端側(cè)AI語(yǔ)音SoC開始起量，細(xì)分化加??！

語(yǔ)音識(shí)別是人工智能技術(shù)迄今為止非常明確的落地應(yīng)用之一，終端人工智能語(yǔ)音芯片將迎來高速增長(zhǎng)，在近期的這一波智能語(yǔ)音芯片中，在高速增長(zhǎng)的市場(chǎng)需求面前，對(duì)于降低開發(fā)成本、縮短開發(fā)周期、快速對(duì)接客戶需求等方面卡位非常精準(zhǔn)。為了讓設(shè)備使用場(chǎng)景不受局限，用戶體驗(yàn)更好，端側(cè)智能已成為一種趨勢(shì)。

從近期量產(chǎn)的幾款智能語(yǔ)音芯片來看，除了在性能和功能方面的不斷提升，各家在價(jià)格優(yōu)勢(shì)上拼盡全力，這首先與其市場(chǎng)定位有著密不可分的關(guān)系，其次也是商業(yè)化落地的必然結(jié)果。

啟英泰倫9月19日在深圳發(fā)布第二代語(yǔ)音AI芯片CI110X 系列：CI1102和CI1103，其中CI1102主打高性價(jià)比，CI1103承載更多算法和功能。與上一代相比，第二代芯片集成雙通道codec，搭載SDIO并可支持Wi-Fi接口，實(shí)現(xiàn)了離線+在線語(yǔ)音的結(jié)合。除了在性能、功能上的突破，啟英泰倫更將語(yǔ)音模塊價(jià)格下拉到最低14.99元（單筆訂單＞500K）。

同日，探境科技推出語(yǔ)音AI芯片音旋風(fēng)611，該芯片基于探境獨(dú)創(chuàng)的存儲(chǔ)優(yōu)先架構(gòu)，采用創(chuàng)新音頻陣列算法，支持200條喚醒詞，命令詞識(shí)別率高達(dá)97%，可遠(yuǎn)場(chǎng)識(shí)別10米識(shí)別范圍，具有毫安級(jí)待機(jī)功耗，常用接口齊全且外部電路簡(jiǎn)單，而售價(jià)不到2美元。

安普德科技的ACH1190芯片據(jù)悉已成功流片，預(yù)計(jì)將在9月正式出貨。根據(jù)官方提供的信息，這款芯片尺寸有7mmx7mm及3mmx3mm多種尺寸的封裝 ，內(nèi)置codec、DSP，外圍器件少，F(xiàn)PU 計(jì)算能力 250 DMIPS，最多可支持4個(gè)麥克，單麥克方案可實(shí)現(xiàn)遠(yuǎn)場(chǎng)10米的識(shí)別，同時(shí)加入了回聲消除、降噪技術(shù)、波束成形技術(shù)，出貨價(jià)格大約在1美元以下，與市面同類產(chǎn)品相比價(jià)格優(yōu)勢(shì)更為顯著。除了離線語(yǔ)音識(shí)別應(yīng)用外，結(jié)合安普德自主開發(fā)的雙頻（2.4G/5GHz）Wi-Fi芯片，可以實(shí)現(xiàn)在線AI語(yǔ)音識(shí)別的部署，兩顆芯片可以為客戶提供更加完整的方案，整體成本更低。

