隨著智能音箱的火熱以及背后語音交互生態(tài)的成熟，將會(huì)帶動(dòng)越來越多的設(shè)備語音化、智能化，使語音真正成為人機(jī)交互的一個(gè)界面。而在語音交互設(shè)備中，語音芯片憑借定制化、低功耗、高能效、端智能以及成本優(yōu)勢(shì)等地位越發(fā)重要，成為人與云端“溝通”的橋梁。
在智能語音市場(chǎng)，隨著亞馬遜、谷歌等互聯(lián)網(wǎng)巨頭公司的推動(dòng)，僅僅是智能音箱一個(gè)品類今年的全球銷量預(yù)期有望達(dá)到3000萬臺(tái)，并陸續(xù)涌現(xiàn)在各個(gè)國家，市場(chǎng)呈爆發(fā)之態(tài)。作為語音芯片市場(chǎng)最大的玩家聯(lián)發(fā)科以占據(jù)了70%的市場(chǎng)份額，2017年語音芯片出貨量預(yù)計(jì)達(dá)到2000萬片以上。
智東西通過調(diào)查梳理發(fā)現(xiàn)，隨著語音交互的涌現(xiàn)，誕生了一個(gè)新的語音芯片行業(yè)，數(shù)十家公司參與其中，語音芯片的發(fā)展呈現(xiàn)初期通用組合芯片——語音芯片涌現(xiàn)——語音AI芯片蓄勢(shì)待發(fā)的趨勢(shì)。通過語音芯片發(fā)展的三階段以及數(shù)十家芯片公司的介紹，智東西為你呈現(xiàn)語音芯片的崛起！
▲注以上為智東西不完全統(tǒng)計(jì)
一、綜述：語音芯片發(fā)展三階段
本文所講的語音芯片側(cè)重于智能語音設(shè)備興起后，專門為語音交互場(chǎng)景打造的SoC芯片（芯片級(jí)系統(tǒng)，System on Chip），它兼具運(yùn)算力和低功耗，支持多通道麥克風(fēng)陣列接口，支持信號(hào)處理算法等。
在人機(jī)對(duì)話的語音交互中，語音識(shí)別、語義理解、語音合成、任務(wù)執(zhí)行等都是在云端進(jìn)行。而在終端側(cè)，語音芯片的作用是對(duì)智能語音設(shè)備拾取的多通道聲音進(jìn)行處理并傳輸?shù)皆贫?，并將反饋結(jié)果以語音的形式輸出。如果說云端是智能語音設(shè)備的大腦，那么語音芯片就是連接人與“云腦”的橋梁。
目前，智能音箱的迅速發(fā)展正成為語音芯片崛起的重要?jiǎng)恿Α＝Y(jié)合產(chǎn)業(yè)鏈各方消息，智東西此前預(yù)測(cè)智能音箱市場(chǎng)規(guī)模在今年年底有望達(dá)到3000萬臺(tái)。這意味著僅僅是智能音箱的發(fā)展，就推動(dòng)語音芯片市場(chǎng)達(dá)到3000萬量級(jí)，盡管與以億為計(jì)算單位的手機(jī)芯片無法相提并論，但作為一個(gè)新興品類，仍處于快速發(fā)展期。
在智能音箱這個(gè)市場(chǎng)中，聯(lián)發(fā)科、德州儀器、科勝訊、全志科技、杭州國芯、晶晨科技、成都啟英泰倫等芯片廠商都推出相關(guān)的語音芯片，且又以聯(lián)發(fā)科一家獨(dú)大，占據(jù)智能音箱約七成市場(chǎng)份額，粗略計(jì)算聯(lián)發(fā)科在2017年語音芯片銷量將達(dá)2000萬片以上。
通過對(duì)目前市面上語音芯片的觀察，我們發(fā)現(xiàn)語音芯片有以下特點(diǎn)：其一兼具運(yùn)算能力和低功耗的考量，采用最適合做語音處理的CPU（中央處理器）；其二是具備高度整合性的語音SoC，支持多通道的麥克風(fēng)陣列接口，集成Codec（多媒體數(shù)字信號(hào)編解碼器）模塊/DSP（數(shù)字信號(hào)處理）模塊，并且集成WiFi/藍(lán)牙模塊等；其三在語音算法上支持回聲消除、噪聲抑制、聲源定位、語音增強(qiáng)等技術(shù)，或具備良好的音值調(diào)節(jié)功能；其四端智能化，集成神經(jīng)網(wǎng)絡(luò)單元將部分云端訓(xùn)練好的智能本地化工作。
