AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

調研 | 張揚 施堯 王磊撰寫 | 王磊

隨着 AI 算法不斷升級,傳統芯片已逐漸無法滿足 AI 算法對算力的要求,從而催生了對 AI 芯片的迫切需求。在 AI 的浪潮下,探境科技以自研的 SFA 架構芯片和 AI 算法相結合,快速實現了 AI 語音芯片的落地,客戶覆蓋美的、海爾、TCL 等頭部家電品牌廠商。未來,探境科技將憑藉 SFA 架構的優勢,向安防、工業、零售、自動駕駛等領域延伸。

隨着人工智能的快速發展,深度學習成爲主流 AI 算法,對芯片的算力提出了更高的要求。爲了提供足夠的算力支撐,專門面向 AI 計算的高算力 AI 芯片應運而生。

正是看準了市場對 AI 芯片的需求,有着 20 年芯片從業經驗的魯勇博士在 2017 年創立了探境科技。探境科技研發的 AI 芯片通過創新的 SFA 架構,突破了傳統 AI 芯片的“內存牆”問題,具有性能高、功耗低等優點,可以支撐複雜的 AI 算法。2019 年,創立僅兩年的探境科技已實現 AI 語音芯片的量產供貨,AI 圖像芯片也成功流片。

除了芯片,探境也提供深度學習算法。探境科技 AI 芯片與算法相結合的模式,能夠爲客戶提供完整的解決方案,更利於 AI 芯片的落地。

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

探境科技現階段的目標市場是智能家居行業,客戶覆蓋美的、海爾等頭部家電品牌廠商。探境科技的語音芯片已應用於空調、智能燈具、智能開關、智能垃圾桶等家居用品,滿足市場對語音交互的需求。未來,探境科技會向安防、工業、零售、自動駕駛等領域延伸。

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談AI 芯片需求爆發
人工智能發展至今,技術成熟度不斷提高,並逐步走向行業落地,在醫療、教育、工業、安全等領域都有人工智能應用不斷涌現。
與一般的計算不同,AI 計算處理的內容涉及大量語音、圖片、視頻等非結構化數據,處理過程計算量大。目前主流的深度學習算法具有高併發、高耦合等特點,傳統芯片算力無法支撐,催生了專門用於 AI 計算的 AI 芯片的發展,AI 芯片已成爲整個人工智能產業鏈的核心。
而在 AI 芯片中, AI 語音芯片的需求尤爲強勁。
隨着技術的演進,人機交互的方式也在逐漸升級。在 PC 互聯網時代,人們通過鍵盤和鼠標進行人機交互,到了移動互聯網時代,人們可以通過觸摸屏實現人機交互,而在人工智能和物聯網深度融合的 Alot 時代,語音交互將成爲人機交互的主要方式之一。
作爲實現智能語音交互必備硬件,AI 語音芯片在智能家居、智能車載、可穿戴設備等多個場景均有巨大需求。其中,僅智能家居每年就有幾千億的市場規模。
在時代的浪潮下,探境科技成立後僅用了兩年,即實現了語音芯片的量產,並在智能家居領域商業化落地,其圖像芯片也實現了流片成功,未來向安防、工業、零售、自動駕駛等領域延伸。

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

SFA 架構破解“存儲牆”難題

傳統的芯片設計思路基於馮·諾依曼體系,計算和存儲單元分離,計算時需先從存儲器取出數據,處理後再返回存儲器。在這種架構下,即使計算資源豐富,由於存儲及數據搬運效率低下,也會限制芯片整體性能的提高,形成了學術界和工業界廣泛討論的“存儲牆”問題。“存儲牆”成爲 AI 芯片性能的最大瓶頸。

解決“存儲牆”問題的關鍵在於更高效地將數據輸送給計算單元,而不是簡單地增加更多的 AI 計算資源。

爲了從根本上解決“存儲牆”問題,探境科技自主研發了 SFA (存儲優先)架構。SFA 架構由數據層、計算層和控制層組成,突破了馮·諾依曼體系,以存儲調度爲核心,讓數據在存儲之間的搬移過程之中完成計算。簡單來說,SFA 架構通過優化數據路徑,降低數據訪問次數,達到降低存儲系統和整體功耗的目的。

