成立于2012年的云知聲，是一家專注于物聯(lián)網(wǎng)人工智能的公司。2014年，云知聲提出“云端芯”一體化戰(zhàn)略，今年5月發(fā)布了首款面向物聯(lián)網(wǎng)的AI系列芯片“UniOne”，并宣布開源全棧語音交互方案。

在11月4日甲子引力大會上，云知聲創(chuàng)始人兼CEO黃偉做了主題為《 AI芯片在物聯(lián)網(wǎng)產(chǎn)業(yè)升級中的應(yīng)用價值》的演講，講述了云知聲如何一步步看到AI一體化、端到端打通的大趨勢。

在這篇演講中，黃偉主要分享了以下3個方面的內(nèi)容：

1.互聯(lián)網(wǎng)從 PC 到Mobile再到AIoT時代的演變過程。

2.AIoT 落地的典型挑戰(zhàn)及云端芯戰(zhàn)略。

3.云知聲 AIoT 產(chǎn)業(yè)化歷程及成果。

黃偉認為，新一代人機交互革命引領(lǐng)的萬物智能時代已經(jīng)到來。

關(guān)注甲子光年，在后臺聊天窗口回復(fù)“黃偉”，獲得《AI芯片在物聯(lián)網(wǎng)產(chǎn)業(yè)升級中的應(yīng)用價》報告PPT完整版。11月4日甲子引力大會的其他主講嘉賓稿件和PPT將在本號陸續(xù)發(fā)布，敬請期待。

AI芯片在物聯(lián)網(wǎng)產(chǎn)業(yè)升級中的應(yīng)用價值

主講人：云知聲創(chuàng)始人兼CEO黃偉

前面?？饪傊v了未來10年投資什么硬科技。過去很長一段時間我們投什么？共享經(jīng)濟。今天除了留下一批單車還留下什么？中興事件時，我發(fā)了一個朋友圈：靠送外賣永遠贏得不了競爭。

接下來，對于中國經(jīng)濟內(nèi)生的變革，包括我們?nèi)绾乌A得未來的競爭，科技格外之重要。

無論是媒體還是資本方，都跟我講過一句話，你應(yīng)該專注，應(yīng)該只做一點。為什么要做那么多？我很難跟他們解釋，但是我認為，對的事情就應(yīng)該堅持。

今天我看到AI一體化、端到端打通，跟我自己的切身體會非常一致。接下來我就講講在產(chǎn)業(yè)界真正的實踐。

我今天主要介紹云知聲通過AI芯片在物聯(lián)網(wǎng)產(chǎn)業(yè)應(yīng)用的價值。這一張PPT就一句話，既是緒章也是結(jié)論：新一代人機交互革命引領(lǐng)的萬物智能時代已經(jīng)到來。

這張圖相信大家在很多場合看到過，過去我們從PC時代進入Mobile時代，今天我們已經(jīng)進入AIoT時代。

我第一次用鼠標是大二，第一次上網(wǎng)是1998年，那時我們開始進入PC時代。但那時我們是通過打開一個IE，在IE里面用輸入法輸入網(wǎng)址，獲得人和信息世界的交互。鼠標和鍵盤使我們能方便地在IE框里輸入信息。

2004年畢業(yè)后，我的第一份工作是在摩托羅拉做手機。當年我們做手機時，三星應(yīng)該算是三線品牌，基本上是第三流的，蘋果只是一個小公司。但是今天我們看到，2010年開始進入移動互聯(lián)網(wǎng)時代，那年全球智能手機出貨量達到千萬級別，小米成立。

我自己會把2010年作為世界移動互聯(lián)網(wǎng)的起點。變化來得非?？?。我們今天看到地球上不光誕生了阿里、騰訊這樣幾千億美元市值的公司，也誕生了像蘋果這樣市值接近一萬億美元的公司。

回過頭看，為什么Mobile相比PC獲得那么大增長？以前在PC時代，我們到網(wǎng)吧才打游戲，進入移動互聯(lián)網(wǎng)時代，我們可以坐在馬桶上打游戲。我們可以看到，設(shè)備數(shù)量的增加，以及場景的遷移、多樣化，產(chǎn)生了巨大的化學(xué)變化。

