激蕩六十年，人工智能已經(jīng)起航。然而在未來面前，我們都還是孩子。究竟是“奇點臨近”？還是泡沫行將破滅？為了解惑，《AI名人堂》將匯聚領航者智慧，和你一起探索前行的方向。

2015 年，有投資人跟云知聲創(chuàng)始人/ CEO 黃偉說：“老黃啊，你要專注賽道，做好語音識別就夠了。”

不過，他并沒有聽。“人工智能必須實現(xiàn)云、端、芯的一體化”，這個念頭已經(jīng)在他的腦中縈繞了近兩年。

這一年，黃偉組建了芯片團隊。

不僅公司內(nèi)部，就連業(yè)內(nèi)同行多數(shù)投來了不理解的目光。“一個做軟件的，搞什么芯片？”

2018 年 5 月 16 日，云知聲發(fā)布了第一代 UniOne 物聯(lián)網(wǎng) AI 芯片“雨燕”及解決方案，并且有望在下月實現(xiàn)量產(chǎn)。在這 5 天前，他們剛剛拿到資本 1 億美元的 C 輪融資。

年初，中興事件的發(fā)酵，掀起了科技界的一股造“芯”熱。不少人幡然醒悟。半年間，不少創(chuàng)業(yè)公司，紛紛號稱要做自己的芯片。

AI 科技大本營統(tǒng)計發(fā)現(xiàn)，綜合了國內(nèi)多家已發(fā)布的人工智能榜單數(shù)據(jù)，截止到目前，國內(nèi)公開可查的 50 家主流 AI 創(chuàng)業(yè)公司中，宣布已經(jīng)“推出 AI 芯片或芯片模組”的至少有 8 家。

這批有著激進時間表的公司大多在當前各自領域占據(jù)了一定優(yōu)勢地位。有的很早就開始著手 AI 芯片的研發(fā)，有的才剛剛推出芯片模組。

在近日創(chuàng)業(yè)黑馬的 AI 獨角獸評選活動上，與云知聲站同一登臺亮相的還有寒武紀、地平線、出門問問、思必馳……

他們不約而同盯上的，正是芯片。為何一定要造芯？

▌場景定義芯片

人工智能芯片這個賽道上，GPU 成為 AI 芯片代名詞，FPGA、ASIC 日受青睞。目前，老牌芯片巨頭英偉達、AMD、英特爾、高通等扮演著主要角色。

而云知聲做的則是針對 IoT 場景下的全棧式終端芯片，這也決定了其“云端芯”概念的定位。

“當時我們講的‘云端芯’，‘云’是云端服務資源的聚合；‘端’是不同設備終端的交互；‘芯’是一種泛芯片，不是一個獨立的芯片。所以，我們第一代產(chǎn)品也是通過若干個芯片來實現(xiàn)一個功能。而語音交互是一個非常復雜的鏈路過程，在過去，一個芯片只能實現(xiàn)一個功能。所以，為了實現(xiàn)語音交互這種能力，需要將若干芯片配湊在一起。”黃偉講到。

因此，彼時的云知聲選擇了諸如高通、全志等廠家的芯片，再將自己的算法融入進去，構(gòu)建 AI 芯片模組。

不過，“AI 不會只發(fā)生在云端，一定有邊緣智能，而且想要滲入到每個場景，對端一定會提出很多個性化的需求。”這個想法的推動下，以 2015 年成立芯片團隊后，云知聲走上了自研芯片的道路，并于今年 1 月成功流片。

黃偉認為：“無論是 CPU、GPU 還是 FPGA，現(xiàn)有的芯片架構(gòu)并非為 AI 專門設計，并不能滿足 IoT AI 算力的需求。”研發(fā)芯片是需要規(guī)模化地使用算力，衡量一個芯片最主要的標準，就是看它能不能大規(guī)模的出貨。

清華大學微電子所魏少軍教授表示：“做語音芯片一定要看應用場景，目前很多場景下并不需要用到人工智能技術(shù)或者專門的語音芯片。”

