智能音箱投资热潮，如何掌握特殊应用与边缘运算趋势？

智能音箱在2018年延续前两年的热潮，不过音箱本身并不能创造很大的经济价值，发展产业链才是未来胜出的重点，智能麦克风与语音处理器是跨产品型态的关键零组件，利基型的应用、中文自然语言处理与边缘运算是我们厂商值得关注的重点。

2014年电商龙头亚马逊(Amazon)推出智能音箱Echo之后，经过几年的经营，在2016、2017年大放异彩，引发一股智能音箱开发风潮，也带动沉寂已久的智能家居商机，除了Amazon，包括Google、Microsoft、Apple、Samsung、Sony、Line，还有京东、联想、阿里巴巴、小米等一线大厂都陆续推出智能音箱，不仅如此，更多二线品牌厂商也赶上这波热潮，保守估计目前市场上应该有数十款智能音箱品牌，布局并抢食智能语音应用背后带动的庞大商机。智能音箱包括三大部分：硬件、软件服务、系统平台。工研院IEK产业分析师陈右怡说明，硬件规格大致包括开关、灯光、语音处理芯片、麦克风数组、喇叭、电池、Wi-Fi/蓝牙无线通信模块、显示面板等，其中语音处理器与麦克风数组攸关语音输入质量，也是这波发展过程中较受瞩目的关键零组件。而软件服务则是智能音箱的灵魂--智能语音助理，搭配技能(Skills)，结合云端的系统平台，形成一个完整的产业生态系，以带动后续的商业模式。

智能音箱投入者众

根据市场研究机构Strategy Analytics研究指出，2018年智能音箱出货量接近4,000万台，2019年将挑战6,000万台，2022年还要进一步成长至1亿6,000万台左右，每年都是两位数的成长率。Samsung继去年与Microsoft合作推出的Invoke智能音箱后，2018年8月发表自有产品Galaxy Home(图1)，音箱里有六组扩音喇叭及低音炮，用来提供环绕的播放音效；并内建八组远场麦克风，可在较大的范围内接收语音指令，语音助理就是自家的Bixby，不过发表会上摆满的产品都跟Apple Homepod一样不能运作，正式上市时间要再等等。

图1 Samsung 2018年8月发表搭载Bixby智能音箱Galaxy Home，并内建八组远场麦克风，可在较大的范围内接收语音指令

整体而言，智能音箱的发展，产品本身并不是最重要的，Amazon Echo最早就定位是中低价产品，99美元的售价到后来衍生的多种产品都不走高价路线，以其现阶段市场领导者的身分，也发挥市场带动的效果，Amazon以电商的角色，不断扩展产业生态体系，并成为多数厂商仿效的对象。陈右怡表示，Amazon Echo串连了开发者社群、汽车服务业、智能装置、日用品服务、共享/外送服务业、音乐串流服务业等。语音指令在搜寻上，显然比现有的文字输入便利，跟据市调机构Gartner的研究，未来50%的各类搜寻，将会利用语音指令的方式呈现。

以可以执行的技能而言，Alexa目前高达17,650项，Google Assistant仅有468项，Microsoft Cortana更只有174项。根据OC&C Strategy Consultants调查，拥有智能音箱的美国家庭中62%会使用智能音箱进行语音购物，2017年美国语音购物市场规模约20亿美元，预估2022年将达400亿美元，5年内翻20倍。由此可知，智能音箱拥有多少“技能”、能否带动商业模式的发展，才是其成功的关键，这些品牌大厂自然深知要努力将自己的商业模式，转换延伸到语音应用，并能提供更新、更多的价值才是发展重点。经过这几年的发展，智能音箱已经出现更为细致的分众区隔之路，鑫创科技产品经理曾建统(图2)认为，通用型的智能音箱主要目的就在扮演智能家居控制中枢，除了丰富的技能之外，更需要完整的系统平台与产业生态系加以配合，带动商业模式的发展，这部分只有资源丰富的大厂具备参赛权。另外，在区域市场与应用上，也发展出许多功能较为单纯，但满足特殊需求的智能音箱，如厨房针对做菜、车上影音娱乐/唱歌需求的产品，适合中小型厂商切入。

