2018年5月9-10日，15屆論道在西安隆重舉行。50多場演講，干貨滿滿;30多個展臺，亮點多多;多場高峰對話，火花四濺。深圳市海思半導體有限公司高級產品經理姚世勇進行了主題為《智慧家庭中的AI》的演講。

兩三年前,智慧家庭還停留在概念階段，現在情況完全不同，已經變成了進行時，從全球范圍來看，歐洲的法電、德電、意電，美國的comcast、Verison，到東南亞的韓國、日本，都相繼推出智慧家庭的戰略。國內情況大家比較熟悉，運營商均成立了智慧家庭聯盟，全球范圍內，60%的領先運營商正在開展智慧家庭業務。

AI將會成為智慧家庭最核心的要素

對于智慧家庭，不同的人有不同的理解，家庭是一個非常特殊的場景，家庭里面應該做到高速網絡無處不在，智能服務無處不在。家庭里可享受以下三種服務：

一是安全的家，希望通過安防業務，構建安全的應用場景;二是舒適的家，這也是大家夢寐以求的，也是核心的應用場景;三是健康的家，圖中都是目前正在開展的業務，當然不限于這些業務。針對這些業務，最重要的就是實現智慧服務，不管是大趨勢、還是大戰略，都頻繁被提到，我們看到的情況也是如此，AI將會成為智慧家庭最核心的要素。

大家一起回顧一下AI發展的情況，在50年代初，AI概念被提出來，馬上就有相應成果，開始是國際跳棋，但算法太簡單，從此以后AI沉寂了近40年。直到1996年，IBM的“深藍”與人類對弈，機器第一次戰勝了國際象棋大師，引起轟動，但仍擺脫不了機器暴力計算的問題。2017年，谷歌的“阿爾法狗”戰勝國際象棋大師，AI重回聚光燈下。總覺得AI跟棋有不解之緣。工業自動化很早就實現了，但是大家覺得用機器做工作，只是比人快一點、更準確些。為什么棋類引起這么大轟動?因為棋類是人類引以為豪的智慧活動。

特別是“阿爾法狗”戰勝人類，其模式已經走向深度智能化，選擇性運算產生的效果已經非常的震撼，前景已經超出大家想象，有人充滿希望，有人充滿恐慌。今天，我們看到智能領域發生了很大變化，取得了很大成功。

一頭狼具有識別獵物的能力，甚至有簡單的協同，但我們現在智能顯然差距很大，有很多人開玩笑，說現在人工智能比不過一條狗，可能就是這個原因，人工智能絕大部分聚焦于專家系統，在某一個特定領域產生非常大的作用，還不能用于廣泛的人工智能。

這個視頻是憨豆去年拍的片，用的是一輛車勞斯萊斯，可以做遠場語音控制，憨豆跟別人聊天的時候，提到車名，車就自動啟動了，還沒有注意到車，車也自動跟隨在身后，隨人走走停停，無意中轉身，發現車很蹊蹺的挪了個地方。這說明一個問題，最高端的語音識別系統也無法區別語境，只能機械接受語音命令，可能會造成笑話。

AI技術兩大科技革命，驅動用戶體驗升級

以后產品會沿著兩大方向演進，一個是交互革命，一個是AI革命。早期的操控，人機界面局限于遙控器、手柄，現在智能語音技術出現了，后續很可能出現智能視頻技術，再到后面可能會出現VR、AR技術實現人機交互，這種控制會完全突破大家一直詬病的操作笨、不方便問題。另外一個是人工智能，從最早的用戶側感知，不斷的進行演進，深度學習到對客戶行為的認知，到最后實現能媲美人類的人工智能。

AI語音技術，是目前成熟度最高的領域之一，人工智能按應用可歸結為兩大類，一類是語音識別，一類是圖片分類。語音識別的成熟度最高，這個生態里面大部分的網絡巨頭在資源整合上有很大潛力。專業語音公司像科大訊飛等，包括BAT廠家也做語音識別，內容廠商的視頻內容聚集，各種音箱硬件廠商都會參與進來，最后由運營商或設備廠家做業務運營。從技術方面看，這么多技術模塊才構建了一個語音識別功能，從最上層的語音分析到中間的拾音、語音增強等，最下面是用戶，通過技術模塊疊加互動，最終實現智能音箱，或者帶STB特性的智能盒子。

作為芯片廠家，我們的著力點在端側，我們希望把云端的語音技術不斷端側化，語音能力在端側建立，最終實現一個效果：在家庭環境里面自然交互。大家有沒有想過買了一個智能音箱，用起來不像宣傳中那么順手、便利，語音識別率沒有那么高，可能就是這個原因。換言之，它是在特定環境里才可以高識別，真正客廳里面人比較多的時候，有噪音的時候，是否操作起來輕松自如，這是一個疑問。

隨著當前語音技術發展，家庭里面要達到真正的自然語音交互，應該做到分布式語音層面，不能說買一個盒子放在客廳，要做一次語音交互，一定得跑到客廳去，家里還有那么多房間，甚至很多人習慣待在房間怎么辦?比如出門前查一個天氣，想問一下交通是否擁堵，怎么辦? 分布式語音解決方案解決這個問題，借助于G.hn+WIFI分布式網絡解決方案，能夠讓整個家庭做到網絡完全覆蓋。順著高速網絡，語音也可以延伸到家庭的每一個角落，拾取主人聲音，給主人一個反饋。