清微智能的語(yǔ)音SoC芯片TX210，于6月下旬宣布實(shí)現(xiàn)規(guī)模化量產(chǎn)，具體價(jià)格不詳，據(jù)稱未來兩年可出貨4000萬(wàn)顆。這款芯片采用了CGRA可重構(gòu)計(jì)算架構(gòu)，在同等算力下，功耗遠(yuǎn)低于同類產(chǎn)品，工作功耗2mW，VAD功耗100uW，可面向眾多應(yīng)用場(chǎng)景下的智能終端產(chǎn)品開發(fā)，特別是對(duì)于功耗要求敏感、體積要求苛刻的超便攜和物聯(lián)網(wǎng)產(chǎn)品，如手機(jī)、家居，玩具及智能穿戴設(shè)備，特別是針對(duì)現(xiàn)在大熱的TWS應(yīng)用，低功耗設(shè)計(jì)非常有優(yōu)勢(shì)。據(jù)了解，可重構(gòu)計(jì)算是一種無需指令驅(qū)動(dòng)的計(jì)算模式，它基于數(shù)據(jù)流圖，面向的是異構(gòu)的空域計(jì)算，一次配置形成固定的電路結(jié)構(gòu)，從而以接近ASIC效率反復(fù)執(zhí)行，資源利用率和數(shù)據(jù)復(fù)用率高。相比ASIC方式的固定電路結(jié)構(gòu)，它又可以依據(jù)應(yīng)用或者算法進(jìn)行電路配置，形成不同的計(jì)算電路結(jié)構(gòu)，具有很強(qiáng)的靈活性。

智能語(yǔ)音芯片的價(jià)格因素有哪些？

對(duì)一款智能語(yǔ)音芯片進(jìn)行系統(tǒng)級(jí)設(shè)計(jì)時(shí)，有四大要點(diǎn)值得關(guān)注：首先，所支持指令詞的個(gè)數(shù)，決定了存儲(chǔ)結(jié)構(gòu)和加速核架構(gòu)。需要考慮的因素包括：?jiǎn)蝹€(gè)model的大小、NN每層計(jì)算需要的數(shù)據(jù)量，以及是否需要CPU參與運(yùn)算，這意味著系統(tǒng)需要考慮Flash容量、Flash帶寬以及SRAM容量，NN加速核RAM容量、MAC個(gè)數(shù)，以及CPU的選型、時(shí)鐘頻率等。

第二個(gè)要素是降噪算法需求，涉及到降噪算法的種類、麥克風(fēng)個(gè)數(shù)，以及播放打斷等操作需求，相應(yīng)地將影響到DSP的架構(gòu)，包括MAC個(gè)數(shù)、頻率、RAM容量，以及模擬硬件接口等。

第三個(gè)要素則是低功耗待機(jī)需求，最為關(guān)鍵的考慮就是是否需要電池供電，低功耗設(shè)計(jì)需要考慮特殊codec架構(gòu)、硬件/軟件VAD、觸控激活等等。

第四個(gè)則是方案成本。決定一款智能語(yǔ)音芯片方案成本的因素包括模擬麥、數(shù)字麥、駐極體、硅麥等，以及封裝、晶振，相應(yīng)的外設(shè)支持，例如模擬麥克風(fēng)的通道數(shù)、CMU設(shè)計(jì)等等。

從不同架構(gòu)的智能語(yǔ)音芯片演進(jìn)路線來看，當(dāng)前主要有四種：MCU、MCU+DSP、MCU+NN以及MCU+DSP+NN。

傳統(tǒng)語(yǔ)音芯片以通過MCU來實(shí)現(xiàn)語(yǔ)音控制為典型代表，這一市場(chǎng)的特點(diǎn)是低價(jià)、低毛利，據(jù)了解成本約為0.5-1美元；后來逐漸加入DSP之后，可實(shí)現(xiàn)輕量級(jí)的NN支持，在識(shí)別指令數(shù)量方面有提升，但是通常并無降噪支持，成本約為1美元左右；第三種架構(gòu)則以MCU+NN為主，可支持CNN、DNN等模型，成本約為1-1.5美元；第四種MCU+DSP+NN是當(dāng)前市場(chǎng)上的主流，可支持CNN、DNN等模型，識(shí)別指令數(shù)量進(jìn)一步提升，支持降噪，成本約為1-2美元。

