助力中國制造探境語音芯片量產發布

人民網北京9月20日電（趙春曉） 9月19日，探境科技的語音芯片系列新品發布會在京舉行。

潮水褪去 市場進入檢驗期

2014年AI芯片興起，大量的創業團隊或其他細分領域企業轉型進入這一領域，綜合天眼查、IT桔子、及互聯網公開數據來看，已有100多家AI芯片企業。但自2018年起，行業整體投融資金額驟減。

“這一方面是受宏觀經濟及整體行業運行周期影響，另一方面，AI芯片行業自身也已到了行業洗牌期。” 中芯聚源研究總監樊鋒對記者表示，“對資本而言，已經到了看產品核心技術及商業化落地能力的時期了。

“芯片是一個高投入、大周期、人才密集型的行業。芯片設計籠統來說包括從架構設計、代碼實現到芯片封裝、測試有十余個環節，越靠前的環節越要靠腦袋來解決問題。如果研發的思路一開始就有問題，那無形中浪費了很多時間。”魯勇對記者表示。

艾瑞咨詢發布的2019年《AI芯片行業研究報告》中指出，目前AI芯片行業當前接近Gartner技術曲線泡沫頂端，隻有通過市場檢驗和篩選的優質團隊才能夠繼續獲得產業、政策和資本的青睞和繼續支持。

探境創始人兼CEO魯勇在會上表示：“這充分說明了市場對於探境語音芯片產品的認可，截至目前為止，探境已有20多個智能家居的合作伙伴，預計今年年底，大家就可以在各大賣場看到搭載探境語音芯片的智能家電了。”

李鬼當道 90%所謂量產都是DSP芯片

魯勇認為， AI芯片需要支撐的不僅是AI計算，而是要面向場景，完成完整的功能。DSP由於先天算力不足，隻能採用相對簡化的算法，效果差強人意。

從架構上看，DSP是為傳統信號處理算法設計的通用型處理器，不是為神經網絡相關的運算而設計，與專門的AI芯片相比，DSP芯片算力上有數量級上的差異。

另外，DSP多是採取哈佛結構存算分離，受數據帶寬的限制其算力有效利用率較低。受算力所限，在DSP架構的芯片上隻能使用一些相對簡單的神經網絡，模型描述能力有限，在支持的詞條數目以及最終的准確率方面都會受到限制。

顯然“先天不足”的DSP芯片無法成為真正的AI芯片。

魯勇認為，市場上之所以涌現大量DSP芯片，是由於AI芯片行業市場浮躁及人才匱乏所致。“芯片行業的准入門檻非常高，碩士畢業是芯片行業培養初級人才基本要求，多年來的低薪環境又造成了芯片從業人員人才流失，許多人轉行去了互聯網、房地產等行業。”

據《中國集成電路產業人才白皮書（2017-2018）》統計分析顯示，到2020年前后，我國集成電路產業人才需求規模約為72萬人左右，現有人才存量40萬人左右，人才缺口為32萬人。

魯勇告訴記者，芯片設計的人才結構比例呈金字塔結構，頭部的架構設計人才與前端設計、SOC設計、后端設計等相比，數量而更加稀少。

“對於AI 芯片來說門檻還是很高的，需要芯片設計、AI 算法、系統設計等綜合能力，像探境這樣完整具備這些能力的公司實際上是很稀缺的。”中芯聚源研究總監樊鋒說，“AI之關鍵還是落地和應用！”

2美元的意義，進入億級俱樂部的入場券

智能家居產業近年來漸漸興起，考慮到任務算力需求,以及傳輸帶寬、數據安全、功耗、延時等客觀條件限制，現有雲端計算解決方案難以滿足人工智能本地應用落地計算需求，端側智能已成為一種趨勢，語音 AI 芯片也隨之切入端側市場。

“我們之前合作的某家芯片要60元人民幣，探境隻要不到2美金，所以我們已經下了10K的訂單”，一位語音交互方案公司的研發工程師對記者表示。這家方案公司為智能家居提供整體解決方案，探境是其合作伙伴之一。

據魯勇介紹，探境自主研發的SFA架構是一個以存儲調度為核心的計算架構數據在存儲之間的搬移過程之中就完成了計算，計算對於數據來說只是一種“演變”。

魯勇認為，深度學習算法的有其特殊之處。第一，數據量大，對帶寬要求高，數據無法全部存在片內，進一步引發DDR帶寬瓶頸。第二，數據重復性大，耦合性高，重復數據造成更大的數據傳輸量。第三，數據使用復雜度高，難以實現存儲器的高效使用。

因此，整個AI芯片行業的難點不是解決算力的問題，而是解決“存儲”的問題，是如何更好的管理這些數據，調度這些數據，進而提高性能降低功耗，這是大部分人沒有解決的症結。

低於2美元的高性價比語音芯片，意味著家電商家無須為智能語音功能付出更多的成本與研發時間，隻有具備這樣的特點，才算邁入了大規模商用的門檻。