通過智東西近期對(duì)產(chǎn)業(yè)鏈的采訪以及梳理，根據(jù)語音交互的發(fā)展?fàn)顩r，將語音芯片的發(fā)展歸納為三個(gè)階段，第一個(gè)階段為語音芯片過渡期，采用通用芯片組合方案；第二個(gè)階段為崛起期，語音芯片興起；第三個(gè)階段為語音芯片進(jìn)化期，語音AI芯片涌現(xiàn)。
第一階段，大約2015年以前盡管智能語音設(shè)備，包括智能音箱、遠(yuǎn)場(chǎng)交互的智能電視等都已出現(xiàn)，但在市場(chǎng)尚未起量的情況下，語音設(shè)備采用的多是通用芯片+Codec芯片/DSP芯片等相結(jié)合的方式實(shí)現(xiàn)語音處理，如全志的R16芯片。
2015年到2017年之間，隨著智能語音設(shè)備市場(chǎng)規(guī)模進(jìn)一步發(fā)展，專門用于智能家居或智能音箱的語音芯片開始陸續(xù)亮相，包括聯(lián)發(fā)科推出的MT8516芯片、科勝訊的CX20924/CX20921、Amlogic的A113、瑞芯微的RK3036/RK3229等。
此外，隨著智能語音設(shè)備的迅速發(fā)展，對(duì)于端智能的需求也在顯現(xiàn)，語音AI芯片應(yīng)運(yùn)而生。端智能是近兩年來AI領(lǐng)域大火的概念之一，指的是數(shù)據(jù)的采集、計(jì)算、決策都在前端設(shè)備進(jìn)行，優(yōu)勢(shì)在于穩(wěn)定、時(shí)延小、同時(shí)能夠保護(hù)用戶隱私等。如杭州國芯推出的GX8010和啟英泰倫推出的CI1006都屬于語音AI芯片。
二、前期：通用芯片組合搭配
在智能語音設(shè)備的市場(chǎng)早期階段，由于芯片研發(fā)漫長的周期（一般需要18——24個(gè)月），高昂的研發(fā)投入，因此在市場(chǎng)規(guī)模尚不大的情況下，市場(chǎng)并沒有專門的語音芯片應(yīng)用到智能語音設(shè)備中。
2010年6月微軟推出的Kinect體感周邊設(shè)備、2012年三星推出的遠(yuǎn)講語音電視、2014年秋亞馬遜推出的智能音箱Echo以及2015年京東&科大訊飛推出的叮咚音箱等是智能語音設(shè)備的早期代表，它們采用的多是通用芯片（AP芯片/平板芯片等）+Codec芯片/DSP芯片等組合的方式，由Codec芯片進(jìn)行模擬信號(hào)的數(shù)字信號(hào)的抓換，DSP部分對(duì)數(shù)字信號(hào)進(jìn)行處理，包括回聲消除、噪聲抑制、語音降噪/增強(qiáng)等，使語音便于后端的語音識(shí)別，再由通用芯片進(jìn)行處理傳輸?shù)皆贫颂峁┱Z音處理的計(jì)算力支持。
以亞馬遜Echo為例，2014年秋天亞馬遜推出智能音箱Echo，最初使用的是TI（德州儀器）的DM3725數(shù)字媒體處理器，該芯片之前主要應(yīng)用在多媒體設(shè)備、視頻機(jī)頂盒、游戲終端等，在進(jìn)行語音傳輸處理時(shí)，仍需要搭配Codec芯片。在早期的Ehco中，亞馬遜使用TI的DM3725（數(shù)字媒體處理器）+TI的ADC（模數(shù)轉(zhuǎn)換器）來實(shí)現(xiàn)。
▲德州儀器DM3725芯片
