全部

AI的厚积薄发，推演出智能时代“分水岭”

 ·  2018-03-29 15:31:30  ·  北京瑞铭安普科技有限公司
[ 导读 ] 智能硬件行业经历过去两年的浮躁期，开始回归理性，黄伟认为，2018年将是行业的“分水岭”，大家开始关注落地，有能力的公司开始释放势能，而对于没有先发优势的公司来说，如果你没有颠覆性的东西，就很难再获得投资人和市场的关注。
 
六年的时间发生了很多事，时间不停地洗刷着每个行业。
 
成立于二零一二年的云知声更像是一支向着目的地挺进的长征队伍，任务明确，投入兵力，按照既定作战方案稳步推进。
 
这是创始人黄伟自信的来源，资料显示，云知声的合作伙伴数量超过2万家，覆盖用户超过2亿，云平台日调用量3.3亿次，覆盖的城市超过647个。
 
黄伟毕业于中国科学技术大学并获得博士学位，毕业后任职摩托罗拉中国研究中心资深研究员，期间开发出了世界第一款手机声纹认证系统。后出任盛大创新院核心高管，并创建了语音分院；随后于2012年创立云知声。
 
他曾连续三年参与美国国家标准技术署（NIST）说话人识别评测（SRE）项目，获主任务第一名，是目前为止唯一一位在NIST评测中连续两年做KeynoteSpeaker的华人。
 
“金字塔”式的研发规划修炼好内功才能厚积薄发
在他看来，云知声的“金字塔”式的研发规划，保证了他们在过去六年始终保持在行业一线，同时，未来六年依旧如此，因为他们的“基础建设”非常完善。
 
那么，何为“金字塔”式的研发？金字塔的底层是DeepFlow集群，这个异构化硬件服务器集群，可以向上提供密集的计算和存储能力，保证研发团队充足算力的支持，黄伟称，在2018年计划拓展到1000GPU以上的规模。
 
而中间层是Atlas超算平台，这是分布式机器学习并行计算平台，内部协同共享AI底层研发技术成果，可以迁移复用到各个领域的应用。
 
“我们在2012年就把深度学习做出来了，这个是我们确定的大数据方向，全面深度学习化，我可以负责任的说，那时中国95%的高校教授，都没有听说过深度学习”黄伟告诉网易智能。
 
而“金字塔”的顶层，则是应用层技术，比如有ASR、TTS、NLU等应用层技术的输出，黄伟称，可以理解为云知声建立了一个核心能力，这个核心能力是AI，然后AI通过一种云端芯的产品架构体系，把它生产出来，然后应用到不同的应用场景。
 
谈到应用，2018年被称为人工智能落地元年，落地将变得至关重要，黄伟的关注重点是IoT和医疗等领域，“我们要把积累的势能释放出来，毫无疑问，今年我们在智能家居、器人方面会大规模的出货”。
 
“由应用场景推导AI芯片研发是AI创业公司的最佳路径”
目前，人工智能芯片大行其道，无论是传统的芯片巨头英伟达、英特尔、高通，还是手机厂商发布的AI芯片苹果AI1、海思麒麟970、高通骁龙845、三星Exynos9810、联发科曦力P60，以及创业公司地平线的征程芯片等等。
 
我们逐渐嗅到红海的味道，究其原因，芯片是人工智能非常重要的计算载体，以及感知载体，它承载着人工智能非常重要的环节，必不可少。
 
但黄伟认为，大家都做芯片，但芯片其实包括几大类，大家有重叠但都有各自的市场和发力点，比如英伟达的GPU是用来支撑特别高的计算量，这方面毫无疑问是巨头们的战场；还有一种是云端芯片，这类芯片主要用来做一些云端的认知决策，比如Google的TPU等等；还有一种则是云知声、地平线们做的事情，这类芯片是终端芯片。
 
而做终端AI芯片最重要的是由应用场景来定义整个芯片的产品形态和逻辑。
 
黄伟指出，在芯片产品形态方面，云知声已经过很长时间的探索。从市场着手，云知声在智能家居、智能音箱、儿童教育机器人等市场方面已经基于IVM（通用芯片方案）的产品形态，验证了市场、产品、用户场景的合理性。而伴随合作客户在更多产品种类和形态上对成本、稳定性、集成度等方面的呼声愈高，进而推出自研AI芯片就成为一件水到渠成的事情。
 