根據探境科技提供的測試數據,採用 SFA 架構,數據訪問量在同等條件下降低了 10 到 100 倍,存儲子系統功耗下降 10 倍;在 28nm 製程下,系統能效比超過 4TOPS/W,資源利用率超過 80%,帶寬佔有率降低 5 倍。

藉助 SFA 架構的優異性能,探境科技的 AI 芯片可做到對各種已知複雜的神經網絡算法的支持,具有很強的通用性。

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

圖:SFA 芯片架構

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

雙麥頂四麥的語音算法

除了 AI 芯片,探境科技在算法上也取得了突破。基於自研的 AI 算法,打通了語音識別的全鏈路。

在最開始的語音輸入環節,傳統的波束成行算法聲源定位依賴於單麥喚醒詞檢測,使用場景受限,例如需要在看電視的同時控制其他電器時效果就得不到保證。此外,也難以處理干擾聲源和目標聲源方向接近的場景。針對這些問題,探境科技採用頻域複數子空間投影 (FCSP) 的端到端雙麥識別算法,用深度學習取代傳統的數字信號處理,訓練數據覆蓋了各種距離、角度和麥克風配置的數據,提高了喚醒率以及干擾聲源和目標聲源方向接近時的識別率。

在降噪處理上,探境科技的 AI 降噪算法可處理穩態噪聲以及非穩態的突發性噪聲,在雲端公開語音識別模型測試中,降噪處理後比處理前的識別準確率提高了 30%。

在語音識別環節,探境科技設計的高計算強度神經網絡(HONN),通過加入卷積運算,提升了模型的計算密度,減小了模型存儲壓力。與業內常用的深度神經網絡(DNN)相比,HONN 所需存儲更低,但模型複雜度提高了 4 倍,在高噪聲低信噪比的情況下,能大幅度提高識別率。

根據探境科技提供的測試數據:探境的語音識別方案具有非常好的識別效果,喚醒率、識別率都超過現有市場的芯片水平,尤其在噪聲環境下受影響很小,採用雙麥甚至可以達到四麥的效果,無論在抽油煙機超高噪聲、10 米遠場距離、還是在 3dB 的低信噪比環境下,都可以有非常良好的表現。

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

近期,愛分析對探境科技創始人兼 CEO 魯勇進行了專訪,就探境科技的產品與服務及行業趨勢等方面進行了深入交流,現將部分內容分享如下。

基於 SFA 架構的 AI 芯片通用性強

愛分析: 探境科技的創立背景是怎樣的?

*魯勇: *AI 從 2015 年開始熱度逐漸起來,最開始是先有 AI 的算法,後來由於傳統芯片難以支撐 AI 算法,才逐漸過渡到對 AI 芯片的需求。我們在 2017 創立公司,也是看到了市場的需求。

雖然那個時候雲端的像英偉達的服務器芯片非常多,但是我們仍然堅定地認爲最終 AI 會落到終端設備上來,所以我們決定做面向終端的 AI 芯片。而且終端 AI 芯片也更加有意義,因爲像英偉達的產品不可能在終端上運行。所以我們認爲在終端上做 AI 芯片非常有價值,更加能夠把 AI 落到身邊的產品上來,這是公司當時成立的背景。

愛分析: SFA 架構主要解決了什麼問題?

*魯勇: *AI 芯片面臨的最大的一個難題就是“存儲牆”。我們通過 SFA 架構解決“存儲牆”帶來的各種壁壘。

存儲器和計算單元之間有個通道,打個比方,這個通道相當於公路,在傳統的架構下這條公路特別擁擠,通行效率低,SFA 架構相當於通過規則降低了路上的交通量,提高了運輸效率,破解“存儲牆”問題。SFA 架構能支撐所有已知的神經網絡。

愛分析:市場上也有通過存算一體解決 “存儲牆”問題的做法,與 SFA 架構有什麼區別?