想象一下，進入AIoT時代后，我們身邊任何一個設(shè)備，可能一個麥克風、一個燈泡、一個音箱，所有事物都是聯(lián)網(wǎng)的、智能的。這會給整個社會帶來什么改變？很多時候，這些底層技術(shù)改變的不止是某一個產(chǎn)品的品類，它們改變的是我們的生活方式，是我們的社會組織形態(tài)。以五年、十年為單位計算的話，這些才是真正的重大變革。

越來越多的設(shè)備連接到云端，聯(lián)網(wǎng)的目的是什么呢？顯然不是為了給供應(yīng)商貢獻更多流量，給中國移動多付點錢。我們希望聯(lián)網(wǎng)后，通過各種不同的終端，在不同場景里獲得更多場景化的服務(wù)。聯(lián)網(wǎng)后，這種服務(wù)需要交互，需要AI化。同樣的，所有的AI能力，不管是做的還OK，還是說離應(yīng)用有差距，都需要在場景里面落地，從而往前演進。

所以，物聯(lián)網(wǎng)需要AI化，AI要在互聯(lián)網(wǎng)落地，是一個雙向而行的過程。我們會看到這個過程越來越近。我曾經(jīng)在美國Nuance工作過，這個公司以前有三大業(yè)務(wù)，手機、汽車和醫(yī)療。今天，面對互聯(lián)網(wǎng)巨頭的夾擊，手機和汽車業(yè)務(wù)受到的沖擊非常大，醫(yī)療卻守得非常穩(wěn)。

創(chuàng)業(yè)初期我也想過，我們能不能通過AI給醫(yī)院賦能？這個想法產(chǎn)生是在2012、2013年，當時醫(yī)院沒有完全信息化，很多醫(yī)院沒有聯(lián)網(wǎng)，沒有聯(lián)網(wǎng)時不需要AI。而且當時我們這些技術(shù)公司，能提供的AI能力也并沒有那么好。比方說，我們當時做語音識別，那時中國一流的語音識別準確率不過90%左右，說一百個字有10個是錯的，考慮大量專業(yè)術(shù)語恐怕還不止。這個時候你想去賦能，其實根本就不是賦能了，不僅沒有給醫(yī)生提供幫助，反而給醫(yī)院添亂。很多時候，我們選擇什么樣的場景、使用什么能力，取決于時機和當時的能力水平。

2012年，我們成立時給公司取名云知聲，英文名叫Unisound。云是云彩的云，知是知道的知，聲是聲音的聲。我們?yōu)槭裁唇性浦?？我們希望利用云端的技術(shù)能力，通過感知和認知的技術(shù)，感知聲音世界，這是我們當時就叫云知聲的原因。2012年，中國并沒有真正意義的云計算，那個時候我們能夠提供的只是網(wǎng)盤，也就是云存儲。但我們相信未來很多服務(wù)、很多算法、很多算力都在云端。

為什么選擇從聲音切入呢？因為語音和語言是整個人工智能皇冠上的明珠。今年4月份，我在美國參加活動時看見，在中國跟美國的創(chuàng)業(yè)圈，人工智能都非常熱，但是重點略有不同。在美國的人工智能創(chuàng)業(yè)圈，無論估值還是關(guān)注度，重點更多在語音語言類，或者自動駕駛這些團隊，而我們國內(nèi)比較關(guān)注安防，這是不同的場景。但從美國的機構(gòu)和媒體關(guān)注的方向上，我們會看到，語音和語言確實是未來非常重要的方向。因為考慮到成本，很多AloT設(shè)備沒有屏幕，可能連攝像頭也沒有。

而且人之所以成為人，是因為在過去幾十萬年的進化過程中，我們創(chuàng)造了語言。每個動物都有眼睛，包括蒼蠅，但它們?yōu)槭裁礇]有進化成智慧生物？是因為人有語言。通過語言，我們能夠把很多人高效地組織在一起。通過語言，知識可以傳遞、繼承，這是非常非常重要的一點。第二點，今天語音和語言技術(shù)有很多局限性，但相比較來說，這塊還是相對成熟的。比方說，今天的語音識別，不僅可以做近場識別，也可以做遠場識別，甚至能識別出是你是男是女，是什么年齡階段，在這個房間的哪個位置。基于這些，我們認為從語音切入AIoT需求，是一個比較合理的點。

