两年的AI专用芯片浪潮怎么了？
随着近六年来人工智能技术的不断突破，推动了大规模场景应用的商业化。 人工智能芯片作为人工智能技术大规模应用的重要数学基础，也具有巨大的产业价值和战略地位。
AI芯片应用不断向CV（计算机视觉）、自动驾驶、智能手机、语音交互等多维度方向发展。 在语音交互领域，中国智能语音市场保持快速下滑态势。 根据毕马威报告，预计2030年消费级应用场景将超过700万元，企业级场景发展空间也有望达到1000亿元规模。
为了让智能终端有更好的交互体验，为语音算法打造匹配的AI芯片，采用软硬件一体化方案，几乎是业界最普遍的选择，这也是智能终端的必然路径。技术迭代。 现在智能语音赛道已经聚集了众多玩家，如百度、科大讯飞、云知声、爱彼知音、魔门问、奇影泰伦等，都纷纷布局芯片产业。
解决专用芯片技术难题，企业尚需突破的商业化壁垒
智能语音在技术关联和数据层面上本来就更加复杂。 光是理解和处理自然语言的能力，就已经花费了科学家六年的努力，换来了明天的交互体验。 只有实现语音识别、语义理解、自然语言处理、语音合成、声音降噪等技术与“云芯”的融合，将业务延伸至芯片乃至硬件，才是技术商业化的合理路径.
通用芯片架构并非专门为AI设计，性能和功耗受限是家常便饭。 近年来，在业内多家企业的努力下，传统通用芯片的适配问题得到解决，企业也纷纷投入专用芯片制造。
技术难题解决后，AI语音芯片在商业化道路上仍面临诸多挑战：
第一，如何在成本约束下实现性能优化。 智能语音技术紧耦合，拼凑技术难以达到理想的交互效果。 需要考虑的是在芯片上搭载全栈解决方案，每增加一个功能就意味着成本的降低。 低成本、易实现、低帧率等产品特性需要与方案紧密结合。
其次，从AI语音芯片企业的布局来看，他们选择的应用终端集中在家装、电器、机器人、车辆等场景。 但是，这几类场景的产品品类分散是一大特点，尤其是家装家电，大到空调，小到插头，都有语音芯片的需求。 如何在这种设备上适配芯片，确定芯片各项功能的必要性，需要深入掌握终端产品功能的Know-How。
第三，由于客户和厂商的自然分散，标准产品加工具定制是最高效的合作模式。 拥有高效的工具链，增加多样化所需的时间和边际成本，将大大提高语音芯片的商业化进程。
千万级出货量，企业如何做到“芯片”得心应手？
作为业内最早布局边缘侧芯片设计并提供软硬件一体化产品的公司之一，云知声三代共发布了6款全栈语音AI芯片或软硬件一体化产品，芯片和模组出货量达到千万级别，累计合作客户近800家。
早在2015年，云知声就开始着手打造芯片团队，不仅是因为行业品味，更是因为环境。 云知声的芯片方案外置针对语音识别优化的深度神经网络加速方案，实现设备离线语音识别。 同时，语音交互这一核心环节也取得重大突破。 语音识别环节突破了单点能力，也从远场识别到语音分析、语义理解有了很大提升，呈现出交互的整体解决方案。
2018年，云知声第一代UniOne“Swift”芯片首次流片成功并量产发货。 “雨燕”芯片是云知声面向智能家装语音交互场景的高性能、低成本集成芯片解决方案。 “Swift”架构的外置数字信号处理器（uDSP）和AI加速器（DeepNet）是Unisound完全自主研发的深度神经网络处理器（NPU）。 AI加速器（DeepNet）是云知声完全自主研发的深度神经网络处理器（NPU），可实现语音识别、理解、合成所需的深度学习估计加速。 与通用CPU相比，这种ASIC芯片的处理速度和效率有了显着提高。
行业知识积累
在业务场景选择上，云知声的端侧智能语音芯片精准定位小家电市场。 选择这条赛道源于2014年开始与格力、美的等家电厂商的合作。在这一领域，优尼声已经积累了超过7年的经验，熟悉家电场景和特点。
以耳机阵列技术为例，毫无疑问，耳机越多，越容易达到更好的降噪和语音增强效果。 不过，相比业界如火如荼的多mic阵列方案，单mic方案已经成为家电行业出货量最大的方案。 这是因为疗效的差异只影响需要声源定位的产品。 对于电器市场，一些原本需要靠墙摆放的设备，比如空调、电视等，八个耳机阵列的应用显然是多余的。 因此，综合考虑实施成本、结构设计、生产安装等，单麦克风和双麦克风是最适合该应用场景的方案——这些经验来源于对行业功能Know-How的把握。
