云知声今年要量产三款芯片，还公布了多模态AI芯片规划

安妮 发自 凹非寺 量子位 出品 | 公众号 QbitAI

推出首款面向物联网AI芯片半年后，AI创业公司云知声怎么样了？

昨天（1月2日）下午，云知声再次对外发声，公布了多模态AI芯片战略与规划，也带来了三款定位不同场景的AI芯片的最新进展。

三芯将量产

新一年的驾到，云知声肩上的担子也重了不少。

作为云知声联合创始人兼芯片负责人，李霄寒曾主导设计过云知声首款面向IoT的芯片雨燕，他表示今年有两个小目标。一是要持续迭代现有雨燕芯片的性能、升级雨燕的服务，二是要推进多款面向不同方向的芯片的研发。

△ 云知声联合创始人兼芯片负责人李霄寒

这其中，有适用性更广的超轻量级物联网语音AI芯片雨燕Lite，集成云知声神经网络处理器DeepNet2.0。

有可面向智慧城市场景提供对语音和图像等多模态计算支持的多模态AI芯片海豚（Dolphin）。

也有与吉利集团旗下生态链企业亿咖通科技共同打造的面向智慧出行场景的多模态车规级AI芯片雪豹（Leopard）。

云知声表示，以上三款芯片均计划今年启动量产。

云知声也回顾了雨燕推出半年的成绩单。此前云知声表示，雨燕采用自主AI指令集，拥有具备自主知识产权的DeepNet、uDSP，支持DNN/LSTM/CNN等多种深度神经网络模型，性能较通用方案提升超50倍。

此外，半年多过去，雨燕的“朋友圈”也扩大了不少。

云知声宣布称，基于雨燕芯片的全栈解决方案现已导入的各类方案商及合作伙伴超过10家，包括美的、奥克斯、海信、京东、360、中国平安、硬蛋科技等，相关产品最早将于Q1 量产上市。

老本行之外

三款芯片之外，云知声在战略布局上也转了转方向盘。

云知声表示，目前已在加速技术布局，而这不仅仅限制于云知声的老本行语音识别。

在计算机视觉领域，云知声也在扩展着。

云知声透露，目前面向机器视觉的轻量级图像信号处理器已实现在不依赖外部内存的情况中，以30fps的速率下实时对传感器的图片进行预处理，还实现了人脸/物体识别、表情分析、标签化、唇动状态跟踪等功能，产品交互和用户体验更可玩灵活。

云知声的战略规划也体现在其AI核心IP DeepNet2.0发布上。

云知声透露，DeepNet2.0可兼容LSTM/CNN/RNN/TDNN等多种推理网络，支持可重构计算与 Winograd 处理，最高可配置算力达4T。目前DeepNet2.0已在FPGA上得到验证，将在2019年落地的全新多模态AI芯片海豚（Dolphin）上落地。

在图像与芯片技术的产学研合作方面，云知声与杜克大学所领导的美国自然科学基金旗下唯一人工智能计算中心ASIC 达成合作，开发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。

AI芯片三趋势

知己知彼，百战不殆。作为一线芯片市场的参与者，云知声怎么看未来芯片市场的发展？

云知声创始人兼CEO 黄伟认为，面向 5G 万物智联时代，人工智能服务需提供更加场景化的解决方案，云+芯一体化的服务模式将成为行业主流。

基于此，黄伟对传统SOC（System On Chip）的概念提出全新定义，认为S代表不同的 AI 服务能力，即Skills；O代表云端与边缘侧的互动，即On/off Cloud，C代表具备智能处理能力的 AI芯片。

△ 云知声创始人兼CEO黄伟

李霄寒表示，要想把握住芯片市场的脉搏，就得摸清楚物联网产品线AI芯片的发展趋势。他觉得，这种趋势分为三个方向：

一是场景化。

芯片设计正在由原来的片面追求PPA，即性能（Power）、功耗（Performance）和面积（Area）逐渐演变成基于软硬一体，甚至包括云端服务的方式来解决某个垂直领域的具体问题，芯片本身上升成为整个解决方案中的重要部分，而非唯一。

二是端云互动。

在物联网的不同应用场景下，海量终端设备要实现功能智能化必须端云配合，即形成边缘算力和云端算力的动态平衡。端云互动的命题需要AI芯片的强有力支持，进一步也深刻影响到芯片的设计，以及最终的交付。

三是数据多模态。

在以5G驱动的万物智联场景下，芯片所接触到的数据维度将由原来的单一化走向多元化，芯片所需处理的数据也由单模态变成多模态，这对芯片尤其是物联网人工智能芯片的设计提出了新的挑战。

结合以上三点，李霄寒认为，物联网AI芯片的最终呈现形式将不再是一个单一的硬件，而是承载着边缘能力与云端能力的多模态AI软硬一体解决方案。

— 完 —