智能麦克风设计眉角多

近来有部分人士指出，智能音箱是过渡型的产品，就像电子书阅读器一样昙花一现，不过就实际的发展来看，智能音箱目前呈现百花齐放的状况，未来不管产品是否持续发展，语音识别成为重要的人机接口已是不争的事实，因此不管终端产品型态是甚么，绝对都少不了智能麦克风与语音处理器，这两个组件的技术与发展就值得更加深入的观察。一般而言，MEMS麦克风由背板(Back Plate)、氮化硅薄膜(Membrane)、1微米宽的空气隙(Air Gap)组成，其中薄膜要求低应力且柔软，能够灵敏地感测环境音压的改变。现行的MEMS麦克风技术均采用声波致动薄膜和静态背板，英飞凌(Infineon)提出一个较复杂的双背板架构，在两个背板之间嵌入薄膜，也有两个空气隙，因此能产生更好的讯号质量，讯噪比(SNR)达70dB，进一步获得更佳的高频抗扰性，实现更出色的音频讯号处理，并将10%总谐波失真(THD)的声学过载点提升到135dB声压位准(SPL)。智能麦克风除了采用模拟微机电的制程之外，还有采用数字CMOS制程的麦克风，不管是采用MEMS或是CMOS都是利用半导体制程产生震膜以搜集声压，曾建统说明，除了传统的单背板/单薄膜之外，双背板/单薄膜、单背板/双薄膜等改良型的架构都有厂商提出，目的全是为了强化收音效率的讯噪比。而在系统的设计上，Amazon Echo带动的多颗麦克风数组设计已成风潮，但效果还是有很大的差异性。曾建统提醒，智能语音助理硬件的设计，尤其是麦克风数组，并不是硬件照抄就好，在设计时间要针对机构与收音麦克风进行数组算法的调适，同时生产阶段也必须提高机构精准度的要求，这两个重点对语音助理装置最终量产结果有很大的影响。就像通用型的Echo使用场景大部分是在客厅，类似的麦克风数组设计套用到车用产品就不会得到最佳收音质量；而机构生产与组装若不够精准，会持续削弱麦克风的讯噪比，原本70dB的产品可能于终端产品仅表现出35dB的效能。

关键组件整合设计 取得效能表现优化

而在语音处理器部分，最主要是处理声音的数字化与去除噪声的讯号纯化，由于智能语音助理的工作是透过AI算法，将输入的语音讯号进行语音识别与自然语言处理，担负重要的人机接口工作，也是用户经验优劣的关键，因此语音处理器的几个主要功能包括噪音抑制(Noise Suppression)、回音消除(Echo Cancellation)、语音识别(Voice Recognition Assistance)、远距收音(Far-field Pickup)、清晰语音沟通(Clear Voice Communication)等就显得非常重要。语音处理器技术发展已有满长的一段时间，其实技术已经相当成熟，不过由于智能音箱将语音变成最主要的人机接口，声音整体处理效能要求比过去更高，对噪音抑制的压噪技术而言，环境声音如车辆、旁边人的说话声音都算是一种噪音，如何找出正确的噪音来源，并保留最大的原音是这部分的挑战。一般噪音分成稳态与非稳态噪音，机器运作固定频率的声音是稳态噪音，比较容易消除；非稳态噪音就是非预期出现的声音如旁人说话的声音，也比较难消除。Samsung甫发表的Galaxy Home，为了收音效果特别采用八颗远场麦克风，远距收音的功能就是较远的距离之下一样能收到清晰的声音，做法就是首先侦测人声，并放大人声，但不放大噪音。曾建统认为，若要提升收音效能的表现，麦克风与语音处理器整合性设计非常重要，除了远场麦克风、扩大MEMS麦克风芯片尺寸、采用整合模拟数字转换器(Analog-to-digital Converter, ADC)的数字麦克风(Digital Mic)等做法都有，甚么设计才能在效能与成本上取得最佳表现，目前其实没有标准答案，建议还是回归到产品需求，并进行深入的软件仿真与效能测试，才有机会开发出令市场惊艳的产品。

