云知声杀入视觉AI芯片市场，2018年营收增长三倍

撰文 | 四月

1 月 2 日机器之心消息，由语音技术方案切入芯片市场的云知声公布了 2019 年芯片路线图，包括推出三款芯片：一款轻量级物联网 AI 芯片雨燕 Lite，将于 Q2 投产；一款面向智慧城市的多模态 AI 芯片「海豚」，将于 Q3 投产；一款面向智慧出行的车规级多模态 AI 芯片「雪豹」，着重本地计算和处理能力，将在 Q3 至 Q4 期间投产。

「海豚」、「雪豹」都将同时融合云知声自有的 AI 语音和 AI 视觉的能力，AI 视觉能力来自于云知声的第二代神经网络处理器 IP——DeepNet2.0 和一款面向机器视觉的轻量级图像信号处理器 ISP，AI 语音能力涵盖在云知声去年发布的第一代神经网络处理器 IP，将在二代中保留和升级。

云知声第二代神经网络处理器 IP 包含视觉和语音等多模态下的处理能力，其 feature 包括：支持多 NPU 组网，支持 Int16/8/4/1 数据类型，支持卷积、池化、激活等深度神经网络专用运算指令；支持系数权重压缩，算力可配置（64G—4Tops）。云知声联合创始人、芯片技术负责人李霄寒表示，2018 年底已经完成 DeepNet2.0 在 FPGA 上的验证工作。

针对轻量级的图像信号处理需求，云知声推出 microISP，其 feature 包括：可支持任意尺寸的图像缩放（4096*2160 到任何尺寸，30 帧），支持宽动态自动白平衡，支持自动曝光控制以及镜头阴影纠正，无需调用内存 DDR 等。

在这之前，云知声在 2018 年 5 月推出首款面向语音交互场景的物联网 AI 芯片「雨燕」。这块芯片上集成了专门面向 AI 的加速器，面向语音交互、麦克风阵列降噪和处理的数字信号处理器以及通用 ARM 的核，相比于通用芯片，这类专用芯片可以在特定场景中提供更好的技术能力。据云知声方面表示，「雨燕」性能相比通用方案提升 50 倍，成本降低到通用方案的三分之一。

据介绍，「雨燕」在 2018 年 6 月正式实现规模化量产，目前已经导入美的、360、海信、奥克斯等具体客户，多款客户产品已经处于 design in 阶段，最早将在今年 Q1 面市。

不同于一般芯片设计只需要强调 PPA（Power、Performance、Area，即性能、功耗、面积），李霄寒认为，在芯片设计层面还需要侧重考虑三个层面。一是面向场景化，芯片厂商需要帮客户做很多芯片以外的工作，从提供通用的解决方案到提供某个场景的垂直解决方案，从提供单一芯片到提供软件和应用的能力，从提供硬件本身到提供整体解决方案的能力。二是具备处理多模态数据采集分析和处理的能力，三是具备端云互动的能力。

「物联网 AI 芯片更应该像是一款成熟的『APP』应用产品。Turnkey（交钥匙）将成为 AI 芯片销售的核心模式」，李霄寒说道。

经过六年的发展，从语音识别及语言处理技术起家的云知声不再局限于软件和算法层面的创新，通过芯片领域补齐「硬实力」，从语音市场模型迁移到视觉市场的再造，转型成为人工智能服务商。除了提供芯片和终端引擎外，云知声表示还将应用部分向客户开源，同时提供相应定制化工具以及云端 AI 能力服务。

活动现场，中科院院士、中国科学技术大学教授陈国良出席支持，他谈到黄伟、李霄寒等云知声创始人均为中国科技大学的学生，对于云知声快节奏的芯片迭代进展表示认可。

在图像与芯片技术的产学研合作方面，云知声宣布将与杜克大学所领导的人工智能计算中心——ASIC 达成深度合作，致力于 AI 芯片算法压缩与量化技术, 以及非冯新型 AI 芯片计算架构研究，将进一步为云知声多模态 AI 芯片战略的推进夯实基础。