其實今天所有的AI團隊在談到落地時，都面臨巨大的挑戰(zhàn)。2012年我們剛創(chuàng)業(yè)時，面臨的挑戰(zhàn)是什么呢？

首先是今天的主題，to B。今天，我看到大家很多人在談?wù)搕o B。但在2012年，說云知聲做to B時，很多投資機構(gòu)會覺得你不夠性感。你為什么做to B呢？不止一個投資人跟我說，老黃你要做APP的話就投你。但是我做APP干嗎呢？通過這些機構(gòu)媒體的反饋，你們可以想象到，AI當時的落地非常不順利。大家的認知還沒到，那個時候大家對to B的關(guān)注，完全不像今天大會上這樣。

其次是AI技術(shù)的成熟度。2016年通過阿爾法狗，大家才知道深度學(xué)習。我們在2012年就開始做深度學(xué)習了。但是從2012年到2016年，包括到2018年，很多技術(shù)依然不夠成熟，不夠完善。

甚至還有一個問題，技術(shù)難道就是用戶想要的嗎？前面浩哥說一定要全棧，一定要端到端打通，什么叫全棧，什么叫端到端打通，不同人的理解不同?？赡苡腥苏f，你把語音識別做到99.5%就好了，但是有用嗎？沒有用。不同時間段，大家對一個問題的理解不一樣。我們也面臨這個問題。我們怎樣把我們的能力很好地跟客戶需求結(jié)合在一起呢？

我先講一下，如果大家真正去開發(fā)一個技術(shù)，真正希望這個技術(shù)能夠創(chuàng)造價值，會面臨哪些問題。

第一是終端的碎片化。什么叫IoT? Internet of things，甚至Internet of everything。從PC到Mobile都是高度標準化的設(shè)備，PC基本上都是英特爾芯片，Windows的操作系統(tǒng)。Mobile基本上要么蘋果，要么安卓。但是AIoT設(shè)備非常多元化，有音箱，有冰箱，有空調(diào)，各種各樣。這些設(shè)備的碎片化，會給你帶來巨大的挑戰(zhàn)。怎樣用一個產(chǎn)品，用一個方案滿足不同場景中的不同客戶？即便在同一個產(chǎn)品形態(tài)里，大客戶和小客戶也會對你提出不同的需求。

第二是分散的供應(yīng)商。那些讓我專注做一件事的朋友，出發(fā)點是好的，但他們沒有意識到，時代已經(jīng)變了。PC時代，公司做一個網(wǎng)站就可以了，一個網(wǎng)站搞定所有事情。那個時候很多人通過幫公司做網(wǎng)站賺到了第一桶金。到Mobile時代，做一個網(wǎng)站肯定不夠了，你至少還要做APP，做各種應(yīng)用市場的分發(fā)、推廣和宣傳。Mobile時代，我們每個公司工作的復(fù)雜度已經(jīng)超過PC時代。而在AloT時代，設(shè)備變得更加碎片化、場景化，供應(yīng)商也非常分散。分散的供應(yīng)商加重了終端廠商的時間、財力成本。你如何用更短的時間、更低的成本，給客戶提供更多方案，決定你能不能在市場上生存。今天我們的目標肯定是希望更快更好，但現(xiàn)實中的結(jié)果往往更分散、更慢。

第三是不可控的產(chǎn)品體驗。我們今天已經(jīng)進入AIoT時代，但很多產(chǎn)品經(jīng)理依然在用互聯(lián)網(wǎng)時代的思維做產(chǎn)品。他沒有意識到，今天場景的碎片化，已經(jīng)給我們帶來很多挑戰(zhàn)。很多產(chǎn)品經(jīng)理依然希望把一個東西打散，找N家供應(yīng)商，絲毫不顧忌供應(yīng)商是黑盒子。比如說做一個云交互的設(shè)備，里面有很多環(huán)節(jié)，包括語音降噪，理解，合成，知識圖譜等，有的產(chǎn)品經(jīng)理會把這個過程拆成七八個鏈條，每個鏈條找三個供應(yīng)商過來，相當于十幾個陌生人在一個房間里做一件事情，你不知道我在干嗎，我也不知道你在干嗎。

