边缘AI芯片出货量100万,这家AI芯片创企瞄准声控物联网市场

现在,Alexa、苹果Siri、谷歌的Assistant、百度DuerOS等语音助手都在争夺声控物联网设备市场。对于语音设备玩家而言,低成本、低功耗及高效运行的边缘AI芯片对于它们有极大的吸引力,可以提高智能设备的边缘计算能力。

依托语音交互市场的火热,催生了一波AI边缘芯片供应商。当中,就有这样一个特别的玩家,包括微软、亚马逊和英特尔在内的六家著名科技公司的风险投资部门纷纷投资了它。这家创企由Broadcom的前工程主管、纳斯达克上市公司Lantronix前总裁等共同创立,前不久获得C轮融资。

撰文 | 力琴

根据Meticulous Research发布的最新报告,到2025年,语音识别市场预计将达到268亿美元。目前包括Google Assistant、Amazon在内的智能助手都在与智能音箱、耳机及笔记本电脑密切联系。

但当前的智能设备「语音唤醒」、「语音交互」多数依靠云端来执行,不仅计算量大,而且唤醒率和语音识别率也无法保证。

Syntiant开发的NDP100和NDP101处理器,具有超低功耗、边缘执行深度学习的特性,能够帮助以电池供电的智能设备提供始终在线的语音控制与识别。即使不用连接网络,只需在本地计算处理,无需上传云,就可降低损耗,保证隐私的安全性。

Syntiant的芯片用于包括Alexa在内的各种较小的可穿戴设备。小到耳机耳塞、智能手机、智能音箱,大到笔记本电脑等。

这家初创公司在新闻稿中声称其处理器与微控制器和数字信号处理器相比,功率效率提高100倍,吞吐量提高10倍。

最近Syntiant宣布获得3500万美元的C轮融资,总融资额达到6500万美元。

新一轮融资由微软旗下的风险基金M12和芯片制造设备供应商Applied Materials Inc旗下的风险投资部门Applied Ventures LLC领投,参与投资的还有Alpha Edison、Miramar Digital Ventures和Atlantic Bridge Capital。

一 前纳斯达克上市公司总裁创业,成立三年,出货量达百万

对于一家年轻的AI芯片公司来说,在短时间内促成芯片的出货与应用是不多见的,Syntiant便是其中一个典型代表。

Syntiant由Kurt Busch、Jeremy Holleman等人于2017年创立,总部位于加利福尼亚州欧文市。Kurt Busch是Syntiant 的首席执行官,他在加入之前,是纳斯达克上市公司Lantronix的总裁。Lantronix提供物联网和信息技术的安全数据访问和管理解决方案。

此外,他还曾任Mindspeed Technologies高性能模拟业务部门的高级副总裁兼总经理,这家公司被MACOM收购。

Syntiant首席执行官Kurt Busch

在Syntiant的管理团队中,首席科学家Jeremy Holleman博士是超低功耗集成电路的专家,曾在美国国家半导体和DARPA项目中工作。

此外,还有首席技术官Stephen Bailey博士。Bailey博士曾担任Sandburst的CTO,该公司于2006年被Broadcom收购,而后创建Broadcom最先进的交换平台,推动了6倍的业务增长。

自2017年成立之后,Syntiant的发展迅速。从2017年10月完成A轮融资,到2018年6月完成首批产品的抽样,再到2018年10月完成B轮融资,时隔不到两年,再完成C轮融资。

2019年9月,该公司开始向全球客户出货Syntiant神经决策处理器(NDP)。目前包括NDP100和NDP101在内的处理器。

目前已经实现第一批100万台的产品出货量。在接受EEtimes采访时,Busch表示,在售出的100万台中,大部分都进入了笔记本电脑和手机。

Busch还表示,迄今为止,大部分部件都是用来听语音的,但Syntiant在使用加速度计或气体传感器的系统上也取得了设计上的成功,Syntiant还开发了用于异常检测神经网络

据外媒techcrunch报道称,到目前为止,有80家客户正在与Syntiant合作,将芯片集成到产品中。产品覆盖手机、智能音箱、遥控器、助听器、笔记本电脑及显示器。


二 提供低功耗的语音边缘计算处理,每颗芯片不到10美元

Syntiant最先切入的是「语音唤醒」应用场景,将定制的处理器用在移动设备上,比如可穿戴设备、无线耳机等移动设备。当这些移动设备听到语音助手的唤醒词或其他命令时,就会自动唤醒。使用Syntiant定制芯片的亚马逊Alexa就是其中的典型案例。

据了解,Syntiant定制的芯片可用于将亚马逊的Alexa推向更小的电池供电设备,如可穿戴设备和无线耳机,当它们听到语音助手的唤醒词或其他命令时,它们会自动唤醒。去年,亚马逊将深度学习加速器与Alexa语音服务一起使用。

