云知声CEO黄伟：做物联网，我为什么要自己造AI芯片（附视频） | 甲子光年
编辑：路瑶 设计：一凡
微信公众号：甲子光年（ID:jazzyear）
成立于2012年的云知声，是一家专注于物联网人工智能的公司。2014年，云知声提出“云端芯”一体化战略，今年5月发布了首款面向物联网的AI系列芯片“UniOne”，并宣布开源全栈语音交互方案。
在11月4日甲子引力大会上，云知声创始人兼CEO黄伟做了主题为《 AI芯片在物联网产业升级中的应用价值》的演讲，讲述了云知声如何一步步看到AI一体化、端到端打通的大趋势。
在这篇演讲中，黄伟主要分享了以下3个方面的内容：
1.互联网从 PC 到Mobile再到AIoT时代的演变过程。
2.AIoT 落地的典型挑战及云端芯战略。
3.云知声 AIoT 产业化历程及成果。
黄伟认为，新一代人机交互革命引领的万物智能时代已经到来。
关注甲子光年，在后台聊天窗口回复“黄伟”，获得《AI芯片在物联网产业升级中的应用价》报告PPT完整版。11月4日甲子引力大会的其他主讲嘉宾稿件和PPT将在本号陆续发布，敬请期待。
AI芯片在物联网产业升级中的应用价值
主讲人：云知声创始人兼CEO黄伟
前面牛奎光总讲了未来10年投资什么硬科技。过去很长一段时间我们投什么？共享经济。今天除了留下一批单车还留下什么？中兴事件时，我发了一个朋友圈：靠送外卖永远赢得不了竞争。
接下来，对于中国经济内生的变革，包括我们如何赢得未来的竞争，科技格外之重要。
无论是媒体还是资本方，都跟我讲过一句话，你应该专注，应该只做一点。为什么要做那么多？我很难跟他们解释，但是我认为，对的事情就应该坚持。
今天我看到AI一体化、端到端打通，跟我自己的切身体会非常一致。接下来我就讲讲在产业界真正的实践。
我今天主要介绍云知声通过AI芯片在物联网产业应用的价值。这一张PPT就一句话，既是绪章也是结论：新一代人机交互革命引领的万物智能时代已经到来。
这张图相信大家在很多场合看到过，过去我们从PC时代进入Mobile时代，今天我们已经进入AIoT时代。
我第一次用鼠标是大二，第一次上网是1998年，那时我们开始进入PC时代。但那时我们是通过打开一个IE，在IE里面用输入法输入网址，获得人和信息世界的交互。鼠标和键盘使我们能方便地在IE框里输入信息。
2004年毕业后，我的第一份工作是在摩托罗拉做手机。当年我们做手机时，三星应该算是三线品牌，基本上是第三流的，苹果只是一个小公司。但是今天我们看到，2010年开始进入移动互联网时代，那年全球智能手机出货量达到千万级别，小米成立。
我自己会把2010年作为世界移动互联网的起点。变化来得非常快。我们今天看到地球上不光诞生了阿里、腾讯这样几千亿美元市值的公司，也诞生了像苹果这样市值接近一万亿美元的公司。
回过头看，为什么Mobile相比PC获得那么大增长？以前在PC时代，我们到网吧才打游戏，进入移动互联网时代，我们可以坐在马桶上打游戏。我们可以看到，设备数量的增加，以及场景的迁移、多样化，产生了巨大的化学变化。
想象一下，进入AIoT时代后，我们身边任何一个设备，可能一个麦克风、一个灯泡、一个音箱，所有事物都是联网的、智能的。这会给整个社会带来什么改变？很多时候，这些底层技术改变的不止是某一个产品的品类，它们改变的是我们的生活方式，是我们的社会组织形态。以五年、十年为单位计算的话，这些才是真正的重大变革。
越来越多的设备连接到云端，联网的目的是什么呢？显然不是为了给供应商贡献更多流量，给中国移动多付点钱。我们希望联网后，通过各种不同的终端，在不同场景里获得更多场景化的服务。联网后，这种服务需要交互，需要AI化。同样的，所有的AI能力，不管是做的还OK，还是说离应用有差距，都需要在场景里面落地，从而往前演进。