快速迭代能力从何而来？

从宣布第一代芯片落地到现在仅半年时间，云知声快速的产品和商业化能力来自于前期的积累和布局。

创业六年，云知声创始人兼 CEO 黄伟颇有感慨，他回顾了历年间公司的重要技术与战略时间点，2012 年首先将 DNN 算法引入语音技术领域；2014 年，内部提出云端芯一体化，在云端提供基础技术和平台资源，以实现不同设备上提供交互能力；在 2015 年-2016 年，云知声率先通过语音交互模组的方案切入智能家居市场。

黄伟表示，在 2015 年前后，团队已经意识到物联网需要将能力下沉到设备端。据公开数据显示，物联网时代设备数量将是移动互联网的 5 倍，达到 348 亿台。李霄寒认为，在物联网市场面临的挑战包括数量大规模增长，连接成本更为低廉，数据维度复杂多样化，应用场景更为垂直化。

2015 年，云知声推出了基于通用芯片的 IVM 模组量产并出货。随后，云知声在智能家居语音交互方案市场逐步占据领先优势，目前，与海尔、美的、格力等厂商达成合作，合作伙伴数量超过 2 万家，覆盖设备超过 9000 万台。

与此同时，在接触过大量客户和具体需求后，云知声团队发现基于通用芯片方案已经不能满足要求。对外有降成本、降功耗的压力，对内有战略规划的必要性，于是在 2015 年开始启动芯片自研计划。2018 年 1 月份，云知声首款 AI 芯片「雨燕」进入到 MPW 量产阶段，5 月份点亮测试，6 月份正式启动量产；9 月 12 日，发布基于雨燕交钥匙的整体解决方案。

在语音交互方案已经成熟的前提下，云知声开始从视觉方向补齐多模态交互的能力。据黄伟介绍，团队在 2018 年 10 月正式转入图像 IP 的研发。

2018 年 11 月，在国际权威的人脸识别标准评测数据库 LFW 和 MegaFace 评测中，云知声团队研发的人脸识别 UFaceID 算法系统性能分别达到 99.80% 和 98.47%。

黄伟表示，云知声能够短时间内在视觉 AI 方向取得重大进展来自于早年团队就在算力和算法平台能力的积累和搭建，包括云知声 Atlas 分布式机器学习并行计算平台、DeepFlow 算力集群。

基于 Atlas 算法平台可以实现语音理解、自然语言理解等算法迭代，以及帮助团队不到一年时间在人脸识别领域取得实质进展。

算力层面，云知声通过搭建以 GPU 和 CPU 为计算集群的基础硬件资源，针对智能计算的需求和任务特点，使用云知声内部改进的 Kubernetes 作为资源管理和调度系统，通过计算任务容器化和图形化的任务交互，能够最大化的简化算法研究人员提交计算任务的复杂度，实现计算任务的全流程管理和一键式分布式运行。

2018 年营收增长三倍

在芯片研发进展之外，云知声在过去一年里的商业化进展同样值得关注。2018 年 7 月，云知声宣布完成 6 亿元人民币 C+轮融资，该轮融资由中国互联网投资基金领投，中金公司旗下中金佳成、建投华科旗下中建投资本跟投，多支国家背景基金参与。至此，云知声 C 轮总融资额达 13 亿元人民币。

「云知声今年有几个亿的收入，均来自来自于芯片和软件。就公司规模而言，云知声的人均产值高」，黄伟表示，公司在过去三年里营收稳步增长，2017 年年增长 100%；2018 年营收规模年增长 300%，预计在 2019 年实现 2-3 倍成长。

在商业化落地方面，云知声 AI 生活场景覆盖家居、车载、机器人领域，AI 服务切入医疗、教育、政务等领域。他认为，不同于「分蛋糕」市场理论，云知声在车载、教育、医疗领域是在「做蛋糕」，开辟市场。

自 2015 年云知声提交车载交互方案，到目前维持 1800 万台设备激活，40 款前装车型量产。2017 年，云知声开始提供家庭陪伴机器人方案，目前已经落地 300 万台产品。2015 年切入医疗 AI 语音领域，电子病历方案已经落地协和医院、华山医院、长海医院等，和超过 500 家医院合作。黄伟透露，今年云知声还将切入金融、政府领域的 AI 市场。

在智能车载市场，云知声已经与吉利集团战略投资、独立运营的科技生态企业——亿咖通科技宣布成立合资公司，开展面向汽车前装市场的车规级 AI 芯片研发，合资公司落地合肥高新区。2019 年将投产的「雪豹」将会是双方合作的首款产品。