挑戰(zhàn)還是很大。已經(jīng)為上百種家電設(shè)備開發(fā)過離線語音的啟英泰倫的工程師，從云到端的，為我們分析了語音開發(fā)的難度。

　　云端語音開發(fā)，其核心是應(yīng)用各大云端平臺提供的接口，通過調(diào)用服務(wù)完成語音識別功能。這需要工程師明白接口調(diào)用及服務(wù)的要求，也需要熟悉各種操作系統(tǒng)。同時(shí)，云端語音最終需要終端提供待識別的語音數(shù)據(jù)，也需要工程師了解語音采集的過程和降噪技術(shù)，才能做成性能出眾的產(chǎn)品，這本身就有難度。

　　而對于終端語音開發(fā)，雖然有廠家提供了如黑盒子一樣的離線語音技術(shù)，做成類似 Google Local Home SDK 發(fā)布，但最終也需要工程師會編程，懂硬件結(jié)構(gòu)，懂麥克風(fēng)和語音采集降噪的技術(shù)，這些都有不小的挑戰(zhàn)。

　　特別的，語音交互類的設(shè)備本身在產(chǎn)品形態(tài)上差異化很大，使用場景也呈現(xiàn)出碎片化的特點(diǎn)，要為用戶提供自然的本地語音交互體驗(yàn)，就要對不同的產(chǎn)品做出不同的語音控制命令，這些都需要通過修改代碼實(shí)現(xiàn)，工作量可想而知。再進(jìn)一步的讓設(shè)備達(dá)到用戶所需要的「極致」體驗(yàn)，還要做效果調(diào)優(yōu)的工作，這就需要熟練的工程師。總而言之，是有不少開發(fā)門檻和開發(fā)成本的。

　　2. 芯片設(shè)計(jì)，沒那么簡單

　　其實(shí)像 Google 這樣在離線語音交互方向上探索的算法公司有很多，為了讓算法更好的支持終端，他們正在掀起一輪「造芯」運(yùn)動。

　　將算法集成在芯片中，用芯片實(shí)現(xiàn)其算法的商業(yè)價(jià)值，在產(chǎn)業(yè)上游卡位，閑暇之余再發(fā)幾款終端消費(fèi)硬件獲得市場關(guān)注。不得不說，這樣的戰(zhàn)略規(guī)劃可謂是相當(dāng)帥氣，尤其是在 5G+IoT 的黎明到來之際，市場前景一片大好。

　　這也凸顯了算法公司對于自身優(yōu)勢和短板的認(rèn)識。展開來說，他們對于語音識別、語義理解、知識圖譜、數(shù)據(jù)訓(xùn)練等軟件和算法的理解更強(qiáng)，但因?yàn)檐浖I(yè)務(wù)本身太「輕」，在商業(yè)上很難實(shí)現(xiàn)快速落地，因此他們向「云端芯」一體化方向發(fā)展，將業(yè)務(wù)延伸到芯片甚至硬件。

　　但算法公司做芯片，普遍面臨的挑戰(zhàn)是：龐大的數(shù)據(jù)和運(yùn)算量導(dǎo)致成本和功耗都非常大，將數(shù)十個(gè)中央處理器才能運(yùn)算的數(shù)據(jù)通過一個(gè)端上的一顆小小的芯片完成（通常是基于通用芯片的智能語音控制模組），技術(shù)上還存在難度。具體體現(xiàn)在：

　　首先，芯片設(shè)計(jì)周期長，從預(yù)研到進(jìn)入銷售期再到盈利，少說也要兩三年，因此必須做到提前卡位。

　　其次，芯片設(shè)計(jì)不同于軟件，可以通過快速迭代逐漸優(yōu)化。芯片設(shè)計(jì)最重要的就是產(chǎn)品定義，如果一開始定義不好，等設(shè)計(jì)完成后發(fā)現(xiàn)缺乏競爭力再改，就算是老羅這樣的外行拿著互聯(lián)網(wǎng)思維那一套跟你拍桌子，也是無濟(jì)于事。

　　再次，語音 AI 芯片的集成化和工程化要求很高，開發(fā)難度在前面我們已經(jīng)論述。

　　最后，眾所周知，芯片必須依賴大規(guī)模出貨才能賺到錢，這也就決定了語音 AI 芯片必須下沉到智能家居、小家電、兒童故事機(jī)等出貨量較大的設(shè)備市場，才能實(shí)現(xiàn)高凈值。而與這些設(shè)備商打交道，明顯的，芯片商比算法商更深諳其道。

