智能语音的“未来三步”及优势

随着智能音箱的火热以及背后语音交互生态的成熟，将会带动越来越多的设备语音化、智能化，使语音真正成为人机交互的一个界面。而在语音交互设备中，语音芯片凭借定制化、低功耗、高能效、智能化以及成本优势等地位越发重要，成为人与云端“沟通”的桥梁。

自从谷歌在今年5月初的I/O开发者大会上秀了一回语音助手Google Assistant，智能语音便再次成为热议话题，与此同时，国内的智能语音市场亦趁着这阵风迅速升温。

5月16日，云知声在北京发布了首款面向物联网领域的AI系列芯片UniOne以及第一代芯片“雨燕”；5月24日，出门问问在北京发布了旗下首款AI语音芯片模组问芯Mobvoi A1；6月26日，Rokid在杭州发布了旗下AI语音专用SoC芯片KAMINO18；同一天，思必驰宣布完成D轮5亿融资，由元禾控股、中国民生投资集团领投，深创投、富士康、联发科跟投。

如今伴随大众的广泛认可和资本的涌入，似乎AI语音专用芯片的战斗已然打响。

智能语音芯片战争背后的考量

随着AI技术在终端的落地，终端芯片也成为赋予设备AI能力、提升用户体验的重要关键点。云知声CEO黄伟曾表示，智能终端的破局点在于“芯”。他认为对于AI技术来说，场景的选择最为重要，由AI芯片和场景就能形成一个完善的产业闭环，首先AI技术的落地需要找到具体场景，其次应用场景也将定义AI芯片，而芯片反过来也将加速应用的落地。

从目前智能语音交互行业整体格局来看，在实现商业化方面，可以往上下游延伸以创造价值。比如：上游把语音和搜索引擎结合起来，为垂直行业提供内容和服务；下游则可把语音和硬件产品相结合。

AI开始“润物细无声”，融入各个场景。智能音箱之外，在家庭场景、办公场景中更多的硬件设备也开始语音化、智能化，通过深耕垂直领域和细分赛道，这更加带动了AI专用语音芯片的爆发。

智能语音芯片的优势

在智能语音设备的市场早期阶段，由于芯片研发漫长的周期（一般需要18~24个月），高昂的研发投入，因此在市场规模尚不大的情况下，市场并没有专门的语音芯片应用到智能语音设备中。

随着智能语音设备销量不断增长，2015年以后语音芯片就开始陆续兴起，包括联发科MT8516、科胜讯CX20924、晶晨半导体A113、瑞芯微RK3036、北京君正X1000等公司，如联发科推出了MT8516应用在了阿里天猫精灵上，晶晨A113应用在了小米AI音箱。

而以本次Rokid发布的AI语音专用SoC芯片KAMINO18为例，据官方称，KAMINO18的成本相较于市场主流通用芯片降低了30%以上，兼顾了芯片性能和商用性。将ARM、NPU、DSP、DDR、DAC等多个核心部件集成于KAMINO18中，最终产出与1元硬币大小相当的芯片模组。

同时，KAMINO18支持智能音箱和儿童故事机两大产品领域，结合Rokid全新的相控阵技术、CTC模型、自定义唤醒词、离线语音指令、低功耗唤醒等算法，搭载KAMINO18的产品整体功耗可降低30%至50%。

整体来说，这些语音芯片都是面向智能音箱以及智能家居场景打造的专用芯片，支持多通道麦克风阵列接口，采用适合做语音处理的CPU；在语音算法上支持回声消除、噪声抑制、声源定位、语音增强等技术，并兼具运算能力和低功耗的考量。

爆发之态 智能语音的“未来三步”

为什么2018年会成为智能语音芯片的爆发期？这和智能音箱近两年的爆发不无关系。市场分析公司Canalys预测，2018年全球智能音箱出货量将超过5600万台。思必驰CMO龙梦竹亦指出，随着智能音箱的爆发，消费者对新型交互方式和新型智能硬件的认可、客户对相关技术的认可都有一个很大的提升。

而除终端硬件的销量增长之外，与场景的深度融合才是未来真正的考验。联发科副总经理暨家庭娱乐产品事业群总经理游人杰曾对智能语音的发展提出一个三阶段论的观点：他认为智能语音的第一阶段是智能音箱的普及；第二阶段是更多智能语音设备的出现，语音成为人机交互的界面；第三阶段就是端侧智能，通过语音AI芯片来实现更多本地计算，提供用户更好的交互体验。

不难看出，目前还处于第一阶段，需要推动智能音箱的普及以及更多智能设备的出现，从而推动语音交互界面的到来。只有当语音成为一种交互界面，才意味着整个智能语音市场的爆发，才会有更多的巨头芯片厂商以及中小芯片商涌入其中，甚至诞生下一个芯片巨头。