所以，物联网需要AI化，AI要在互联网落地，是一个双向而行的过程。我们会看到这个过程越来越近。我曾经在美国Nuance工作过，这个公司以前有三大业务，手机、汽车和医疗。今天，面对互联网巨头的夹击，手机和汽车业务受到的冲击非常大，医疗却守得非常稳。
创业初期我也想过，我们能不能通过AI给医院赋能？这个想法产生是在2012、2013年，当时医院没有完全信息化，很多医院没有联网，没有联网时不需要AI。而且当时我们这些技术公司，能提供的AI能力也并没有那么好。比方说，我们当时做语音识别，那时中国一流的语音识别准确率不过90%左右，说一百个字有10个是错的，考虑大量专业术语恐怕还不止。这个时候你想去赋能，其实根本就不是赋能了，不仅没有给医生提供帮助，反而给医院添乱。很多时候，我们选择什么样的场景、使用什么能力，取决于时机和当时的能力水平。
2012年，我们成立时给公司取名云知声，英文名叫Unisound。云是云彩的云，知是知道的知，声是声音的声。我们为什么叫云知声？我们希望利用云端的技术能力，通过感知和认知的技术，感知声音世界，这是我们当时就叫云知声的原因。2012年，中国并没有真正意义的云计算，那个时候我们能够提供的只是网盘，也就是云存储。但我们相信未来很多服务、很多算法、很多算力都在云端。
为什么选择从声音切入呢？因为语音和语言是整个人工智能皇冠上的明珠。今年4月份，我在美国参加活动时看见，在中国跟美国的创业圈，人工智能都非常热，但是重点略有不同。在美国的人工智能创业圈，无论估值还是关注度，重点更多在语音语言类，或者自动驾驶这些团队，而我们国内比较关注安防，这是不同的场景。但从美国的机构和媒体关注的方向上，我们会看到，语音和语言确实是未来非常重要的方向。因为考虑到成本，很多AloT设备没有屏幕，可能连摄像头也没有。
而且人之所以成为人，是因为在过去几十万年的进化过程中，我们创造了语言。每个动物都有眼睛，包括苍蝇，但它们为什么没有进化成智慧生物？是因为人有语言。通过语言，我们能够把很多人高效地组织在一起。通过语言，知识可以传递、继承，这是非常非常重要的一点。第二点，今天语音和语言技术有很多局限性，但相比较来说，这块还是相对成熟的。比方说，今天的语音识别，不仅可以做近场识别，也可以做远场识别，甚至能识别出是你是男是女，是什么年龄阶段，在这个房间的哪个位置。基于这些，我们认为从语音切入AIoT需求，是一个比较合理的点。
其实今天所有的AI团队在谈到落地时，都面临巨大的挑战。2012年我们刚创业时，面临的挑战是什么呢？
首先是今天的主题，to B。今天，我看到大家很多人在谈论to B。但在2012年，说云知声做to B时，很多投资机构会觉得你不够性感。你为什么做to B呢？不止一个投资人跟我说，老黄你要做APP的话就投你。但是我做APP干吗呢？通过这些机构媒体的反馈，你们可以想象到，AI当时的落地非常不顺利。大家的认知还没到，那个时候大家对to B的关注，完全不像今天大会上这样。
其次是AI技术的成熟度。2016年通过阿尔法狗，大家才知道深度学习。我们在2012年就开始做深度学习了。但是从2012年到2016年，包括到2018年，很多技术依然不够成熟，不够完善。
甚至还有一个问题，技术难道就是用户想要的吗？前面浩哥说一定要全栈，一定要端到端打通，什么叫全栈，什么叫端到端打通，不同人的理解不同。可能有人说，你把语音识别做到99.5%就好了，但是有用吗？没有用。不同时间段，大家对一个问题的理解不一样。我们也面临这个问题。我们怎样把我们的能力很好地跟客户需求结合在一起呢？
我先讲一下，如果大家真正去开发一个技术，真正希望这个技术能够创造价值，会面临哪些问题。
