中國(guó)AI語(yǔ)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(zhēng)端，有一個(gè)詞始終處在輿論風(fēng)暴的中心：芯片。

圍繞著這個(gè)信息社會(huì)的基礎(chǔ)、讓人愛恨交織的人類技術(shù)結(jié)晶，今天可能隨便拉一個(gè)中國(guó)人，都能跟你聊上一陣“卡脖子”、稀土、全球產(chǎn)業(yè)鏈、“實(shí)體名單”。

然而一般來(lái)說(shuō)，如今大家經(jīng)常提到的芯片是指一套計(jì)算設(shè)備最底層的CPU、GPU等等。而事實(shí)上芯片的種類千變?nèi)f化，今天處在中美貿(mào)易爭(zhēng)端和全球技術(shù)變局中的芯片也遠(yuǎn)不止這些“基礎(chǔ)款”。

比如說(shuō)我們每天都在用，但日常卻并不會(huì)給予太多關(guān)注的“語(yǔ)音芯片”。它的技術(shù)升級(jí)和貿(mào)易地位，其實(shí)也已經(jīng)悄然來(lái)到了風(fēng)口浪尖上。

聲音背后，也藏著不少關(guān)于芯片的秘密。

所謂語(yǔ)音芯片，或者叫語(yǔ)音IC，是指一臺(tái)電子設(shè)備中負(fù)責(zé)發(fā)出聲音、收錄聲音的處理模塊。

事實(shí)上，這東西在你的家中可謂無(wú)處不在。大到電視、電腦、音響，小到手機(jī)、錄音筆、音樂(lè)播放器，甚至電磁爐、冰箱、洗衣機(jī)發(fā)出的那一聲“滴”，背后也都需要專門的語(yǔ)音芯片來(lái)進(jìn)行控制。

這個(gè)領(lǐng)域聽上去沒(méi)什么技術(shù)含量，畢竟今天哪個(gè)設(shè)備還不會(huì)響呢？但事實(shí)上，其背后的設(shè)計(jì)技術(shù)和定制化生產(chǎn)能力，加上龐大的應(yīng)用數(shù)量附帶的低成本要求，多種因素導(dǎo)致了今天中國(guó)的語(yǔ)音芯片市場(chǎng)還是主要依靠進(jìn)口。

目前，國(guó)內(nèi)語(yǔ)音芯片市場(chǎng)需求中，只有16%左右可以由國(guó)內(nèi)廠商來(lái)滿足。我國(guó)每年要進(jìn)口超過(guò)2000億美元的語(yǔ)音芯片產(chǎn)品，這個(gè)數(shù)字超過(guò)了我國(guó)每年原油進(jìn)口總額。

如果我們把這個(gè)情況帶入今天的中美貿(mào)易爭(zhēng)端大背景中，不難發(fā)現(xiàn)這又是一個(gè)并不安全的“卡脖子”產(chǎn)業(yè)。由于大量依賴進(jìn)口，缺乏底層設(shè)計(jì)技術(shù)和大規(guī)模量產(chǎn)能力，語(yǔ)音芯片一旦被卷入貿(mào)易莫測(cè)，很可能對(duì)半導(dǎo)體行業(yè)，甚至整個(gè)電子產(chǎn)業(yè)帶來(lái)連鎖反應(yīng)。

為了擺脫產(chǎn)業(yè)鏈下游的地位，這些年來(lái)中國(guó)相關(guān)產(chǎn)業(yè)也在進(jìn)行一系列行動(dòng)。比如大規(guī)模收購(gòu)美國(guó)和歐洲的語(yǔ)音芯片企業(yè)與專利技術(shù)，但類似收購(gòu)經(jīng)常被各種因素打斷，流產(chǎn)率遠(yuǎn)大于成功率。

另一方面，今天大陸市場(chǎng)購(gòu)買的語(yǔ)音芯片，其實(shí)大部分產(chǎn)自日本、韓國(guó)和中國(guó)臺(tái)灣地區(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(guó)家和地區(qū)的產(chǎn)業(yè)聯(lián)動(dòng)關(guān)系，也就變得相對(duì)重要。