這個問題同樣也拷問著黃偉。

他認為：“未來 AI 可能會融入到每一個場景，只是說需要的能力不太一樣。關鍵是，AI 是一種能力，可能未來所有場景都需要 AI，只是說哪些先被 AI 賦能而已。”

那么，這個未來又有多遠呢？

▌是做眼前的生意，還是未來的機會

據(jù)最新資料顯示，云知聲已在智慧生活（家居、車載、機器人等）和智慧服務（醫(yī)療、教育、司法等）等場景有所布局，其合作伙伴數(shù)量超過 2 萬家，覆蓋用戶超過 2 億，云平臺日調(diào)用量 4 億次。

其實，不少創(chuàng)業(yè)公司在以上領域均有業(yè)務布局的交叉，且彼此均占有不小的市場份額，可以說市場競爭相當激烈。那么，“這就在于一個判斷，你是想做未來的機會，還是眼前的生意。首先，一定要選擇一個自己比較有競爭優(yōu)勢的行業(yè)，比如，這個行業(yè)比較新，還未形成壟斷的壁壘。我們會選擇當下比較困難，但未來是有機會點的領域。”

談及未來，黃偉表示：沒有任何一個企業(yè)的創(chuàng)始人在創(chuàng)業(yè)早期就能確定一個很明確的商業(yè)模式，而且明確自己以后一定能夠成功。商業(yè)模式是不斷地試錯、修正的。很多上市公司，上市時的商業(yè)模式和它成立時的戰(zhàn)略是不一樣的。

所以，回到自己身上，“目前我們?nèi)蕴幵谙Ｍ紦?jù)更多的設備、服務更多的用戶，然后產(chǎn)生更多的數(shù)據(jù)這個階段。如果你有用戶和流量了，你未來一定是有價值的。”

對于盈利，黃偉頗為自信，他認為這個時間點將很快來臨。“以智能音箱為例，2017 年雙十一之后的季度出貨量基本在 100 萬臺，而 2018 年這個數(shù)字有望上升到 1000 萬臺。這個反映出：IoT 的市場和起步速度在增長。此外，企業(yè)對這個領域的研發(fā)投入正在增加。”

▌數(shù)據(jù)很重要，但不是最決定性的

對于在 2012 年 11 月就發(fā)布了的深度學習框架，黃偉是非常自信的。

網(wǎng)上流傳著這樣一個故事：

2006 年深度學習鼻祖 Hinton 提出深度學習之后，微軟在 2011 年間將它應用到語音識別領域，當時，黃偉的師兄俞棟（深度學習開源軟件 CNTK 的作者和主要發(fā)起人之一）還是微軟語音和對話組的研究員，他在意大利佛羅倫薩交流時曾告訴黃偉這是趨勢，這給了他一些啟發(fā)。

深度學習在于需要大量的數(shù)據(jù)進行訓練，很快，云知聲就發(fā)布了自己的“語音識別公有云”，短短不過一年，平臺上就已經(jīng)有 1000 名開發(fā)者加入。利用開發(fā)者以聯(lián)動各家 App，將收集的用戶的語音數(shù)據(jù)快速集中到平臺上，以加強自身模型的訓練。

目前，云知聲已形成了“金字塔”式的技術(shù)架構(gòu)，底層是 DeepFlow 集群；中間層是 Atlas 超算平臺，將統(tǒng)計學習和深度學習里的通用算法抽樣出來；頂層是應用層技術(shù)，如有 ASR、TTS、NLU、NMT 等應用層技術(shù)的輸出。

值得一提的是，數(shù)據(jù)積累到一定程度后，海量數(shù)據(jù)帶來的紅利會越來越少。如語音識別，數(shù)據(jù)量從 1 萬小時增長到 10 萬小時，準確率會提高 1%~2%，但這差別應該不是很大。如果此時還僅靠深度學習技術(shù)按照傳統(tǒng)的方式訓練數(shù)據(jù)，基本很難樹立更高的技術(shù)壁壘。

