5月16日,剛剛完成C輪融資的云知聲宣布正式發布全球首款面向IoT(物聯網)的AI芯片UniOne。 云知聲成立6年以來極少像業界科技企業一般舉辦發布會,黃偉公開演講的次數也僅僅只有4次。而這一次,黃偉不僅邀請了政府方面的領導,如華米、寒武紀等一般正在勢頭上的明星企業,更邀請了他的初中老師、同學,還有在湖畔大學的一眾同學們。 對于黃偉來說,這是非常重要的時刻,所有的等待與隱忍終于要綻放了。他將人工智能創業比喻成為在沙漠中前行,饑渴、艱難,沙漠中偶爾出現的綠洲不是他的最終目標,沙漠后的那片汪洋大海才是他的終點。那片海就是物聯網AI。 UniOne是什么? 云知聲聯合創始人兼芯片負責人李霄寒解釋,“UniOne不是一顆芯片,而是一系列芯片,它代表了云知聲對于物聯網AI芯片發展戰略的整體構想?!?/p> 他指出,面向方案商與開發者,UniOne可提供完整的語音AI應用參考方案、云端能力以及定制化工具,幫助客戶在跨形態的物聯網已經產品上以最低的時間、資源等探索成本,打造最高體驗的用戶入口應用未來。 按照云知聲的設計,今年推出第一代面向智能家居和智能音箱應用的雨燕芯片,由語音AI進行切入;2019年推出增加智能車載領域應用的雪豹芯片,可從多模態進行切入;2020年,將推出面向智慧城市的旗魚芯片,屆時可提供通用的AI邊緣算力。 云知聲第一代UniOne物聯網AI芯片及解決方案叫做“雨燕”,“雨燕”是世界上飛翔速度最快速的鳥類,而這個名字也很容易讓人感受到云知聲希望“乘風破浪”的雄心。 雨燕采用CPU+uDSP+DeepNet架構,支持816bit向量、矩陣運算,基于深度學習網絡架構,特點是可以提供低成本,低功耗下的更高算力。 “雨燕”芯片架構可以分為五個部分: 第一部分是Audio,內置了云知聲的全頻譜的自主語音AI技術。 第二部分架構是云知聲擁有自主知識產權的數字信號處理器uDSP,支持多種類型麥克降噪和聲源定位。 第三部分架構是云知聲完全自主研發的深度神經網絡處理器(NPU)DeepNet。 第四部分是CPU+Memory,這部分可以向客戶開源,同時提供相應定制化工具以及云端AI能力服務。 第五部分是更多樣化的接口Peripherais 在架構靈活性方面,通過Scratch-Pad將主控CPU與AI加速器內部RAM相連,提供高效的CPU與AI加速器之間的數據通道,以便CPU對AI加速器運算結果進行二次處理。 此外,在電源模式設計上,雨燕提供多級電源模式來降低耗能,從動靜檢測(占芯片能耗的2%),到活體檢測(占芯片能耗的10%),到目標檢測(占芯片能耗的20%),再到正常模式。 功能上,“雨燕”芯片支持聲源定位、回聲消除、遠講降噪、超低功耗的語音喚醒、離線識別、本地TTS、聲紋識別、用戶畫像、流式對話,應用定制化等等。 李霄寒表示,相較于通用CPU,其DSP任務處理能力加速8倍,miniNLP任務加速能力提升10倍,TTS(自然語言處理)任務加速提升16倍,內部帶寬利用效率提升20倍。 憑什么研發物聯網AI芯片? 業界對云知聲一直有一種質疑,為什么不能專心做一件事?2014年云知聲就提出了“云端芯”一體化的構思,彼時很多人不理解一家做智能語音起家的創業公司為什么要走這條路。時至今日,黃偉說在困難的時候堅持住,最難走的路才是捷徑。云知聲在AI領域所選擇的賽道也終于被大家看清楚。 在PC時代以電腦為主有約35億臺設備被連接,移動互聯網時代以手機為主有約68億臺設備被連接,在物聯網時代,以電視、空調、音箱等多樣化硬件為主的約有345億臺設備被連接。 黃偉解釋,AIoT設備數量級爆發式增長,終端設備被賦予了更多的AI能力,并且需求碎片化嚴重,對AI算力的需求也不盡相同,原有的通用架構芯片并不能滿足物聯網設備要求。 黃偉認為AIoT的關鍵在芯片上,而做好一個AI芯片需要三個前提:全棧式的AI技術能力、已經驗證的應用場景和芯片設計能力。 在全棧式的AI技術能力的積累上,從2012年開始云知聲就提出了算法平臺化,建立了一套“金字塔”技術研發體系,有ASR、TTS、NLU等應用層技術輸出,也有相當于高速上的“蘭博基尼”的Atals分布式機器學習并行計算平臺,并構建了異構化硬件服務集群DeepFlow。而在應用場景方面,云知聲在家居、智能音箱、兒童陪伴機器人市場等方面都進行了布局,驗證了市場、產品、用戶場景的合理性。 黃偉透露云知聲在2015年就組建了芯片團隊,2016年開始對市場、產品、技術路線以及芯片下游合作方做評估。2017年啟動芯片產品定義、IP選型、算法優化、工具準備,以及詳細產品定義和技術模塊評估工作。直到今年的量產發布,也代表云知聲全面進入云+芯時代。 |