這一領(lǐng)域人才的流動(dòng)，近些年也成為大陸發(fā)展語(yǔ)音芯片的新動(dòng)向。比如隨著臺(tái)灣地區(qū)經(jīng)濟(jì)發(fā)展放緩，大量臺(tái)灣的語(yǔ)音芯片人才選擇來(lái)大陸工作，客觀上成為推動(dòng)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(yǔ)音芯片全球貿(mào)易結(jié)構(gòu)的，其實(shí)還是新技術(shù)的崛起。從AI到5G，這些我們耳熟能詳?shù)拿直澈?，語(yǔ)音芯片迎來(lái)了不小的“變數(shù)”。

我們知道，傳統(tǒng)意義上的語(yǔ)音芯片只負(fù)責(zé)錄音和播放聲音，其主要難度在于傳輸準(zhǔn)確率、信號(hào)穩(wěn)定性等方面。而這兩年一個(gè)新崛起的市場(chǎng)，卻讓“古老”的語(yǔ)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(dá)到了5600萬(wàn)臺(tái)。而這也意味著數(shù)以千萬(wàn)計(jì)的芯片市場(chǎng)。

在最開始，智能音箱產(chǎn)品也是用通用CPU來(lái)完成計(jì)算任務(wù)處理的，而這個(gè)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(wù)并不多，其能效絕大部分都被浪費(fèi)掉了，而消費(fèi)者卻要承擔(dān)不小的成本。很快行業(yè)達(dá)成了共識(shí)，專用的AI語(yǔ)音芯片應(yīng)該是智能音箱的標(biāo)準(zhǔn)配置。

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

而假如這個(gè)市場(chǎng)里，僅僅有一年幾千萬(wàn)臺(tái)音箱。那么與全球整體語(yǔ)音芯片市場(chǎng)相比，其實(shí)不過(guò)是滄海一粟。真正讓AI技術(shù)在語(yǔ)音芯片市場(chǎng)中，引發(fā)更高想象力的因素在于5G。

我們都知道，5G的目標(biāo)在于產(chǎn)業(yè)和行業(yè)應(yīng)用，讓大量物聯(lián)網(wǎng)設(shè)備接入大帶寬低延遲的網(wǎng)絡(luò)。然而讓這些設(shè)備接入網(wǎng)絡(luò)其實(shí)是沒(méi)啥用的，至少是用處非常有限。真正5G的價(jià)值，是讓物聯(lián)網(wǎng)設(shè)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(luò)帶來(lái)的實(shí)時(shí)互通帶來(lái)整體價(jià)值提升。

舉個(gè)例子，給家里的空調(diào)連上網(wǎng)，這本身沒(méi)有什么價(jià)值，反正也沒(méi)有人爬到空調(diào)那上網(wǎng)。最多不過(guò)能讓人遠(yuǎn)程控制空調(diào)，而這多半是個(gè)雞肋功能。但是如果給空調(diào)加裝AI，讓人類可以語(yǔ)音控制空調(diào)，并且讓空調(diào)理解主人比較復(fù)雜的需求，比如“我肩膀有點(diǎn)冷腿有點(diǎn)熱”，那么物聯(lián)的不可替代性就出現(xiàn)了。這里的人機(jī)交互能力來(lái)自于AI，而網(wǎng)絡(luò)基礎(chǔ)建設(shè)于5G。

順著這個(gè)邏輯向下推演，意味著雖然今天音箱是AI語(yǔ)音芯片的核心市場(chǎng)，但未來(lái)可能會(huì)讓無(wú)數(shù)電子設(shè)備都需要AI語(yǔ)音芯片。甚至于是否有這樣的可能，今天我們其實(shí)已經(jīng)習(xí)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(lái)可能每一塊語(yǔ)音芯片都需要是AI語(yǔ)音芯片——人類需要每一個(gè)設(shè)備都不只能發(fā)生，而是能交流，能理解。

