瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片

在拥挤的语音 AI 芯片赛道,他们拥有自研的全栈式技术能力,先将目标瞄准智能家居市场,通过语音芯片打开人机交互的入口,再铺向更多的应用场景。

撰文 | 力琴

正在播放电视剧的电视机旁,放着一个电路板,即内含探境科技的语音芯片——Voitist 音旋风 611、外围电路、麦克风,这是一个用于智能家居语音控制的原型系统。

当人对着用于智能家居语音操控的原型系统说话时,该「系统」就会进行回应,它可以根据人的指令做出反馈,比如当你说出「最大风量」时,系统就会复述一句,将抽油烟机调整为最大风量。

在夹杂多声源的语音环境下,离线不联网的语音控制系统仍能接听人发出的指令,并作出反馈。

探境科技副总裁李同治告诉机器之心,家电厂商可以直接使用这个电路板用语音交互来控制家电,比如代替抽油烟机原来需要按按键的操作,或者是将板卡与家电厂商的控制模块,通过串口协议直接相连,不做其它改变,即可升级为一套语音识别控制的智能家电。

由 Marvell 中国芯片研发部门前高管鲁勇创立的 AI 芯片公司探境科技,想以此切入广阔的智能家居市场,通过语音芯片打开人机交互的入口。目前为止,搭载语音芯片的探境语音识别方案已实现百万级产品出货。今年营收已经破千万元。

1 实现百万级出货量

2017 年,担任 Marvell 中国芯片研发部门高管鲁勇看到了 AI 芯片热潮背后,存在着庞大的市场需求和落地场景,便创立了探境科技。

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片探境科技创始人鲁勇

两年时间,探境科技迅速实现芯片量产出货,且快速实现商业化落地。

2018 年,探境科技初步完成 SFA 架构雏形,实现语音芯片 Voitist 音旋风 611 的流片;2019 年第一季度 611 一次性流片成功,开始合作首个 alpha 客户,;2019 年中实现量产供货。

2 年时间,鲁勇透露,搭载语音芯片的探境语音识别方案已实现百万级产品出货。未来探境还会将语音产品进行二次升级,推出更多在线离线一体化方案。

截至目前,探境已经合作约 30 家机构,合作厂商包括美的、海尔等智能家居制造厂商。

探境科技在全球有 6 个研发中心,分别是北京、上海、深圳、合肥、杭州、美国硅谷。公司总员工接近 200 人,其中 150 人是研发人员,其骨干研发人员平均工作经验约 15 年,其中有 50 人拥有硕士、博士学历。

2 三大「自研降噪」法宝

AI 降噪技术+HONN 神经网络+端到端双麦

在智能家居细分门类中,智能灯具、抽油烟机、空气净化器、垃圾桶、窗帘等家居设备,均可以通过搭载语音芯片的智能家居语音控制系统实现。

据 Strategy Analytics 发布的研究报告显示,拥有语音控制的智能家居设备 (不包括智能音箱) 的销量将从 2018 年的 15.4 万台跃升至 2025 年的 3230 万台。

在火热的智能家居语音市场,语音芯片在语音交互中扮演着一个关键的角色。因其在语音识别、智能交互等方面的优势,可以为智能家居提供新的控制入口。

但是目前语音控制技术层面仍面临诸多挑战。高噪声、远场识别环境造成低信噪比情况。信噪比,是衡量需要识别的目标声源与其它干扰声源强度比值的对数。一般将信噪比低于 15dB 的称为噪声环境。信噪比越低,识别难度越大。

非稳态噪声,即干扰人们休息 、学习和工作的声音,也会对降噪算法产生影响。另外播放电视剧、音乐造成的多声源也会影响语音识别

语音识别的研发过程中,一个完整的识别链路可以简化为麦克风输入、降噪处理、语音识别、识别结果输入四个环节。

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片语音识别研发流程

为了顺利完成语音识别,探境科技提出,首先在降噪处理方面下功夫,通过自研的 AI 降噪算法,对非稳态的突发性噪声进行过滤。其次,通过高计算强度神经网络(HONN)进行语音识别。在这一环节,神经网络模型所需的算力决定了模型的描述能力,同时也决定了模型处理能力和识别率的上限。

