進入 2019 年， AI 技術的場景落地和商用化會成為一個更迫切的議題，但語音識別已是所有 AI 技術中最成功的領域，眼前有四大AI語音公司思必馳、云知聲、Rokid 、出門問問不約而同投入“造芯”運動，開始押寶自制 AI 語音芯片，開啟第二戰(zhàn)場！

“融資”與“造芯”成為 AI 創(chuàng)業(yè)公司兩大主軸議題，思必馳在 2018 年完成 D 輪融資后，即透露與某芯片巨頭進行 AI 芯片的研發(fā)，如今答案揭曉，思必馳旗下的芯片設計公司“深聰”獲得“國家隊”中芯國際旗下的股權管理公司中芯聚源投資，同時中芯國際也為深聰打造第一顆 AI 語音芯片。

“百箱大戰(zhàn)”時代開啟 ，AI 語音芯片熱度火到“互撕”？

基于深度學習（ Deep Learning ）的語音辨識技術很快成為 AI 創(chuàng)業(yè)界的流量擔當，尤其 2017 年 Amazon 一口氣推出多款Echo系列產(chǎn)品，開始了國內(nèi)“百箱大戰(zhàn)”的年代，更讓相關 AI 語音企業(yè)迎來一陣小高潮，不少同性質(zhì)公司更是明爭暗斗陷入“互撕”局面，反應該市場的火熱程度。

根據(jù) Canalys 估計， 2017 年全球智能音箱出貨量突破 3000 萬臺， 2018 年出貨量預計是超過 5600 萬臺，全球前四大品牌廠為Google、Amazon、天貓、小米。再者， 2017 年全球智能音箱用戶量排名前五名是美國、英國、德國、中國、加拿大，但2018年中國可望躍居第二名。

除了音箱之外，智能家居、汽車市場很多應用場景的硬件也會陸續(xù)加入語音智能化的功能，都讓 AI 語音技術的應用場景增添無限想像空間。

光是 2018 年就有三家 AI 語音創(chuàng)業(yè)公司發(fā)表相關芯片，包括云知聲發(fā)表面向 AIoT 市場的 UniOne 芯片、出門問問的 AI 語音芯片模組“問芯”Mobvoi A1、 Rokid 的 AI 語音芯片 KAMINO 18 ，思必馳透露要進入自制芯片領域已有一段時間，4日才正式對外揭露具體戰(zhàn)略細節(jié)。

中芯國際助陣，思必馳“造芯”如虎添翼

不同于云知聲、Rokid進入芯片自制領域，都是在公司內(nèi)部成立獨立部門進行研發(fā)，思必馳2018年初成立子公司“深聰”，2019年初推出的第一顆產(chǎn)品是AI語音芯片深聰TAIHANG芯片。

思必馳扶植的深聰之所以引起業(yè)界注意，是因為思必馳的“造芯”之路，找來國內(nèi)半導體巨頭中芯國際助力，旗下的投資公司中芯聚源加入成為創(chuàng)始股東之一。再者，思必馳對深聰?shù)某止杀戎爻^50%。

思必馳自制的首顆AI語音芯片，就是由中芯國際操刀，以40納米工藝打造，約莫是2017年中啟動該芯片項目后，在2018年8月進行流片，11月芯片出來后，現(xiàn)在處于采集樣本階段，預計2019年中將進入風險試產(chǎn)，該顆芯片拔劍出鞘的速度十分快，幾乎把需要6 個季度的工作，縮短為3個季度完成。

深聰TAIHANG芯片面向智能家居、智能終端、車載、手機、可穿戴設備等各類終端設備，基于雙DSP架構，內(nèi)部集成codec編解碼器，以及大容量的內(nèi)置存儲單元，再者，該芯片也采用了指令集擴展和算法硬件加速的手段，相較于傳統(tǒng)通用芯片具有10X以上的效率提升。

深聰聯(lián)合創(chuàng)始人吳耿源表示，在芯片戰(zhàn)略上是兩步走，因為背后強大的需求力道驅(qū)動，第一顆芯片不單是求快，講求time-to-market，也專注低功耗、單向反愧實現(xiàn)算法加硬件融合優(yōu)化的想法。

同時，深聰內(nèi)部已經(jīng)開始第二顆芯片的規(guī)劃，是專用芯片加特定架購，雙向溝通更能達到軟硬件融合、深度優(yōu)化的功效提升，以軟件需求來定義芯片架構，再用架構去反饋算法，同時，算法也會優(yōu)化硬體架構，等于是彼此做到雙向溝通，預計該顆芯片將在2019年下半年流片，2020年量產(chǎn)。

從“通用”到“專用”，這是一條怎么樣的心路歷程？

從通用芯片到量身打造專用芯片的過程，想必有一番思考、摸索與探尋，吳耿源接受DT君專訪時娓娓道來。

吳耿源分析，思必馳是一家滿十歲的企業(yè)，這幾年趕上AI崛起的浪潮，過去多年的技術積累獲得發(fā)力的機會，目標戰(zhàn)場是物聯(lián)網(wǎng)，第一個應用場景是智能音箱，一切有了很美好的揭幕，但坦白說，智能音箱終究“ me too ”產(chǎn)品，Amazon 已經(jīng)在前開路。