黄伟表示，早在2015年云知声就组建了芯片团队，2016年公司开始就市场、产品、看技术路线以及芯片下游合作方的评估。2017年启动芯片产品定义、IP选型、算法优化、工具准备，以及详细产品定义和技术模块评估工作。目前，云知声AI芯片UniOne已经流片，即将对外发布。
 
“在芯片这件事儿上面，我们至少领先三年的时间节点。可能出来的时间点正好赶上了AI芯片大热的时间点，不过这也算是对我们前期投入的一个奖励吧,”黄伟告诉网易智能。
 
面向IoT人机交互场景的AI芯片
至于云知声芯片的定位，黄伟表示，在IoT的人机交互的大背景下，AI算法对设备端芯片的并行计算能力和存储器带宽提出了更高的要求，传统的芯片架构在这两个方面却捉襟见肘；另一方面，尽管基于GPU能够在终端实现推理算法，但其功耗大、性价比低的弊端却不容忽视，而IoT设备与手机不同，形态千变万化，需求碎片化比较严重，因此很难跨设备形态的问题。因此，只有从IoT的应用场景出发，设计定制化的芯片架构，才能在大幅提升性能的同时，降低功耗和成本，同时满足AI算力以及跨设备形态的需求。
 
“同时，无论是大的产品还是小的产品，有屏幕还是无屏幕的，人机交互相关的共性东西，应该把它提取出来，并且固化下来，从这个意义上讲，芯片是最恰当的方式。我们这款芯片可以说是第一款面向IoT人机交互场景的AI芯片”。黄伟说到，从商业的角度看，目前市面上所有的芯片，并不是针对人工智能来设计的，它很难把算法的威力发挥出来。
 
此外，大家采用的模组组装的模式，好处是能够快速出货，但因为受限于成本，很多时候只能选择市面上计算能力比较差的芯片，而东拼西凑之后会出现良品率低等问题。
 
所以，云知声的做法是，从算法公司的角度出发做终端芯片，它并不需要有特别高的计算能力，打造出一个够用的芯片，他们认为做得再多的话，成本、功耗等各方面都是浪费。而且他们的芯片选择对计算进行加速，对算法加速意味着你对它的能力做了限制的，而对计算加速就是“练内功“。
 
黄伟强调，最重要的是芯片的定位，而不是跟风。想清楚未来的生态是什么？客户在哪里？因为芯片是高投入、高风险的行业。
 
AI的浮躁时代已经过去2018年将出现“分水岭”
黄伟在朋友圈谈到，“年纪大了，最近经常半夜醒来”，面对记者，他坦言也有创业维艰的原因，作为创业者需要面对来自投资人、客户、员工、市场等等方面的责任，时不我待，他不能止步不前。
 
智能硬件行业经历了过去两年的浮躁期，开始回归理性，黄伟认为，2018年将是行业的“分水岭”，大家开始关注落地，有能力的公司开始释放势能，而对于没有先发优势的公司来说，如果你没有颠覆性的东西，就很难再获得投资人和市场的关注了，因为时间窗口已经过去，而在人工智能行业的几个主流赛道里面，都诞生了独角兽，所有的资源都将向头部公司倾斜。
 
“通俗的讲，过去几年你还可以靠吹牛拿投资，但今年开始就没那么简单了，”黄伟说到。
 
对于人工智能行业以及人机交互如何发展的问题，他谈到，人类的交互主要依靠耳朵和嘴巴，视觉可以让我们看到更多的展示内容，语音可以让我们主动表达，二者缺一不可，互为补充，所以，语音和图像一定是未来的主要交互方式，键盘输入或者鼠标输入，本质上是违反人性的，未来手机不见得是我们的必需品。
 
根据调研机构GfK的数据，2015年中国智能音箱零售量只有1万台，2016年增至6万台，2017年1-8月共累计销售超10万台，而随着2017第三季度众多新品的推出，仅在2017年8月，智能音箱市场就达到了同比178%的增长率。
 
交互革命已然来临。