在今年的國際消費電子展(CES 2018)上，語音(voice)、連接(connectivity)和人工智能(AI)成為最受關注的焦點。如果說今年的CES能為我們帶來什么指標，那么這三項建構模塊將是組成2018年及未來消費電子設備缺一不可的神圣“三位一體”。

語音助理已經(jīng)準備好進入可穿戴設備、耳機、嬰兒監(jiān)視器、燈具、電視遙控器和車輛。DSP Concepts創(chuàng)辦人兼首席技術官Paul Beckmann在接受《EE Times》時說：“我們似乎正見證著一場圍繞著語音的‘寒武紀大爆發(fā)’?！?br />
DSP Concepts首席技術官Paul Beckmann

在CES上，被稱為“中國Google”的百度大力向開發(fā)商展示并開放其基于Duer OS的平臺。無論是其聲控臺燈或掛在天花板上的投影機和屏幕，都不需要Alexa或Google Assist。就像百度常掛在嘴邊的“中國速度”，越來越多的廠商開始朝向語音發(fā)展。

百度展示了一款整合臺燈功能的聲控智能喇叭（來源：Baidu）

消費設備必須具備連接能力已經(jīng)是不爭的事實。Silicon Labs首席執(zhí)行官Tyson Tuttle強調(diào)，接下來的必備功能是“混搭”不同的無線網(wǎng)絡。他解釋說，直接將原本為智能手機設計的連接芯片加進物聯(lián)網(wǎng)(IoT)設備，已經(jīng)無法滿足要求了。系統(tǒng)需要動態(tài)的多協(xié)議軟件，以及為不同的無線網(wǎng)絡劃分時間的能力。

盡管AI在高度自動化汽車中占據(jù)主導地位，但Ceva首席執(zhí)行官Gideon Wertheizer告訴我們：“我看到AI開始擺脫幻想世界?！惫倘缃裾囍霸O置參數(shù)，在隨機環(huán)境中使用AI來解決特定問題?！?br /> Ceva首席執(zhí)行官Gideon Wertheizer

換句話說，許多公司開始學習在小規(guī)模應用中導入AI，并將其用于特定任務，而非依靠AI來解決世界上的問題。

語音隨車上路

無論是在家庭或開車行駛中，語音都將至關重要。

博世(Robert Bosch)在CES宣布計劃將其語音助理設計在方向盤后方。博世管理董事會成員Dirk Hoheisel表示：“我們正致力于讓駕駛艙內(nèi)的按鈕亂象劃下句點?！盓lektrobit在CES上承諾，該公司將成為亞馬遜(Amazon) Alexa的第一批汽車軟件整合商之一。

Bosch開發(fā)“自然語言”車內(nèi)語音輔助系統(tǒng)（來源：Bosch）

百度宣布其基于Duer OS的Apollo 2.0平臺被稱為“自動車輛的Android”，并稱語音輔助系統(tǒng)將成為該平臺的一部份。百度總裁兼COO陸奇表示：“家庭與車輛之間已經(jīng)不存在界限了。無論你在家中做什么，應該也都可以在車子里實現(xiàn)?！?/p>

Wertheizer則指出，無論是在家中還是車內(nèi)，隔離聲音以及直接向云端發(fā)送清晰的訊號都非常困難。 “我們的周遭充斥著噪音和噪聲著?！焙茏匀坏?，家庭和汽車的解決方案必須能夠因應一連串完全不同的嘈雜環(huán)境。

語音算法缺少標準

讓問題變得更復雜的原因在于業(yè)界還沒有任何標準的語音算法。

Wertheizer表示：“每一家公司都有自家處理語音的專有算法?！?/p>

系統(tǒng)業(yè)者開始求助于學術界發(fā)表的技術論文，競相找出如何最有效隔離語音的解決之道。而當他們使用不同的麥克風和揚聲器類型時，還必須優(yōu)化其算法，以因應不同的設置要求。

而在Ceva，Wertheizer說：“我們必須建立一個類似原子庇護所的工作室”，用于研究所有的選擇，并開發(fā)波束成形、遠場和近場、回聲消除和環(huán)境降噪等算法。

Beckman也呼應了這個觀點。就像人們喜歡語音作為自然的用戶接口一樣，他說：“遺憾的是，對于實際執(zhí)行的產(chǎn)品設計人員來說，它是最具挑戰(zhàn)的技術之一?！彼呀?jīng)看到了太多的語音項目出錯了，最終得回到草圖階段重新開始。

Beckman曾經(jīng)在Bose Corp.擔任研究工程師長達9年，在2000年初成立了他的咨詢業(yè)務。當他與客戶討論語音項目時，他發(fā)現(xiàn)業(yè)界需要一套有效執(zhí)行的“完整軟件解決方案，以及能為其實現(xiàn)差異化的底層技術”。但是，最主要的關鍵在于賦予其能夠自行調(diào)整系統(tǒng)的能力。

隨著語音市場爆發(fā)，Beckman的業(yè)務也隨之成長。DSP Concepts不再只是一家咨詢公司，現(xiàn)在還提供了一套完整的算法作為軟件庫和除錯工具，有助于客戶調(diào)整系統(tǒng)。Beckman說：“我們提供調(diào)整、整合和驗證工具?！?br />
語音UI解決方案需要一套完整的算法（來源：DSP Concepts）

