探境科技：瞄准智能家居语音芯片实现百万级出货量

 探境科技副总裁李同治告诉机器之心，家电厂商可以直接使用这个电路板用语音交互来控制家电，比如代替抽油烟机原来需要按按键的操作，或者是将板卡与家电厂商的控制模块，通过串口协议直接相连，不做其它改变，即可升级为一套语音识别控制的智能家电。由 Marvell 中国芯片研发部门前高管鲁勇创立的 AI 芯片公司探境科技，想以此切入广阔的智能家居市场，通过语音芯片打开人机交互的入口。目前为止，搭载语音芯片的探境语音识别方案已实现百万级产品出货。今年营收已经破千万元。

在拥挤的语音 AI 芯片赛道，他们拥有自研的全栈式技术能力，先将目标瞄准智能家居市场，通过语音芯片打开人机交互的入口，再铺向更多的应用场景。正在播放电视剧的电视机旁，放着一个电路板，即内含探境科技的语音芯片——Voitist 音旋风 611、外围电路、麦克风，这是一个用于智能家居语音控制的原型系统。当人对着用于智能家居语音操控的原型系统说话时，该「系统」就会进行回应，它可以根据人的指令做出反馈，比如当你说出「最大风量」时，系统就会复述一句，将抽油烟机调整为最大风量。在夹杂多声源的语音环境下，离线不联网的语音控制系统仍能接听人发出的指令，并作出反馈。

实现百万级出货量

2017 年，担任 Marvell 中国芯片研发部门高管鲁勇看到了 AI 芯片热潮背后，存在着庞大的市场需求和落地场景，便创立了探境科技。两年时间，探境科技迅速实现芯片量产出货，且快速实现商业化落地。

2018 年，探境科技初步完成 SFA 架构雏形，实现语音芯片 Voitist 音旋风 611 的流片;2019 年第一季度 611 一次性流片成功，开始合作首个 alpha 客户，;2019 年中实现量产供货。2 年时间，鲁勇透露，搭载语音芯片的探境语音识别方案已实现百万级产品出货。未来探境还会将语音产品进行二次升级，推出更多在线离线一体化方案。截至目前，探境已经合作约 30 家机构，合作厂商包括美的、海尔等智能家居制造厂商。探境科技在全球有 6 个研发中心，分别是北京、上海、深圳、合肥、杭州、美国硅谷。公司总员工接近 200 人，其中 150 人是研发人员，其骨干研发人员平均工作经验约 15 年，其中有 50 人拥有硕士、博士学历。

 三大「自研降噪」法宝：AI 降噪技术+HONN 神经网络+端到端双麦

在智能家居细分门类中，智能灯具、抽油烟机、空气净化器、垃圾桶、窗帘等家居设备，均可以通过搭载语音芯片的智能家居语音控制系统实现。据 Strategy Analytics 发布的研究报告显示，拥有语音控制的智能家居设备 (不包括智能音箱) 的销量将从 2018 年的 15.4 万台跃升至 2025 年的 3230 万台。在火热的智能家居语音市场，语音芯片在语音交互中扮演着一个关键的角色。因其在语音识别、智能交互等方面的优势，可以为智能家居提供新的控制入口。

但是目前语音控制技术层面仍面临诸多挑战。高噪声、远场识别环境造成低信噪比情况。信噪比，是衡量需要识别的目标声源与其它干扰声源强度比值的对数。一般将信噪比低于 15dB 的称为噪声环境。信噪比越低，识别难度越大。非稳态噪声，即干扰人们休息 、学习和工作的声音，也会对降噪算法产生影响。另外播放电视剧、音乐造成的多声源也会影响语音识别。在语音识别的研发过程中，一个完整的识别链路可以简化为麦克风输入、降噪处理、语音识别、识别结果输入四个环节。

语音识别研发流程

为了顺利完成语音识别，探境科技提出，首先在降噪处理方面下功夫，通过自研的 AI 降噪算法，对非稳态的突发性噪声进行过滤。其次，通过高计算强度神经网络(HONN)进行语音识别。在这一环节，神经网络模型所需的算力决定了模型的描述能力，同时也决定了模型处理能力和识别率的上限。

在传统的语音识别算法里，通常采用 DNN 的方法。DNN 即全连接神经网络，最朴素的神经网络，网络参数最多，计算量大。高强度神经网络的参数量不大，仅为 DNN 的五分之一，用更小的参数量和存储，即可实现更好的效果。相比较于全连接操作，卷积操作能够提供更高的计算强度，且卷积运算与人类大脑负责感知模块的处理方法类似，能够提取满足大脑认知的本质特征。探境将其计算机视觉中的一些经验迁移到语音识别中，在语音识别算法上加入了更多的卷积操作，重新设计了一个高计算强度的神经网络，即 HONN。结果显示，HONN 在远场和高噪声等环境下的识别率明显优于 DNN。基于 AI 降噪技术与 HONN 神经网络还不足以解决语音识别问题。为了提升超强噪音场景下的语音识别率，探境科技开发了基于 FCSP 的端到端 AI 双麦算法。FCSP(Frequency Complex Subspace Projection)是探境自研的频域复数子空间投影算法的简称。通过这个算法直接输入阵列信号，输出的是最终的识别结果，中间部分全部交给基于深度学习的 AI 算法来处理，不再使用传统的数字信号处理方法。