思必馳的智能音箱初期用過很多家芯片大廠的通用芯片，但隨著產(chǎn)品線逐漸成長茁壯后，許多問題逐一浮現(xiàn)。因為，通用芯片功能再怎么強大，落地到AI場景上會有削足適履之感，加上很多目標市場越來越明確、消費者群聚效應展現(xiàn)后，特制化芯片的需求因此誕生。

AI 芯片在市場上有兩路的提供者，早幾年都是通用芯片的天下，像是高通、聯(lián)發(fā)科等，這些巨頭在芯片戰(zhàn)略上，較為著眼于商業(yè)利益價值，但是，很多AI應用場景都屬于細分賽道，要通用芯片巨頭“削足適履”，會比較不切實際。

這些芯片巨頭當然也會想要“染指”AI市場，但這個市場和他們過去擅長的游戲規(guī)則有落差，以前是巨頭們設計出什么樣的芯片，客戶就要乖乖接受，但AI市場是反其道而行，要透過使用者來定義產(chǎn)品，再由把需求反饋給算法，靠算法實現(xiàn)。

但是，傳統(tǒng)芯片巨頭無法緊密地直接觸碰市場需求，或是內(nèi)部沒有強大的算法團隊或數(shù)據(jù)（Data）做后援，在AI領域要成功，算法、數(shù)據(jù)、正確地定義市場都是關鍵。

因此，近幾年起算法公司開始切入“造芯”運動，也提供給算法公司實現(xiàn)垂直整合布局的機會，更重要的是，借由“造芯”來確保產(chǎn)品的差異化和核心價值凸顯出來。

吳耿源表示，思必馳從算法公司跨入產(chǎn)品，再垂直整合成一個平臺，上下串連系統(tǒng)，在云端（Cloud）、邊緣（Edge）兩端都有布局，關鍵就是欠缺一個硬件芯片去擔任執(zhí)行的角色，而AI領域是軟件定義芯片，初期用市面上通用芯片時，也發(fā)現(xiàn)算法與芯片對接的過程，有很多文化融合的問題。

舉個例子，當算法遇到芯片，發(fā)生的第一個沖突是算法的改朝換代速度遠快于芯片的工藝技術。

一般而言，從定義產(chǎn)品到芯片誕生于世，大概要“懷胎”兩年（24個月），中間經(jīng)歷設計、流片、試產(chǎn)、改版、升級、量產(chǎn)，每一個階段慢慢磨練，中間經(jīng)歷的循環(huán)以“季度”為單位來計算。

反觀在算法的世界里，每一個禮拜都在改，循環(huán)可能是以“禮拜”作為單位，若將算法與芯片擺在同一家企業(yè)中，彼此步伐不一致的問題，會產(chǎn)生明顯的內(nèi)部矛盾與沖突。

思必馳從算法、產(chǎn)品、平臺、系統(tǒng)整合布局到整個生態(tài)系統(tǒng)，現(xiàn)在加入深聰自制AI語音芯片，布局齊全后，將跨出智能音箱這個“me too”市場，進入AIoT領域，包括TV盒子、白色家電、智慧家庭、故事機等，當物聯(lián)網(wǎng)遇上AI，商機是無可限量。

多模式人機交互是理想桃花源

吳耿源進一步指出，光是語音AI技術就還有很大的精進空間，現(xiàn)在的智能音箱的溝通仍需經(jīng)過“喚醒”的程序，其實是“人工弱智”，要做到自然人機交互，當中的技術突破就需要算法的大幅增進，其中一個關鍵的元素是聲紋。

市面上的智能音箱只能辨識出說話的內(nèi)容，再針對問題給出反饋信息，這樣的交互方式是智能化的，但交流方式卻不夠聰明，因為必須要在明確對象的情況下進行，唯有做到“聞聲即可識人”，不需要“喚醒”這個多余的動作，這才是真正的“SMART”。

吳耿源進一步解釋，AI語音芯片在應用場景的廣度上，絕對不單是音箱領域，還包括物聯(lián)網(wǎng)、智慧家庭、車載市場等，更進一步場景是多模生態(tài)，當下AI是最好的時代，天時、地利、人和，AI時代正在騰飛、國家關注造芯、加上軟件、硬件、人和的融合。

現(xiàn)在的AI技術場景分別在語音、視覺兩大領域有不錯的起步和成功的場景落地，但卻都是各自表現(xiàn)，所謂的多模生態(tài)是指聲覺、視覺、五官、手勢、觸摸等獨立的功能融合在一起，實現(xiàn)自然的多模式人機交互。

AI技術領域的前方是無人區(qū)，只能摸著石頭過河，每一步都是挑戰(zhàn)，但也處處是驚喜。

更重要的是，這是一個國內(nèi)最有機會與美國科技先驅(qū)并行的領域，AI技術的“造芯”運動是日正當中，想想海思追趕高通也花了超過十年，才造就今日的江湖地位，國內(nèi)發(fā)展AI技術有應用場景做后盾，要打造出一家巨星級的企業(yè)，這一劍肯定不用磨到十年！