一块低功耗智能芯片，能打开手机语音识别的新世界大门？

日前，麻省理工学院（MIT）的一个研究小组公布了一款用于自动语音识别的低功耗芯片，最高可将功耗降低99%。

进入2017年以来，人机语音交互的热度不断上升。除了音箱、电视等智能家居领域的产品以外，许多人也将目光投向了移动设备：苹果的智能耳机Air Pods甫一上市就引起了消费者的关注；LG公司上周发布的智能手表成为了首个使用谷歌Android Wear 2.0操作系统的智能手表，内置智能语音助手Google Assistant；尚未显露真身的三星手机Galaxy S8也因为神秘的语音助手Bixby惹得坊间传闻不断。

人工智能市场正在起步 芯片布局至关重要

对于移动设备上的语音AI来说，耗电量始终是一个大问题。想让这些语音助手能随时听从召唤，就需要始终在后台保持开启的状态，实时监测周围的声音。这就必然影响设备的续航时间。根据MIT研究人员的测算，现有的手机在语音识别功能上的耗电量达到1瓦特。

目前的芯片需要使全部神经网络保持运行，来探测所有的声音和噪声。而MIT的这款新芯片则采用了一种"语音活动探测"（voice activity detection）电路，在探测到人声时才会激活更复杂的语音识别电路。因此，这款芯片可以降低90%到99%的功耗，耗电量仅为0.2至10毫瓦。

这一技术意味着，在简单的小型电子设备上使用语音识别和AI助手成为可能。无论是手机、手表、眼镜还是耳机，这款芯片为它们的智能化之路又扫除了一块障碍。

芯片--人工智能的另一战场

人工智能不仅意味着算法，还有其背后的物理硬件支撑。无论是语音交互还是识别图像，都需要进行大量的运算来处理庞大复杂的信息。对于使用人工智能的人来说，不只看重运算结果（比如识别准确率），还关心运算的速度--如果反应迟钝也会大大降低使用体验。因此，芯片虽然低调，却不可或缺的基石。

此外，尽管目前云计算是深度学习和人工智能的主流趋势，但在一些场合--比如移动设备--又免不了在本地处理数据，以实现一些实时的功能，这就需要速度快、能耗低的芯片来提供支撑。

传统芯片巨头转型AI

英伟达是较早投身人工智能领域的芯片厂商。这家以图形处理器（GPU）闻名的公司曾经帮助游戏变得更清晰、流畅，其强大的GPU也能很好地应对神经网络深度学习所要求的计算量，效率远远高于CPU。看到了人工智能的未来，英伟达将自己定位为一家"人工智能芯片厂商"，着力开发专门面向人工智能的芯片。

在收购了芯片制造商Altera、Movidius和Nervana之后，英特尔也在2016年宣布进军人工智能芯片领域。今年，他们将发布第一款针对深度学习的芯片Knights Mill，并推出由其收购的公司Nervana Systems研发的面向机器训练的芯片。

互联网巨头入场

互联网公司也认识到了芯片的重要性。在持续投入软件研究的同时，也纷纷尝试开拓人工智能芯片的领域。

2015年，亚马逊收购了以色列芯片设计商Annapurna Labs，一年之后便发售了基于ARM的芯片，用于无线路由器、流媒体设备、家居设备及数据存储设备。这一款芯片适用于低功耗的设备，主打笔记本电脑和无线路由器。

2016年，谷歌在I/O大会上宣布开发了一款专门面向深度学习任务的芯片Tensor Processing Unit（TPU）。TPU是专为谷歌的TensorFlow开源深度学习框架定制的，可以为机器学习提供更好的性能和优先级。如今，TPU已经为提升谷歌地图、谷歌搜索等服务的质量贡献了不小的力量， Alpha Go与李世石的围棋比赛也有TPU的参与。虽然谷歌并不直接售卖人工智能芯片，但由于大量企业使用谷歌的云计算服务，也间接地吞食了英伟达、因特尔等老牌芯片厂商的市场。

另一边，微软把未来寄托在可编程芯片上。场效可编程逻辑闸阵列（Field Programmable Gate Array，简称FPGA）让硬件也可以编程，如此一来，开发者可以根据需求"定制"自己的芯片，例如既能满足图像处理的需求、又能满足科学计算的需求，相比于开发两块专用的芯片，成本大大降低。微软已经将FPGA应用于必应搜索和Azure云计算平台，开发团队表示，FPGA将必应的机器学习运算速度提高了100倍。

苹果的W1芯片就更加有名了。2013年，苹果收购蓝牙初创公司Passif Semiconductor，便开始研发无线技术，并最终在2016年推出了首款无线芯片W1芯片。目前苹果尚未透露关于W1芯片的技术细节，但我们看到，搭载了W1芯片的无线耳机不仅连接稳定还耗电量低，可工作长达五小时，使用Siri也比较流畅。

此外，百度在去年发布了开源基准测试程序DeepBench，用于测量芯片处理深度学习的速度。这一程序旨在准确测量芯片的表现，帮助硬件厂商和使用者互相沟通。他们还