探境科技副總裁李同治告訴機器之心，家電廠商可以直接使用這個電路板用語音交互來控制家電，比如代替抽油煙機原來需要按按鍵的操作，或者是將板卡與家電廠商的控制模塊，通過串口協(xié)議直接相連，不做其它改變，即可升級為一套語音識別控制的智能家電。由 Marvell 中國芯片研發(fā)部門前高管魯勇創(chuàng)立的 AI 芯片公司探境科技，想以此切入廣闊的智能家居市場，通過語音芯片打開人機交互的入口。目前為止，搭載語音芯片的探境語音識別方案已實現(xiàn)百萬級產(chǎn)品出貨。今年營收已經(jīng)破千萬元。

在擁擠的語音 AI 芯片賽道，他們擁有自研的全棧式技術(shù)能力，先將目標(biāo)瞄準(zhǔn)智能家居市場，通過語音芯片打開人機交互的入口，再鋪向更多的應(yīng)用場景。正在播放電視劇的電視機旁，放著一個電路板，即內(nèi)含探境科技的語音芯片——Voitist 音旋風(fēng) 611、外圍電路、麥克風(fēng)，這是一個用于智能家居語音控制的原型系統(tǒng)。當(dāng)人對著用于智能家居語音操控的原型系統(tǒng)說話時，該「系統(tǒng)」就會進(jìn)行回應(yīng)，它可以根據(jù)人的指令做出反饋，比如當(dāng)你說出「最大風(fēng)量」時，系統(tǒng)就會復(fù)述一句，將抽油煙機調(diào)整為最大風(fēng)量。在夾雜多聲源的語音環(huán)境下，離線不聯(lián)網(wǎng)的語音控制系統(tǒng)仍能接聽人發(fā)出的指令，并作出反饋。

實現(xiàn)百萬級出貨量

2017 年，擔(dān)任 Marvell 中國芯片研發(fā)部門高管魯勇看到了 AI 芯片熱潮背后，存在著龐大的市場需求和落地場景，便創(chuàng)立了探境科技。兩年時間，探境科技迅速實現(xiàn)芯片量產(chǎn)出貨，且快速實現(xiàn)商業(yè)化落地。

2018 年，探境科技初步完成 SFA 架構(gòu)雛形，實現(xiàn)語音芯片 Voitist 音旋風(fēng) 611 的流片;2019 年第一季度 611 一次性流片成功，開始合作首個 alpha 客戶，;2019 年中實現(xiàn)量產(chǎn)供貨。2 年時間，魯勇透露，搭載語音芯片的探境語音識別方案已實現(xiàn)百萬級產(chǎn)品出貨。未來探境還會將語音產(chǎn)品進(jìn)行二次升級，推出更多在線離線一體化方案。截至目前，探境已經(jīng)合作約 30 家機構(gòu)，合作廠商包括美的、海爾等智能家居制造廠商。探境科技在全球有 6 個研發(fā)中心，分別是北京、上海、深圳、合肥、杭州、美國硅谷。公司總員工接近 200 人，其中 150 人是研發(fā)人員，其骨干研發(fā)人員平均工作經(jīng)驗約 15 年，其中有 50 人擁有碩士、博士學(xué)歷。

 三大「自研降噪」法寶：AI 降噪技術(shù)+HONN 神經(jīng)網(wǎng)絡(luò)+端到端雙麥

在智能家居細(xì)分門類中，智能燈具、抽油煙機、空氣凈化器、垃圾桶、窗簾等家居設(shè)備，均可以通過搭載語音芯片的智能家居語音控制系統(tǒng)實現(xiàn)。據(jù) Strategy Analytics 發(fā)布的研究報告顯示，擁有語音控制的智能家居設(shè)備 (不包括智能音箱) 的銷量將從 2018 年的 15.4 萬臺躍升至 2025 年的 3230 萬臺。在火熱的智能家居語音市場，語音芯片在語音交互中扮演著一個關(guān)鍵的角色。因其在語音識別、智能交互等方面的優(yōu)勢，可以為智能家居提供新的控制入口。

