遙想2011年，Siri被成功移植到iPhone4上，隨后，與手機語音對話的新玩法引起了消費者對語音助手的興趣。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者離不開的智能助手，還因接連爆出的“竊聽”問題引發(fā)擔憂。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做出改變。之所以要道歉，是因為7月26日英國《衛(wèi)報》報道稱，Siri 會在未經(jīng)用戶允許的情況下，將用戶錄音上傳到服務器，并發(fā)送給蘋果外包的承包商進行人工分析。而這些錄音包含使機密、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，比利時新聞網(wǎng)站VRT報道稱 Google 涉嫌通過Google Assistant語音助手，監(jiān)聽用戶私人談話內容的消息，并且 Google 的一些合作伙伴向其泄露了1000多條Google語音助手和客戶對話的錄音。

更早的4月，彭博社援引知情人士透露，亞馬遜負責評估Alexa語音助手用戶指令的團隊，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)進行訓練讓語音助手更加智能?！?/strong>

深聰智能 CTO 朱澄宇

這確實是語音助手收集錄音的目的所在，蘋果在聲明中表示，為了更準確地完成個性化任務，Siri 會收集和存儲用戶設備上的特定信息。

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

如何保護隱私？

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)進行訓練，但數(shù)據(jù)的收集又會涉及用戶隱私，現(xiàn)在需要找到一個平衡或者解決辦法。對此，朱澄宇給出了自己的兩個想法。他認為，現(xiàn)階段可以用公認的方法或者制定相應的標準，在保護隱私的情況下，收集用于訓練的數(shù)據(jù)。另外，隨著AI技術的發(fā)展，到了成熟期之后可能對訓練的需求沒那么旺盛，“竊聽”的事情可能就不會發(fā)生。

目前，我們既沒有看到數(shù)據(jù)收集的標準，AI語音算法也未達到成熟的階段。此時如何保護用戶隱私？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，這就是對用戶隱私最大的保障。”

不過，要在終端實現(xiàn)部分云端的AI功能，終端AI算力的提升至關重要。朱澄宇指出，思必馳的算法可以與深聰?shù)男酒M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到同樣的效果，對于深聰而言，目標是提供足夠的算力，而非最強大的算力。

什么樣的算力對于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)絡的規(guī)模比圖像的神經(jīng)網(wǎng)絡規(guī)模小，因此圖像的AI算力需求比語音更強。但從處理的復雜程度看，兩者相當，這是因為將語音轉換成文字之后，還涉及到語義的識別、多輪對話等，在某種程度上比圖像人臉識別更為復雜。

朱澄宇表示，深聰需要預估市場的需求，然后轉換成一個量化的硬件指標。同時還要考慮到算法的快速迭代，用一套方法和流程去應變，而這個應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候，要實現(xiàn)本地語音識別，就會根據(jù)目前的語音算法需要的算力進行評估，再增加一些冗余。

雷鋒網(wǎng)此前報道，深聰?shù)氖状鶤I芯片TH1520進行了軟硬一體的深度優(yōu)化，基于雙DSP架構，內部集成codec編解碼器以及大容量的內置存儲單元，同時，TH1520采用了AI指令集擴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在架構上具有算力及存儲資源的靈活性，支持未來算法的升級和擴展。

TH1520在2018年8月流片，11月點亮驗證，目前已經(jīng)量產(chǎn)。深聰?shù)牡诙鶤I語音芯片除了會支持AI本地語音識別，還會增加會聲紋識別的功能。據(jù)朱澄宇介紹，要支持聲紋的功能需要芯片有更強的算力，深聰在最開始芯片架構設計的時候就已經(jīng)考慮到，采用了雙DSP的架構。

低功耗芯片實現(xiàn)更好的AI助手

AI語音芯片更強的算力對解決語音助手的隱私問題和實現(xiàn)更復雜功能都有重要作用，與此同時，低功耗對于提升語音助手的體驗也十分關鍵。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。對于智能音箱而言，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現(xiàn)高喚醒率的同時減少誤喚醒。

朱澄宇表示，語音助手的喚醒率主要還是取決于軟件層面，這其中涉及到確認機制，在AI語音芯片算力還不夠強的時候，為了兼顧低功耗，有的語音助手可能會把喚醒的閾值設的很低，這樣又會帶來誤喚醒的問題。有了高性能且低功耗的芯片，就能在一定程度上解決這個問題，深聰?shù)腡H1520，兼具低功耗和實用性，采用多級喚醒模式，內置低功耗IP，在Always-On監(jiān)聽階段的功耗低至毫瓦級，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。

手機作為另一個語音助理普及的產(chǎn)品，可以看到，安卓手機息屏就能喚醒語音助手功能的實現(xiàn)比iOS晚了一段時間，這其中很重要的原因是要在手機電池供電的情況下，Always On的實現(xiàn)同時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備中用上語音助手，最終改變人機交互的方式，AI語音芯片需要實現(xiàn)更低功耗。那如何才能實現(xiàn)更低功耗？朱澄宇表示，一方面可以從硬件入手，通過架構提升效率，深聰定制架構的最大好處就是能夠根據(jù)算法定義合理的芯片參數(shù)，實現(xiàn)更高的能效。另一方面可以采用更低功耗的半導體工藝降低功耗。

“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功能影響很小的情況下，采用更低精度的ADC（模數(shù)轉換器），在性能和功耗之間做一個交換。我們既有軟件，也提供硬件，更加清楚如何進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，語音助手就可以實現(xiàn)更好的體驗。比如家庭中的智能音箱往往有多個用戶，更高算力和更低功耗的AI芯片可以實現(xiàn)聲紋功能，這就可以讓語音助手通過聲音的特性判斷對話人，根據(jù)對話人的喜好提供更個性化和智能的服務。

還有，更高能效也能夠實現(xiàn)多模態(tài)的融合，將AI語音功能和AI圖像功能進行融合，提供一個更加智能的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

語音助手智能化的提升和用戶隱私之間是一個矛盾，或許正是出于蘋果對隱私保護的考量，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隱私方面發(fā)揮優(yōu)勢，這是因為硬件和軟件的深度融合能夠在使用更少硬件資源的情況下實現(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行處理，無需上傳到云端，很好地保護用戶的隱私。

當然，為了更好地普及AI語音助手以及實現(xiàn)多模態(tài)融合的AI助手，提升芯片性能的同時兼具低功耗也非常重要。對于強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的規(guī)劃，結合思必馳對市場需求更加了解的優(yōu)勢，未來軟硬一體的方案將會展現(xiàn)出更大的優(yōu)勢。

相關文章：

思必馳 CTO 周偉達：語音技術優(yōu)先服務于 AIoT | CCF-GAIR 2019

思必馳自研AI芯片不僅方式獨特，首代毫瓦級AI語音芯片也僅用1年

深聰智能朱澄宇：自研 AI 芯片不是趕時髦 | CCF-GAIR 2019

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