黃偉表示贊同，但他認為，在 AI 的能力里面，數(shù)據(jù)很重要，但數(shù)據(jù)只是能力之一，不是最決定性的。“發(fā)布深度學習框架之前，我們的統(tǒng)計模型是基于統(tǒng)計學習的，就是用結(jié)構(gòu)化模型去描述復雜物理世界的一些問題。當時，對我們來說，幾百小時和幾千小時的差距不會特別大，甚至比科大訊飛的準確性還要高。”

▌現(xiàn)階段，以技術(shù)推動產(chǎn)品

人工智能領域，目前仍然具有較高的行業(yè)門檻，這也隨之拉大了企業(yè)之間的競爭激烈性，而 AI 專業(yè)人才尤其是有相關項目研發(fā)經(jīng)驗的人才更是屈指可數(shù)。除了從各大技術(shù)公司挖角外，創(chuàng)業(yè)公司也紛紛開始創(chuàng)辦自己的 AI 研究院，以擴充自身人才，加強技術(shù)壁壘。

2015 年底，云知聲成立了 Unisound AI Labs，匯集了從語音、語義、機器學習、超算等各個技術(shù)方向的人才。截止目前，團隊人數(shù)已近百人，博士生幾乎占到一半。

談到如何進行人才管理和設計總體的未來路線圖，黃偉表示：“AI Labs 是不需要管理的，技術(shù)人的自制力本身很強。難的是在于如何去建設、招攬人才。錢絕對不是第一位，他們看重的是能否在團隊里獲得成長。”

實際上，這個團隊是為產(chǎn)品服務的，并非純研究的團隊。目前云知聲也開始從產(chǎn)品驅(qū)動技術(shù)的階段向技術(shù)定義產(chǎn)品的階段過渡。也就是說，“研究院應該提供一些更具前瞻性的技術(shù)能力，一種產(chǎn)品原型，用原型去驅(qū)動市場。以技術(shù)推動產(chǎn)品，這才是一個真正有創(chuàng)新力的技術(shù)公司應該做的事情。”他最后提到。

▌定位決定了你的挑戰(zhàn)

據(jù)AI科技大本營了解，除了云知聲5月成功推出 AI 芯片 UniOne之外，云天勵飛、出門問問、Rokid、思必馳也暗暗籌謀自己的“芯片”。說起來，這幾家企業(yè)并非研發(fā)芯片出身。

為什么敢做芯片？黃偉這樣解釋：“在 IoT 這個場景里面，算法起的作用比較大，而且它也不追求芯片的制成。這種芯片是放置在冰箱、音箱中的，可以理解成：用人工智能最領先的算法和芯片行業(yè)一年前的能力相結(jié)合，就可以滿足這個行業(yè)產(chǎn)品的需要。所以，芯片設計本身不構(gòu)成我們今天最大的問題。”

但與寒武紀、地平線相比，“它們對標的是英偉達，這是高端芯片，這種比拼更像一種軍備賽。他們可能也會考慮商業(yè)層面的成本、價格功耗等問題，但最優(yōu)先級的一定是計算能力。”

放在自然語義理解這個領域，目前對于整個行業(yè)來說均未取得一個比較明顯的效果。在他看來，主要有以下三點因素：

首先，圖像識別和語音識別都是數(shù)據(jù)驅(qū)動的。自然語義理解在知識上就存在一個不確定性。

其次，自然語義理解，同樣一段話，不同的人讀都會得到不同的感受。在圖像、聲音、文本里面，最難的是如何理解文本。

此外，如今的自然語義理解發(fā)展差距不大。

對于云知聲來說，黃偉坦言：“在理論框架真正得到一個大幅度的改善之前，我認為唯一能做的就是在場景里把它做到最優(yōu)。能夠把產(chǎn)品的用戶需求摸透，把數(shù)據(jù)、用戶體驗和技術(shù)很好的匹配起來。”