但是目前語音控制技術(shù)層面仍面臨諸多挑戰(zhàn)。高噪聲、遠(yuǎn)場識別環(huán)境造成低信噪比情況。信噪比，是衡量需要識別的目標(biāo)聲源與其它干擾聲源強度比值的對數(shù)。一般將信噪比低于 15dB 的稱為噪聲環(huán)境。信噪比越低，識別難度越大。非穩(wěn)態(tài)噪聲，即干擾人們休息 、學(xué)習(xí)和工作的聲音，也會對降噪算法產(chǎn)生影響。另外播放電視劇、音樂造成的多聲源也會影響語音識別。在語音識別的研發(fā)過程中，一個完整的識別鏈路可以簡化為麥克風(fēng)輸入、降噪處理、語音識別、識別結(jié)果輸入四個環(huán)節(jié)。

語音識別研發(fā)流程

為了順利完成語音識別，探境科技提出，首先在降噪處理方面下功夫，通過自研的 AI 降噪算法，對非穩(wěn)態(tài)的突發(fā)性噪聲進(jìn)行過濾。其次，通過高計算強度神經(jīng)網(wǎng)絡(luò)(HONN)進(jìn)行語音識別。在這一環(huán)節(jié)，神經(jīng)網(wǎng)絡(luò)模型所需的算力決定了模型的描述能力，同時也決定了模型處理能力和識別率的上限。

在傳統(tǒng)的語音識別算法里，通常采用 DNN 的方法。DNN 即全連接神經(jīng)網(wǎng)絡(luò)，最樸素的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)參數(shù)最多，計算量大。高強度神經(jīng)網(wǎng)絡(luò)的參數(shù)量不大，僅為 DNN 的五分之一，用更小的參數(shù)量和存儲，即可實現(xiàn)更好的效果。相比較于全連接操作，卷積操作能夠提供更高的計算強度，且卷積運算與人類大腦負(fù)責(zé)感知模塊的處理方法類似，能夠提取滿足大腦認(rèn)知的本質(zhì)特征。探境將其計算機視覺中的一些經(jīng)驗遷移到語音識別中，在語音識別算法上加入了更多的卷積操作，重新設(shè)計了一個高計算強度的神經(jīng)網(wǎng)絡(luò)，即 HONN。結(jié)果顯示，HONN 在遠(yuǎn)場和高噪聲等環(huán)境下的識別率明顯優(yōu)于 DNN?；?AI 降噪技術(shù)與 HONN 神經(jīng)網(wǎng)絡(luò)還不足以解決語音識別問題。為了提升超強噪音場景下的語音識別率，探境科技開發(fā)了基于 FCSP 的端到端 AI 雙麥算法。FCSP(Frequency Complex Subspace Projection)是探境自研的頻域復(fù)數(shù)子空間投影算法的簡稱。通過這個算法直接輸入陣列信號，輸出的是最終的識別結(jié)果，中間部分全部交給基于深度學(xué)習(xí)的 AI 算法來處理，不再使用傳統(tǒng)的數(shù)字信號處理方法。

李同治表示，在模型訓(xùn)練期間，采取「注意力增強」的學(xué)習(xí)方法，能夠靈敏地檢測到喚醒詞和命令詞。「類似于在一個嘈雜的環(huán)境里面，如果有人喊自己的名字，一下子就能反應(yīng)過來?！顾扔鞯馈?/p>

探境科技的邏輯是，通過 AI 語音算法+HONN 神經(jīng)網(wǎng)絡(luò)模型來提升識別率，再通過 FCSP「端到端」的雙麥處理算法簡化識別流程，降低最終語音識別的錯誤率。將這三個「法寶」集結(jié)一體，目的是攻克語音識別難題。結(jié)合這三大條件，探境科技發(fā)布離在線一體的語音識別解決方案，即 Voitist 音旋風(fēng) 612。Voitist 音旋風(fēng) 612 的特點是降低傳統(tǒng)語音設(shè)備對多麥的信號處理，相應(yīng)節(jié)省硬件成本;在高噪聲環(huán)境下識別率高;有效算力更高。

 自研全棧式「硬底盤」

與其他公司不同，探境科技更強調(diào)自研，在全棧式技術(shù)上，提供芯片、軟件、算法、系統(tǒng)一站式整體方案。存儲優(yōu)先的芯片架構(gòu) SFA(Storage First Architecture) 則成為探境科技搭建「全?！故椒?wù)的基礎(chǔ)。先用 SFA 解決算力的存儲問題，再借助 AI 降噪算法，通過全棧式的解決方案「殺進(jìn)」市場。

