中國AI語音芯片現(xiàn)在處于什么階段

自去年的中興事件，到今天的中美貿(mào)易爭端，有一個詞始終處在輿論風暴的中心：芯片。

圍繞著這個信息社會的基礎、讓人愛恨交織的人類技術結(jié)晶，今天可能隨便拉一個中國人，都能跟你聊上一陣“卡脖子”、稀土、全球產(chǎn)業(yè)鏈、“實體名單”。

然而一般來說，如今大家經(jīng)常提到的芯片是指一套計算設備最底層的CPU、GPU等等。而事實上芯片的種類千變?nèi)f化，今天處在中美貿(mào)易爭端和全球技術變局中的芯片也遠不止這些“基礎款”。

比如說我們每天都在用，但日常卻并不會給予太多關注的“語音芯片”。它的技術升級和貿(mào)易地位，其實也已經(jīng)悄然來到了風口浪尖上。

聲音背后，也藏著不少關于芯片的秘密。

躲在聲音背后的小芯片與大國貿(mào)易

所謂語音芯片，或者叫語音IC，是指一臺電子設備中負責發(fā)出聲音、收錄聲音的處理模塊。

事實上，這東西在你的家中可謂無處不在。大到電視、電腦、音響，小到手機、錄音筆、音樂播放器，甚至電磁爐、冰箱、洗衣機發(fā)出的那一聲“滴”，背后也都需要專門的語音芯片來進行控制。

這個領域聽上去沒什么技術含量，畢竟今天哪個設備還不會響呢？但事實上，其背后的設計技術和定制化生產(chǎn)能力，加上龐大的應用數(shù)量附帶的低成本要求，多種因素導致了今天中國的語音芯片市場還是主要依靠進口。

目前，國內(nèi)語音芯片市場需求中，只有16%左右可以由國內(nèi)廠商來滿足。我國每年要進口超過2000億美元的語音芯片產(chǎn)品，這個數(shù)字超過了我國每年原油進口總額。

如果我們把這個情況帶入今天的中美貿(mào)易爭端大背景中，不難發(fā)現(xiàn)這又是一個并不安全的“卡脖子”產(chǎn)業(yè)。由于大量依賴進口，缺乏底層設計技術和大規(guī)模量產(chǎn)能力，語音芯片一旦被卷入貿(mào)易莫測，很可能對半導體行業(yè)，甚至整個電子產(chǎn)業(yè)帶來連鎖反應。

為了擺脫產(chǎn)業(yè)鏈下游的地位，這些年來中國相關產(chǎn)業(yè)也在進行一系列行動。比如大規(guī)模收購美國和歐洲的語音芯片企業(yè)與專利技術，但類似收購經(jīng)常被各種因素打斷，流產(chǎn)率遠大于成功率。

另一方面，今天大陸市場購買的語音芯片，其實大部分產(chǎn)自日本、韓國和中國***地區(qū)。在中美貿(mào)易戰(zhàn)的大背景下， 穩(wěn)固和發(fā)展與這些國家和地區(qū)的產(chǎn)業(yè)聯(lián)動關系，也就變得相對重要。

這一領域人才的流動，近些年也成為大陸發(fā)展語音芯片的新動向。比如隨著***地區(qū)經(jīng)濟發(fā)展放緩，大量***的語音芯片人才選擇來大陸工作，客觀上成為推動大陸發(fā)展自身產(chǎn)業(yè)鏈的推助劑。

然而在眾多因素中，目前最有可能改變語音芯片全球貿(mào)易結(jié)構(gòu)的，其實還是新技術的崛起。從AI到5G，這些我們耳熟能詳?shù)拿直澈?，語音芯片迎來了不小的“變數(shù)”。

從AI到5G的跳板

我們知道，傳統(tǒng)意義上的語音芯片只負責錄音和播放聲音，其主要難度在于傳輸準確率、信號穩(wěn)定性等方面。而這兩年一個新崛起的市場，卻讓“古老”的語音芯片，看到了變化的可能。

那就是AI和智能音箱。2018年，全球智能音箱出貨量達到了5600萬臺。而這也意味著數(shù)以千萬計的芯片市場。

在最開始，智能音箱產(chǎn)品也是用通用CPU來完成計算任務處理的，而這個方式很快暴露出了弊端。由于音箱產(chǎn)品中需要CPU處理的任務并不多，其能效絕大部分都被浪費掉了，而消費者卻要承擔不小的成本。很快行業(yè)達成了共識，專用的AI語音芯片應該是智能音箱的標準配置。

