轉(zhuǎn)自：http://36kr.com/p/5106520.html

學(xué)號(hào)：17021210934 姓名：李峙源

【嵌牛導(dǎo)讀】：人工智能語音芯片正在當(dāng)今的語音交互市場(chǎng)中大量的發(fā)展辛慰。

【嵌牛鼻子】：人工智能語音

【嵌牛提問】：人工智能語音交互發(fā)展到當(dāng)今的時(shí)代，各個(gè)廠商的產(chǎn)品以及發(fā)展趨勢(shì)是怎樣的？

【嵌牛正文】：

隨著智能音箱的火熱以及背后語音交互生態(tài)的成熟笋颤，將會(huì)帶動(dòng)越來越多的設(shè)備語音化勤篮、智能化都毒，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)備中碰缔，語音芯片憑借定制化账劲、低功耗、高能效、端智能以及成本優(yōu)勢(shì)等地位越發(fā)重要瀑焦，成為人與云端“溝通”的橋梁腌且。

在智能語音市場(chǎng)，隨著亞馬遜榛瓮、谷歌等互聯(lián)網(wǎng)巨頭公司的推動(dòng)铺董，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)國家禀晓，市場(chǎng)呈爆發(fā)之態(tài)精续。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2000萬片以上粹懒。

智東西通過調(diào)查梳理發(fā)現(xiàn)驻右，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)崎淳，數(shù)十家公司參與其中堪夭，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拣凹，智東西為你呈現(xiàn)語音芯片的崛起森爽！

▲注以上為智東西不完全統(tǒng)計(jì)

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)嚣镜，System on Chip）爬迟，它兼具運(yùn)算力和低功耗，支持多通道麥克風(fēng)陣列接口菊匿，支持信號(hào)處理算法等付呕。

在人機(jī)對(duì)話的語音交互中，語音識(shí)別跌捆、語義理解徽职、語音合成、任務(wù)執(zhí)行等都是在云端進(jìn)行佩厚。而在終端側(cè)姆钉，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)皆贫耍⒎答伣Y(jié)果以語音的形式輸出抄瓦。如果說云端是智能語音設(shè)備的大腦潮瓶，那么語音芯片就是連接人與“云腦”的橋梁。

目前钙姊，智能音箱的迅速發(fā)展正成為語音芯片崛起的重要?jiǎng)恿μ焊ā＝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)煞额。這意味著僅僅是智能音箱的發(fā)展思恐，就推動(dòng)語音芯片市場(chǎng)達(dá)到3000萬量級(jí)沾谜，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)新興品類壁袄，仍處于快速發(fā)展期类早。

在智能音箱這個(gè)市場(chǎng)中，聯(lián)發(fā)科嗜逻、德州儀器涩僻、科勝訊、全志科技栈顷、杭州國芯逆日、晶晨科技、成都啟英泰倫等芯片廠商都推出相關(guān)的語音芯片萄凤，且又以聯(lián)發(fā)科一家獨(dú)大室抽，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)2000萬片以上靡努。

通過對(duì)目前市面上語音芯片的觀察坪圾，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）惑朦；其二是具備高度整合性的語音SoC兽泄，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）模塊漾月，并且集成WiFi/藍(lán)牙模塊等病梢；其三在語音算法上支持回聲消除、噪聲抑制梁肿、聲源定位蜓陌、語音增強(qiáng)等技術(shù)，或具備良好的音值調(diào)節(jié)功能吩蔑；其四端智能化钮热，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)鏈的采訪以及梳理哥纫，根據(jù)語音交互的發(fā)展?fàn)顩r霉旗，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蛀骇，采用通用芯片組合方案；第二個(gè)階段為崛起期读拆，語音芯片興起擅憔；第三個(gè)階段為語音芯片進(jìn)化期，語音AI芯片涌現(xiàn)檐晕。

第一階段暑诸，大約2015年以前盡管智能語音設(shè)備蚌讼，包括智能音箱、遠(yuǎn)場(chǎng)交互的智能電視等都已出現(xiàn)个榕，但在市場(chǎng)尚未起量的情況下篡石，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芯片西采。

2015年到2017年之間凰萨，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)亮相械馆，包括聯(lián)發(fā)科推出的MT8516芯片胖眷、科勝訊的CX20924/CX20921、Amlogic的A113霹崎、瑞芯微的RK3036/RK3229等珊搀。

