遙想2011年，Siri被成功移植到iPhone4上，隨后，與手機(jī)語音對(duì)話的新玩法引起了消費(fèi)者對(duì)語音助手的興趣。2014年，亞馬遜推出搭載Alexa語音助手的智能音箱Echo，引領(lǐng)了全球智能音箱的熱潮。不過，歷經(jīng)多年，語音助手既沒有成為消費(fèi)者離不開的智能助手，還因接連爆出的“竊聽”問題引發(fā)擔(dān)憂。語音助手“竊聽”的目的是什么？語音助手的隱私問題能否解決？

語音助手為什么要“竊聽”？

8月28日，蘋果就 Siri 隱私問題道歉并表示會(huì)做出改變。之所以要道歉，是因?yàn)?月26日英國《衛(wèi)報(bào)》報(bào)道稱，Siri 會(huì)在未經(jīng)用戶允許的情況下，將用戶錄音上傳到服務(wù)器，并發(fā)送給蘋果外包的承包商進(jìn)行人工分析。而這些錄音包含使機(jī)密、位置、聯(lián)系方式等敏感信息。

Siri并非唯一被爆出竊聽隱私的語音助手，同樣在7月，比利時(shí)新聞網(wǎng)站VRT報(bào)道稱 Google 涉嫌通過Google Assistant語音助手，監(jiān)聽用戶私人談話內(nèi)容的消息，并且 Google 的一些合作伙伴向其泄露了1000多條Google語音助手和客戶對(duì)話的錄音。

更早的4月，彭博社援引知情人士透露，亞馬遜負(fù)責(zé)評(píng)估Alexa語音助手用戶指令的團(tuán)隊(duì)，可以獲得用戶定位信息，甚至是用戶具體的家庭住址。

為什么語音助手接連被爆出存在竊聽隱私的問題？上海深聰智能（思必馳與中芯國際下屬投資公司中芯聚源的合資公司）CTO 朱澄宇接受雷鋒網(wǎng)專訪時(shí)表示：“這些公司的目的并不是真的要侵犯用戶隱私，而是為了采集一些數(shù)據(jù)進(jìn)行訓(xùn)練讓語音助手更加智能?！?/strong>

深聰智能 CTO 朱澄宇

這確實(shí)是語音助手收集錄音的目的所在，蘋果在聲明中表示，為了更準(zhǔn)確地完成個(gè)性化任務(wù)，Siri 會(huì)收集和存儲(chǔ)用戶設(shè)備上的特定信息。

朱澄宇同時(shí)表示，語音助手的技術(shù)已經(jīng)有了，但用戶之所以更多的只是使用天氣播報(bào)、講故事這些功能。一方面，是因?yàn)檎Z音助手后面連接的內(nèi)容和應(yīng)用還不夠多，需要更多的內(nèi)容和服務(wù)提供方對(duì)語音助手開放接口；另一方面，要讓語音助手完成更復(fù)雜的任務(wù)，比如訂機(jī)票和叫外賣，需要多輪對(duì)話的語音技術(shù)，更需要通過大量的數(shù)據(jù)訓(xùn)練讓語音助手更懂用戶。

如何保護(hù)隱私？

由此，我們也就能理解語音助所面臨的困局。AI語音算法的提升需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，但數(shù)據(jù)的收集又會(huì)涉及用戶隱私，現(xiàn)在需要找到一個(gè)平衡或者解決辦法。對(duì)此，朱澄宇給出了自己的兩個(gè)想法。他認(rèn)為，現(xiàn)階段可以用公認(rèn)的方法或者制定相應(yīng)的標(biāo)準(zhǔn)，在保護(hù)隱私的情況下，收集用于訓(xùn)練的數(shù)據(jù)。另外，隨著AI技術(shù)的發(fā)展，到了成熟期之后可能對(duì)訓(xùn)練的需求沒那么旺盛，“竊聽”的事情可能就不會(huì)發(fā)生。

目前，我們既沒有看到數(shù)據(jù)收集的標(biāo)準(zhǔn)，AI語音算法也未達(dá)到成熟的階段。此時(shí)如何保護(hù)用戶隱私？朱澄宇表示：“我們提供融合思必馳的算法和深聰?shù)腁I芯片的軟硬一體的方案，基于我們強(qiáng)大的AI芯片，盡量把云端的工作搬到終端，語音的部分不需要上傳到云端，這就是對(duì)用戶隱私最大的保障。”