如果這個(gè)邏輯成立的話，那么語(yǔ)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(yǔ)音IC的企業(yè)將無(wú)法立足。今天處在產(chǎn)業(yè)變局的原始階段，同時(shí)也是中國(guó)語(yǔ)音芯片產(chǎn)業(yè)，變革自身產(chǎn)業(yè)鏈位置的最大機(jī)會(huì)之一。

當(dāng)然，瞄準(zhǔn)這個(gè)機(jī)會(huì)的并不只有中國(guó)公司，但至少大家的機(jī)會(huì)是相對(duì)來(lái)說(shuō)均等的。在此刻，已經(jīng)有幾路人馬殺奔了AI語(yǔ)音芯片這個(gè)剛剛有興起苗頭的市場(chǎng)。

首先是芯片廠商們。隨著智能音箱的崛起，抓住機(jī)會(huì)的芯片廠商又迎來(lái)了一輪增長(zhǎng)。目前獲利最多的是臺(tái)灣地區(qū)的聯(lián)發(fā)科，在全球智能音箱芯片中占據(jù)了超過(guò)70%的市場(chǎng)份額。而大陸的杭州國(guó)芯、晶晨科技等芯片企業(yè)也在發(fā)力這一領(lǐng)域。

一般來(lái)說(shuō)，芯片廠商的優(yōu)勢(shì)在于AI語(yǔ)音芯片其實(shí)并不需要特別難的技術(shù)門檻，而且對(duì)量產(chǎn)能力和成本把控能力具有相當(dāng)強(qiáng)的要求，這些都是芯片企業(yè)的強(qiáng)勢(shì)。而對(duì)于新技術(shù)的理解，尤其是對(duì)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(guó)內(nèi)那些著名的AI獨(dú)角獸也在奔赴AI語(yǔ)音芯片的路上。科大飛訊、云知聲、出門問(wèn)問(wèn)等公司都推出了自己的語(yǔ)音芯片計(jì)劃。AI公司的優(yōu)勢(shì)很明顯是在對(duì)軟件層的理解，比如對(duì)聲音建模、NLP、語(yǔ)義理解等方面，獨(dú)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(wù)太“輕”，很難在未來(lái)獲得長(zhǎng)時(shí)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(diǎn)也加強(qiáng)了AI公司進(jìn)軍芯片的動(dòng)力。

但是AI公司在芯片上的弱勢(shì)也是顯而易見的。AI語(yǔ)音芯片并不是個(gè)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(shì)。目前AI獨(dú)角獸們的語(yǔ)音芯片計(jì)劃，更多還停留在對(duì)量產(chǎn)的肯定與承諾中。

還有一個(gè)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(yǔ)音芯片計(jì)劃。有理由相信，熱衷于造AI芯片的巨頭們不會(huì)放過(guò)這口蛋糕。目前，谷歌、蘋果等公司都有深入AI語(yǔ)音芯片的可能性。國(guó)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(yǔ)音芯片的新想象力。但是在這個(gè)邏輯里，未來(lái)能占據(jù)廣泛市場(chǎng)的芯片模式，絕不是今天智能音箱芯片的模樣。語(yǔ)音芯片本身，變化才剛剛開始。

基于上文描述的邏輯，未來(lái)語(yǔ)音芯片的變革機(jī)會(huì)，將基于新網(wǎng)絡(luò)條件下的大批量、全場(chǎng)景設(shè)備擁抱AI。那么符合這樣邏輯的語(yǔ)音芯片產(chǎn)品事實(shí)上還沒(méi)有出現(xiàn)。而從這個(gè)角度看，行業(yè)的準(zhǔn)入證依舊沒(méi)有停止發(fā)放。