此外，隨著智能語音設(shè)備的迅速發(fā)展尾菇，對(duì)于端智能的需求也在顯現(xiàn)境析，語音AI芯片應(yīng)運(yùn)而生。端智能是近兩年來AI領(lǐng)域大火的概念之一派诬，指的是數(shù)據(jù)的采集劳淆、計(jì)算、決策都在前端設(shè)備進(jìn)行千埃，優(yōu)勢(shì)在于穩(wěn)定憔儿、時(shí)延小、同時(shí)能夠保護(hù)用戶隱私等放可。如杭州國芯推出的GX8010和啟英泰倫推出的CI1006都屬于語音AI芯片谒臼。

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）耀里，高昂的研發(fā)投入蜈缤，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)備中冯挎。

2010年6月微軟推出的Kinect體感周邊設(shè)備底哥、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)備的早期代表房官，它們采用的多是通用芯片（AP芯片/平板芯片等）+Codec芯片/DSP芯片等組合的方式趾徽，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)行處理翰守，包括回聲消除孵奶、噪聲抑制、語音降噪/增強(qiáng)等蜡峰，使語音便于后端的語音識(shí)別了袁，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)算力支持朗恳。

以亞馬遜Echo為例，2014年秋天亞馬遜推出智能音箱Echo载绿，最初使用的是TI（德州儀器）的DM3725數(shù)字媒體處理器粥诫，該芯片之前主要應(yīng)用在多媒體設(shè)備、視頻機(jī)頂盒崭庸、游戲終端等怀浆，在進(jìn)行語音傳輸處理時(shí)，仍需要搭配Codec芯片冀自。在早期的Ehco中赠法，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)秤涩。

▲德州儀器DM3725芯片

后來或許是處于成本以及其他考慮缆巧，亞馬遜的一些產(chǎn)品開始使用聯(lián)發(fā)科MT8563芯片蛮穿，這款芯片同樣不是語音專用芯片。直到今年Q2季度驻呐，聯(lián)發(fā)科推出了MT8516才算真正意義上的語音芯片灌诅。

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含末，采用的是全志科技R16芯片+科勝訊Codec芯片的方式進(jìn)行語音處理猜拾，而全志R16之前則是用于平板的芯片。

在語音交互場(chǎng)景的早期佣盒，智能設(shè)備并無太多銷量挎袜，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)間成本肥惭、投資成本都決定了在最初一段時(shí)間盯仪，智能設(shè)備需要使用通用芯片或其他芯片作為過渡期。

中小語音芯片廠商涌現(xiàn)

隨著智能語音設(shè)備銷量不斷增長蜜葱，典型的就是2016年以來全景，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)牵囤，2016年又剛好是語音芯片興起最集中的一年爸黄。

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)揭鳞。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)上炕贵，融合了多方面的語音增強(qiáng)功能，包括語音降噪野崇、回聲消除鲁驶、波束形成等，支持低功耗喚醒舞骆，能夠?qū)崿F(xiàn)遠(yuǎn)場(chǎng)語音采集钥弯。可能因?yàn)樗拇ㄩL虹的一些原因督禽，這款芯片在研發(fā)出后并沒有投入生產(chǎn)脆霎，之后就不了了之。

2015年以后語音芯片就開始陸續(xù)興起狈惫，包括聯(lián)發(fā)科MT8516睛蛛、科勝訊CX20924、晶晨半導(dǎo)體A113胧谈、瑞芯微RK3036忆肾、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音箱上菱肖。

▲阿里天貓精靈主控板上使用的聯(lián)發(fā)科MT8516芯片

整體來說客冈，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)陣列接口稳强，采用適合做語音處理的CPU场仲；在語音算法上支持回聲消除、噪聲抑制退疫、聲源定位渠缕、語音增強(qiáng)等技術(shù)，并兼具運(yùn)算能力和低功耗的考量褒繁。

但有趣的是亦鳞，除了聯(lián)發(fā)科外，都是一些中小芯片公司推出語音芯片棒坏，像高通燕差、英特爾等巨頭芯片公司并沒有推出語音芯片】〉郑考慮到聯(lián)發(fā)科過去做DVD的光驅(qū)起家谁不，多媒體一直是其核心技術(shù)，在語音芯片上跟進(jìn)不足為怪徽诲。而高通刹帕、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)谎替、電腦而言偷溺，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钱贯；另一方面也反應(yīng)出他們?cè)谡Z音芯片布局上進(jìn)展較慢挫掏，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)上的緩慢秩命。

此外尉共，智東西還了解到褒傅，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(jìng)爭(zhēng)力的語音芯片袄友。

