▲注以上為不完全統計

綜述：語(yǔ)音芯片發(fā)展三階段

本文所講的語(yǔ)音芯片側重于智能語(yǔ)音設備興起后，專(zhuān)門(mén)為語(yǔ)音交互場(chǎng)景打造的SoC芯片(芯片級系統，System on Chip)，它兼具運算力和低功耗，支持多通道麥克風(fēng)陣列接口，支持信號處理算法等。

通過(guò)對目前市面上語(yǔ)音芯片的觀(guān)察，我們發(fā)現語(yǔ)音芯片有以下特點(diǎn)：其一兼具運算能力和低功耗的考量，采用最適合做語(yǔ)音處理的CPU(中央處理器);其二是具備高度整合性的語(yǔ)音SoC，支持多通道的麥克風(fēng)陣列接口，集成Codec(多媒體數字信號編解碼器)模塊/DSP(數字信號處理)模塊，并且集成WiFi/藍牙模塊等;其三在語(yǔ)音算法上支持回聲消除、噪聲抑制、聲源定位、語(yǔ)音增強等技術(shù)，或具備良好的音值調節功能;其四端智能化，集成神經(jīng)網(wǎng)絡(luò )單元將部分云端訓練好的智能本地化工作。

通過(guò)小編近期對產(chǎn)業(yè)鏈的采訪(fǎng)以及梳理，根據語(yǔ)音交互的發(fā)展狀況，將語(yǔ)音芯片的發(fā)展歸納為三個(gè)階段，第一個(gè)階段為語(yǔ)音芯片過(guò)渡期，采用通用芯片組合方案;第二個(gè)階段為崛起期，語(yǔ)音芯片興起;第三個(gè)階段為語(yǔ)音芯片進(jìn)化期，語(yǔ)音AI芯片涌現。

第一階段，大約2015年以前盡管智能語(yǔ)音設備，包括智能音箱、遠場(chǎng)交互的智能電視等都已出現，但在市場(chǎng)尚未起量的情況下，語(yǔ)音設備采用的多是通用芯片+Codec芯片/DSP芯片等相結合的方式實(shí)現語(yǔ)音處理，如全志的R16芯片。

2015年到2017年之間，隨著(zhù)智能語(yǔ)音設備市場(chǎng)規模進(jìn)一步發(fā)展，專(zhuān)門(mén)用于智能家居或智能音箱的語(yǔ)音芯片開(kāi)始陸續亮相，包括聯(lián)發(fā)科推出的MT8516芯片、科勝訊的CX20924/CX20921、Amlogic的A113、瑞芯微的RK3036/RK3229等。

此外，隨著(zhù)智能語(yǔ)音設備的迅速發(fā)展，對于端智能的需求也在顯現，語(yǔ)音AI芯片應運而生。端智能是近兩年來(lái)AI領(lǐng)域大火的概念之一，指的是數據的采集、計算、決策都在前端設備進(jìn)行，優(yōu)勢在于穩定、時(shí)延小、同時(shí)能夠保護用戶(hù)隱私等。如杭州國芯推出的GX8010和啟英泰倫推出的CI1006都屬于語(yǔ)音AI芯片。

前期：通用芯片組合搭配

在智能語(yǔ)音設備的市場(chǎng)早期階段，由于芯片研發(fā)漫長(cháng)的周期(一般需要18~24個(gè)月)，高昂的研發(fā)投入，因此在市場(chǎng)規模尚不大的情況下，市場(chǎng)并沒(méi)有專(zhuān)門(mén)的語(yǔ)音芯片應用到智能語(yǔ)音設備中。

▲德州儀器DM3725芯片

后來(lái)或許是處于成本以及其他考慮，亞馬遜的一些產(chǎn)品開(kāi)始使用聯(lián)發(fā)科MT8563芯片，這款芯片同樣不是語(yǔ)音專(zhuān)用芯片。直到今年Q2季度，聯(lián)發(fā)科推出了MT8516才算真正意義上的語(yǔ)音芯片。