第一是终端的碎片化。什么叫IoT? Internet of things，甚至Internet of everything。从PC到Mobile都是高度标准化的设备，PC基本上都是英特尔芯片，Windows的操作系统。Mobile基本上要么苹果，要么安卓。但是AIoT设备非常多元化，有音箱，有冰箱，有空调，各种各样。这些设备的碎片化，会给你带来巨大的挑战。怎样用一个产品，用一个方案满足不同场景中的不同客户？即便在同一个产品形态里，大客户和小客户也会对你提出不同的需求。
第二是分散的供应商。那些让我专注做一件事的朋友，出发点是好的，但他们没有意识到，时代已经变了。PC时代，公司做一个网站就可以了，一个网站搞定所有事情。那个时候很多人通过帮公司做网站赚到了第一桶金。到Mobile时代，做一个网站肯定不够了，你至少还要做APP，做各种应用市场的分发、推广和宣传。Mobile时代，我们每个公司工作的复杂度已经超过PC时代。而在AloT时代，设备变得更加碎片化、场景化，供应商也非常分散。分散的供应商加重了终端厂商的时间、财力成本。你如何用更短的时间、更低的成本，给客户提供更多方案，决定你能不能在市场上生存。今天我们的目标肯定是希望更快更好，但现实中的结果往往更分散、更慢。
第三是不可控的产品体验。我们今天已经进入AIoT时代，但很多产品经理依然在用互联网时代的思维做产品。他没有意识到，今天场景的碎片化，已经给我们带来很多挑战。很多产品经理依然希望把一个东西打散，找N家供应商，丝毫不顾忌供应商是黑盒子。比如说做一个云交互的设备，里面有很多环节，包括语音降噪，理解，合成，知识图谱等，有的产品经理会把这个过程拆成七八个链条，每个链条找三个供应商过来，相当于十几个陌生人在一个房间里做一件事情，你不知道我在干吗，我也不知道你在干吗。
第四是TTM（产品上市周期）无法保证。因为链条很长，供应商很多，产品的复杂度大大超过从前，我们要反复去调，去测试，就会造成TTM非常长，团队的开发成本很高，你的客户使用成本也很高。这会影响客户对这件事情的决策。我们一直在讲要搞定决策人，如果这个事你跟对方老大说两个礼拜我给你搞定，老大可能就马上拍板了，跟他说这事我要半年、9个月，这事就黄掉了。能不能用更快的时间满足需要很重要。
第五是如何在不同产品间快速复制。比较下to B和to C，to C可以快速拷贝，to B就是去做。但我的理解是什么呢？我理解to B有两种做法。一种是项目to B，一个客户给我提需求，搞一个团队，充分理解用户需求，搞到6-9个月，搬到另一个客户那完全不成立。还有一种是产品to B。我们认为这是两种不同的思维，对团队的要求完全不一样。用产品to B意味着需要用一个相对标准化的产品。它的技术能力和技术方案，能适应大多数用户比较共性的需求。这是比较难的，但一旦你做到了，你就可以快速在不同产品间复制。如果你做不到，注定是项目公司。你靠400人做1亿收入，明年靠900人做到2亿收入。因为人越多，内耗肯定越多，效率会下降。
我前面讲的，是自己真正体会到的，用to B的方式、用AI在场景中落地，面临的五个最典型的挑战。
2014年初，我们第一次对外提出我们的产品云端芯。我们相信，未来大多数计算能力、技术能力和服务能力，都发生在云端。端是什么？端就代表着各种不同品类的产品，包括智能音箱，包括有屏幕的，也包括没屏幕的。但是所有的端都需要终端感知能力，都需要芯片。
在2014年初，我们就认识到，即便在不同场景中，云端芯都是必须要具备的能力。2016年，华为开始提出华为人工智能战略——云端芯，和我们在两年之前提出的一字不差。今天我们可以看到，几乎所有公司，无论是BAT大公司，还是创业公司，大家基本上都在遵循这个原则：如果想满足用户需要，我们的方案、技术和产品，一定要云端芯一体化。