后來或許是處于成本以及其他考慮，亞馬遜的一些產(chǎn)品開始使用聯(lián)發(fā)科MT8563芯片，這款芯片同樣不是語音專用芯片。直到今年Q2季度，聯(lián)發(fā)科推出了MT8516才算真正意義上的語音芯片。
另外一個(gè)例子是國內(nèi)早期智能音箱的代表叮咚音箱，最初國內(nèi)也沒有專用語音芯片，采用的是全志科技R16芯片+科勝訊Codec芯片的方式進(jìn)行語音處理，而全志R16之前則是用于平板的芯片。
在語音交互場(chǎng)景的早期，智能設(shè)備并無太多銷量，即使看到了這一潛在機(jī)會(huì)，研發(fā)一款專用芯片的時(shí)間成本、投資成本都決定了在最初一段時(shí)間，智能設(shè)備需要使用通用芯片或其他芯片作為過渡期。
三、中小語音芯片廠商涌現(xiàn)
隨著智能語音設(shè)備銷量不斷增長，典型的就是2016年以來，以亞馬遜Echo為代表的智能音箱市場(chǎng)規(guī)模的不斷擴(kuò)大，專用的語音芯片也開始出現(xiàn)，2016年又剛好是語音芯片興起最集中的一年。
其實(shí)早在2013年7月國內(nèi)首顆專用語音芯片就誕生了，它由四川長虹和中科院聲學(xué)所付強(qiáng)（現(xiàn)為先聲互聯(lián)創(chuàng)始人）團(tuán)隊(duì)共同研發(fā)。新研發(fā)出的長虹語音芯片的優(yōu)勢(shì)是在語音識(shí)別的基礎(chǔ)上，融合了多方面的語音增強(qiáng)功能，包括語音降噪、回聲消除、波束形成等，支持低功耗喚醒，能夠?qū)崿F(xiàn)遠(yuǎn)場(chǎng)語音采集。由于當(dāng)時(shí)的市場(chǎng)驅(qū)動(dòng)力不足，這顆芯片并未大規(guī)模量產(chǎn)。
2015年以后語音芯片就開始陸續(xù)興起，包括聯(lián)發(fā)科MT8516、科勝訊CX20924、晶晨半導(dǎo)體A113、瑞芯微RK3036、北京君正X1000等公司,如聯(lián)發(fā)科推出了MT8516應(yīng)用在了阿里天貓精靈上，晶晨A113應(yīng)用在了小米AI音箱上。
▲阿里天貓精靈主控板上使用的聯(lián)發(fā)科MT8516芯片
整體來說，這些語音芯片都是面向智能音箱以及智能家居場(chǎng)景打造的專用芯片，支持多通道麥克風(fēng)陣列接口，采用適合做語音處理的CPU；在語音算法上支持回聲消除、噪聲抑制、聲源定位、語音增強(qiáng)等技術(shù)，并兼具運(yùn)算能力和低功耗的考量。
但有趣的是，除了聯(lián)發(fā)科外，都是一些中小芯片公司推出語音芯片，像高通、英特爾等巨頭芯片公司并沒有推出語音芯片?？紤]到聯(lián)發(fā)科過去做DVD的光驅(qū)起家，多媒體一直是其核心技術(shù)，在語音芯片上跟進(jìn)不足為怪。而高通、英特爾等并未在語音芯片上跟進(jìn)，一方面反應(yīng)出相對(duì)于手機(jī)、電腦而言，語音芯片市場(chǎng)目前規(guī)模較小，并沒有引起巨頭玩家的重視；另一方面也反應(yīng)出他們?cè)谡Z音芯片布局上進(jìn)展較慢，如高通在今年6月份還專門發(fā)布了一個(gè)智能語音平臺(tái)，正是從另一方面彌補(bǔ)在語音芯片研發(fā)上的緩慢。
此外，智東西還了解到，全志科技會(huì)在2018年初推出一款專用的語音芯片，聯(lián)發(fā)科也會(huì)在明年推出更具競爭力的語音芯片。
四、語音AI芯片蓄勢(shì)待發(fā)
隨著華為麒麟970芯片以及蘋果A11芯片的推出，AI芯片成為行業(yè)熱議的話題。所謂AI芯片也被稱為AI加速器或計(jì)算卡，即專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊（其他非計(jì)算任務(wù)仍由CPU負(fù)責(zé)），從而實(shí)現(xiàn)端側(cè)智能。