此前,亚马逊Alexa语音服务设备使能高级经理Sanjay Voleti在一份声明中表示,Syntiant的NDP100芯片能够在语音设备上实现唤醒功能。此外, 亚马逊还批准了Synaptics、高通、Xmos和Knowles的芯片与Alexa(AVS)一起使用。

目前,Syntiant推出了专门为处理唤醒和命令而设计的两款处理器,用户可以添加针对其特定声音的语音识别功能和命令。

据了解,Syntiant的第一代芯片适用于传感器处理和语音处理(唤醒词检测、命令检测和扬声器ID),第二代增加音频和图像处理的功能,第三代增加理解对话语音和更高级的上下文感知功能。

在新闻稿中,Syntiant通常声称,其封装尺寸最小的神经决策处理器功耗低于140µW,比典型的低功耗MCU解决方案的效率高100倍,吞吐能力提高10倍。鉴于功耗较低,足以应用到诸如耳塞、智能传感器和其他对低功耗有要求的移动设备。

SyntiantNDP100处理器

例如,NDP100的尺寸为1.4mm×1.8mm,因为足够小,能够用于耳机、恒温器和遥控器等小电池系统。而NDP101的尺寸稍大,通常是5mm×5mm的封装,可用于智能音箱、冰箱和其他有额外空间的移动设备。早在2019年8月,据外国媒体electronic design称,每颗芯片的价格不到10美元。

之所以运行效率高、功耗低,在于Syntiant要打造的处理器使用的是,定制的模拟神经网络来优化晶体管级的性能,运行深度学习的速度比传统的存储架构高出50倍。

首席执行官Kurt Busch在接受EEtimes采访时表示,Syntiant芯片的效率提高了两个数量级,这得益于其为深度学习而构建的数据流架构。

Syntiant的架构采用共同设计的方法,将芯片和深度学习模型结合,在提高吞吐量的同时降低功耗。以此得到智能处理的推理解决方案,这个方案能够通过纽扣电池进行数月的全天候智能处理,类似于一个始终保持在线的「守门人」。

Syntiant的NDP100和NDP101微功耗处理器拥有超过50万个参数,这一数量远超于典型的基于微控制器的神经解决方案。

除此外,为了保护用户的隐私和安全,Syntiant通过边缘部署深度学习。目前Syntiant正在实现边缘的定制化语音识别体验,跨越多个应用场景,包括唤醒词、命令词、扬声器识别和事件检测,所有这些都不需要云端连接。

三 协同投资,巨头瞄准声控物联网设备

Syntiant一直声称其处理器比典型的低功耗MCU解决方案的效率高100倍,低功耗、每颗芯片不到10美元的价格,使得它们能够揽下大量提供低成本、低功耗的物联网设备的客户,从而在声控物联网设备市场分得一杯羹。

恰好也是因为Syntiant的这种优势,吸引了来自顶级芯片制造商和软件开发商的风险投资部门的关注,包括微软公司的风险基金M12、亚马逊Alexa基金、应用材料公司的投资部门Applied Ventures、英特尔资本、摩托罗拉解决方案风险投资和罗伯特博世风险投资。

「Syntiant与我们的使命一致,都在推动语音技术创新。」亚马逊Alexa基金总监Paul Bernard说。「它的技术具有巨大的潜力,可以推动Alexa等语音服务的持续应用,特别是在需要设备平衡低功耗与连续、高精度语音识别的移动场景中。」

面对日益增长的智能语音交互市场,巨头们也将重点提供语音服务的物联网设备上。目前包括亚马逊、谷歌、百度等在内的科技公司都推出了语音交互服务,并利用人工智能技术让语音助手变得更聪明。

随着具备智能语音交互设备的大量普及、更新换

产业物联网AI芯片Syntiant语音交互语音唤醒AmazonGoogle Assistant
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

https://www.intel.cn/content/www/cn/zh/homepage.html
相关技术
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。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

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。

异常检测技术

在数据挖掘中,异常检测(英语:anomaly detection)对不符合预期模式或数据集中其他项目的项目、事件或观测值的识别。 通常异常项目会转变成银行欺诈、结构缺陷、医疗问题、文本错误等类型的问题。 异常也被称为离群值、新奇、噪声、偏差和例外。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

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)。

助听技术

声音是由物体振动产生,正在发声的物体叫声源。声音只是压力波通过空气的运动。压力波振动内耳的小骨头(听小骨),这些振动被转化为微小的电子脑波,它就是我们觉察到的声音。内耳采用的原理与麦克风捕获声波或扬声器的发音一样,它是移动的机械部分与气压波之间的关系。自然,在声波音调低、移动缓慢并足够大时,我们实际上可以“感觉”到气压波振动身体。

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。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

语音处理技术

语音处理(Speech processing),又称语音信号处理、人声处理,其目的是希望做出想要的信号,进一步做语音辨识,应用到手机界面甚至一般生活中,使人与电脑能进行沟通。

百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
暂无评论
暂无评论~