隨著智能音箱的火熱以及背后語音交互生態的成熟，將會帶動越來越多的設備語音化、智能化，使語音真正成為人機交互的一個界面。而在語音交互設備中，語音芯片憑借定制化、低功耗、高能效、智能化以及成本優勢等地位越發重要，成為人與云端“溝通”的橋梁。

自從谷歌在今年5月初的I/O開發者大會上秀了一回語音助手Google Assistant，智能語音便再次成為熱議話題，與此同時，國內的智能語音市場亦趁著這陣風迅速升溫。

5月16日，云知聲在北京發布了首款面向物聯網領域的AI系列芯片UniOne以及第一代芯片“雨燕”；5月24日，出門問問在北京發布了旗下首款AI語音芯片模組問芯Mobvoi A1；6月26日，Rokid在杭州發布了旗下AI語音專用SoC芯片KAMINO18；同一天，思必馳宣布完成D輪5億融資，由元禾控股、中國民生投資集團領投，深創投、富士康、聯發科跟投。

如今伴隨大眾的廣泛認可和資本的涌入，似乎AI語音專用芯片的戰斗已然打響。

智能語音芯片戰爭背后的考量

隨著AI技術在終端的落地，終端芯片也成為賦予設備AI能力、提升用戶體驗的重要關鍵點。云知聲CEO黃偉曾表示，智能終端的破局點在于“芯”。他認為對于AI技術來說，場景的選擇最為重要，由AI芯片和場景就能形成一個完善的產業閉環，首先AI技術的落地需要找到具體場景，其次應用場景也將定義AI芯片，而芯片反過來也將加速應用的落地。

從目前智能語音交互行業整體格局來看，在實現商業化方面，可以往上下游延伸以創造價值。比如：上游把語音和搜索引擎結合起來，為垂直行業提供內容和服務；下游則可把語音和硬件產品相結合。

AI開始“潤物細無聲”，融入各個場景。智能音箱之外，在家庭場景、辦公場景中更多的硬件設備也開始語音化、智能化，通過深耕垂直領域和細分賽道，這更加帶動了AI專用語音芯片的爆發。

智能語音芯片的優勢

在智能語音設備的市場早期階段，由于芯片研發漫長的周期（一般需要18~24個月），高昂的研發投入，因此在市場規模尚不大的情況下，市場并沒有專門的語音芯片應用到智能語音設備中。

隨著智能語音設備銷量不斷增長，2015年以后語音芯片就開始陸續興起，包括聯發科MT8516、科勝訊CX20924、晶晨半導體A113、瑞芯微RK3036、北京君正X1000等公司，如聯發科推出了MT8516應用在了阿里天貓精靈上，晶晨A113應用在了小米AI音箱。

而以本次Rokid發布的AI語音專用SoC芯片KAMINO18為例，據官方稱，KAMINO18的成本相較于市場主流通用芯片降低了30%以上，兼顧了芯片性能和商用性。將ARM、NPU、DSP、DDR、DAC等多個核心部件集成于KAMINO18中，最終產出與1元硬幣大小相當的芯片模組。

同時，KAMINO18支持智能音箱和兒童故事機兩大產品領域，結合Rokid全新的相控陣技術、CTC模型、自定義喚醒詞、離線語音指令、低功耗喚醒等算法，搭載KAMINO18的產品整體功耗可降低30%至50%。

整體來說，這些語音芯片都是面向智能音箱以及智能家居場景打造的專用芯片，支持多通道麥克風陣列接口，采用適合做語音處理的CPU；在語音算法上支持回聲消除、噪聲抑制、聲源定位、語音增強等技術，并兼具運算能力和低功耗的考量。

爆發之態 智能語音的“未來三步”

為什么2018年會成為智能語音芯片的爆發期？這和智能音箱近兩年的爆發不無關系。市場分析公司Canalys預測，2018年全球智能音箱出貨量將超過5600萬臺。思必馳CMO龍夢竹亦指出，隨著智能音箱的爆發，消費者對新型交互方式和新型智能硬件的認可、客戶對相關技術的認可都有一個很大的提升。

而除終端硬件的銷量增長之外，與場景的深度融合才是未來真正的考驗。聯發科副總經理暨家庭娛樂產品事業群總經理游人杰曾對智能語音的發展提出一個三階段論的觀點：他認為智能語音的第一階段是智能音箱的普及；第二階段是更多智能語音設備的出現，語音成為人機交互的界面；第三階段就是端側智能，通過語音AI芯片來實現更多本地計算，提供用戶更好的交互體驗。

不難看出，目前還處于第一階段，需要推動智能音箱的普及以及更多智能設備的出現，從而推動語音交互界面的到來。只有當語音成為一種交互界面，才意味著整個智能語音市場的爆發，才會有更多的巨頭芯片廠商以及中小芯片商涌入其中，甚至誕生下一個芯片巨頭。