當(dāng)前智能語(yǔ)音芯片比較典型的應(yīng)用是一部分依賴傳統(tǒng)的DSP算法，一部分是利用RNN/CNN等神經(jīng)網(wǎng)絡(luò)算法進(jìn)行數(shù)據(jù)處理。業(yè)內(nèi)人士認(rèn)為，未來將出現(xiàn)更多類型的神經(jīng)網(wǎng)絡(luò)算法，以滿足各種語(yǔ)音交互的場(chǎng)景，而這些算法都能夠被同一顆智能芯片所兼容，在不同的情況下調(diào)用不同的神經(jīng)網(wǎng)絡(luò)來滿足用戶需求。

龐大市場(chǎng)需求催生端側(cè)AI語(yǔ)音芯片快速起量

根據(jù)前沿產(chǎn)業(yè)研究院數(shù)據(jù)，智能音箱、智能家電設(shè)備的語(yǔ)音控制功能需求的增長(zhǎng)，預(yù)計(jì)2021年達(dá)到3億臺(tái)。手機(jī)、可穿戴設(shè)備的低功耗語(yǔ)音喚醒需要專用語(yǔ)音AI芯片，預(yù)計(jì)2021年達(dá)到5億臺(tái)。而不僅局限于此，端側(cè)低功耗、智能化的需求，將覆蓋除家電、可穿戴設(shè)備之外的機(jī)器人、物聯(lián)網(wǎng)等應(yīng)用，市場(chǎng)總量巨大。
在誘人的市場(chǎng)圖景面前，再來看國(guó)內(nèi)目前比較受關(guān)注的AI專用芯片，市場(chǎng)定位、產(chǎn)品規(guī)劃都各有千秋。

定位不同的芯片產(chǎn)品在具體的性能指標(biāo)上存在明顯差異，例如，定位入門級(jí)應(yīng)用市場(chǎng)的芯片，大都僅支持單麥/雙麥，能夠?qū)崿F(xiàn)的語(yǔ)音功能及適用的應(yīng)用場(chǎng)景相對(duì)有限；而定位中高端市場(chǎng)的芯片產(chǎn)品在可實(shí)現(xiàn)功能方面更為多樣化。

離線智能語(yǔ)音交互是當(dāng)前一個(gè)重要的細(xì)分領(lǐng)域，無需聯(lián)網(wǎng)可在本地實(shí)現(xiàn)語(yǔ)音交互，不僅能夠保護(hù)隱私安全，同時(shí)也可以減少用戶大量數(shù)據(jù)傳送到云端的壓力，當(dāng)前主要應(yīng)用于白電市場(chǎng)。可通過離線智能語(yǔ)音控制的家電產(chǎn)品目前包括：智能燈控、智能空調(diào)、智能電視、智能油煙機(jī)、智能玩具等產(chǎn)品。目前，創(chuàng)維、小米、暴風(fēng)、海爾等均已推出智能語(yǔ)音識(shí)別電視，美的、格力、海爾、奧克斯、長(zhǎng)虹均已推出智能語(yǔ)音空調(diào)。相關(guān)統(tǒng)計(jì)顯示，2017年中國(guó)智能電視銷量達(dá)4736.5萬(wàn)臺(tái)，同比增長(zhǎng)13.8%，2018年智能電視銷量將突破5000萬(wàn)臺(tái)。2017年，全國(guó)空調(diào)內(nèi)銷量8875.5萬(wàn)臺(tái),同比增長(zhǎng)46.8%，近幾年，空調(diào)每年內(nèi)銷量保持在6000萬(wàn)臺(tái)以上。智能玩具方面，年出貨量也有望達(dá)到億萬(wàn)臺(tái)。