第四是TTM（產(chǎn)品上市周期）無法保證。因為鏈條很長，供應(yīng)商很多，產(chǎn)品的復(fù)雜度大大超過從前，我們要反復(fù)去調(diào)，去測試，就會造成TTM非常長，團隊的開發(fā)成本很高，你的客戶使用成本也很高。這會影響客戶對這件事情的決策。我們一直在講要搞定決策人，如果這個事你跟對方老大說兩個禮拜我給你搞定，老大可能就馬上拍板了，跟他說這事我要半年、9個月，這事就黃掉了。能不能用更快的時間滿足需要很重要。

第五是如何在不同產(chǎn)品間快速復(fù)制。比較下to B和to C，to C可以快速拷貝，to B就是去做。但我的理解是什么呢？我理解to B有兩種做法。一種是項目to B，一個客戶給我提需求，搞一個團隊，充分理解用戶需求，搞到6-9個月，搬到另一個客戶那完全不成立。還有一種是產(chǎn)品to B。我們認為這是兩種不同的思維，對團隊的要求完全不一樣。用產(chǎn)品to B意味著需要用一個相對標準化的產(chǎn)品。它的技術(shù)能力和技術(shù)方案，能適應(yīng)大多數(shù)用戶比較共性的需求。這是比較難的，但一旦你做到了，你就可以快速在不同產(chǎn)品間復(fù)制。如果你做不到，注定是項目公司。你靠400人做1億收入，明年靠900人做到2億收入。因為人越多，內(nèi)耗肯定越多，效率會下降。

我前面講的，是自己真正體會到的，用to B的方式、用AI在場景中落地，面臨的五個最典型的挑戰(zhàn)。

2014年初，我們第一次對外提出我們的產(chǎn)品云端芯。我們相信，未來大多數(shù)計算能力、技術(shù)能力和服務(wù)能力，都發(fā)生在云端。端是什么？端就代表著各種不同品類的產(chǎn)品，包括智能音箱，包括有屏幕的，也包括沒屏幕的。但是所有的端都需要終端感知能力，都需要芯片。

在2014年初，我們就認識到，即便在不同場景中，云端芯都是必須要具備的能力。2016年，華為開始提出華為人工智能戰(zhàn)略——云端芯，和我們在兩年之前提出的一字不差。今天我們可以看到，幾乎所有公司，無論是BAT大公司，還是創(chuàng)業(yè)公司，大家基本上都在遵循這個原則：如果想滿足用戶需要，我們的方案、技術(shù)和產(chǎn)品，一定要云端芯一體化。

今天如果提供一個純粹的SDK，毫無疑問根本不能滿足用戶需要。以智能音箱為例，它是非常典型的、最小功能集的物聯(lián)網(wǎng)交互。首先，它具有感知能力，能知道你在說什么。其次，它還具有表達能力，通過語音合成、圖象或其他形象化方式，將內(nèi)容和信息傳遞給客戶。除此之外，它背后還有思考能力，能通過云深入理解用戶的意圖，通過帳號體系，把一個用戶在不同場景里的使用習慣混在一起，并通過用戶最接受的方式，把用戶所需要的內(nèi)容和信息反饋回去。這是三個簡單的能力。

我們有沒有可能在產(chǎn)品to B思維的模式下，從不同場景、不同客戶的需求中，從個性中找出共性？

你對著車說話，對著音響說話，對著手機說話，模式也許不一樣，但里面總歸有比較趨同的東西。能不能把共性的東西放進芯片，把相對個性化、需要定制開發(fā)的東西放在云端，這是我們幾年前開始思考的問題。

這個圖是我們2014年提出云端芯之后一步一步做的。

2012年我們有一個開放平臺，我們通過SDK的方式給客戶提供服務(wù)，2012年他們也在用我們的SDK。其實我們希望以云平臺為基礎(chǔ)，找出具有典型意義的場景，我們在這個場景里做一系列的終端產(chǎn)品，再將終端產(chǎn)品通過平臺連接在一起。先定義典型場景，在典型場景里滿足典型用戶的需求，將這些個性變成共性。共性的東西我們再通過芯片，大規(guī)模、低成本、高效率地實現(xiàn)萬物互聯(lián)。這是我們對云端芯一體化、如何在行業(yè)中落地的思考和行動路徑。

