人工智能专用芯片的五年浪潮，如今怎样了？ AI芯片应用领域不断向多维度方

AI芯片应用领域不断向多维度方向发展，例如CV（计算机视觉）、自动驾驶、智能手机以及语音交互。而在语音交互领域，中国智能语音市场正在维持高速增长。根据德勤报告显示，预计2030年消费级应用场景超过700亿元，企业级场景达到发展空间也预计将达到千亿级规模。
为了让智能终端拥有更好的交互体验，针对语音算法打造相匹配的AI芯片，采用软硬一体化的解决方案几乎是目前行业最为普遍的选择，这也是技术迭代的必然路径。如今智能语音赛道云集了众多玩家，如百度、科大讯飞、云知声、思必驰、出门问问、启英泰伦等都纷纷布局了芯片产业。
解决专用芯片技术问题，企业仍需打破的商业化壁垒
智能语音在技术关联和数据层次上天生具有更高的复杂度，单单自然语言理解和处理的能力就花费了科学家们数十年的心血才换来今日的交互体验。而能够将语音识别、语义理解、自然语言处理、语音合成、声音降噪等技术实现“云端芯”一体化，把业务延伸到芯片甚至硬件，才是将技术商业化的合理路径。
通用芯片架构并非为AI专门设计，天然存在性能、功耗等方面的局限性已是老生常谈。近几年在业内众多企业的努力下，解决了传统通用芯片的适配问题，公司也纷纷投入到专用芯片的制造。
在技术问题得到解决后， AI语音芯片在商业化的道路上仍面临很多挑战：
l首先，如何达到在成本约束下的性能最优化。智能语音技术是紧耦合的，东拼西凑的技术无法得到理想的交互效果。需要纳入考量的是将全栈式的解决方案搭载到芯片上，同时每多一项功能就意味着成本的增加。低成本、易实施、低功耗的产品特点需要与解决方案密切结合。
l第二，纵观布局AI语音芯片公司，它们所选的应用终端都集中在家居、电器、机器人、车载等场景。然而这几类场景产品品类众多分散是一大特点，尤其是家居电器，大到一台空调，小到一个插座都有对语音芯片的需求。如何在这些设备上适配芯片，判断芯片每一项效用的必要性，都需要对终端产品功能Know-How有着深刻的掌握。
l第三，由于客户厂商天然的分散性，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，降低定制化所需要的时间以及边际成本，将会很大程度提升语音芯片商业化进程。
千万级出货量，企业是怎么做到得“芯”应手的？
云知声作为行业内第一批布局边缘侧芯片设计并提供软硬一体产品的企业之一，到如已经基于自研或第三方芯片发布三代共6款全栈语音AI芯片软硬一体产品，芯片及模组出货量已达千万级水平，积累近800家合作客户。
早在2015年云知声就开始搭建芯片团队，不仅来自于其行业嗅觉，也是环境使然。云知声的芯片方案均内置了为语音识别而优化的深度神经网络加速方案，实现设备的语音离在线识别。与此同时，语音交互的核心环节也取得了重大的突破。语音识别环节突破了单点能力，从远场识别，到语音分析和语义理解也有了巨大提升，呈现出整体的交互方案。

文章图片
2018年，云知声第一代UniOne“雨燕”（Swift）芯片第一次流片成功并量产出货。 “雨燕”芯片，是云知声针对智能家居语音交互场景推出的高性能、低成本、一体化的芯片解决方案。 “雨燕”架构内置的数字信号处理器uDSP ，以及AI加速器DeepNet（云知声完全自主研发的深度神经网络处理器， NPU），支持DNN/LSTM/CNN等多种深度神经网络模型，能实现语音识别、理解、合成所需的深度学习计算加速。和通用CPU相比，这款ASIC芯片的处理速度和效率都有明显提升。