　　3. 芯片公司，是怎么做的？

　　那么離線語音這件事兒，如果芯片公司自己做會怎樣？

　　我們舉個(gè)例子，看一下在語音 AI 芯片領(lǐng)域展露頭角的啟英泰倫的造芯歷程。

　　早在 2015 年，行業(yè)內(nèi)關(guān)于本地端邊緣計(jì)算的概念還沒有興起，擁有 16 年芯片研發(fā)經(jīng)驗(yàn)、雙棲「家電+芯片」多年、曾是原海信信芯技術(shù)副總、長虹 IC 部門總經(jīng)理的何云鵬，在成都高新區(qū)成立啟英泰倫，專門從事基于深度學(xué)習(xí)的語音識別芯片及配套算法引擎的研發(fā)。啟英泰倫在 2016 年推出了首款支持深度神經(jīng)網(wǎng)絡(luò)的人工智能語音芯片 CI1006，次年開始量產(chǎn)。

　　在芯片設(shè)計(jì)方面，CI1006 采用的是可以實(shí)現(xiàn)更好的能耗比的 ASIC 架構(gòu)。而行業(yè)里的采用 FPGA 架構(gòu)的芯片公司，如 Quicklogic，其低功耗多核語音芯片的成本就非常高，這對于很多出貨量大、對成本斤斤計(jì)較的設(shè)備商，是「不劃算」的。

　　同時(shí)，ASIC 架構(gòu)主要瞄準(zhǔn)消費(fèi)電子產(chǎn)品，晶體管會根據(jù)算法定制，因此不會出現(xiàn)冗余，計(jì)算效率高，性能高，功耗低。

　　總而言之，「ASIC 架構(gòu)更像是工廠開模，雖然前期開發(fā)時(shí)間長，上市相對比較慢，但非常適合量產(chǎn)。一旦量鋪開了，均價(jià)也會快速降下來。」何云鵬說。

　　而在算法方面，啟英泰倫則是結(jié)合芯片定制，功耗可控點(diǎn)更高。比如針對竊聽安全風(fēng)險(xiǎn)的問題，啟英泰倫的做法是這樣的：利用近數(shù)據(jù)端的邊緣結(jié)點(diǎn)，直接對數(shù)據(jù)源進(jìn)行處理，實(shí)現(xiàn)對一些敏感數(shù)據(jù)的保護(hù)與隔離；端節(jié)點(diǎn)可以僅接收來自云計(jì)算中心的請求，并將處理結(jié)果反饋給云端。

　　啟英泰倫的語音芯片內(nèi)置了自主研發(fā)的腦神經(jīng)網(wǎng)絡(luò)處理器 BNPU，支持本地大詞匯量的語音識別。通常本地語音識別詞匯量非常小，本地?cái)?shù)據(jù)訓(xùn)練受限，而 CI1006 可以有效的解決本地語音識別和控制。

　　4. 設(shè)備商，應(yīng)該如何選擇？

　　何云鵬幫我們分析了家電廠商的一般做法和存在的問題：通常情況下，如果一家廠商想要給自己的產(chǎn)品增加語音控制功能，就要去找軟件算法商、芯片公司、方案商，甚至是聲學(xué)方面的硬件商。前期調(diào)研周期長不說，資源即使強(qiáng)大，也只能成功對接到幾十家的有效支持。這種模式無法支持家電廠商全系大規(guī)模智能化的市場需求。

　　而家電廠商如果通過算法商基于普通芯片定制開發(fā)語音識別模組，那么算法商需要從芯片原廠選定芯片，將云端算法移植到芯片上，并進(jìn)行調(diào)試。然后還需要底層硬件開發(fā)公司將整體方案做成模組板卡，提供給家電廠商。這種實(shí)現(xiàn)方式鏈條環(huán)節(jié)多，周期長，家電廠商還要支付額外的開發(fā)費(fèi)用和授權(quán)費(fèi)用，這對于苛求毛利率到分的設(shè)備商來說，是必須要考慮的現(xiàn)實(shí)問題。

　　如何判斷語音 AI 芯片是否靠譜呢？或許這里提煉的幾個(gè)特征，為家電和設(shè)備廠商們的評估提供了維度：

　　低成本、低功耗、低時(shí)延

　　云邊端一體化

　　芯片規(guī)格和制式可定制

　　9 月 19 日，啟英泰倫將在深圳舉辦主題為「聲無界·芯未來」的新品發(fā)布會，推出新一代語音芯片和語音 AI 開發(fā)平臺，旨在進(jìn)一步降低產(chǎn)品智能化開發(fā)和成本門檻 ，助力終端設(shè)備商更高效率、更低成本實(shí)現(xiàn)智能化?，F(xiàn)場將設(shè)立新技術(shù)體驗(yàn)及專屬洽談區(qū)，期待行業(yè)精英參與。