在传统的语音识别算法里,通常采用 DNN 的方法。DNN 即全连接神经网络,最朴素的神经网络,网络参数最多,计算量大。高强度神经网络参数量不大,仅为 DNN 的五分之一,用更小的参数量和存储,即可实现更好的效果。

相比较于全连接操作,卷积操作能够提供更高的计算强度,且卷积运算与人类大脑负责感知模块的处理方法类似,能够提取满足大脑认知的本质特征。

探境将其计算机视觉中的一些经验迁移到语音识别中,在语音识别算法上加入了更多的卷积操作,重新设计了一个高计算强度的神经网络,即 HONN。

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片

结果显示,HONN 在远场和高噪声等环境下的识别率明显优于 DNN。

基于 AI 降噪技术与 HONN 神经网络还不足以解决语音识别问题。为了提升超强噪音场景下的语音识别率,探境科技开发了基于 FCSP 的端到端 AI 双麦算法。FCSP(Frequency Complex Subspace Projection)是探境自研的频域复数子空间投影算法的简称。

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片

通过这个算法直接输入阵列信号,输出的是最终的识别结果,中间部分全部交给基于深度学习的 AI 算法来处理,不再使用传统的数字信号处理方法。

李同治表示,在模型训练期间,采取「注意力增强」的学习方法,能够灵敏地检测到唤醒词和命令词。「类似于在一个嘈杂的环境里面,如果有人喊自己的名字,一下子就能反应过来。」他比喻道。

探境科技的逻辑是,通过 AI 语音算法+HONN 神经网络模型来提升识别率,再通过 FCSP「端到端」的双麦处理算法简化识别流程,降低最终语音识别的错误率。

将这三个「法宝」集结一体,目的是攻克语音识别难题。结合这三大条件,探境科技发布离在线一体的语音识别解决方案,即 Voitist 音旋风 612。

Voitist 音旋风 612 的特点是降低传统语音设备对多麦的信号处理,相应节省硬件成本;在高噪声环境下识别率高;有效算力更高。

3 自研全栈式「硬底盘」

与其他公司不同,探境科技更强调自研,在全栈式技术上,提供芯片、软件、算法、系统一站式整体方案。

存储优先的芯片架构 SFA(Storage First Architecture) 则成为探境科技搭建「全栈」式服务的基础。先用 SFA 解决算力的存储问题,再借助 AI 降噪算法,通过全栈式的解决方案「杀进」市场。

鲁勇表示,SFA 是针对 AI 芯片存储墙问题而设置的芯片架构。所谓存储墙问题指的是,与数据和存储相关的带宽瓶颈、功耗瓶颈问题。同行业其他 AI 芯片设计公司也意识到,AI 芯片的本质不是要解决计算问题,而是要解决数据问题。

「所有运行的深度学习算法和 AI 芯片都面临一个问题,并不是要做卷积运算的乘法或加法,这并不是最难解决的问题,难点是在于存储带宽要求很大,存储功耗很高。」他指出,大量数据的重复使用,以及数据在存储器里的位置、相对关系、读取的性能,会影响到算法运行的性能。

目前常见的芯片类型 CPU、GPU、FPGA、ASIC 都可以运行深度学习算法,都可统称为 AI 芯片。CPU、GPU 都属于冯·诺依曼结构,指令译码执行、共享内存。用冯·诺依曼结构的处理器处理深度学习算法时,提供算力虽简单,但当运算部件达到一定的能力,存储器则无法跟上运算部件消耗的数据。

因此,SFA 架构以存储来驱动计算,推翻冯·诺依曼架构,设计不同于之前类 CPU 的计算架构。

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片

实测数据表明,在同等条件下,SFA 可带来超高的能效比,数据访问可降低 10~100 倍,存储子系统功耗下降 10 倍;28nm 工艺测试下,系统能效超过 4T OPS/W,计算资源利用率超过 80%,DDR 带宽占用率降低 5 倍。