今天如果提供一个纯粹的SDK，毫无疑问根本不能满足用户需要。以智能音箱为例，它是非常典型的、最小功能集的物联网交互。首先，它具有感知能力，能知道你在说什么。其次，它还具有表达能力，通过语音合成、图象或其他形象化方式，将内容和信息传递给客户。除此之外，它背后还有思考能力，能通过云深入理解用户的意图，通过账号体系，把一个用户在不同场景里的使用习惯混在一起，并通过用户最接受的方式，把用户所需要的内容和信息反馈回去。这是三个简单的能力。
我们有没有可能在产品to B思维的模式下，从不同场景、不同客户的需求中，从个性中找出共性？
你对着车说话，对着音响说话，对着手机说话，模式也许不一样，但里面总归有比较趋同的东西。能不能把共性的东西放进芯片，把相对个性化、需要定制开发的东西放在云端，这是我们几年前开始思考的问题。
这个图是我们2014年提出云端芯之后一步一步做的。
2012年我们有一个开放平台，我们通过SDK的方式给客户提供服务，2012年他们也在用我们的SDK。其实我们希望以云平台为基础，找出具有典型意义的场景，我们在这个场景里做一系列的终端产品，再将终端产品通过平台连接在一起。先定义典型场景，在典型场景里满足典型用户的需求，将这些个性变成共性。共性的东西我们再通过芯片，大规模、低成本、高效率地实现万物互联。这是我们对云端芯一体化、如何在行业中落地的思考和行动路径。
这是我们一步步做的一些事情。
我们在2014年初提出了云端芯一体化，同时拿出了一个芯片模组的原型，然后开始跟大的厂商对接，2016年开始量产，到今天我们这个芯片模组出货量超过一百万片。这是一个很典型的案例，我怎么样去落地，它不是消费品，是工业产品，有更高的工艺要求。
我们在2016年开始量产，其实我们依然面临很多问题。第一是边缘算力要求。很多人问为什么你们自己做芯片？其实一开始我们不想做芯片，这玩意谁都知道很累，很烧钱，还可能失败，我在做的时候，很多人投反对票，做芯片这件事情没人给我提供任何融资帮助。大家都觉得这事做不成，也没必要做，但在那个时间点，没有任何一家芯片公司愿意跟你合作，为什么？因为这是一个新的市场。2014年，我们开始做芯片模组的时候，谁会相信今天格力美的空调会带有语音功能呢？我自己做的话，我卖给格力、美的的芯片模组就会非常贵。我只能用在格力、美的非常高端的产品中。所以你必须开发出更高算力的芯片，而且有更低的成本，更好的性能，才能在产品里获得更高出货量。我们没有办法，只有一个选择——自己做芯片。
2015年8月，我们自己组建了新团队。好在2015年、2016年，芯片还不像今年被炒得这么火热。2015年我在招团队的时候，一个有15年芯片设计经验的工程师来面试，我问了他的薪水，感觉很辛酸。我说，这个行业工资怎么这么低，还不到我们一个普通安卓开发工程师的水平。今天你看这个行业的待遇翻了四倍五倍。2015年8月，我们组建了第一批芯片团队，2016年开始启动。期间我们花了差不多一个多季度的时间来做芯片的定位。
过了两年，到今年1月15号，芯片正式出来。6月份芯片正式量产，9月份开了发布会。到今天我们已经导入接近十家伙伴，包括像格力、美的这种很大的合作伙伴。
今天很多人开始意识到芯片的重要性，开始找人找团队，用四倍五倍的薪水挖人做芯片的时候，我们的芯片已经出来了，而且不是做demo的芯片，是真正可以量产的芯片。这个芯片是面向AIoT的AI芯片，刚才好未来杨总讨论是往上走还是往下走，我的观点是这两点并不矛盾。
往上走是上九天揽月，往下走是下五洋捉鳖。未来一切东西都是在云端，区别是巨头可能有很多服务，很多技能，而创业公司可以在场景里有独特的技能，但是这个技能一定是在云端的。相比巨头，我们的优势是什么呢？我们对场景的理解更加深入，在场景里能够端到端整合的能力更强，我们有芯片，我们可以在场景里提供更好的服务，这就是我们对整个云+芯的理解。
我们的芯片用很低的成本，将计算能力提升了差不多50倍以上，带宽利用效率提升了20倍以上，所有指标都比以前有很大提高。基于这个芯片，我们的成本是卖给客户模组的几分之一。即使我明年的售价只是之前的几分之一，毛利率依然会大幅提高，这就是芯片给行业带来的巨大变革。