而與傳統(tǒng)語音芯片相比，AI語音芯片主要的不同，是必須增加語音識別功能。而這涉及到對AI算法的理解，聲音文件的高度壓縮，以及與麥克風陣列的新型控制關系等等。這些能力涉及多個學科，是原本語音芯片中并不會涉及到的全新功能。而新的需求帶來的好消息是，行業(yè)中公司不分大小，國家不問西東，又來到了差不多相同的起跑線上。

而假如這個市場里，僅僅有一年幾千萬臺音箱。那么與全球整體語音芯片市場相比，其實不過是滄海一粟。真正讓AI技術在語音芯片市場中，引發(fā)更高想象力的因素在于5G。

我們都知道，5G的目標在于產(chǎn)業(yè)和行業(yè)應用，讓大量物聯(lián)網(wǎng)設備接入大帶寬低延遲的網(wǎng)絡。然而讓這些設備接入網(wǎng)絡其實是沒啥用的，至少是用處非常有限。真正5G的價值，是讓物聯(lián)網(wǎng)設備可以接入智能交互，讓物聯(lián)網(wǎng)體系可以讀懂人類需求，并基于5G網(wǎng)絡帶來的實時互通帶來整體價值提升。

舉個例子，給家里的空調(diào)連上網(wǎng)，這本身沒有什么價值，反正也沒有人爬到空調(diào)那上網(wǎng)。最多不過能讓人遠程控制空調(diào)，而這多半是個雞肋功能。但是如果給空調(diào)加裝AI，讓人類可以語音控制空調(diào)，并且讓空調(diào)理解主人比較復雜的需求，比如“我肩膀有點冷腿有點熱”，那么物聯(lián)的不可替代性就出現(xiàn)了。這里的人機交互能力來自于AI，而網(wǎng)絡基礎建設于5G。

順著這個邏輯向下推演，意味著雖然今天音箱是AI語音芯片的核心市場，但未來可能會讓無數(shù)電子設備都需要AI語音芯片。甚至于是否有這樣的可能，今天我們其實已經(jīng)習慣了所有屏幕都是觸屏，有一兩塊非觸屏都要在旁邊寫清楚。而未來可能每一塊語音芯片都需要是AI語音芯片——人類需要每一個設備都不只能發(fā)生，而是能交流，能理解。

如果這個邏輯成立的話，那么語音芯片產(chǎn)業(yè)鏈將面臨大規(guī)模洗牌，只能生產(chǎn)傳統(tǒng)語音IC的企業(yè)將無法立足。今天處在產(chǎn)業(yè)變局的原始階段，同時也是中國語音芯片產(chǎn)業(yè)，變革自身產(chǎn)業(yè)鏈位置的最大機會之一。

當然，瞄準這個機會的并不只有中國公司，但至少大家的機會是相對來說均等的。在此刻，已經(jīng)有幾路人馬殺奔了AI語音芯片這個剛剛有興起苗頭的市場。

首先是芯片廠商們。隨著智能音箱的崛起，抓住機會的芯片廠商又迎來了一輪增長。目前獲利最多的是***地區(qū)的聯(lián)發(fā)科，在全球智能音箱芯片中占據(jù)了超過70%的市場份額。而大陸的杭州國芯、晶晨科技等芯片企業(yè)也在發(fā)力這一領域。

一般來說，芯片廠商的優(yōu)勢在于AI語音芯片其實并不需要特別難的技術門檻，而且對量產(chǎn)能力和成本把控能力具有相當強的要求，這些都是芯片企業(yè)的強勢。而對于新技術的理解，尤其是對AI算法的融合，則成為了芯片廠商的短板，因此與AI公司的合作往往成為了今天的主流。

另一方面，國內(nèi)那些著名的AI獨角獸也在奔赴AI語音芯片的路上?？拼箫w訊、云知聲、出門問問等公司都推出了自己的語音芯片計劃。AI公司的優(yōu)勢很明顯是在對軟件層的理解，比如對聲音建模、NLP、語義理解等方面，獨角獸們往往各有秘籍。另一方面，由于行業(yè)普遍人為算法公司的業(yè)務太“輕”，很難在未來獲得長時間發(fā)展，所以今年的主流故事是算法公司紛紛走向芯片和硬件，把算法集成在芯片中，在產(chǎn)業(yè)上游卡住身位。這一點也加強了AI公司進軍芯片的動力。

但是AI公司在芯片上的弱勢也是顯而易見的。AI語音芯片并不是個高凈值產(chǎn)品，往往必須依賴大量生產(chǎn)和大規(guī)模出貨才有可能盈利。而在集成化和工程能力上，AI公司顯然處于弱勢。目前AI獨角獸們的語音芯片計劃，更多還停留在對量產(chǎn)的肯定與承諾中。