從今天音箱中的AI語(yǔ)音芯片，到未來(lái)無(wú)處不在的AIoT語(yǔ)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(shí)延。5G時(shí)代的物聯(lián)網(wǎng)設(shè)備，理論上來(lái)說(shuō)應(yīng)該是可以長(zhǎng)時(shí)間待機(jī)，盡量貼近可移動(dòng)化的。因?yàn)樵O(shè)備將部署在海量并發(fā)場(chǎng)景，這也就讓語(yǔ)音芯片的基礎(chǔ)要求是足夠省電和足夠便宜。理想中下一個(gè)階段的語(yǔ)音芯片，是能夠隨時(shí)保持等待喚醒，但在等待喚醒狀態(tài)下極低能耗的。未來(lái)的物聯(lián)網(wǎng)芯片、語(yǔ)音芯片、視頻處理芯片，其實(shí)很大一部分競(jìng)爭(zhēng)將圍繞三低展開。

2、云邊端一體化。

云端一體，這個(gè)詞估計(jì)大家也都聽膩味了。但是沒(méi)有辦法，客觀來(lái)說(shuō)，如果我們希望一臺(tái)物聯(lián)網(wǎng)設(shè)備執(zhí)行復(fù)雜且實(shí)時(shí)化的交互和推理，那么它的內(nèi)部必將是本地計(jì)算、云端計(jì)算以及網(wǎng)絡(luò)條件高效配合的。而目前的智能音箱還停留在較簡(jiǎn)單的AI任務(wù)層面，語(yǔ)音芯片不需要對(duì)云端任務(wù)有太強(qiáng)的理解和配合。而基于目前對(duì)未來(lái)的想象，本地語(yǔ)音任務(wù)處理，一定會(huì)與云端高效配合，這要求芯片對(duì)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(fù)雜排列與定制的芯片組合。

AIoT設(shè)想中，一個(gè)很重要的因素在于單一場(chǎng)景的智能設(shè)備應(yīng)用，可能是由大量不同能耗、不能功能、不同計(jì)算能力的設(shè)備組合而成的。比如在一家養(yǎng)殖場(chǎng)里，動(dòng)物身上的語(yǔ)音傳感設(shè)備、圍欄柵欄的語(yǔ)音設(shè)備、監(jiān)控系統(tǒng)的語(yǔ)音交互能力，都需要不同的語(yǔ)音功能、語(yǔ)音硬件來(lái)完成。于是，這也要求語(yǔ)音芯片的規(guī)格和制式必須復(fù)雜多樣，能夠進(jìn)行基于統(tǒng)一平臺(tái)的互聯(lián)互通。很有可能，接下來(lái)語(yǔ)音芯片廠商會(huì)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(lǐng)域出現(xiàn)垂直于行業(yè)的語(yǔ)音芯片廠商。

4、多模態(tài)芯片的到來(lái)與崛起。

在AI技術(shù)向產(chǎn)業(yè)化的發(fā)展中，今天一個(gè)很明顯的趨勢(shì)在于，多模態(tài)AI能力正在明顯提速。尤其是將語(yǔ)音識(shí)別、語(yǔ)義理解，與機(jī)器視覺任務(wù)相結(jié)合的AI模型。如果想要讓類似任務(wù)計(jì)算效率達(dá)成最優(yōu)，那么在芯片端對(duì)多模態(tài)的加速就變得十分重要。也許未來(lái)我們需要的，是機(jī)器感官芯片，而非語(yǔ)音芯片或者多媒體芯片。

這些發(fā)展邏輯，各自對(duì)應(yīng)了新的技術(shù)挑戰(zhàn)與變化機(jī)遇。毫無(wú)疑問(wèn)，今天中國(guó)的AI語(yǔ)音雖然看起來(lái)紅火，但距離大規(guī)模量產(chǎn)應(yīng)用，以及部分替代目前芯片進(jìn)口需求還有十分漫長(zhǎng)的路要走。

類似語(yǔ)音芯片的產(chǎn)業(yè)，在中國(guó)還有千千萬(wàn)萬(wàn)。我們只能勉勵(lì)發(fā)展、聚攏人才，并謀求在新的技術(shù)劇變中發(fā)現(xiàn)調(diào)換座椅的機(jī)會(huì)。

過(guò)去我們確實(shí)失去了很多，好在我們還能想象未來(lái)。