這是我們一步步做的一些事情。

我們在2014年初提出了云端芯一體化，同時拿出了一個芯片模組的原型，然后開始跟大的廠商對接，2016年開始量產(chǎn)，到今天我們這個芯片模組出貨量超過一百萬片。這是一個很典型的案例，我怎么樣去落地，它不是消費品，是工業(yè)產(chǎn)品，有更高的工藝要求。

我們在2016年開始量產(chǎn)，其實我們依然面臨很多問題。第一是邊緣算力要求。很多人問為什么你們自己做芯片？其實一開始我們不想做芯片，這玩意誰都知道很累，很燒錢，還可能失敗，我在做的時候，很多人投反對票，做芯片這件事情沒人給我提供任何融資幫助。大家都覺得這事做不成，也沒必要做，但在那個時間點，沒有任何一家芯片公司愿意跟你合作，為什么？因為這是一個新的市場。2014年，我們開始做芯片模組的時候，誰會相信今天格力美的空調(diào)會帶有語音功能呢？我自己做的話，我賣給格力、美的的芯片模組就會非常貴。我只能用在格力、美的非常高端的產(chǎn)品中。所以你必須開發(fā)出更高算力的芯片，而且有更低的成本，更好的性能，才能在產(chǎn)品里獲得更高出貨量。我們沒有辦法，只有一個選擇——自己做芯片。

2015年8月，我們自己組建了新團隊。好在2015年、2016年，芯片還不像今年被炒得這么火熱。2015年我在招團隊的時候，一個有15年芯片設(shè)計經(jīng)驗的工程師來面試，我問了他的薪水，感覺很辛酸。我說，這個行業(yè)工資怎么這么低，還不到我們一個普通安卓開發(fā)工程師的水平。今天你看這個行業(yè)的待遇翻了四倍五倍。2015年8月，我們組建了第一批芯片團隊，2016年開始啟動。期間我們花了差不多一個多季度的時間來做芯片的定位。

過了兩年，到今年1月15號，芯片正式出來。6月份芯片正式量產(chǎn)，9月份開了發(fā)布會。到今天我們已經(jīng)導(dǎo)入接近十家伙伴，包括像格力、美的這種很大的合作伙伴。

今天很多人開始意識到芯片的重要性，開始找人找團隊，用四倍五倍的薪水挖人做芯片的時候，我們的芯片已經(jīng)出來了，而且不是做demo的芯片，是真正可以量產(chǎn)的芯片。這個芯片是面向AIoT的AI芯片，剛才好未來楊總討論是往上走還是往下走，我的觀點是這兩點并不矛盾。

往上走是上九天攬月，往下走是下五洋捉鱉。未來一切東西都是在云端，區(qū)別是巨頭可能有很多服務(wù)，很多技能，而創(chuàng)業(yè)公司可以在場景里有獨特的技能，但是這個技能一定是在云端的。相比巨頭，我們的優(yōu)勢是什么呢？我們對場景的理解更加深入，在場景里能夠端到端整合的能力更強，我們有芯片，我們可以在場景里提供更好的服務(wù)，這就是我們對整個云+芯的理解。

我們的芯片用很低的成本，將計算能力提升了差不多50倍以上，帶寬利用效率提升了20倍以上，所有指標都比以前有很大提高。基于這個芯片，我們的成本是賣給客戶模組的幾分之一。即使我明年的售價只是之前的幾分之一，毛利率依然會大幅提高，這就是芯片給行業(yè)帶來的巨大變革。

我們很自豪的一點是什么呢？行業(yè)里很多人還沒意識到時，我們意識到了，而且做了。通過對行業(yè)的深刻理解，通過平時養(yǎng)成的深度思考能力，一個團隊的CEO必須具備看到未來的能力?？吹轿磥砗螅酉聛砟阋鍪裁茨?？只有一件事情，就是堅持。當你知道未來在哪里時，選擇已然不多。做芯片我們想得很清楚，只能這么做，如果不這么做的話，今天搜狗也做語音，BAT也做語音，我做到99.5%，他們做到99.2%，又如何呢，他們分分鐘把我干掉。我只有比巨頭對行業(yè)的理解更深入，比巨頭拿出更完整的解決方案，才有可能在未來生存和發(fā)展。