另外一個(gè)例子是國內早期智能音箱的代表叮咚音箱，最初國內也沒(méi)有專(zhuān)用語(yǔ)音芯片，采用的是全志科技R16芯片+科勝訊Codec芯片的方式進(jìn)行語(yǔ)音處理，而全志R16之前則是用于平板的芯片。

在語(yǔ)音交互場(chǎng)景的早期，智能設備并無(wú)太多銷(xiāo)量，即使看到了這一潛在機會(huì )，研發(fā)一款專(zhuān)用芯片的時(shí)間成本、投資成本都決定了在最初一段時(shí)間，智能設備需要使用通用芯片或其他芯片作為過(guò)渡期。

中小語(yǔ)音芯片廠(chǎng)商涌現

隨著(zhù)智能語(yǔ)音設備銷(xiāo)量不斷增長(cháng)，典型的就是2016年以來(lái)，以亞馬遜Echo為代表的智能音箱市場(chǎng)規模的不斷擴大，專(zhuān)用的語(yǔ)音芯片也開(kāi)始出現，2016年又剛好是語(yǔ)音芯片興起最集中的一年。

其實(shí)早在2013年7月國內首顆專(zhuān)用語(yǔ)音芯片就誕生了，它由四川長(cháng)虹和中科院聲學(xué)所付強(現為先聲互聯(lián)創(chuàng )始人)團隊共同研發(fā)。新研發(fā)出的長(cháng)虹語(yǔ)音芯片的優(yōu)勢是在語(yǔ)音識別的基礎上，融合了多方面的語(yǔ)音增強功能，包括語(yǔ)音降噪、回聲消除、波束形成等，支持低功耗喚醒，能夠實(shí)現遠場(chǎng)語(yǔ)音采集�？赡芤驗樗拇ㄩL(cháng)虹的一些原因，這款芯片在研發(fā)出后并沒(méi)有投入生產(chǎn)，之后就不了了之。

2015年以后語(yǔ)音芯片就開(kāi)始陸續興起，包括聯(lián)發(fā)科MT8516、科勝訊CX20924、晶晨半導體A113、瑞芯微RK3036、北京君正X1000等公司,如聯(lián)發(fā)科推出了MT8516應用在了阿里天貓精靈上，晶晨A113應用在了小米AI音箱上。

▲阿里天貓精靈主控板上使用的聯(lián)發(fā)科MT8516芯片

整體來(lái)說(shuō)，這些語(yǔ)音芯片都是面向智能音箱以及智能家居場(chǎng)景打造的專(zhuān)用芯片，支持多通道麥克風(fēng)陣列接口，采用適合做語(yǔ)音處理的CPU;在語(yǔ)音算法上支持回聲消除、噪聲抑制、聲源定位、語(yǔ)音增強等技術(shù)，并兼具運算能力和低功耗的考量。

目前無(wú)論是智能音箱還是其他智能設備，更多的智能都是在云端來(lái)實(shí)現，但云端存在著(zhù)語(yǔ)音交互“時(shí)延”的問(wèn)題，對網(wǎng)絡(luò )的需求限制了設備的使用空間，以及由此帶來(lái)的數據與隱私危機。為了讓設備使用場(chǎng)景不受局限，用戶(hù)體驗更好，端側智能以成為一種趨勢，語(yǔ)音AI芯片也隨之而來(lái)。

2016年以來(lái)，語(yǔ)音AI芯片也開(kāi)始走進(jìn)大家的視野。成都啟英泰倫在去年推出CI1006，杭州國芯在今年10月底推出GX8010，都是語(yǔ)音AI芯片。

