边缘计算需求与日俱增 专用语音“芯”更具场景化优势

作为全球AI领域首批实现大规模商用的“软”科技,语音交互得益于算法技术的飞速发展如今已广泛落地各终端应用场景。尽管算法端的纷争远未结束,但硬件芯片端的主导权争夺战却已悄然打响,就在刚刚过去的2018年里,国内诸如云知声、出门问问、Rokid等各主流语音算法公司均先后发布了AI语音专用芯片,紧随其后的2019年1月4日,思必驰也正式公布了旗下首款语音专用“芯”TAIHANG,专用AI语音芯片俨然已成当今国内各语音算法公司全新的竞争主场。


边缘计算需求与日俱增 专用语音“芯”更具场景化优势


顾名思义,边缘计算是将数据集合在靠近用户终端侧或者本地数据端侧进行处理的一种计算模式。直观来讲,比如我们最常见的智能手机,可以简单的将边缘计算理解为令手机终端具备本地侧AI计算的能力,其优势主要在于能够更为及时的针对AI数据进行处理,并优化资源、提升效率,从而令手机等终端智能设备获得实时的动态响应,比如基于AR增强现实这类应用中,若通过网络传输给云端,云端处理完成后再传回手机,那么用户会明显感觉到延迟的存在,采用本地侧计算的方式能够大幅优化这类问题;再比如一些嵌入式的小型设备中,基础信息采集处理均会在端侧完成,即传感器将手机数据传送到网关后就开始进行数据的过滤和处理,再也不用将每条原始数据都发送到云端,从而省去大量成本,更加经济高效的解决问题。


边缘计算需求与日俱增 专用语音“芯”更具场景化优势


眼下,终端侧智能化的风行,也让市场对边缘计算的需求与日俱增。相关统计数据显示,2018年全球边缘计算市场整体规模达到10.32亿美元,有40%的数据都在网络边缘侧进行分析、处理与存储,预计2020年会达到81.28亿美元,2021年也将有40%的大型企业会将边缘计算作为产品战略计划的一部分。而语音交互作为AI技术探索边缘计算的“急先锋”,算法侧在经历相当长时间的市场和应用洗礼之后,硬件芯片端如今也开始崭露头角并踏浪前行,从通用型向专用型加速转变。

针对边缘侧应用,通用型的AI语音芯片由于计算效率较低,存在成本以及功耗的失配问题。而且,由于AI语音芯片通常需要对接很多不同的应用场景,比如智能音箱、汽车、机器人以及各种消费级智能终端等等,不同应用往往存在不同的客制化要求,所以目前也很难有一款通用型的AI语音芯片能够满足到不同行业客户的需求。


边缘计算需求与日俱增 专用语音“芯”更具场景化优势


思必驰CTO周伟达认为:“通用的AI语音芯片存在三个闭环,即通用芯片无法和数据产生连接,通用芯片无法和市场产生连接,还有更重要的就是通用芯片没有算法,算法是灵魂,芯片是框架,没有灵魂的框架是产生不了价值的,必须借由专用芯片才能够实现芯片未来的潜能。比如,我们曾经对接过一个最复杂的场景,算法运行在4核Arm的芯片上,占用了芯片50%-60%的计算量,语音作为一种交互手段占用这么高的计算量在许多应用场景是难以接受的。因此,思必驰决定做AI语音专用芯片,希望能够解决上述问题。”


边缘计算需求与日俱增 专用语音“芯”更具场景化优势


一言以蔽之,即AI语音专用“芯”具备比通用“芯”更强的场景化应用和适应性。不过,从“通用”转型“专用”,芯片端的设计难度却是不减反增,武汉市声云智能信息技术有限公司产品副总经理程凯豪告诉记者:“与过去的通用型语音芯片仅通过应用来评估参数和设计所不同,专用AI语音芯片由于需要对接特定的场景,在设计的初期阶段就要充分去考虑要应用的语音算法以及相匹配的芯片算力,需要保证在应用中软件算法与硬件芯片之间能够紧密适配、充分耦合,这一点非常重要。由于这种方式要在设计上充分去调配软硬件资源,所以也非常考验厂商对语音算法以及芯片设计的理解。”

事实上,做专用AI语音芯片难度不止于软硬件间的适配。当前,AI算法依旧在不断地迭代和演进,要适应这种快速变化的技术发展节奏,AI语音专用芯片在设计模式以及架构等方面也必须顺应时势做出改变,这难免也会进一步提升行业入局的门槛。因此,尽管目前我们能够在市场上看到不少AI专用语音芯片开发商涌现,但随着时间的推移,这种快节奏状态下难以跟上脚步的企业也必将面临被淘汰的终局。

阿里云服务器

编辑该文章

编辑该文章,必须放入您本人的支付宝或微信收款码,通过审核后可,如果浏览者觉得您写的不错了直接对您打赏

复制加密链接

This is a modal dialog!

邮箱

This is a modal dialog!