魯勇:從實踐上來看,存算一體架構把大量的存儲做到芯片內部之後,存在的問題是成本會比較高。這也是爲什麼一般把大容量存儲放在芯片外面的原因,東芝、三星還有國內的兆易都會採用跟普通芯片不一樣的工藝大批量生產存儲芯片,以降低成本。

另一方面,存算一體架構的侷限性在於它只能支持很少量的神經網絡,對於複雜的神經網絡的支持乏力,適用性較窄。

探境語音芯片自研的 NPU 的架構,能夠在實現低成本低功耗的情況下,滿足自身算法的性能需求。探境之所以能採用 HONN 這些更復雜、效果更好的算法,也是因爲 SFA 架構的 AI 芯片能夠提供足夠的算力支撐。

愛分析: 芯片代工是跟哪家公司合作的?

魯勇:我們是跟臺積電合作的。

芯片+算法整體解決方案凸顯競爭優勢

**
**

愛分析: 爲什麼選擇同時做 AI 芯片和 AI 算法?

魯勇:主要是由這個 AI 芯片的行業特性決定的。例如語音識別芯片,想要在市場有足夠的競爭力,即要有深厚的全鏈路音頻處理能力、語音識別 AI 算法能力、小型化離線 NLP 網絡模型的能力,還要有很強的 AI 芯片設計能力以及芯片產品應用落地能力。

愛分析: 與其他 AI 芯片公司相比,探境的競爭優勢主要體現在哪些方面?

魯勇:首先, AIoT 市場對語音嵌入式芯片產品的主要需求是效果好且便宜。只有具有超有超高性價比的產品才能實現 AI 普惠,進入千家萬戶。

以智能家居行業爲例,家電廠家希望採用價格低且簡單的語音方案:如單麥克風,最多采用雙麥克風,不希望採用麥克風陣列較昂貴複雜的解決方案,並且語音喚醒和識別效果能達到基本預期,能解決普通話不標準等口音問題,他們不希望付額外算法 license 費用。

芯片公司大多需要找算法公司合作,每個芯片還要額外收費,在線方案算法部分的收費更高。所以我們看到,智能家居這個概念喊了很多年,但仍然沒有進入到普通大衆的生活中去。

探境在芯片設計和架構上是比較領先的。我們有非常成熟的團隊和經驗。 從測試數據來講,SFA 芯片架構在全球屬於領先水平。

和很多芯片設計公司相比,我們又有非常強大的 AI 算法團隊,相當於我們是“兩條腿”走路,把芯片和算法深度融合,讓用戶的體驗更好。同時,客戶也省去了既要找芯片公司又要找算法公司的麻煩,成本也更低。只有芯片設計、算法、解決方案、成本各個方面均衡發展,並能有機的結合起來,才能獲得市場的認可。

愛分析: 探境科技的收費方式是怎樣的?

魯勇:基本上是按照芯片或者模組收費,我們不再收額外的算法開發費。

愛分析: 芯片是以直銷的方式售賣嗎?

魯勇:芯片需要走量,芯片行業都是通過代理商去出貨,代理商有終端廠商的關係和資源,會在中間成爲融合各家資源的橋樑。

從智能家居切入,向其他領域延伸

愛分析: 爲什麼選擇智能家居作爲目標市場?

魯勇:智能家居只是我們第一個目標市場,我們面向所有的 AI 的終端市場,包括語音和圖像。在語音方向探境首先進入的是智能家居市場。

我們定義的智能家居跟過去講的智能家居不一樣,過去的智能家居其實是家電聯網,就是給家電加 WiFi、加模塊,通過聯網的方式做智能家居,這條路會越走越窄。

我們看到的是一個真正的家電智能化的市場,就是讓每臺家電都能變得更加智能,更加智能就體現在交互手段、自主判斷等方面,這些都有對 AI 的需求,語音交互實際上也是其中之一。

我們先通過語音讓家電具備最初步的 AI 能力,之後就會給他嵌入更多的 AI 圖像或多傳感器融合的能力,增加家電的自主智能。

愛分析: 從家電聯網向智能化轉變過程中,裏面的芯片會有幾個固定的方向嗎,還是說是一個整合的過程?

魯勇:其實就是一個整合的過程,從控制角度來講只有一個 MCU,我們現在提供的語音芯片可以理解爲帶 AI 語音功能的 MCU。該 MCU 滿足大多數家電的邏輯控制需求。

愛分析: 在需求層面,您提到未來幾年核心是智能化的需求,從探境的角度如何規劃新產品滿足市場的需求?

