語音助理早已不是新鮮事物，但是近來搭載AI語音助理的智能音箱卻成為了國內(nèi)外科技巨頭爭相推出的智能家居新品，這無疑將帶動語音識別中必不可少的傳感器——麥克風市場的增長，不過增長并非包括所有類型的麥克風。MEMS麥克風憑借微型化、一致性好、低功耗等特性更好滿足智能音箱、智能耳機、機器人等應(yīng)用的語音交互需求將受惠最大，但麥克風陣列的應(yīng)用也將帶來技術(shù)挑戰(zhàn)。

MEMS麥克風市場持續(xù)增長 智能音箱促進作用明顯

數(shù)據(jù)顯示，2016年MEMS麥克風市場為9.93億美元，接近10億美元大關(guān)，加上7億美元的駐極體電容麥克風（ECM）市場，整個麥克風市場規(guī)模約為18億美元。市場研究機構(gòu)Yole Développement預(yù)估，在智能語音助理、車載等應(yīng)用的加持下，MEMS麥克風出貨量未來五年將保持高速增長態(tài)勢，復合年增長率達11.3%，到2022年時年出貨量可望超過80億顆。ECM麥克風出貨量則緩慢萎縮，到2022年時出貨量僅30億顆左右。

圖1：ECM/MEMS麥克風市場規(guī)模（資料來源：Yole Développement）

在亞馬遜2014年推出擁有語音助理Alexa的智能音箱Echo熱銷之后，搭載Google Assitant、Cortana、Siri等虛擬語音助理的智能音箱紛紛亮相。各大IT巨頭陸續(xù)推出智能音箱產(chǎn)品，預(yù)示著消費類MEMS麥克風陣列市場蓄勢待發(fā)。很顯然，以智能音箱為代表的智能家居產(chǎn)品將助推MEMS麥克風市場的增長。意法半導體MEMS產(chǎn)品部華南區(qū)高級市場工程師董愷也表示：“隨著智能產(chǎn)品在智能家居中的滲透率逐步提高，傳統(tǒng)的交互方式已經(jīng)不能滿足用戶的需求，語音作為一個重要的交互手段變得越來越流行。MEMS麥克風作為重要的交互窗口，已經(jīng)在手機和筆記本市場獲得了巨大成功，智能音箱將成為MEMS麥克風應(yīng)用的第三波浪潮?！?/p>

圖2：可穿戴設(shè)備（含Hearables）市場發(fā)展趨勢

遠場語音識別面臨高SNR、AOP等挑戰(zhàn)

智能音箱未來對MEMS麥克風市場將帶來促進作用，反過來，智能音箱也將給MEMS麥克風帶來多重挑戰(zhàn)。智能音箱作為智能家居產(chǎn)品，不同于手機語音助理和耳機語音助理的近場語音識別，智能音箱往往配置MEMS麥克風陣列，采用波束成形（Beam-forming）等技術(shù)進行降噪語音處理，從而實現(xiàn)遠場語音識別，整個過程無需要雙手操作。對于遠場語音拾取應(yīng)用，結(jié)合算法應(yīng)用的要求，均需要匹配高信噪比的MEMS麥克風。麥克風陣列應(yīng)用對于麥克風的靈敏度一致性，信噪比一致性及相位一致性要求都是非常高的。

除了眾所周知的信噪比（SNR），聲學過載點（AOP）也是MEMS麥克風重要的質(zhì)量指標。高SNR能夠讓設(shè)備更好的實現(xiàn)遠距離收音，AOP則是評估MEMS麥克風在高聲壓水平下的性能指標，SNR和AOP對于使用場景的越來越多樣化的智能語音設(shè)備來說非常重要。有報告顯示，64dB以上的高信噪比MEMS麥克風的市場占有率已經(jīng)達到50%以上，對AOP的要求，很多廠商也從之前的120dB上升到130dB以上的水平。

遠場語音識別場景中麥克風的收音環(huán)境不可避免的會受到各種噪聲、混音甚至反射帶來的干擾，導致MEMS麥克風對聲音信號采集和提取的準確率大幅下降，從而影響語音識別的準確率。此時設(shè)備就需要通過MEMS麥克風陣列去辨別哪些是有用的聲音。另外，倘若MEMS麥克風陣列一直在收音狀態(tài)將非常耗電，這對智能移動設(shè)備來說是非常不適合的。因此，如何把MEMS麥克風變得更加智能，能夠?qū)崿F(xiàn)低功耗的同時保證用戶體驗也是一個挑戰(zhàn)。除此之外，隨著智能設(shè)備朝著小型化和多樣化的方向發(fā)展，MEMS麥克風射頻干擾、微型化仍需提升。最后，相比傳統(tǒng)的ECM，MEMS麥克風的成本依舊沒有優(yōu)勢。

技術(shù)指標之外仍需考慮設(shè)計結(jié)構(gòu)及生產(chǎn)方式 算法更為關(guān)鍵

董愷表示，MEMS 麥克風陣列對麥克風的性能要求很高。不過，除了器件本身特性外，麥克風算法才是產(chǎn)品能否被接受的關(guān)鍵。例如，環(huán)境噪音的過濾，MEMS麥克風就需要通過與深度神經(jīng)網(wǎng)絡(luò)（DNN）、機器學習等技術(shù)的融合。很難去評判到底多少個麥克風會更合適麥克風陣列，產(chǎn)業(yè)內(nèi)的各家芯片公司、算法公司均推出了自己的陣列方案，不同的硬件和算法的搭配也推出了不少優(yōu)秀的智能音箱產(chǎn)品，因此麥克風數(shù)量的選擇還取決于方案商產(chǎn)品的設(shè)計、定位、具體應(yīng)用場景等。涉及到波束成形、關(guān)鍵字喚醒等功能的實現(xiàn)，更多依賴于語音算法公司。

MEMS麥克風未來將融合DSP 朝智能化方向發(fā)展

MEMS麥克風的應(yīng)用趨勢是始終開啟，就像耳朵一樣，要保持一直打開的狀態(tài)。融合DSP的意義在于，簡單算法麥克風自行處理，并且滿足低功耗的要求。ST和DSP Group推出集成關(guān)鍵詞喚醒的MEMS麥克風，幫助客戶解決低功耗麥克風低功耗的挑戰(zhàn)，該麥克風在微型系統(tǒng)封裝(SiP)內(nèi)集成意法半導體的低功耗MEMS麥克風、DSP Group的超低功耗語音處理芯片和 Sensory的語音識別固件，利用意法半導體的先進封裝技術(shù)取得了非常好的輕量型封裝、極長的續(xù)航時間和先進的功能。

隨著MEMS麥克風成本的下降，智能音箱麥克風陣列選擇MEMS麥克風已經(jīng)是趨勢，并且MEMS麥克風市場目前發(fā)展很好，正在進行多領(lǐng)域開發(fā)。

對于未來MEMS麥克風更多的應(yīng)用場景，董愷認為車載市場將會是另一個MEMS麥克風爆發(fā)的應(yīng)用。汽車操作系統(tǒng)聯(lián)網(wǎng)化，提供豐富應(yīng)用的同時對汽車的人機交互界面也提出了新的需求，語音作為最自然、安全的人車交互方式，必將主導汽車內(nèi)的交互方式。他同時表示未來幾年MEMS麥克風市場會持續(xù)保持增長勢頭，同時新的競爭對手入場導致市場競爭也會更加激烈。