半年前，云知聲發布了首款面向物聯網的 AI 芯片雨燕(Swift);半年后，云知聲宣布了多模態 AI 芯片戰略，曝光了正在研發的三款 AI 芯片：第二代物聯網語音 AI 芯片雨燕 Lite、面向智慧城市的支持圖像與語音計算的多模態 AI 芯片海豚(Dolphin)，以及面向智慧出行的車規級多模態 AI 芯片雪豹(Leopard)。

　　從 2015 年芯片項目確立并搭建團隊「正規軍」，2017 年「造芯」項目進入攻堅階段，再到 2018 年 1 月做出第一個 MPW(多項目晶圓)，2018 年 5 月份做了發布首款芯片，6 月份啟動量產，9 月份發布了基于雨燕的開源方案，云知聲的腳步沒有停歇。緊跟著，芯片設計團隊從語音技術轉戰至圖像 IP 設計。

　　在經歷了 2018 年的商業化洗禮后，國內人工智能企業愈發重視技術和產品方案的完整性和普適性。當人工智能在應用場景的加速落地，AI 芯片的價值毋庸贅言，而「多模態」一詞開始被越來越多地提及。

　　商業變現更進一竿

　　隨著技術迭代和場景需求疊加，AI 芯片的邊界發生著微妙變化。2015 年云知聲決心做硬件時，專門為此在深圳設立分公司。一套完整的芯片開發過程相對漫長，期間不可避免地會涉及算法迭代，對芯片的研制速率造成影響。雨燕從設計到研發，直至最終量產，時間周期為 3 年。要保證 2015 年立項的芯片，仍適用于時下主流的算法，云知聲聯合創始人李霄寒并不否認這項任務的艱巨性。憑經驗對算法預判之外，團隊還要拿出勇氣和魄力唯此一搏。

　　作為云知聲的芯片品牌，「雨燕」是 UniOne 芯片矩陣中的初代產品，它圍繞智能家居和智能音箱等場景，集成 IoT 人機交互的各項技術，云知聲發布這款芯片時稱贊「雨燕」是以 1/10 的價格挑戰 50 倍的性能。

　　「第一代 AI 芯片雨燕的架構非常典型。云知聲做了兩件事情：一是專門設計的具備自主知識產權的高性能 DSP，做音頻數據處理，二是做面向音頻的人工智能數據/神經處理器。當把這個人工處理器集成進去以后效果是顯而易見的，相對于通用方案提升了 50 倍。在硬件設備方面，因為這個芯片是高度集成的，所以外圍的線路使得很大的成本降低三分之一」，他說。

　　黃偉表示，云知聲在芯片上下足了功夫，為 B 端客戶提供了一套完整的解決方案。其不僅利用人工智能引擎對「雨燕」進行調優，還專門為硬件產品設計 app。客戶即買即用，無需再找其他供應商，這是云知聲今后芯片提供銷售服務模式。

　　去年 9 月，云知聲推出了基于「雨燕」的解決方案，并進行開源，正式推出正對智能家居和智能音箱場景下的解決方案。截至目前，基于「雨燕」的全棧解決方案已導入的各類方案商及合作伙伴已超過 10 家，包括美的、奧克斯、海信、京東、360、中國平安、硬蛋科技等，相關產品有望在今年第一季度上市。

　　「在 2015 年的這個時間點，我們真心沒有想過 2018 年我們會推出自研芯片，不光做出來而且還賣出去了�！裹S偉透露，云知聲 2018 全年數億元的營收較上年 3 倍的增長，幾乎全部仰仗于芯片的功勞和正確的商業化路徑，預計在 2019 年營收再翻 2-3 倍。而看似幾個億的營業額背后，實則撬動了幾十億甚至上百個億的產值。

　　另一場革命

　　在 2012 年公司成立之后，同年 9 月云知聲就推出了語音識別功能，專門面向端云互動。經過 6 年多發展，云知聲已經擁有成面向物聯網單日用量達到 5 億次的云平臺，并為平臺開發了 ADPC 模式，它是云知聲 AI 深度處理的核心。

　　2014 年初，團隊把語音識別技術分別切入到「AI 生活」和「AI 服務」兩個場景中。很快，算法平臺化的雛形初現，創始團隊很快意識到，光有能力是不夠的�！杆懔�和算法的融合，同理于技術與場景結合」，于是云知聲便有了「云端芯一體化」的產品技術架構。

　　當云、端、芯被認作物聯網產品端的三要素，云知聲立即展開對 IDM 產品的開發，并于在 2015 正式量產，出貨量呈規模性增長。

　　與此同時，2015 年，云知聲遭遇來自業務端的「戰術端的挑戰」，主要有兩方面：

　　第一是來自數據處理的挑戰。在跟用戶打交道的過程中，注定有大量新數據的導入，語音、頭像、手勢等數據需要處理，深度互聯對算力的要求更高。追求高效就要采用基于深度神經網絡的算法，這意味著云知聲需要在終端提供更加充分的算力。