我们很自豪的一点是什么呢？行业里很多人还没意识到时，我们意识到了，而且做了。通过对行业的深刻理解，通过平时养成的深度思考能力，一个团队的CEO必须具备看到未来的能力。看到未来后，接下来你要做什么呢？只有一件事情，就是坚持。当你知道未来在哪里时，选择已然不多。做芯片我们想得很清楚，只能这么做，如果不这么做的话，今天搜狗也做语音，BAT也做语音，我做到99.5%，他们做到99.2%，又如何呢，他们分分钟把我干掉。我只有比巨头对行业的理解更深入，比巨头拿出更完整的解决方案，才有可能在未来生存和发展。
这个芯片的价值大家应该很清楚了，它降低了客户对这个行业、对这个产品的基础调研成本。9月份我们的芯片刚出来，现在导入的客户就接近十家。这放在过去不可想象。因为我们使用一个高度标准化的产品，降低了客户的调研成本，降低了决策周期，缩短了产品投向市场的周期。而且我们用更低的成本、更好的性能，减少了人力资源的投入，客户不需要投入很多人。今天把这些高度标准化在一个芯片里面，客户拿芯片做就可以了，而且原代码都开源。
我们的芯片能应用在不同的场景中，包括智能音箱、家电。智能音箱和家电的控制技术指标要求完全不一样。比方说，用户在家聊天时，音箱可能响了，把大家逗笑了，但格力、美的不允许空调被误唤醒了，把客户冻感冒了。我不知道现在BAT哪家音箱耐得住85度高温，耐得住85%的湿度，耐得住高压静电，但是在家电行业必须满足。
回顾一下我们云端芯的产业化落地过程。公司到今天为止六年，每个阶段很清晰，但是你要说2012年规划好了公司，我不知道，我只知道大概的方向。过去六年唯一做的是每年离那个目标更近一步。我们回头看的话，可以分为三个阶段：第一个阶段做了技术团队最擅长的事情，我们2012年做了深度学习；在没有云计算的时候，我们把AI作为云服务能力开放出来；上完天了，我们要落地，接着我们用云端芯去落地。
我们相信未来真正的云交互不应该再拿着麦克风，不应该拿着一个手机，我一直觉得回到家通过手机开灯是很愚蠢的行为，能不能一边脱鞋子一边说把卧室灯打开，主卧空调升到26度，干嘛拿手机。那个时候，我就认为真正的云交互应该给用户便捷，这种便捷应该摆脱距离控制。
因为我们相信，所以我们就坚持。在所有人还没有反应过来的时候，我们开始做芯片模组，我相信这是未来。因为AIoT既有PC、Mobile，又有智能音箱这种新的品类，它依然有巨大的存量市场，空调每年有一亿多台的出货量。我们相信，即使是这些存量设备的改革升级，市场也是很大的。包括今天新能源很火，我们发明汽车了吗？没有，汽车还是四个轮子，上面两排沙发，把发动机换成一个电池组而已，难道这不是信息化、智能化吗？很多时候，我们看行业不要看表面，要看更本质的东西。
在家居行业，截止到今年，我们的芯片出货量（家电和儿童机器人）超过300万片。在汽车领域，我们在后装市场的激活用户，接近1800万台车。两个月前，我们跟吉利成立了合资公司，我们的芯片会用在吉利的每台车上。同一个月，上汽量产使用了我们卖给格力的芯片模组。大家能想到吗，我这个芯片模组以前是给格力用的，怎么能用在汽车里面？这就是在场景里通过个性找共性。我不可能量产完之后，针对上汽专门做一个芯片模组。
我们就是拿着标准化的产品，在不同场景里切换。包括医疗，我相信AI+医疗是非常性感的业务，但很少有公司现在能在这个领域真正赚到钱。云知声通过医疗语音产品，极大地提升了医生的工作效率，如果大家有兴趣去协和医院，你会看到从门诊大厅到住院部，他们在全系列地使用我们的产品。今天，使用我们产品的医院大约有500家。也包括教育，我们也提供儿童的口语评测，每天日调用量达2.7亿次。家里有孩子的，也许你们的孩子每天都在使用我们的服务，只是你不知道而已。
大概就分享这么多，谢谢大家。
END.