▲杭州國芯GX8010芯片

對比語(yǔ)音芯片，語(yǔ)音AI芯片具備以下特點(diǎn)：首先語(yǔ)音AI芯片中集成了專(zhuān)用的AI處理器模塊，用以對本地的機器學(xué)習算法進(jìn)行加速;其二高度集成，語(yǔ)音AI芯片不但集成CPU、AI處理器，還會(huì )將DSP信號處理、WiFi/藍牙等模塊集成進(jìn)去;其三能夠實(shí)現端側智能，將一些常用或者簡(jiǎn)單的功能直接集成到本地，通過(guò)AI芯片進(jìn)行本地計算，從而設備可以在端側離線(xiàn)完成如聽(tīng)音樂(lè )、日常問(wèn)答及閑聊等任務(wù)，實(shí)現更快的交互能力。

再考慮到用戶(hù)體驗以及數據隱私等問(wèn)題，更快的交互體驗以及更多本地計算會(huì )是一種趨勢，隨著(zhù)智能語(yǔ)音場(chǎng)景的爆發(fā)， 語(yǔ)音AI芯片也會(huì )迅速發(fā)展。

但目前的AI芯片更多的在于手機和視覺(jué)應用領(lǐng)域，一方面手機市場(chǎng)體量足夠龐大，另一方面視覺(jué)應用技術(shù)也相對成熟。而在語(yǔ)音領(lǐng)域，一方面語(yǔ)義理解技術(shù)短期內很難突破，另外智能語(yǔ)音是一個(gè)新興市場(chǎng)，智能音箱作為典型爆款產(chǎn)品，今年全球整體市場(chǎng)規模也不過(guò)2500萬(wàn)~3000萬(wàn)臺之間，而這些都導致了語(yǔ)音AI芯片進(jìn)展相對緩慢。

聯(lián)發(fā)科副總經(jīng)理暨家庭娛樂(lè )產(chǎn)品事業(yè)群總經(jīng)理游人杰曾對智能語(yǔ)音的發(fā)展提出一個(gè)三階段論的觀(guān)點(diǎn)，他認為智能語(yǔ)音的第一階段是智能音箱的普及，第二階段是更多智能語(yǔ)音設備的出現，語(yǔ)音成為人機交互的界面，第三階段就是端側智能，通過(guò)語(yǔ)音AI芯片來(lái)實(shí)現更多本地計算，提供用戶(hù)更好的交互體驗。

不難看出，我們目前還處于第一階段，需要推動(dòng)智能音箱的普及以及更多智能設備的出現，從而推動(dòng)語(yǔ)音交互界面的到來(lái)。只有當語(yǔ)音成為一種交互界面，才意味著(zhù)整個(gè)智能語(yǔ)音市場(chǎng)的爆發(fā)，才會(huì )有更多的巨頭芯片廠(chǎng)商以及中小芯片商涌入其中。

而針對當下智能語(yǔ)音設備所需的智能化，游人杰談到，CPU本身可以做一些“輕”AI的功能，如果本地需要很強的AI能力，目前則會(huì )在語(yǔ)音芯片的基礎上外置一個(gè)AI處理器來(lái)實(shí)現。此外游人杰也透露，聯(lián)發(fā)科語(yǔ)音AI芯片的推出尚需1~2年時(shí)間。

相比一款新型芯片研發(fā)的高昂成本，在對算力有很大需求的產(chǎn)品上，通過(guò)添加一個(gè)獨立的AI處理器模塊，確實(shí)可以快速滿(mǎn)足產(chǎn)品端對AI能力的需求，并且緩解了芯片產(chǎn)品漫長(cháng)的研發(fā)周期(一般18~24個(gè)月)。從時(shí)間來(lái)看，隨著(zhù)智能語(yǔ)音的興起，未來(lái)1~2年后可能將會(huì )是語(yǔ)音芯片爆發(fā)的高峰期。

語(yǔ)音芯片帶動(dòng)新興行業(yè)