還有一個必然出現(xiàn)的玩家，就是巨頭們。Echo的主人亞馬遜已經(jīng)在去年3月公布了自己的AI語音芯片計劃。有理由相信，熱衷于造AI芯片的巨頭們不會放過這口蛋糕。目前，谷歌、蘋果等公司都有深入AI語音芯片的可能性。國內(nèi)華為、百度、阿里，也都或多或少傳出了類似消息。

而這里需要注意的是，AI+5G+IoT的組合，雖然打開了語音芯片的新想象力。但是在這個邏輯里，未來能占據(jù)廣泛市場的芯片模式，絕不是今天智能音箱芯片的模樣。語音芯片本身，變化才剛剛開始。

AIoT道路上的未來語音芯片

基于上文描述的邏輯，未來語音芯片的變革機會，將基于新網(wǎng)絡條件下的大批量、全場景設備擁抱AI。那么符合這樣邏輯的語音芯片產(chǎn)品事實上還沒有出現(xiàn)。而從這個角度看，行業(yè)的準入證依舊沒有停止發(fā)放。

從今天音箱中的AI語音芯片，到未來無處不在的AIoT語音芯片，有這樣幾條變化之路才剛剛開啟：

1、三低芯片。

所謂三低，是指低成本、低功耗，低時延。5G時代的物聯(lián)網(wǎng)設備，理論上來說應該是可以長時間待機，盡量貼近可移動化的。因為設備將部署在海量并發(fā)場景，這也就讓語音芯片的基礎要求是足夠省電和足夠便宜。理想中下一個階段的語音芯片，是能夠隨時保持等待喚醒，但在等待喚醒狀態(tài)下極低能耗的。未來的物聯(lián)網(wǎng)芯片、語音芯片、視頻處理芯片，其實很大一部分競爭將圍繞三低展開。

2、云邊端一體化。

云端一體，這個詞估計大家也都聽膩味了。但是沒有辦法，客觀來說，如果我們希望一臺物聯(lián)網(wǎng)設備執(zhí)行復雜且實時化的交互和推理，那么它的內(nèi)部必將是本地計算、云端計算以及網(wǎng)絡條件高效配合的。而目前的智能音箱還停留在較簡單的AI任務層面，語音芯片不需要對云端任務有太強的理解和配合。而基于目前對未來的想象，本地語音任務處理，一定會與云端高效配合，這要求芯片對云端的理解必須加深。尤其在安全層面要求更好的解決方案。

3、能夠復雜排列與定制的芯片組合。

AIoT設想中，一個很重要的因素在于單一場景的智能設備應用，可能是由大量不同能耗、不能功能、不同計算能力的設備組合而成的。比如在一家養(yǎng)殖場里，動物身上的語音傳感設備、圍欄柵欄的語音設備、監(jiān)控系統(tǒng)的語音交互能力，都需要不同的語音功能、語音硬件來完成。于是，這也要求語音芯片的規(guī)格和制式必須復雜多樣，能夠進行基于統(tǒng)一平臺的互聯(lián)互通。很有可能，接下來語音芯片廠商會更多與垂直行業(yè)相結(jié)合，在車聯(lián)網(wǎng)、智能家庭、智能醫(yī)療、城市安防等領域出現(xiàn)垂直于行業(yè)的語音芯片廠商。

4、多模態(tài)芯片的到來與崛起。

在AI技術向產(chǎn)業(yè)化的發(fā)展中，今天一個很明顯的趨勢在于，多模態(tài)AI能力正在明顯提速。尤其是將語音識別、語義理解，與機器視覺任務相結(jié)合的AI模型。如果想要讓類似任務計算效率達成最優(yōu)，那么在芯片端對多模態(tài)的加速就變得十分重要。也許未來我們需要的，是機器感官芯片，而非語音芯片或者多媒體芯片。

這些發(fā)展邏輯，各自對應了新的技術挑戰(zhàn)與變化機遇。毫無疑問，今天中國的AI語音雖然看起來紅火，但距離大規(guī)模量產(chǎn)應用，以及部分替代目前芯片進口需求還有十分漫長的路要走。

類似語音芯片的產(chǎn)業(yè)，在中國還有千千萬萬。我們只能勉勵發(fā)展、聚攏人才，并謀求在新的技術劇變中發(fā)現(xiàn)調(diào)換座椅的機會。

過去我們確實失去了很多，好在我們還能想象未來。