目前無論是智能音箱還是其他智能設(shè)備，更多的智能都是在云端來實(shí)現(xiàn)，但云端存在著語音交互“時(shí)延”的問題，對(duì)網(wǎng)絡(luò)的需求限制了設(shè)備的使用空間，以及由此帶來的數(shù)據(jù)與隱私危機(jī)。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)智能以成為一種趨勢(shì)，語音AI芯片也隨之而來。
2016年以來，語音AI芯片也開始走進(jìn)大家的視野。成都啟英泰倫在去年推出CI1006，杭州國芯在今年10月底推出GX8010，都是語音AI芯片。
▲杭州國芯GX8010芯片
對(duì)比語音芯片，語音AI芯片具備以下特點(diǎn)：首先語音AI芯片中集成了專用的AI處理器模塊，用以對(duì)本地的機(jī)器學(xué)習(xí)算法進(jìn)行加速；其二高度集成，語音AI芯片不但集成CPU、AI處理器，還會(huì)將DSP信號(hào)處理、WiFi/藍(lán)牙等模塊集成進(jìn)去；其三能夠?qū)崿F(xiàn)端側(cè)智能，將一些常用或者簡單的功能直接集成到本地，通過AI芯片進(jìn)行本地計(jì)算，從而設(shè)備可以在端側(cè)離線完成如聽音樂、日常問答及閑聊等任務(wù)，實(shí)現(xiàn)更快的交互能力。
再考慮到用戶體驗(yàn)以及數(shù)據(jù)隱私等問題，更快的交互體驗(yàn)以及更多本地計(jì)算會(huì)是一種趨勢(shì)，隨著智能語音場(chǎng)景的爆發(fā)， 語音AI芯片也會(huì)迅速發(fā)展。
但目前的AI芯片更多的在于手機(jī)和視覺應(yīng)用領(lǐng)域，一方面手機(jī)市場(chǎng)體量足夠龐大，另一方面視覺應(yīng)用技術(shù)也相對(duì)成熟。而在語音領(lǐng)域，一方面語義理解技術(shù)短期內(nèi)很難突破，另外智能語音是一個(gè)新興市場(chǎng)，智能音箱作為典型爆款產(chǎn)品，今年全球整體市場(chǎng)規(guī)模也不過2500萬——3000萬臺(tái)之間，而這些都導(dǎo)致了語音AI芯片進(jìn)展相對(duì)緩慢。
聯(lián)發(fā)科副總經(jīng)理暨家庭娛樂產(chǎn)品事業(yè)群總經(jīng)理游人杰曾對(duì)智能語音的發(fā)展提出一個(gè)三階段論的觀點(diǎn)，他認(rèn)為智能語音的第一階段是智能音箱的普及，第二階段是更多智能語音設(shè)備的出現(xiàn)，語音成為人機(jī)交互的界面，第三階段就是端側(cè)智能，通過語音AI芯片來實(shí)現(xiàn)更多本地計(jì)算，提供用戶更好的交互體驗(yàn)。
不難看出，我們目前還處于第一階段，需要推動(dòng)智能音箱的普及以及更多智能設(shè)備的出現(xiàn)，從而推動(dòng)語音交互界面的到來。只有當(dāng)語音成為一種交互界面，才意味著整個(gè)智能語音市場(chǎng)的爆發(fā)，才會(huì)有更多的巨頭芯片廠商以及中小芯片商涌入其中。
而針對(duì)當(dāng)下智能語音設(shè)備所需的智能化，游人杰談到，CPU本身可以做一些“輕”AI的功能，如果本地需要很強(qiáng)的AI能力，目前則會(huì)在語音芯片的基礎(chǔ)上外置一個(gè)AI處理器來實(shí)現(xiàn)。此外游人杰也透露，聯(lián)發(fā)科語音AI芯片的推出尚需1——2年時(shí)間。