有分析認為，到2020年AI芯片市場(chǎng)規模將達到146.16億美元，約占全球人工智能市場(chǎng)規模12.18%。隨著(zhù)人工智能的火熱，以GPU(圖形處理器) 、FPGA(現場(chǎng)可編程門(mén)陣列) 、ASIC(為專(zhuān)門(mén)目的而設計的集成電路)為代表的AI芯片類(lèi)別均將獲得快速發(fā)展，語(yǔ)音芯片/語(yǔ)音AI芯片也會(huì )在這個(gè)過(guò)程中受益并爆發(fā)，在此過(guò)程中會(huì )誕生一個(gè)新興的語(yǔ)音芯片行業(yè)，以及一波語(yǔ)音芯片公司。

根據游人杰智能語(yǔ)音發(fā)展的三階段論，目前我們還處于第一階段的智能音箱普及期，先通過(guò)一款爆款產(chǎn)品來(lái)引爆整個(gè)語(yǔ)音交互行業(yè)，并由此推動(dòng)家庭場(chǎng)景、辦公場(chǎng)景等的語(yǔ)音智能化，使語(yǔ)音成為人機交互的一個(gè)界面，才能真正推動(dòng)語(yǔ)音芯片的爆發(fā)，以及演進(jìn)到語(yǔ)音AI芯片。

僅僅是今年全球智能音箱市場(chǎng)銷(xiāo)量預計有望達到3000萬(wàn)臺，隨著(zhù)語(yǔ)音交互進(jìn)一步爆發(fā)，場(chǎng)景進(jìn)一步開(kāi)拓，智能語(yǔ)音設備將快速進(jìn)入億級規模市場(chǎng)，可見(jiàn)無(wú)論是當下的語(yǔ)音芯片還是即將到來(lái)的語(yǔ)音AI芯片，都將有廣闊的市場(chǎng)空間。

由于當下智能語(yǔ)音市場(chǎng)規模相對較小，相比芯片研發(fā)的高成本投入，像高通、英偉達、英特爾等芯片巨頭或是并不看好這塊市場(chǎng)或是語(yǔ)音芯片研發(fā)進(jìn)展緩慢，給予了更多中小芯片廠(chǎng)商發(fā)展的機會(huì )。

目前在語(yǔ)音芯片行業(yè)已涌現出數十家公司在這一領(lǐng)域“開(kāi)疆擴土”，包括聯(lián)發(fā)科、杭州國芯、全志科技、晶晨半導體、啟英泰倫等，既有芯片領(lǐng)域的大公司，面向智能家居、消費電子領(lǐng)域的國有芯片品牌，還有新興的創(chuàng )業(yè)公司。正是語(yǔ)音交互的興起，為他們在既有業(yè)務(wù)之外，提供了一個(gè)新的經(jīng)濟增長(cháng)點(diǎn)，并且隨著(zhù)語(yǔ)音交互的爆發(fā)，這一領(lǐng)域甚至會(huì )誕生下一個(gè)巨頭芯片公司。

可以預見(jiàn)的是，2018年會(huì )有更多語(yǔ)音芯片的誕生，在未來(lái)1~2年，語(yǔ)音AI芯片也將進(jìn)一步發(fā)展迎來(lái)爆發(fā)期。

結語(yǔ)：語(yǔ)音芯片的崛起

隨著(zhù)語(yǔ)音交互設備的誕生發(fā)展，芯片也經(jīng)歷著(zhù)從通用組合芯片到語(yǔ)音芯片再到語(yǔ)音AI芯片的演進(jìn)。隨著(zhù)語(yǔ)音交互的爆發(fā)，語(yǔ)音真正成為人機交互的界面，語(yǔ)音芯片也將成爆發(fā)之態(tài)。

但與此同時(shí)，語(yǔ)音與視覺(jué)也將會(huì )走向融合，畢竟多元的交互方式才更符合人性的體驗。在語(yǔ)音芯片崛起后，“語(yǔ)音+屏幕”相結合的交互方式也是業(yè)界更加認可的一種趨勢。