日前，麻省理工學院（MIT）的一個研究小組公布了一款用于自動語音識別的低功耗芯片，最高可將功耗降低99%。
進入2017年以來，人機語音交互的熱度不斷上升。除了音箱、電視等智能家居領域的產品以外，許多人也將目光投向了移動設備：蘋果的智能耳機Air Pods甫一上市就引起了消費者的關注；LG公司上周發布的智能手表成為了首個使用谷歌Android Wear 2.0操作系統的智能手表，內置智能語音助手Google Assistant；尚未顯露真身的三星手機Galaxy S8也因為神秘的語音助手Bixby惹得坊間傳聞不斷。
對于移動設備上的語音AI來說，耗電量始終是一個大問題。想讓這些語音助手能隨時聽從召喚，就需要始終在后臺保持開啟的狀態，實時監測周圍的聲音。這就必然影響設備的續航時間。根據MIT研究人員的測算，現有的手機在語音識別功能上的耗電量達到1瓦特。
目前的芯片需要使全部神經網絡保持運行，來探測所有的聲音和噪聲。而MIT的這款新芯片則采用了一種“語音活動探測”（voice activity detection）電路，在探測到人聲時才會激活更復雜的語音識別電路。因此，這款芯片可以降低90%到99%的功耗，耗電量僅為0.2至10毫瓦。
這一技術意味著，在簡單的小型電子設備上使用語音識別和AI助手成為可能。無論是手機、手表、眼鏡還是耳機，這款芯片為它們的智能化之路又掃除了一塊障礙。
芯片——人工智能的另一戰場
人工智能不僅意味著算法，還有其背后的物理硬件支撐。無論是語音交互還是識別圖像，都需要進行大量的運算來處理龐大復雜的信息。對于使用人工智能的人來說，不只看重運算結果（比如識別準確率），還關心運算的速度——如果反應遲鈍也會大大降低使用體驗。因此，芯片雖然低調，卻不可或缺的基石。
此外，盡管目前云計算是深度學習和人工智能的主流趨勢，但在一些場合——比如移動設備——又免不了在本地處理數據，以實現一些實時的功能，這就需要速度快、能耗低的芯片來提供支撐。
傳統芯片巨頭轉型AI
英偉達是較早投身人工智能領域的芯片廠商。這家以圖形處理器（GPU）聞名的公司曾經幫助游戲變得更清晰、流暢，其強大的GPU也能很好地應對神經網絡深度學習所要求的計算量，效率遠遠高于CPU。看到了人工智能的未來，英偉達將自己定位為一家“人工智能芯片廠商”，著力開發專門面向人工智能的芯片。
在收購了芯片制造商Altera、Movidius和Nervana之后，英特爾也在2016年宣布進軍人工智能芯片領域。今年，他們將發布第一款針對深度學習的芯片Knights Mill，并推出由其收購的公司Nervana Systems研發的面向機器訓練的芯片。
互聯網巨頭入場
互聯網公司也認識到了芯片的重要性。在持續投入軟件研究的同時，也紛紛嘗試開拓人工智能芯片的領域。
2015年，亞馬遜收購了以色列芯片設計商Annapurna Labs，一年之后便發售了基于ARM的芯片，用于無線路由器、流媒體設備、家居設備及數據存儲設備。這一款芯片適用于低功耗的設備，主打筆記本電腦和無線路由器。
2016年，谷歌在I/O大會上宣布開發了一款專門面向深度學習任務的芯片Tensor Processing Unit（TPU）。TPU是專為谷歌的TensorFlow開源深度學習框架定制的，可以為機器學習提供更好的性能和優先級。如今，TPU已經為提升谷歌地圖、谷歌搜索等服務的質量貢獻了不小的力量， Alpha Go與李世石的圍棋比賽也有TPU的參與。雖然谷歌并不直接售賣人工智能芯片，但由于大量企業使用谷歌的云計算服務，也間接地吞食了英偉達、因特爾等老牌芯片廠商的市場。
另一邊，微軟把未來寄托在可編程芯片上。場效可編程邏輯閘陣列（Field Programmable Gate Array，簡稱FPGA）讓硬件也可以編程，如此一來，開發者可以根據需求“定制”自己的芯片，例如既能滿足圖像處理的需求、又能滿足科學計算的需求，相比于開發兩塊專用的芯片，成本大大降低。微軟已經將FPGA應用于必應搜索和Azure云計算平臺，開發團隊表示，FPGA將必應的機器學習運算速度提高了100倍。
蘋果的W1芯片就更加有名了。2013年，蘋果收購藍牙初創公司Passif Semiconductor，便開始研發無線技術，并最終在2016年推出了首款無線芯片W1芯片。目前蘋果尚未透露關于W1芯片的技術細節，但我們看到，搭載了W1芯片的無線耳機不僅連接穩定還耗電量低，可工作長達五小時，使用Siri也比較流暢。
此外，百度在去年發布了開源基準測試程序DeepBench，用于測量芯片處理深度學習的速度。這一程序旨在準確測量芯片的表現，幫助硬件廠商和使用者互相溝通。他們還與英偉達合作，開發智能汽車控制平臺，使駕駛更安全。
市場正在起步
強大的芯片是人工智能背后堅實的基礎。隨著人工智能走進手機、音箱、手表、耳機，原有的芯片又面臨新的問題。于是，計算速度快、能耗低、體積小、價格低的人工智能芯片成為人們迫切渴求的硬件。我們相信，當這樣的芯片誕生時，人工智能又將向前跨越一大步。