因此，云知声面向小家电市场的第二代芯片“蜂鸟”（Hummingbird）于2019年成功流片。“蜂鸟”芯片是专门设计的一款高性能、高集成度、高性价比的语音智能物联网芯片by Unisound 用于离线远场语音交互场景。 与语音行业的通用芯片“雨燕”相比，“蜂鸟”芯片的定位更轻巧、更灵活，可以不断提高设备适配门槛，为客户提供更具性价比的解决方案。
蜂鸟系列芯片应用了远场拾音、高性能识别、低帧率唤起等功能。 配备单双麦克风，可实现10米远场拾音，安静环境下5米识别率可达95%以上。 主要经营家装环境中的卧室、客厅、卧房、卫生间等白色家电、小家电（家具、厨电、智能插头等）。 作为白色家电和小家电领域领先的量产语音解决方案，蜂鸟及相关系列芯片出货量已达千万级。 覆盖格力、美的、海尔、奥克斯、华帝等所有国外一线电器厂商。
同时，随着大众对用户隐私问题的重视，相较于需要系统连接上传数据的云服务，特定场景下的线下语音交互需求正在逐渐减少。 低帧率、低成本、快速响应、融合离线交互方式、系统智能决定离线处理方式的能力，都成为语音AI芯片发展的必要条件。 因此，云知声的芯片产品矩阵也包括了面向汽车市场的高端芯片。
云知声与吉利集团慧侠一加通成立，推出高性能车规级离线语音芯片“雪豹”（Leopard）。 预计搭载该芯片的机型将于去年推出。 这块芯片还集成了云知声的感知和认知技术。 面对车联网环境不稳定的特点，在纯离线场景下，“雪豹”提供堪称在线体验的自然语言交互和全省轮询人工智能芯片市场规模，以及多重耳机降噪功能。 同时人工智能芯片市场规模，雪豹获得了车规级AEC-Q100认证，拥有完全自主知识产权，为车辆提供纯本地语音解决方案。 这些本地化服务，除了能让用户体验流畅的语音交互功能外，还能解决用户隐私泄露的问题。
随着手动驾驶、智能座舱也成为热门行业，基于车联网构建以汽车为中心的生态系统，也是智能语音企业加速发展的战略方向。 互联网生态、用户个性、环境交互的充分融合，无疑是联声选择专攻车载芯片的原因。
以便捷的工具赋能高效的产品落地
在物联网的不同应用场景中，为了实现海量终端设备的智能化功能，云必须进行协同，即在边缘计算能力和云计算能力之间产生动态平衡。 云端交互的提出需要AI芯片的强大支持，这将进一步深刻影响芯片的设计和最终交付。
随着谷歌在2021年推出的SwitchTransformer模型，小样本甚至零样本的学习能力将刷新大众认知，而预训练的大模型也预示着AI技术新趋势的爆发。 人们可以越来越顺利地将需要学习的知识注入到模型中，这意味着可以对复杂的、大规模的定制任务进行适配和推理和估计。 同样，Unisound也借助预训练模型高效解决IoT产品定制痛点，搭建AIoT产品定制开发者平台。
语音控制、对接物联网控制、设备控制，通过平台自助生成，可以达到原算法工厂离线支持，开发者编码的效果，将原本需要数周的工作周期增加到30分钟。 例如，离线标准方案可以配置麦克风的数量和宽度，自定义唤醒词、音色配置、命令词和响应词自定义，并进行一键下载版本编程。 客户只需专注于自己熟悉的电控部分，无需额外硬件能力，即可定制专属的智能语音解决方案。
标准化的配送模式大大降低了客户的门槛。 通过产品端和云端一站式开发，快速实现智能语音控制，让零基础企业轻松实现智能化。 加上强大的运营特性，平台支持上百种可配置的云端技能，还可以自定义技能或接入第三方技能。 截至目前，活跃客户已在平台上创建了超过 25,000 个产品版本。
结语
六年来，人工智能技术在竞争中不断取得突破，蓬勃发展的人工智能产业也将迎来下半场。 面对当前蓬勃发展的智能语音市场和互联网巨头的入局，技术水平相近的企业在垂直行业和细分场景中的选择将截然不同。 AI芯片和场景的落地也需要密切关注。 合并。
在解决了功能约束下的性能优化、不同场景下的自由配置、便捷的工具链等问题后，以云知声为代表的智能语音科技公司需要继续加速垂直行业的渗透和布局，让智能语音赋能更多形式终端，以“中国芯”的力量，共同建立全产业生态圈。
（上图经云知声授权中国网财经使用）