李同治表示，在模型训练期间，采取「注意力增强」的学习方法，能够灵敏地检测到唤醒词和命令词。「类似于在一个嘈杂的环境里面，如果有人喊自己的名字，一下子就能反应过来。」他比喻道。

探境科技的逻辑是，通过 AI 语音算法+HONN 神经网络模型来提升识别率，再通过 FCSP「端到端」的双麦处理算法简化识别流程，降低最终语音识别的错误率。将这三个「法宝」集结一体，目的是攻克语音识别难题。结合这三大条件，探境科技发布离在线一体的语音识别解决方案，即 Voitist 音旋风 612。Voitist 音旋风 612 的特点是降低传统语音设备对多麦的信号处理，相应节省硬件成本;在高噪声环境下识别率高;有效算力更高。

 自研全栈式「硬底盘」

与其他公司不同，探境科技更强调自研，在全栈式技术上，提供芯片、软件、算法、系统一站式整体方案。存储优先的芯片架构 SFA(Storage First Architecture) 则成为探境科技搭建「全栈」式服务的基础。先用 SFA 解决算力的存储问题，再借助 AI 降噪算法，通过全栈式的解决方案「杀进」市场。

鲁勇表示，SFA 是针对 AI 芯片存储墙问题而设置的芯片架构。所谓存储墙问题指的是，与数据和存储相关的带宽瓶颈、功耗瓶颈问题。同行业其他 AI 芯片设计公司也意识到，AI 芯片的本质不是要解决计算问题，而是要解决数据问题。「所有运行的深度学习算法和 AI 芯片都面临一个问题，并不是要做卷积运算的乘法或加法，这并不是最难解决的问题，难点是在于存储带宽要求很大，存储功耗很高。」他指出，大量数据的重复使用，以及数据在存储器里的位置、相对关系、读取的性能，会影响到算法运行的性能。

目前常见的芯片类型 CPU、GPU、FPGA、ASIC 都可以运行深度学习算法，都可统称为 AI 芯片。CPU、GPU 都属于冯·诺依曼结构，指令译码执行、共享内存。用冯·诺依曼结构的处理器处理深度学习算法时，提供算力虽简单，但当运算部件达到一定的能力，存储器则无法跟上运算部件消耗的数据。因此，SFA 架构以存储来驱动计算，推翻冯·诺依曼架构，设计不同于之前类 CPU 的计算架构。

2019 年 8 月，探境自主研发的通用型语音芯片「音旋风」611，能够支持 200 条的命令词，能够做到 99% 的唤醒率和极低的误唤醒率，已切入智能家居领域，涉及智能空调、空气净化器等多个品类。另外，探境科技搭载的 SFA 架构的图像芯片 Imagist851 已流片成功，图像芯片的核心指标 IPS/W 高达 800，瞄准工业视觉、新零售、安防、辅助驾驶等市场。

鲁勇称，SFA 可实现真正的通用型 AI 芯片架构，可支持任意神经网络。「不仅适配于终端，也适配于云端、推理、训练，可组成不同类型的产品形态。」据鲁勇透露，探境的云端 AI 芯片也已提上日程，将于 2020 年推出。他向机器之心表示，现阶段会以智能家居为主基点，而后再逐渐加码至其他场景。

实测数据表明，在同等条件下，SFA 可带来超高的能效比，数据访问可降低 10~100 倍，存储子系统功耗下降 10 倍;28nm 工艺测试下，系统能效超过 4T OPS/W，计算资源利用率超过 80%，DDR 带宽占用率降低 5 倍。基于 SFA 架构，探境科技开辟语音和图像两条产品线。在探境科技的语音芯片产品矩阵中，除了支持 AI 双麦的 Voitist 音旋风 612 之外，还包括在离线一体的 Voitist 音旋风 621、以及语音芯片的旗舰产品——可支持本地 NLP 的音旋风 7 系列。

目前探境科技选择做终端 AI 芯片，相对云端芯片投入成本较低，离手机、智能音箱这类产品的设计和生产较近。在拥挤的语音 AI 芯片赛道，基于自研的全栈式技术能力，先解决存储再解决算力，探境走出一条不同寻常的路。谈及未来的发展规划，鲁勇表示，探境科技定位于一家语音、图像相结合的 AI 芯片公司，基于语音算法、图像算法，既有面向家具、玩具、智能穿戴等场景的语音系列解决方案，也有面向安防、新零售、辅助驾驶等图像解决方案。