“1月2日，國內領先的人工智能企業雲知聲在京召開新聞發佈會，正式公佈了其多模態AI 芯片戰略與規劃。會上同步曝光了其正在研發中的多款定位不同場景的AI芯片，包括第二代物聯網語音AI 芯片雨燕Lite、面向智慧城市的支持圖像與語音計算的多模態AI 芯片海豚（Dolphin），以及面向智慧出行的車規級多模態AI 芯片雪豹（Leopard）。”
雲知聲創始人/CEO 黃偉認為，當前我們正處於5G 爆發的邊緣，5G 與人工智能的結合將真正促使萬物智聯（AIoT）的落地與實現。可以預見的是，未來巨量的多維數據（如語音、圖像、視頻等）集中處理與邊緣式分佈計算的需求，勢必將進一步挑戰AI 底層支持硬件——芯片的計算能力。
與此同時，AIoT 場景下人工智能應用對於端雲互動有著強需求。強大的雲會讓端能力更強，而強大的端則可提升數據處理的實時性和有效性，進而增強雲的能力。二者需要緊密結合，這要求對芯片設計和雲端架構進行統一考量。傳統的通用方案架構由於在高實時性、高智能化場景中的算力有限，且無法平衡好成本、功耗、安全性等諸多現實需求，因此具備多維度AI 數據集中處理能力的多模態AI 芯片將成必由之路。
黃偉同時指出，面向5G 萬物智聯時代，人工智能服務需提供更加場景化的解決方案，雲+芯一體化的服務模式將成為行業主流。基於此，他進一步對傳統 SOC（System On Chip）概念提出全新定義，其中S 代表不同的 AI 服務能力即 Skills，O 代表雲端與邊緣側的互動On/off Cloud，C 代表具備智能處理能力的 AI 芯片。
雲知聲創始人/CEO 黃偉
從IVM 到雨燕
雲知聲的造芯之路
雲知聲 2014 年開始切入物聯網 AI 硬件芯片方案（IVM），並於2015 年開始形成量產出貨，其中家居領域客戶覆蓋格力、美的、海爾、長虹、海信、華帝等幾乎所有國內一線家電廠商。在深入場景提供服務的過程中，為彌補通用芯片方案在給定成本和功耗條件下的能效比問題，以及在邊緣算力、多模態AI 數據處理方面的能力短板，2015 年雲知聲正式啟動自研 AI 芯片計劃。
去年5 月16 日，雲知聲正式發佈了旗下耗時近三年自主研發打造的首款物聯網AI 芯片。該芯片採用雲知聲自主 AI 指令集，擁有具備完整自主知識產權的DeepNet1.0、uDSP（數字信號處理器），並支持DNN/LSTM/CNN等多種深度神經網絡模型，性能較通用方案提升超50 倍。
發佈芯片後僅四個月，雲知聲便選擇將基於雨燕的解決方案進行開源，於去年 9 月正式推出智能家居、智能音箱的兩套標杆解決方案。通過“雲端芯”結合，提供給客戶與合作伙伴面向具體場景的軟硬件一體化Turnkey 解決方案，可讓客戶站在更高的設計起點、以更低的成本，在更短的時間週期內打造出更穩定可靠的產品。同時，開源的方案也可確保客戶基於已提供的AI 能力自行設計其它各種長尾產品形態，構建更為豐富的AIoT 生態。
目前，基於雨燕芯片的全棧解決方案已導入的各類方案商及合作伙伴已超過10 家，包括美的、奧克斯、海信、京東、360、中國平安、硬蛋科技等，相關產品最早將於Q1 量產上市。
物聯網AI芯片的多模態演進之路
在第一代 UniOne 芯片雨燕的發佈會上，雲知聲聯合創始人李霄寒曾指出，UniOne 並不是一顆芯片，而是一系列芯片，代表了雲知聲對於物聯網AI 芯片發展戰略的整體構想。在今日舉行的雲知聲2019 多模態 AI 芯片戰略發佈會上，李霄寒再次從三方面論證了物聯網多模態 AI 芯片的必要性。他認為，當前物聯網產品線的 AI 芯片越來越明顯地體現出三個趨勢：