DSP Concepts的語音用戶接口(UI)技術稱為Audio Weaver，它是第一家獲得亞馬遜(Amazon) Alexa產(chǎn)品認證的第三方軟件公司。DSP Concepts共同創(chuàng)辦人兼首席執(zhí)行官Chin Beckmann展示一款Audio Weaver語音助理產(chǎn)品——相較于亞馬遜Echo使用了7支麥克風，Audio Weaver僅用了2支麥克風，據(jù)稱就能夠“聽”得比Echo或Google Home更清楚。

在邊緣實現(xiàn)AI

Wertheizer說，隔離語音是第一步，但接下來還有其他步驟：語音助理必須辨識語音的位置，而且必須能夠追蹤語音。而且，它必須能偵測以及辨識誰在房間里說話。

直到最近，云端才剛被認為是處理和學習的地方。如今，這個假設將在2018年發(fā)生改變。

Wertheizer解釋說：“我看到人們對于AI的態(tài)度越來越務實。他們希望在邊緣設備執(zhí)行AI而非在云端進行，以避免隱私、延遲和成本等問題?！?/p>

聯(lián)發(fā)科技(MedaTek)首席財務官顧大為對此表示認同。相較于亞馬遜在其Echo設備中推動云端到云端的服務，聯(lián)發(fā)科看到了“邊緣和云端”融合模式的可能性。他在CES時告訴我們，語音助理競賽如今已經(jīng)著重于在本地增加“智慧”、區(qū)別人類與非人類的聲音分開、消除背景音樂、辨識聲音模式等。

Petcube Wi-Fi寵物照相在遠程進行機監(jiān)測并與寵物互動（來源：Petcube）

Wertheizer說：“以Petcube設計的交互式Wi-Fi寵物相機為例，它能在主人不在家時，透過雙向音訊和1080p高分辨率(HD)視頻攝影機進行監(jiān)控，以及與狗或貓互動”。Wertheizer說：“我不確定Petcube是否意識到這是一家物聯(lián)網(wǎng)公司。但是，像這樣的連網(wǎng)產(chǎn)品中，語音識別系統(tǒng)顯然必須能夠辨識狗吠聲，并且確定狗是處于壓力還是處于危機之中。換句話說，系統(tǒng)需要有智能才能進行學習?！?/p>

Neupro低功耗AI處理器

雖然Ceva為語音系統(tǒng)的設計者提供了名為ClearVox的語音算法，但它也知道系統(tǒng)廠商需要的更多。系統(tǒng)制造商希望在其物聯(lián)網(wǎng)設備中整合學習和推論的能力，使其產(chǎn)品能夠持續(xù)變得更加智能化。

目前的市場上亟需AI處理器。為了滿足這一需求，Ceva在CES上推出了NuePro，這是一款“專用的低功耗AI處理器系列，用于在邊緣進行深度學習”。NuePro是一款獨立的專用AI處理器，可廣泛用于物聯(lián)網(wǎng)、智能手機、安全監(jiān)控、汽車、機器人、醫(yī)療和工業(yè)等市場。

Ceva推出AI處理器（來源：Ceva）

值得注意的是，Ceva并非深度學習領域的新手。據(jù)報導，NeuPro是以Ceva在計算機視覺應用深層神經(jīng)網(wǎng)絡方面的經(jīng)驗為基礎。

Wertheizer說，NeuPro AI處理器是Ceva從頭開始研發(fā)的第一款“非DSP”技術。他在發(fā)布Neupro時說：“我有點緊張。但是你必須知道AI并不是訊號處理方面的問題。”

NeuPro處理器搭載兩個硬件——NeuPro引擎和NeuPro VPU (向量處理單元)。Wertheizer指出，雖然引擎處理定義良好的人工智能算法，如CNN、啟動和規(guī)范層，但是，可編程的向量引擎NeuPro VPU是執(zhí)行專有AI算法的一種延伸?！拔覀冞x擇了這種硬聯(lián)機的建置方式，而不是使用GPU或CPU，讓我們能夠增加AI處理器的利用率?！?/p>

Ceva聲稱，這款新的專用AI處理器系列帶來了“相當高的性能提升，從入門級處理器的2TOPS到為最高階配置的12.5TOPS”。
NeuPro硬件模塊；Ceva首席執(zhí)行官Gideon Wertheizer強調(diào)，“NeuPro VPU和NeuPro引擎之間的無縫切換至關重要”。 （來源：Ceva）

Ceva表示，NeuPro AI處理器將于2018年第二季向客戶提供授權，并計劃在第三季全面發(fā)布。

同樣地，聯(lián)發(fā)科準備推出一款由意騰科技(Intelligo Technology)設計的AI處理器和算法。Intelligo是2016年時從聯(lián)發(fā)科獨立而出的新創(chuàng)公司。

Intelligo設計的這款AI SoC被稱為“智能DNN語音處理器”應用范圍較有限。聯(lián)發(fā)科表示，該處理器提供“可配置的深度神經(jīng)網(wǎng)絡和高效率推論引擎(每秒每瓦特1 TOPS運算性能)”。

顧大為表示，聯(lián)發(fā)科正在尋找一種小型的AI加速器，為辨識20到30個關鍵詞而設計。另一方面，聯(lián)發(fā)科也正推廣其“分布式處理”的觀念，期望語音和AI功能不只是整合于像Echo或Google Home的智能音箱，而是更落實于廣泛的小型設備——如電燈開關。