不過，要在終端實(shí)現(xiàn)部分云端的AI功能，終端AI算力的提升至關(guān)重要。朱澄宇指出，思必馳的算法可以與深聰?shù)男酒M(jìn)行深度融合，可以用通用芯片十分之一甚至百分之一的算力就可以達(dá)到同樣的效果，對(duì)于深聰而言，目標(biāo)是提供足夠的算力，而非最強(qiáng)大的算力。

什么樣的算力對(duì)于AI語音芯片是合適的？相比圖像AI芯片，由于語音的神經(jīng)網(wǎng)絡(luò)的規(guī)模比圖像的神經(jīng)網(wǎng)絡(luò)規(guī)模小，因此圖像的AI算力需求比語音更強(qiáng)。但從處理的復(fù)雜程度看，兩者相當(dāng)，這是因?yàn)閷⒄Z音轉(zhuǎn)換成文字之后，還涉及到語義的識(shí)別、多輪對(duì)話等，在某種程度上比圖像人臉識(shí)別更為復(fù)雜。

朱澄宇表示，深聰需要預(yù)估市場的需求，然后轉(zhuǎn)換成一個(gè)量化的硬件指標(biāo)。同時(shí)還要考慮到算法的快速迭代，用一套方法和流程去應(yīng)變，而這個(gè)應(yīng)變的過程就是軟硬協(xié)同的過程。比如深聰定義下一代芯片的時(shí)候，要實(shí)現(xiàn)本地語音識(shí)別，就會(huì)根據(jù)目前的語音算法需要的算力進(jìn)行評(píng)估，再增加一些冗余。

雷鋒網(wǎng)此前報(bào)道，深聰?shù)氖状鶤I芯片TH1520進(jìn)行了軟硬一體的深度優(yōu)化，基于雙DSP架構(gòu)，內(nèi)部集成codec編解碼器以及大容量的內(nèi)置存儲(chǔ)單元，同時(shí)，TH1520采用了AI指令集擴(kuò)展和算法硬件加速的方式，使其相較于傳統(tǒng)通用芯片具有10倍以上的效率提升。并且，TH1520在架構(gòu)上具有算力及存儲(chǔ)資源的靈活性，支持未來算法的升級(jí)和擴(kuò)展。

TH1520在2018年8月流片，11月點(diǎn)亮驗(yàn)證，目前已經(jīng)量產(chǎn)。深聰?shù)牡诙鶤I語音芯片除了會(huì)支持AI本地語音識(shí)別，還會(huì)增加會(huì)聲紋識(shí)別的功能。據(jù)朱澄宇介紹，要支持聲紋的功能需要芯片有更強(qiáng)的算力，深聰在最開始芯片架構(gòu)設(shè)計(jì)的時(shí)候就已經(jīng)考慮到，采用了雙DSP的架構(gòu)。

低功耗芯片實(shí)現(xiàn)更好的AI助手

AI語音芯片更強(qiáng)的算力對(duì)解決語音助手的隱私問題和實(shí)現(xiàn)更復(fù)雜功能都有重要作用，與此同時(shí)，低功耗對(duì)于提升語音助手的體驗(yàn)也十分關(guān)鍵。目前，搭載語音助手的產(chǎn)品最普及的就是智能音箱和智能手機(jī)。對(duì)于智能音箱而言，雖然采用電源供電，但低功耗芯片也影響著語音助手能否在實(shí)現(xiàn)高喚醒率的同時(shí)減少誤喚醒。

朱澄宇表示，語音助手的喚醒率主要還是取決于軟件層面，這其中涉及到確認(rèn)機(jī)制，在AI語音芯片算力還不夠強(qiáng)的時(shí)候，為了兼顧低功耗，有的語音助手可能會(huì)把喚醒的閾值設(shè)的很低，這樣又會(huì)帶來誤喚醒的問題。有了高性能且低功耗的芯片，就能在一定程度上解決這個(gè)問題，深聰?shù)腡H1520，兼具低功耗和實(shí)用性，采用多級(jí)喚醒模式，內(nèi)置低功耗IP，在Always-On監(jiān)聽階段的功耗低至毫瓦級(jí)，典型工作場景功耗僅需幾十毫瓦，極端場景峰值功耗不超過百毫瓦。