安普德的語(yǔ)音識(shí)別芯片基于嵌入式架構(gòu)進(jìn)行開發(fā)，而非市面上常見的基于Linux系統(tǒng)的，這樣做的好處是系統(tǒng)資源占用小、同時(shí)降低成本和功耗，但要求較強(qiáng)的系統(tǒng)開發(fā)能力。算法方面采用膠囊神經(jīng)網(wǎng)絡(luò)算法，是安普德專有的語(yǔ)音識(shí)別算法, 由該公司自主研發(fā)，專為嵌入式處理器而設(shè)計(jì)，語(yǔ)音識(shí)別芯片可與膠囊神經(jīng)網(wǎng)絡(luò)算法性能疊加，可提高用戶體驗(yàn)，降低成本。該算法對(duì)于芯片成本的降低非常關(guān)鍵，它采用的數(shù)據(jù)量小、準(zhǔn)確度高、CPU帶寬使用率更低、占用內(nèi)存小，所需外圍器件大大減少。

啟英泰倫也是在算法方面不斷突破的典范。芯片設(shè)計(jì)起家后，啟英泰倫從2015年開始了基于深度學(xué)習(xí)的語(yǔ)音識(shí)別芯片及配套算法引擎的研發(fā)，該公司將這一策略稱作市場(chǎng)倒逼的結(jié)果，先后突破了本地中文語(yǔ)音訓(xùn)練引擎、本地英文語(yǔ)音訓(xùn)練引擎、麥克風(fēng)陣列算法等。據(jù)啟英泰倫方面稱，“算法不是芯片商的優(yōu)勢(shì)，但如今算法成為了我們和其他芯片商競(jìng)爭(zhēng)的優(yōu)勢(shì)。我們的價(jià)格剛開始有點(diǎn)高，但現(xiàn)在我們已經(jīng)攻克了成本的難題，價(jià)格也成為了一大優(yōu)勢(shì)?！?br />
不過，在思必馳-深聰智能商務(wù)負(fù)責(zé)人王宏松看來，在智能家居場(chǎng)景中，智能終端的交互既包括前面提到的離線語(yǔ)音操控功能，但更需要支持云端一體化的功能及應(yīng)用，例如資源調(diào)用、聲紋識(shí)別、用戶ID畫像等等。該公司在2019年1月正式發(fā)布了AI專用芯片TH1520，據(jù)王宏松介紹，“我們?cè)谝荒臧肭伴_始的深聰項(xiàng)目，定位為中高端語(yǔ)音交互市場(chǎng)，包括中高端型號(hào)的白電產(chǎn)品、家居硬件等。此外，TH1520芯片在設(shè)計(jì)之初就已規(guī)劃支持思必馳近期及未來一段時(shí)間的語(yǔ)音算法，算法同步和技術(shù)的迭代，將為客戶帶來更好的交互體驗(yàn)。”

TH1520芯片支持雙麥/四麥/六麥的線性/環(huán)形等多型號(hào)麥克風(fēng)陣列，能夠應(yīng)用的產(chǎn)品類型也十分多樣化，實(shí)現(xiàn)的語(yǔ)音算法功能也更為強(qiáng)大。此外，作為后續(xù)增值服務(wù)，TH1520芯片針對(duì)白電產(chǎn)品提供“兩個(gè)10年保證”，10年以上質(zhì)量保證，10年以上長(zhǎng)效供應(yīng)。此外，該款芯片也支持-40℃~125℃溫度范圍，可用于車載應(yīng)用。

由于語(yǔ)音芯片市場(chǎng)過于細(xì)分，需要企業(yè)根據(jù)各自目標(biāo)場(chǎng)景和商業(yè)模式進(jìn)行產(chǎn)品規(guī)劃。曾經(jīng)業(yè)界所擔(dān)心的“PPT造芯”、概念產(chǎn)品等等，經(jīng)過市場(chǎng)的新一輪檢驗(yàn)后，一切都以能否產(chǎn)業(yè)化、規(guī)?；涞貫闄z驗(yàn)標(biāo)準(zhǔn)，得用戶者得天下。預(yù)測(cè)端側(cè)AI SoC下一步將繼續(xù)在SoC集成度、低功耗設(shè)計(jì)、以及軟件的易用性方面進(jìn)一步提升。