　　另外一個約束來自成本。為解決算力問題，云知聲不得不采用更好的算法，導致了成本大幅提升，這對于硬件來說十分敏感。成本之外，更強的算力還意味著更多的功耗。非插電產品的「續航焦慮」指望電池性能得到提升顯然不現實。

　　那么主要矛盾如何化解?云知聲認為，基于深度學習的新硬件，即「邊緣側的人工智能芯片」勢在必行，這場「自我革命」是 2015 年芯片項目的整體思路。

　　眼下，只強調算法優勢的 AI 企業，很難再滿足 B 端客戶的場景需求，致使企業的市場競爭力和話語權逐步衰減。盡管云知聲創始人兼 CEO 黃偉接受采訪時沒有明確表態「不做芯片就會被淘汰」，但必須承認，軟硬結合才是 AI 企業未來立足之根本。

　　在產品落地的過程中，算法和芯片二者不可或缺�！溉绻�市面上有適用的芯片還好，如果沒有我們就要造」，黃偉指出，「造芯」是云知聲的自我選擇。這不是它擅長的事，但云知聲還是做出來了。去年 5 月 16 日，云知聲把第一代 AI 芯片雨燕(Swift)擺在眾人面前。黃偉放言，即便是現在，「雨燕」的各項指標仍保持業內領先。

　　多模態的進擊

　　新年伊始，云知聲正在開發的 3 款芯片，會在年內投產上市。一款是面向語音場景的第二代 AI 芯片雨燕(Swift)-Lite，其主要特點是更加輕薄;另一款是面向智慧城市場景的多模態 AI 芯片海豚(Dolphin)，這款芯片是云知聲在 2019 年非常大的投入，繼承云知聲的 DeepNet2.0，它不僅僅支持雨燕的功能，還支持攝像頭、ISP、OD 和人臉識別;第三款是云知聲與億咖通科技合作推行的車載多模態 AI 芯片雪豹(Leopard)，它更加著重本地算力，提供本地語音搜索，無網絡的狀況下也可通過語音導航選址，并具備一定的圖像處理能力。

　　作為一家靠語音技術做強的公司，云知聲看到多模態場景的大勢所趨。2018 年，云知聲進入圖像領域，并投入了不少資源。李霄寒解釋，云知聲已經完全具備硬件平臺能力和分布式機器學習能力，以及數據高速處理和迭代能力。做這些事情不是興趣始然，而是為了滿足物聯網場景下，芯片設計的需要。

　　當前，云知聲圖像識別的準確率高達 99.8%。除人臉識別外，云知聲還有物體識別、表情分析、顏值分析、標簽化能力，這背后得益于 DeepNet2.0 的算力加持。

　　DeepNet 是云知聲開發的深度神經網絡處理器，DeepNet 1.0 面向語音技術，DeepNet 2.0 面向多模態，后者既支持圖像處理，同時支持語音處理。目前云知聲 DeepNet2.0 已在 FPGA 上得到驗證，其算力將在 AI 芯片海豚 Leopard 上得以體現。

　　較 1.0 版本相比，DeepNet 2.0 首先是兼容性更好，可支持 LSTM、CNN、RNN、TDN 等網絡;其次是支持可重構計算，DeepNet2.0 計算單元可以拼接應對計算模式，模式切換也可以快速組合，用單條指令來計算公式;第三是支持 Winograd，芯片做乘法的耗時遠遠高于加法，基于這一點，Winograd 把乘法耗時降低為原來的 1/2，進一步提升效率。

　　此外，李霄寒介紹了 AI 芯片在算法應用方面取得的新進展——「超聽限同向降噪技術」。所謂「超聽限」顧名思義，就是讓機器識別到人類聽覺范圍以外的聲音，而「同相降噪」可滿足在嘈雜的遠場環境下，保證芯片靈敏精準地捕捉到人聲。

　　云知聲現階段的目標明確，就是在物聯網技術面前，選擇某個重點場景切入，將算力和應用服務更好地結合。而李霄寒篤信，物聯網時代的重要命題，是將「能力下沉到設備端」。

　　展望未來的物聯網 AI 芯片的發展路徑，云知聲團隊一致認為，連接方式、安全性、PPA(Power，Performance，Area)是核心。但 AI 物聯網芯片僅僅考慮這三要素還不夠，場景化、多模態、端云互動這三大方面將深刻地影響 AI 芯片的設計、定位、成本、功耗和芯片需求。