手機(jī)作為另一個(gè)語音助理普及的產(chǎn)品，可以看到，安卓手機(jī)息屏就能喚醒語音助手功能的實(shí)現(xiàn)比iOS晚了一段時(shí)間，這其中很重要的原因是要在手機(jī)電池供電的情況下，Always On的實(shí)現(xiàn)同時(shí)兼具低功耗需要軟硬件的共同優(yōu)化。

未來，想要在更多電池供電的設(shè)備中用上語音助手，最終改變?nèi)藱C(jī)交互的方式，AI語音芯片需要實(shí)現(xiàn)更低功耗。那如何才能實(shí)現(xiàn)更低功耗？朱澄宇表示，一方面可以從硬件入手，通過架構(gòu)提升效率，深聰定制架構(gòu)的最大好處就是能夠根據(jù)算法定義合理的芯片參數(shù)，實(shí)現(xiàn)更高的能效。另一方面可以采用更低功耗的半導(dǎo)體工藝降低功耗。

“除了從數(shù)字電路入手，模擬電路的部分也有降低功耗的方法，比如在不影響或者對(duì)功能影響很小的情況下，采用更低精度的ADC（模數(shù)轉(zhuǎn)換器），在性能和功耗之間做一個(gè)交換。我們既有軟件，也提供硬件，更加清楚如何進(jìn)行功耗和性能的交換，這也是用通用芯片很難做的。“朱澄宇同時(shí)表示。

有了更高性能和更低功耗的AI芯片之后，語音助手就可以實(shí)現(xiàn)更好的體驗(yàn)。比如家庭中的智能音箱往往有多個(gè)用戶，更高算力和更低功耗的AI芯片可以實(shí)現(xiàn)聲紋功能，這就可以讓語音助手通過聲音的特性判斷對(duì)話人，根據(jù)對(duì)話人的喜好提供更個(gè)性化和智能的服務(wù)。

還有，更高能效也能夠?qū)崿F(xiàn)多模態(tài)的融合，將AI語音功能和AI圖像功能進(jìn)行融合，提供一個(gè)更加智能的AI助手。多模態(tài)的融合既可以從算法層面做一些融合，也可以共用硬件的模塊，這是業(yè)界正在探討的方向。聲紋識(shí)別以及多模態(tài)的支持都在深聰?shù)腁I芯片產(chǎn)品路線圖中。

深聰智能產(chǎn)品規(guī)劃路線圖

至于AI到底需要專用還是通用的芯片，朱澄宇認(rèn)為，從芯片發(fā)展的規(guī)律來看，總是在專用和通用之間不斷循環(huán)，但最終還是取決于算法，如果有一個(gè)算法能一統(tǒng)江湖，AI芯片可能就變成通用的了，但目前來看專用芯片更適合AI。

雷鋒網(wǎng)小結(jié)

語音助手智能化的提升和用戶隱私之間是一個(gè)矛盾，或許正是出于蘋果對(duì)隱私保護(hù)的考量，Siri目前的智能化水平弱于許多其他語音助手。不過，思必馳的軟硬一體化的方案能在保護(hù)隱私方面發(fā)揮優(yōu)勢，這是因?yàn)橛布蛙浖纳疃热诤夏軌蛟谑褂酶儆布Y源的情況下實(shí)現(xiàn)比通用芯片幾十倍甚至上百倍的能效提升。這種終端AI性能的提升有能力將可以把語音的部分在終端就進(jìn)行處理，無需上傳到云端，很好地保護(hù)用戶的隱私。

當(dāng)然，為了更好地普及AI語音助手以及實(shí)現(xiàn)多模態(tài)融合的AI助手，提升芯片性能的同時(shí)兼具低功耗也非常重要。對(duì)于強(qiáng)于算法和軟件的思必馳而言，與中芯國際下屬投資公司中芯聚源成立合資公司深聰智能，是明確了市場需求并看好AI語音市場的前景作出的決定。從深聰?shù)穆肪€圖能看出其做芯片有著長遠(yuǎn)的規(guī)劃，結(jié)合思必馳對(duì)市場需求更加了解的優(yōu)勢，未來軟硬一體的方案將會(huì)展現(xiàn)出更大的優(yōu)勢。

相關(guān)文章：

思必馳 CTO 周偉達(dá)：語音技術(shù)優(yōu)先服務(wù)于 AIoT | CCF-GAIR 2019

思必馳自研AI芯片不僅方式獨(dú)特，首代毫瓦級(jí)AI語音芯片也僅用1年

深聰智能朱澄宇：自研 AI 芯片不是趕時(shí)髦 | CCF-GAIR 2019

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。