基于 SFA 架构,探境科技开辟语音和图像两条产品线。

在探境科技的语音芯片产品矩阵中,除了支持 AI 双麦的 Voitist 音旋风 612 之外,还包括在离线一体的 Voitist 音旋风 621、以及语音芯片的旗舰产品——可支持本地 NLP 的音旋风 7 系列。

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片探境科技语音产品矩阵

2019 年 8 月,探境自主研发的通用型语音芯片「音旋风」611,能够支持 200 条的命令词,能够做到 99% 的唤醒率和极低的误唤醒率,已切入智能家居领域,涉及智能空调、空气净化器等多个品类。

瞄准智能家居实现百万级出货量,前Marvell芯片研发高管突围AI芯片Voitist音旋风611

另外,探境科技搭载的 SFA 架构的图像芯片 Imagist851 已流片成功,图像芯片的核心指标 IPS/W 高达 800,瞄准工业视觉、新零售、安防、辅助驾驶等市场。

鲁勇称,SFA 可实现真正的通用型 AI 芯片架构,可支持任意神经网络

「不仅适配于终端,也适配于云端、推理、训练,可组成不同类型的产品形态。」据鲁勇透露,探境的云端 AI 芯片也已提上日程,将于 2020 年推出。

他向机器之心表示,现阶段会以智能家居为主基点,而后再逐渐加码至其他场景。

谈及未来的发展规划,他表示,探境科技定位于一家语音、图像相结合的 AI 芯片公司,基于语音算法、图像算法,既有面向家具、玩具、智能穿戴等场景的语音系列解决方案,也有面向安防、新零售、辅助驾驶等图像解决方案。

目前探境科技选择做终端 AI 芯片,相对云端芯片投入成本较低,离手机、智能音箱这类产品的设计和生产较近。在拥挤的语音 AI 芯片赛道,基于自研的全栈式技术能力,先解决存储再解决算力,探境走出一条不同寻常的路。

产业卷积神经网络语音识别智能家居AI芯片
2
相关数据
冯·诺依曼人物

约翰·冯·诺伊曼(德语:John von Neumann,1903年12月28日-1957年2月8日),原名诺依曼·亚诺什·拉约什(匈牙利语:Neumann János Lajos),出生于匈牙利的美国籍犹太人数学家,现代电子计算机与博弈论的重要创始人,在泛函分析、遍历理论、几何学、拓扑学和数值分析等众多数学领域及计算机学、量子力学和经济学中都有重大贡献。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

数字信号处理技术

数字信号处理(digital signal processing),简称DSP,是指用数学和数字计算来解决问题。 大学里,数字信号处理常指用数字表示和解决问题的理论和技巧;而DSP也是数字信号处理器(digital signal processor)的简称,是一种可编程计算机芯片,常指用数字表示和解决问题的技术和芯片。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

噪音技术

噪音是一个随机误差或观测变量的方差。在拟合数据的过程中,我们常见的公式$y=f(x)+\epsilon$中$\epsilon$即为噪音。 数据通常包含噪音,错误,例外或不确定性,或者不完整。 错误和噪音可能会混淆数据挖掘过程,从而导致错误模式的衍生。去除噪音是数据挖掘(data mining)或知识发现(Knowledge Discovery in Database,KDD)的一个重要步骤。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

信号处理技术

信号处理涉及到信号的分析、合成和修改。信号被宽泛地定义为传递“关于某种现象的行为或属性的信息(如声音、图像和生物测量)”的函数。例如,信号处理技术用于提高信号传输的保真度、存储效率和主观质量,并在测量信号中强调或检测感兴趣的组件。我们熟悉的语音、图像都可以看做是一种信号形式。因此,对于语音、图像的增强、降噪、识别等等操作本质上都是信号处理。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/
LeonPro
苏州思必驰信息科技有限公司・PM
to小编:第一张图片的标题有错别字。“谭境科技创始人鲁勇”,应该是“探境科技”。
机器之心・编辑
回复Leon
谢谢