AI視頻技術，借助于AI，可以用攝像頭捕捉家庭情況，或者同步進行3D建模，最后把人像從環境中提取出來，疊加到視頻或者增值內容上面去，比如在家里打太極、學國標舞，可以把整個形象動作同步到原教學視頻里面做比對，可以更精準、高效的學習。借助于圖象技術可以衍生出很多應用，我們怎樣把流量變成大家喜聞樂見的增值業務，這是一個非常大的難題。比如游戲，我們可以通過攝像頭捕捉人物輪廓，作為游戲操控的媒介，來控制游戲里面的角色。第二種是現在玩的比較火的抖音，有舞蹈指導動作，很多感興趣的年輕人可以實現他錄抖音的愛好。第三種是智能試衣鏡，通過現在的3D攝像頭，可以獲取人的三維信息，現在已有技術誤差達到厘米級，非常接近真實人體，獲取的模型跟衣服矢量圖像結合，這樣在網上將會有一個全新購衣體驗，這個衣服可以不買，可以試穿，拍一個照片做一個留念也可以。大家會發現在這幾種應用場景里面，這都是大屏獨有的應用，是手機、電腦做不到的。

視頻AI技術，也是目前在好萊塢大的影視制作公司廣泛采用的技術，在面對低分辨率的圖象時，通過智能技術提升整個畫質。現在家庭影視娛樂設備，包括機頂盒、電視，視頻依然是消費主線，是最基本的元素，脫離這個元素可能會造成用戶大量的流失，我們想在這個方面做技術的加強。現在海量的標清節目、高清節目，可不可以通過AI技術直接提升到4K，同時圖像質量有明顯的提升?這是有可能的。通過AI技術分析視頻對象，結合我們的數據庫和模型，做到真正的“無中生有”，不斷的提升原始圖象的分辨率。

大家可以看一下示例，提升前和提升后的對比，雖然提升后還不是最真實原形，但是相對真實走近了一大步。還有一種AI視頻技術做到人臉、物體的識別，人臉識別基本成熟，甚至有一些地方考慮用人臉支付，能做到這種程度，也是相當精確的技術。

我們跟大家一起探討主動安全，今天新媒體的人講到他們的責任、使命，我們作為芯片廠家，可探索利用終端側的技術去保證安全，我們通過人臉識別技術，能夠識別一些關鍵的信息，比如敏感的人臉或者文字，一旦識別，可以在終端直接打上馬賽克，我們用這個技術，可以將一些人為造成的非法行為攔截住，這是通過技術手段解決的，以前只能在前端，現在有后端技術處理這個事。

增值業務的投放點、投放方式，是整個行業摸索的，作為運營商，運營著這么大的用戶群，可以投放廣告，如果有AI技術加持，可以跟廣告商談投什么廣告，我們把產品的模型記錄下來，在所有播放的視頻畫面中進行識別，一旦出現設定的產品，就會自動識別，運營商可通過用戶可接受的方式，把廣告內容打出來，產生一個增值點。

還有千人千面，大家也比較清楚了，人臉識別技術能比較準確識別家庭成員，根據家庭成員推薦內容EPG。不一定做到按人管理，可以按分類，比如大人、小孩、老人這樣更自然。這里幾個場景采用的技術基本上比較相似，通過信號采集預處理，根據數據庫里面模型進行匹配，最終識別。

AI技術的兩大挑戰：端側智能和實用程度

人工智能并不是像我們想象的那么簡單，這可能也是大家提的比較多，但是用的比較少的原因，我們人工智能當前面臨兩大挑戰：云端化和實用性問題。單一的云端化造成了很多問題，一是太多的人工智能技術依賴于云端，大量的運算堆積在云端造成很大算力負擔，給運營商投資帶來很大影響。二是語音、視頻通過網絡，實時傳到網上云端，總感覺自己生活內容被直播，體驗非常差，不管你說怎么保證內容安全，但是心里感受還是差。三是把自家視頻傳上云端，最后在云端處理完，結果返回來，周期長延時大，不是很自然。

現在端側提供智能能力是重點，行業也正在努力，今天是谷歌I/O大會的第一天。他們正式推出AI框架，在Android系統里面已經集成了，facebook也推出了端側架構，包括蘋果也會提出端側人工智能方案。后續端側智能方案會是一個大方向。

另外一個實用性問題，人工智能現在發展到什么階段，大家印象比較深的還是智能音箱，這個產品大家用了以后，口碑不算很好，國外賣的比較多，也可能跟生活習慣有關，國內這個產品并沒預期中那么普及，接受度并不是那么高，為什么?我們語音識別不是很方便，不能說在家庭環境里面，需要事先讓大家不要說話，再開始語音交互，這樣很詭異。還有識別率怎么樣，實驗室可以98%，甚至有人說語音識別率是百分之百，一旦放在自然環境里面識別率可能是40%、50%，這是不可接受的。另外是要考慮成本與功耗，人工智能跟生物質能相比，能耗比差很多，這個功耗是否大家可以接受，人工智能集成進芯片，發現芯片成本會顯著上升，這個成本是否可以接受。

總結一下，我們認為，現在的人工智能大致處于好玩階段，后面還有兩個階段，一個是好用階段，一個是好管家，終極目標是好管家，希望在家庭環境里面，人工智能像大管家一樣，時刻關注家庭成員的各種狀態和需求，積極主動提供周到細致的服務。