首先是場景化。芯片設計正在由原來的片面追求 PPA ，即性能（Power）、功耗（Performance）和麵積（Area）逐漸演變成基於軟硬一體，甚至包括雲端服務的方式來解決某個垂直領域的具體問題，芯片本身上升成為整個解決方案中的重要部分，而非唯一；
其次，端雲互動。在物聯網的不同應用場景下，海量終端設備要實現功能智能化必須端雲配合，即形成邊緣算力和雲端算力的動態平衡。端雲互動的命題需要AI 芯片的強有力支持，進一步也深刻影響到芯片的設計，以及最終的交付；
再者，數據多模態。在以 5G 驅動的萬物智聯場景下，芯片所接觸到的數據維度將由原來的單一化走向多元化，芯片所需處理的數據也由單模態變成多模態，這對芯片尤其是物聯網人工智能芯片的設計提出了新的挑戰。
結合以上三點，李霄寒認為，物聯網AI 芯片的最終呈現形式將不再是一個單一的硬件，而必然是承載著邊緣能力與雲端能力的多模態AI 軟硬一體解決方案。
雲知聲聯合創始人李霄寒
雲知聲多模態AI 芯片技術佈局
為實現多模態 AI 芯片的戰略落地，目前雲知聲已在加速技術佈局，並在機器視覺方面取得飛速進展。其中，面向機器視覺的輕量級圖像信號處理器已可實現在不依賴外部內存的情況下，在30 fps 的速率下實時對傳感器的圖片進行預處理，以進一步提高後續機器視覺處理模塊的處理速度和效果。
藉助基於人臉信息分析的多模態技術，已可實現人臉/物體識別、表情分析、標籤化、唇動狀態跟蹤等功能，可為產品交互和用戶體驗提供更多的可玩性和靈活性。尤為值得一提的是，雲知聲多模態人工智能核心IP——DeepNet2.0 的發佈，標誌著雲知聲人工智能處理核心由 1.0 語音時代全面邁入2.0 融合語音、圖像等處理能力的多模態時代。
DeepNet2.0 可兼容LSTM/CNN/RNN/TDNN
等多種推理網絡，支持可重構計算與Winograd 處理，最高可配置算力達4T，達行業一流水平。目前雲知聲DeepNet2.0 已在 FPGA 上得到驗證，將在2019 年落地的全新多模態 AI 芯片海豚（Dolphin）上落地。
除此之外，在圖像與芯片技術的產學研合作方面，雲知聲還與杜克大學所領導的美國自然科學基金旗下唯一人工智能計算中心——ASIC 達成深度合作，致力於 AI 芯片算法壓縮與量化技術,以及非馮新型AI 芯片計算架構研究，將進一步為雲知聲多模態 AI 芯片戰略的推進夯實基礎。
三款在研芯片曝光
2019 年啟動量產
在首款量產芯片雨燕已有大批客戶導入，佔領市場先發優勢的背景下，2019 年雲知聲在芯片落地規劃方面仍將保持積極態度。
李霄寒透露，在持續迭代升級現有雨燕芯片的性能與服務之外，目前雲知聲多款面向不同方向的芯片也已在研發中，包括適用性更廣的超輕量級物聯網語音AI 芯片雨燕 Lite，集成雲知聲最先進神經網絡處理器DeepNet2.0，可面向智慧城市場景提供對語音和圖像等多模態計算支持的多模態AI 芯片海豚（Dolphin），以及與吉利集團旗下生態鏈企業億咖通科技共同打造的面向智慧出行場景的多模態車規級AI 芯片雪豹（Leopard）。以上幾款芯片計劃於2019 年啟動量產。
目前，依託在家居、車載等真實場景下豐富的產品經驗，以及具備先發優勢的AI 芯片能力，雲知聲將業務覆蓋到包括智能家居、智能汽車、智能兒童機器人、智慧酒店、智慧交通等諸多場景。未來雲知聲將持續發力多模態AI 芯片，不斷拓展技術與場景生態，以實現面向未來AIoT時代的全面賦能。
閱讀更多 科技雲報道 的文章