魯勇表示，SFA 是針對 AI 芯片存儲墻問題而設(shè)置的芯片架構(gòu)。所謂存儲墻問題指的是，與數(shù)據(jù)和存儲相關(guān)的帶寬瓶頸、功耗瓶頸問題。同行業(yè)其他 AI 芯片設(shè)計公司也意識到，AI 芯片的本質(zhì)不是要解決計算問題，而是要解決數(shù)據(jù)問題?！杆羞\行的深度學(xué)習(xí)算法和 AI 芯片都面臨一個問題，并不是要做卷積運算的乘法或加法，這并不是最難解決的問題，難點是在于存儲帶寬要求很大，存儲功耗很高。」他指出，大量數(shù)據(jù)的重復(fù)使用，以及數(shù)據(jù)在存儲器里的位置、相對關(guān)系、讀取的性能，會影響到算法運行的性能。

目前常見的芯片類型 CPU、GPU、FPGA、ASIC 都可以運行深度學(xué)習(xí)算法，都可統(tǒng)稱為 AI 芯片。CPU、GPU 都屬于馮·諾依曼結(jié)構(gòu)，指令譯碼執(zhí)行、共享內(nèi)存。用馮·諾依曼結(jié)構(gòu)的處理器處理深度學(xué)習(xí)算法時，提供算力雖簡單，但當(dāng)運算部件達(dá)到一定的能力，存儲器則無法跟上運算部件消耗的數(shù)據(jù)。因此，SFA 架構(gòu)以存儲來驅(qū)動計算，推翻馮·諾依曼架構(gòu)，設(shè)計不同于之前類 CPU 的計算架構(gòu)。

2019 年 8 月，探境自主研發(fā)的通用型語音芯片「音旋風(fēng)」611，能夠支持 200 條的命令詞，能夠做到 99% 的喚醒率和極低的誤喚醒率，已切入智能家居領(lǐng)域，涉及智能空調(diào)、空氣凈化器等多個品類。另外，探境科技搭載的 SFA 架構(gòu)的圖像芯片 Imagist851 已流片成功，圖像芯片的核心指標(biāo) IPS/W 高達(dá) 800，瞄準(zhǔn)工業(yè)視覺、新零售、安防、輔助駕駛等市場。

魯勇稱，SFA 可實現(xiàn)真正的通用型 AI 芯片架構(gòu)，可支持任意神經(jīng)網(wǎng)絡(luò)。「不僅適配于終端，也適配于云端、推理、訓(xùn)練，可組成不同類型的產(chǎn)品形態(tài)?！箵?jù)魯勇透露，探境的云端 AI 芯片也已提上日程，將于 2020 年推出。他向機器之心表示，現(xiàn)階段會以智能家居為主基點，而后再逐漸加碼至其他場景。

實測數(shù)據(jù)表明，在同等條件下，SFA 可帶來超高的能效比，數(shù)據(jù)訪問可降低 10~100 倍，存儲子系統(tǒng)功耗下降 10 倍;28nm 工藝測試下，系統(tǒng)能效超過 4T OPS/W，計算資源利用率超過 80%，DDR 帶寬占用率降低 5 倍?；?SFA 架構(gòu)，探境科技開辟語音和圖像兩條產(chǎn)品線。在探境科技的語音芯片產(chǎn)品矩陣中，除了支持 AI 雙麥的 Voitist 音旋風(fēng) 612 之外，還包括在離線一體的 Voitist 音旋風(fēng) 621、以及語音芯片的旗艦產(chǎn)品——可支持本地 NLP 的音旋風(fēng) 7 系列。

目前探境科技選擇做終端 AI 芯片，相對云端芯片投入成本較低，離手機、智能音箱這類產(chǎn)品的設(shè)計和生產(chǎn)較近。在擁擠的語音 AI 芯片賽道，基于自研的全棧式技術(shù)能力，先解決存儲再解決算力，探境走出一條不同尋常的路。談及未來的發(fā)展規(guī)劃，魯勇表示，探境科技定位于一家語音、圖像相結(jié)合的 AI 芯片公司，基于語音算法、圖像算法，既有面向家具、玩具、智能穿戴等場景的語音系列解決方案，也有面向安防、新零售、輔助駕駛等圖像解決方案。