這個芯片的價值大家應(yīng)該很清楚了，它降低了客戶對這個行業(yè)、對這個產(chǎn)品的基礎(chǔ)調(diào)研成本。9月份我們的芯片剛出來，現(xiàn)在導(dǎo)入的客戶就接近十家。這放在過去不可想象。因為我們使用一個高度標準化的產(chǎn)品，降低了客戶的調(diào)研成本，降低了決策周期，縮短了產(chǎn)品投向市場的周期。而且我們用更低的成本、更好的性能，減少了人力資源的投入，客戶不需要投入很多人。今天把這些高度標準化在一個芯片里面，客戶拿芯片做就可以了，而且原代碼都開源。

我們的芯片能應(yīng)用在不同的場景中，包括智能音箱、家電。智能音箱和家電的控制技術(shù)指標要求完全不一樣。比方說，用戶在家聊天時，音箱可能響了，把大家逗笑了，但格力、美的不允許空調(diào)被誤喚醒了，把客戶凍感冒了。我不知道現(xiàn)在BAT哪家音箱耐得住85度高溫，耐得住85%的濕度，耐得住高壓靜電，但是在家電行業(yè)必須滿足。

回顧一下我們云端芯的產(chǎn)業(yè)化落地過程。公司到今天為止六年，每個階段很清晰，但是你要說2012年規(guī)劃好了公司，我不知道，我只知道大概的方向。過去六年唯一做的是每年離那個目標更近一步。我們回頭看的話，可以分為三個階段：第一個階段做了技術(shù)團隊最擅長的事情，我們2012年做了深度學(xué)習；在沒有云計算的時候，我們把AI作為云服務(wù)能力開放出來；上完天了，我們要落地，接著我們用云端芯去落地。

我們相信未來真正的云交互不應(yīng)該再拿著麥克風，不應(yīng)該拿著一個手機，我一直覺得回到家通過手機開燈是很愚蠢的行為，能不能一邊脫鞋子一邊說把臥室燈打開，主臥空調(diào)升到26度，干嘛拿手機。那個時候，我就認為真正的云交互應(yīng)該給用戶便捷，這種便捷應(yīng)該擺脫距離控制。

因為我們相信，所以我們就堅持。在所有人還沒有反應(yīng)過來的時候，我們開始做芯片模組，我相信這是未來。因為AIoT既有PC、Mobile，又有智能音箱這種新的品類，它依然有巨大的存量市場，空調(diào)每年有一億多臺的出貨量。我們相信，即使是這些存量設(shè)備的改革升級，市場也是很大的。包括今天新能源很火，我們發(fā)明汽車了嗎？沒有，汽車還是四個輪子，上面兩排沙發(fā)，把發(fā)動機換成一個電池組而已，難道這不是信息化、智能化嗎？很多時候，我們看行業(yè)不要看表面，要看更本質(zhì)的東西。

在家居行業(yè)，截止到今年，我們的芯片出貨量（家電和兒童機器人）超過300萬片。在汽車領(lǐng)域，我們在后裝市場的激活用戶，接近1800萬臺車。兩個月前，我們跟吉利成立了合資公司，我們的芯片會用在吉利的每臺車上。同一個月，上汽量產(chǎn)使用了我們賣給格力的芯片模組。大家能想到嗎，我這個芯片模組以前是給格力用的，怎么能用在汽車里面？這就是在場景里通過個性找共性。我不可能量產(chǎn)完之后，針對上汽專門做一個芯片模組。

我們就是拿著標準化的產(chǎn)品，在不同場景里切換。包括醫(yī)療，我相信AI+醫(yī)療是非常性感的業(yè)務(wù)，但很少有公司現(xiàn)在能在這個領(lǐng)域真正賺到錢。云知聲通過醫(yī)療語音產(chǎn)品，極大地提升了醫(yī)生的工作效率，如果大家有興趣去協(xié)和醫(yī)院，你會看到從門診大廳到住院部，他們在全系列地使用我們的產(chǎn)品。今天，使用我們產(chǎn)品的醫(yī)院大約有500家。也包括教育，我們也提供兒童的口語評測，每天日調(diào)用量達2.7億次。家里有孩子的，也許你們的孩子每天都在使用我們的服務(wù)，只是你不知道而已。