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芯片的推出殿托，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)算卡剧蚣，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)）支竹，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)備鸠按，更多的智能都是在云端來實(shí)現(xiàn)礼搁，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)備的使用空間目尖，以及由此帶來的數(shù)據(jù)與隱私危機(jī)馒吴。為了讓設(shè)備使用場(chǎng)景不受局限，用戶體驗(yàn)更好卑雁，端側(cè)智能以成為一種趨勢(shì)募书，語音AI芯片也隨之而來。

2016年以來测蹲，語音AI芯片也開始走進(jìn)大家的視野莹捡。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扣甲，都是語音AI芯片篮赢。

▲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處理器模塊琉挖，用以對(duì)本地的機(jī)器學(xué)習(xí)算法進(jìn)行加速启泣；其二高度集成，語音AI芯片不但集成CPU示辈、AI處理器寥茫，還會(huì)將DSP信號(hào)處理、WiFi/藍(lán)牙等模塊集成進(jìn)去矾麻；其三能夠?qū)崿F(xiàn)端側(cè)智能纱耻，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)算险耀，從而設(shè)備可以在端側(cè)離線完成如聽音樂弄喘、日常問答及閑聊等任務(wù)，實(shí)現(xiàn)更快的交互能力甩牺。

再考慮到用戶體驗(yàn)以及數(shù)據(jù)隱私等問題蘑志，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)展急但。

但目前的AI芯片更多的在于手機(jī)和視覺應(yīng)用領(lǐng)域澎媒，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)成熟羊始。而在語音領(lǐng)域旱幼，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)突委，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)之間冬三，而這些都導(dǎo)致了語音AI芯片進(jìn)展相對(duì)緩慢匀油。

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勾笆，第二階段是更多智能語音設(shè)備的出現(xiàn)敌蚜，語音成為人機(jī)交互的界面，第三階段就是端側(cè)智能窝爪，通過語音AI芯片來實(shí)現(xiàn)更多本地計(jì)算弛车，提供用戶更好的交互體驗(yàn)。

不難看出蒲每，我們目前還處于第一階段纷跛，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邀杏。只有當(dāng)語音成為一種交互界面贫奠，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望蜡。

而針對(duì)當(dāng)下智能語音設(shè)備所需的智能化唤崭，游人杰談到，CPU本身可以做一些“輕”AI的功能脖律，如果本地需要很強(qiáng)的AI能力谢肾，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)。此外游人杰也透露小泉，聯(lián)發(fā)科語音AI芯片的推出尚需1~2年時(shí)間芦疏。

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)品上膏孟，通過添加一個(gè)獨(dú)立的AI處理器模塊眯分，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）柒桑。從時(shí)間來看弊决，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。

語音芯片帶動(dòng)新興行業(yè)

有分析認(rèn)為飘诗，到2020年AI芯片市場(chǎng)規(guī)模將達(dá)到146.16億美元与倡，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昆稿，以GPU（圖形處理器） 纺座、FPGA（現(xiàn)場(chǎng)可編程門陣列） 溉潭、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)展净响，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)喳瓣，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畏陕。

根據(jù)游人杰智能語音發(fā)展的三階段論配乓，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)犹芹，并由此推動(dòng)家庭場(chǎng)景鞠绰、辦公場(chǎng)景等的語音智能化腰埂，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)洞豁，以及演進(jìn)到語音AI芯片盐固。

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)丈挟，隨著語音交互進(jìn)一步爆發(fā)，場(chǎng)景進(jìn)一步開拓曙咽，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芯片例朱，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)較小箫荡，相比芯片研發(fā)的高成本投入，像高通羔挡、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)展緩慢利术，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”印叁，包括聯(lián)發(fā)科军掂、杭州國芯、全志科技良姆、晶晨半導(dǎo)體、啟英泰倫等，既有芯片領(lǐng)域的大公司闲延，面向智能家居、消費(fèi)電子領(lǐng)域的國有芯片品牌陆馁，還有新興的創(chuàng)業(yè)公司。正是語音交互的興起合愈，為他們?cè)诩扔袠I(yè)務(wù)之外叮贩，提供了一個(gè)新的經(jīng)濟(jì)增長點(diǎn)佛析，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)巨頭芯片公司寸莫。

可以預(yù)見的是，2018年會(huì)有更多語音芯片的誕生桃纯，在未來1~2年披坏，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)展棒拂，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)壮锻，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)灰殴。

但與此同時(shí)掰邢，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)辣之。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)狮鸭。