智能音箱的使用近期也因为网络的便利性与不设防，产生多起网络安全事件，所以语音处理器的安全机制逐渐被重视，恩智浦半导体大中华区微处理器及微控制器产品营销经理张小平(图3)表示，保护隐私信息不轻易被入侵，需要内建安全装置的解决方案，除了保护用户信息，透过整合的SDK实现算法加速，满足语音、影音和音频的需求，可整合A/V与机器学习，满足工程师对于统一平台的要求，便于打造语音指令控制的联网产品。恩智浦i.MX8M系列应用处理器，兼具处理技术和边缘运算能力，能够有效管理并缩短智能互联装置响应命令和询问的时间。张小平指出，该系列产品可用于智能电视、电视订阅服务、条形音箱与其他智能音箱，以及媒体播放器和DVR/PVR。此外，该系列处理器也适合管理照明、恒温器、门锁、居家安全、智能洒水器等各类系统与设备，能够让使用者享受直觉简单、迅速响应的智能家居体验。如：仅需发出语音指令即可播放特定的电视剧集，如果对其中的演员感兴趣，直接口头询问相关问题，屏幕上就会进行搜索并显示结果，整个过程都不会影响电视剧情的播放等。

语音助理为智能音箱灵魂

在基础的硬件之外，具备AI功能的智能语音助理显然是智能音箱产业链能否顺利发展的关键，Alexa的跨平台支持与技能多样性，目前遥遥领先Google Assistant与Microsoft Cortana，陈右怡表示，智能语音助理的生态系发展难度更高，核心的技术包括AI深度学习算法、情境感知、自动化控制、大数据分析应用、云端存取等；发展策略上，可透过开放式AI API发展第三方开发，扩展语音助理的技能，也透过定价/收费/分润机制让生态系更成熟；最后就是不断强大生态系的规模与服务的多样性与便利性，就像当年的App Store一样。而语音助理的服务包罗万象，所谓“万能”的智能语音助理应该不存在，以目前四大语音助理来看，Google专长在搜寻、Siri专长在音乐、Alexa专长在购物、Cortana则是专精于商务，厂商的产业链发展也有所侧重，陈右怡相信，过几年不同领域的语音助理霸主将越来越明确。而语言与在地化的经营则是另一个重点，目前英语系的语音识别与自然语言处理技术上已经颇有突破，发展较为迅速；相较之下，中文的自然语言处理则有相当大的瓶颈，也是我们厂商可以深入发展并保有优势的地方。

掌握特殊应用与边缘运算趋势

从硬件终端产品来看，大厂会投入更多资源发展通用型的智能音箱，产品型态也将更加多样，整合于智能手机、笔电、各式家电等的状况会更加普遍。我们厂商在软硬件的发展上，应该投入利基型的硬件产品与服务，曾建统建议，特殊应用的智能音箱结合在地化语音技术发展，是我们厂商的机会。中文AI化的困难性为厂商带来蓝海的商机，只要深入累积语言分析与在地化语料，就可以建立竞争门坎，搭配我们原先就具备深厚基础的硬件技术能力，可以在智能音箱市场走出一条自己的路。人机接口发展到语音是一大进步，不过未来视觉、触觉与念力都是下一波发展的方向，现在的语音AI技术也有布局未来人机接口的味道。以AI为核心的这些应用，开发的范围与需求的资源都较过去更大，诉求利基市场也不见得是单一厂商就能负担所有技术开发，需要与更多产业链上下游的厂商合作；智能音箱也是典型的边缘运算装置，未来会将更多AI功能转移到终端装置，直接在边缘进行处理，对于云端架构规模不如国外大厂的厂而言，采用较小的云端架构，并透过终端处理部分AI运算，更适合我们厂商发展。