魯勇:核心在於抓住客戶的痛點。首先要與客戶進行大量的溝通,建立比較深入的關係,去了解客戶的需求痛點是什麼。但是客戶通常也不太會知道技術的發展前沿,而我們手裏掌握了技術發展的最新軌跡,我們就會用最新的技術和客戶之間的需求進行碰撞,從而確定新產品的規劃和定位。

愛分析: 現在的需求可能更多的是語音交互,隨着智能化的深入,未來的需求會在哪?

魯勇:每個產品不一樣,以空調來講,語音交互是一個很大的需求,語音交互可以代替遙控器,再往下就會有更多的主動智能的需求,比如說它可以根據攝像頭判斷家裏有沒有人,是不是需要進入節能模式,或者說不把風直接吹到老人的身上,它將會有一些智能的處理,這需要結合傳感器、攝像頭一起做處理。

愛分析: 剛纔舉的空調自主智能的例子,是家居廠商下一步要重點推的產品,還是說我們預測的未來的發展方向?

魯勇:還處於非常前期的研究階段,離最終的落地還有相當長的距離。客戶對這方面的需求也還並不強烈。但不發生不代表不重要,如果一個企業對於行業發展方向判斷失誤,就會導致現在的戰略佈局發生錯誤。

愛分析: 平均做一個方案大概需要多長時間?

魯勇:在消費電子裏面是比較快的,大概需要六到九個月。如果在比較專用的場景,包括一些特別專業設備,或者是工業場景,可能需要一兩年,如果是在汽車領域,大概四五年。

愛分析: 不同行業差距這麼大,主要是出於什麼原因?

魯勇:因爲像汽車裏面有很多安全檢測,電子設備也要參與整車的安全性認證,所以週期比較長。

消費類電子是裏面最快的部分,不涉及各種各樣的認證,只要符合國家基礎的三 c 就可以了。

愛分析: 除了家電領域,探境目前還做了哪些比較成熟的解決方案?

魯勇:目前還只是在做家電這個領域。因爲這個行業週期很長,我們設計一款芯片需要一兩年,芯片到量產又得經過大半年,再跟客戶做磨合又需要大半年。我們公司成立到現在還不到三年,所以還沒有機會去做太多的場景。

愛分析: 在家電領域,解決方案在不同的客戶之間的可複製性如何?

魯勇:80~90% 是可複製的,只有 10~20% 需要調整。

愛分析: AI 語音芯片市場空間有多大?

魯勇:我們對每種家電分別做過測算,最終得到的總額差不多是接近 100 億人民幣的市場空間。

愛分析: 未來 3~5 年戰略規劃是怎樣的?

魯勇:立足智能家居,向 AI 的其他場景包括邊緣計算、安防、工業、零售、機自動駕駛等領域延伸。目前探境在音頻前端傳統算法和 AI 算法的結合方面,已有相當的技術儲備。離線 NLP 業已實現模型小型化,只需佔用極少的存儲空間,使得離線 NLP 的低成本嵌入式方案成爲現實。

另外,SFA 芯片架構繼續向前演進,高度吻合語音識別模型和 NLP 模型的需要,進一步在降低功耗和成本的同時保證性能。

未來,芯片架構及運算單元的整體設計適應於音頻前端算法的要求,進一步提升耦合度,達到 PPA 優化的新高度。

注:點擊左下角“ 閱讀原文”,可瀏覽新版愛分析官網,瞭解更多信息

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談
愛分析·報告AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

K12 輔導

|

數理思維

|

房地產科技

---|---|---

BI 商業智能

|

人工智能

|

智慧醫院

數據智能

|

保險科技

|

第三方支付

愛分析·榜單AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

新龍榜 100 強

|

教育科技 50 強

|

醫療科技 50 強

---|---|---

金融科技 50 強

|

人工智能 50 強

|

保險科技 30 強

供應鏈科技 50 強

|

零售科技 50 強

|

房地產科技 50 強

聯繫我們

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談


AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

AI 芯片需求增長,探境科技的商業化落地實踐 | 愛分析訪談

來源鏈接:mp.weixin.qq.com