2018年人工智能（AI）行業(yè)成為了最受關(guān)注的熱點之一，不同場景的AI芯片層出不窮，成為了智能時代的“入場券”，大多數(shù)業(yè)者稱“得芯者得天下”，將2018年定義為“芯片元年”。

語音垂直應(yīng)用領(lǐng)域，“造芯”似已成為云知聲、出門問問、Rokid 、思必馳、科大訊飛從算法出發(fā)“軟硬兼施”一條必走之途，但也顯得語音AI市場變得異常競爭激烈。

在此背景下，2018年5月，云知聲推出首款物聯(lián)網(wǎng)AI芯片——雨燕（Swift），通過“唯快不破”的發(fā)展思路，很快在語音識別風(fēng)口中和科大訊飛比肩，并完成C輪1億美元的融資躋身國內(nèi)眾多AI獨角獸榜單中的一員。

而在2019年開年之際，云知聲繼續(xù)搶跑，于1月2日召開了“2019云知聲多模態(tài)AI芯片戰(zhàn)略發(fā)布會”，會上正式公布了其多模態(tài)AI技術(shù)，以及正在研發(fā)中的多款定位不同場景的AI芯片，包括實用性更廣的超輕量級物聯(lián)網(wǎng)語音芯片雨燕（Lite）、可面向智慧城市場景提供對語音和圖像等多模態(tài)計算支持的海豚（Dolphin），以及面向智慧出行場景的車規(guī)級芯片雪豹（Leopard）。以上三款芯片計劃于2019年啟動量產(chǎn)。

AIoT下的多模態(tài)演變之路

云知聲創(chuàng)始人兼CEO黃偉認為，5G與人工智能的結(jié)合將真正促使萬物智聯(lián)（AIoT）的落地與實現(xiàn)?？梢灶A(yù)見的是，未來巨量的多維數(shù)據(jù)（如語音、圖像、視頻等）集中處理與邊緣式分布計算的需求，勢必將進一步挑戰(zhàn)AI底層支持硬件——芯片的計算能力。

與此同時，AI應(yīng)用對于端云互動有著強需求。強大的云會讓端能力更強，而強大的端則可提升數(shù)據(jù)處理的實時性和有效性，進而增強云的能力。二者需要緊密結(jié)合，這要求對芯片設(shè)計和云端架構(gòu)進行統(tǒng)一考量。傳統(tǒng)的通用方案架構(gòu)由于在高實時性、高智能化場景中的算力有限，且無法平衡好成本、功耗、安全性等諸多現(xiàn)實需求，因此具備多維度AI數(shù)據(jù)集中處理能力的多模態(tài)AI芯片將成必由之路。

為實現(xiàn)多模態(tài)AI芯片的戰(zhàn)略落地，目前云知聲已在加速技術(shù)布局，并在機器視覺方面取得飛速進展。其中，面向機器視覺的輕量級圖像信號處理器已可實現(xiàn)在不依賴外部內(nèi)存的情況下，在30 fps的速率下實時對傳感器的圖片進行預(yù)處理，以進一步提高后續(xù)機器視覺處理模塊的處理速度和效果。借助基于人臉信息分析的多模態(tài)技術(shù)，已可實現(xiàn)人臉/物體識別、表情分析、標簽化、唇動狀態(tài)跟蹤等功能，可為產(chǎn)品交互和用戶體驗提供更多的可玩性和靈活性。

此外，云知聲發(fā)布多模態(tài)人工智能核心IP——DeepNet2.0，可兼容LSTM/CNN/RNN/TDNN等多種推理網(wǎng)絡(luò)，支持可重構(gòu)計算與Winograd處理，最高可配置算力達4T。目前云知聲DeepNet2.0已在FPGA上得到驗證，將在2019年落地的全新多模態(tài)AI芯片海豚（Dolphin）上落地。

直面思必馳、科大訊飛垂直領(lǐng)域競爭

語音識別與語義分析，這是人們比較能理解的人工智能應(yīng)用領(lǐng)域。雖然在這條起跑線上，云知聲后來追上，但不難發(fā)現(xiàn)，與其業(yè)務(wù)重合度較高的莫過于思必馳和科大訊飛兩家公司。

梳理之下可以看出，在產(chǎn)品線競爭上，云知聲圍繞智能家居、智能車載、機器人、智慧醫(yī)療和智慧教育等的五大領(lǐng)域四面受敵。

云知聲產(chǎn)品線中的智能家居方案、智能車載方案和機器人方案，直面與思必馳構(gòu)成業(yè)務(wù)重疊，競爭態(tài)勢強烈。據(jù)思必馳CMO龍夢竹曾介紹，思必馳車載語音在智能車載后裝市場占據(jù)約60%的份額，在智能后視鏡領(lǐng)域約為70%，HUD領(lǐng)域已高達80%。

在智慧醫(yī)療與智慧教育領(lǐng)域里，科大訊飛仍是擺在眼前的不小阻力。除了雙方均大力布局將語音轉(zhuǎn)成結(jié)構(gòu)化電子病歷系統(tǒng)與智能口語評測外，科大訊飛還在醫(yī)學(xué)影像輔助診斷和基于認知計算的輔助診療系統(tǒng)方面有所布局，并且根據(jù)科大訊飛2017年財報表示，其智慧教育產(chǎn)品已經(jīng)覆蓋全國15000余所學(xué)校，深度用戶超過1500萬，占總主營業(yè)務(wù)收入的25.54%。

因此，對于云知聲而言，面對行業(yè)里既有科大訊飛這樣的“老大”，又有不斷加碼人工智能投入的BAT等巨頭，由應(yīng)用場景來定義AI芯片的研發(fā)與產(chǎn)品形態(tài)無疑是其獨立發(fā)展的最佳路徑。

以語音病歷系統(tǒng)為例。醫(yī)生在說話時，能輕松地與電腦、iPad、移動查房設(shè)備等建立聯(lián)系；說話的內(nèi)容會被轉(zhuǎn)錄成文字并顯示在醫(yī)院專門的HIS、PACS、CIS等系統(tǒng)中。但是在醫(yī)療這個專業(yè)性非常強的領(lǐng)域，常規(guī)語音識別系統(tǒng)并不能完美勝任。

為此，云知聲針對醫(yī)院不同科室的業(yè)務(wù)進行了梳理，整理了超過30GB的醫(yī)療文本資料，并對這些資料進行分類、檢索等處理，使得定制語音模型覆蓋各個科室常用病癥、藥品名稱、操作步驟等關(guān)鍵信息，使語音識別準確率超過95%。同時，針對醫(yī)生的口音問題，云知聲提出了無監(jiān)督自適應(yīng)技術(shù)，提高對醫(yī)生口語的識別率。

所以，在這一輪人工智能風(fēng)潮的到來，最重要的是芯片定位。云知聲的做法是，針對細分客戶的需求做極致化服務(wù)，從算法公司的角度出發(fā)做芯片，軟硬結(jié)合打造出一個好用的芯片，欲成為語音交互佼佼者，同時希望推出語音AI芯片打造生態(tài)，從而實現(xiàn)價值的提升。