相比一款新型芯片研發(fā)的高昂成本，在對(duì)算力有很大需求的產(chǎn)品上，通過添加一個(gè)獨(dú)立的AI處理器模塊，確實(shí)可以快速滿足產(chǎn)品端對(duì)AI能力的需求，并且緩解了芯片產(chǎn)品漫長的研發(fā)周期（一般18——24個(gè)月）。從時(shí)間來看，隨著智能語音的興起，未來1——2年后可能將會(huì)是語音芯片爆發(fā)的高峰期。
五、語音芯片帶動(dòng)新興行業(yè)
有分析認(rèn)為，到2020年AI芯片市場(chǎng)規(guī)模將達(dá)到146.16億美元，約占全球人工智能市場(chǎng)規(guī)模12.18%。隨著人工智能的火熱，以GPU（圖形處理器） 、FPGA（現(xiàn)場(chǎng)可編程門陣列） 、ASIC（為專門目的而設(shè)計(jì)的集成電路）為代表的AI芯片類別均將獲得快速發(fā)展，語音芯片/語音AI芯片也會(huì)在這個(gè)過程中受益并爆發(fā)，在此過程中會(huì)誕生一個(gè)新興的語音芯片行業(yè)，以及一波語音芯片公司。
根據(jù)游人杰智能語音發(fā)展的三階段論，目前我們還處于第一階段的智能音箱普及期，先通過一款爆款產(chǎn)品來引爆整個(gè)語音交互行業(yè)，并由此推動(dòng)家庭場(chǎng)景、辦公場(chǎng)景等的語音智能化，使語音成為人機(jī)交互的一個(gè)界面，才能真正推動(dòng)語音芯片的爆發(fā)，以及演進(jìn)到語音AI芯片。
僅僅是今年全球智能音箱市場(chǎng)銷量預(yù)計(jì)有望達(dá)到3000萬臺(tái)，隨著語音交互進(jìn)一步爆發(fā)，場(chǎng)景進(jìn)一步開拓，智能語音設(shè)備將快速進(jìn)入億級(jí)規(guī)模市場(chǎng)，可見無論是當(dāng)下的語音芯片還是即將到來的語音AI芯片，都將有廣闊的市場(chǎng)空間。
由于當(dāng)下智能語音市場(chǎng)規(guī)模相對(duì)較小，相比芯片研發(fā)的高成本投入，像高通、英偉達(dá)、英特爾等芯片巨頭或是并不看好這塊市場(chǎng)或是語音芯片研發(fā)進(jìn)展緩慢，給予了更多中小芯片廠商發(fā)展的機(jī)會(huì)。
目前在語音芯片行業(yè)已涌現(xiàn)出數(shù)十家公司在這一領(lǐng)域“開疆?dāng)U土”，包括聯(lián)發(fā)科、杭州國芯、全志科技、晶晨半導(dǎo)體、啟英泰倫等，既有芯片領(lǐng)域的大公司，面向智能家居、消費(fèi)電子領(lǐng)域的國有芯片品牌，還有新興的創(chuàng)業(yè)公司。正是語音交互的興起，為他們?cè)诩扔袠I(yè)務(wù)之外，提供了一個(gè)新的經(jīng)濟(jì)增長點(diǎn)，并且隨著語音交互的爆發(fā)，這一領(lǐng)域甚至?xí)Q生下一個(gè)巨頭芯片公司。
可以預(yù)見的是，2018年會(huì)有更多語音芯片的誕生，在未來1——2年，語音AI芯片也將進(jìn)一步發(fā)展迎來爆發(fā)期。
結(jié)語：語音芯片的崛起
隨著語音交互設(shè)備的誕生發(fā)展，芯片也經(jīng)歷著從通用組合芯片到語音芯片再到語音AI芯片的演進(jìn)。隨著語音交互的爆發(fā)，語音真正成為人機(jī)交互的界面，語音芯片也將成爆發(fā)之態(tài)。
但與此同時(shí)，語音與視覺也將會(huì)走向融合，畢竟多元的交互方式才更符合人性的體驗(yàn)。在語音芯片崛起后，“語音+屏幕”相結(jié)合的交互方式也是業(yè)界更加認(rèn)可的一種趨勢(shì)。
01月07日 18:14
