算法和芯片需要匹配。不可能脱离芯片谈算法。
成立仅两年半的探镜科技，走完了从芯片研发到商业化落地的全流程，在智能家居这个领域，卖出了100万颗芯片芯片，营收过千万元。
近日，探境科技举办了ai算法黑科技发布会暨客户交流会。会上，探境科技以音旋风61x为例，从ai算法和sfa架构，对此进行了揭秘。
探境科技副总裁李同治，围绕单双麦克风分别展示了探境科技在算法层面的突破。
在单麦克风条件下，探境科技的ai算法体现在两个方面：第一，性能优异适应性强的语音降噪算法。
一个典型的语音识别系统的流程图由麦克风、降噪处理、语音识别、文字识别结果四个部分组成。其中，降噪处理、语音识别是核心模块。
在降噪处理方面，探境科技推出基于ai的语音降噪算法。据了解，该算法基于深度学习，不仅能够处理稳态的噪声，也能过滤非稳态的突发性噪声。李同治称，为了验证ai降噪算法的有效性，探境科技的员工将一批信噪比在3db左右的语音数据送到一个知名云端识别引擎做了测试，发现降噪后比降噪前的识别率能够提升30%以上。
第二，高计算强度神经网络honn。神经网络honn是为了更好地识别语音，解决语音识别系统的流程图中的语音识别。神经网络honn有别于目前语音识别算法里较为流行的dnn/dtnn。
传统的基于dnn/tdnn的语音识别算法框架里，多使用类似全连接的操作来构建整个网络模型。相比较于全连接操作，卷积操作能够提供更高的计算强度，同时研究发现卷积运算与人类大脑负责感知模块的处理方法类似，能够提取满足大脑认知的本质特征。基于上面两点考虑，探境科技加入了更多的卷积操作，重新设计了声学建模单元的网络结构。
具体的设计方法是将计算机视觉中的一些经验迁移到语音识别中，设计了一个高计算强度的神经网络，探境科技称其为honn。
（dnn）
（honn）
李同治在现场展示了一个honn和dnn的对比，以佐证honn能够明显提升识别率的实验。
“我们看下两个模型对存储的需求，可以看出高计算强度的模型仅需要350k的存储空间，而dnn需要1.6m的存储空间。更低的存储需求意味着我们可以使用存储更少、成本更低的芯片来做语音识别。但是所需的算力相反，高强度模型单帧处理需要超过100m的ops，而一般的dnn模型需要3.2mops的算力。两者相差超过30倍。相对安静的环境下两者之间差别不大，但是当信噪比进一步降低时，基于honn的方法识别优势非常明显。”李同治说。
实际生活中，还有一些场景需要在更高的噪声环境或者更远的场景下进行识别，比如扫地机上的语音控制，或者是坐在客厅里看电视时控制其它房间里面的电器等等。这些场景下单麦克风孤掌难鸣，需要使用麦克风阵列来进一步提升性能，为此探境科技对算法进行了全新的升级，也即fcsp双麦识别。
传统的麦克风阵列处理算法的缺点有4个：1、doa依赖于单麦唤醒词检测，使用场景受限；2、两个环节优化目标不一致，降噪与识别可能不适配；3、对硬件要求高，提高bom成本；4、无法处理干扰源与目标声源方向接近时的状况。
为了克服传统分模块语音增强算法的这些缺点，探境科技设计出了基于fcsp的端到端ai双麦算法。fcsp（frequency complex subspace projection）是探境自研的频域复数子空间投影算法的简称。
这个算法直接输入阵列信号，输出的是最终的识别结果，中间部分全部交给基于深度学习的ai算法来处理，不再使用传统的数字信号处理方法。信号增强与识别模块整体以降低识别错误率为目标进行优化，避免了语音增强与语音识别模块错配的问题。
另外，在模型训练期间，采取了“注意力增强”的学习方法，能够灵敏的检测到唤醒词和命令词，即使干扰信号与目标信号方向接近，也能灵敏的进行唤醒和识别。“这个类似于在一个嘈杂的环境里面，如果有人喊自己的名字，一下子就能反应过来。”李同治说。
据了解，目前，“端到端”是国际上最前沿的处理算法。一些大厂如亚马逊、谷歌公司，也是通过类似的方法。据媒体报道，谷歌公司采用了factored model in frequency的算法，相对错误率降低至16%，双麦达到了传统算法7麦的识别率。探境科技采取了频域复数子空间投影，抗噪性能强，在信噪比为0db时，相对于传统的处理算法，相对识别错误率降低超过20%。
算法和芯片需要匹配。不可能脱离芯片谈算法。和ai算法相匹配的是音旋风61x的芯片。目前，市面上，语音芯片大多由mcu和dsp构成。“这类产品去年就有台湾的厂商在推广，而且芯片公司没有算法，搭配了台湾的某算法大厂，结果呢，效果差到没法接受，就算是mcu价格便宜，这个市场也做崩了。”探境科技创始人兼ceo鲁勇表示。
探境的语音芯片，通过sfa架构解决ai芯片存储墙问题。鲁勇认为，存储优先的芯片架构 sfa（storage first architecture），以存储来驱动计算，推翻冯诺依曼体系，不同于之前的类cpu，是一个颠覆性的芯片架构。
从探境提供的实测数据来看，在同等条件下，数据访问可降低10~100倍，存储子系统功耗下降10倍；28nm工艺，系统能效超过4t ops/w。“实验数据表明，sfa架构所采用的各种微观和宏观调度算法，比较“类cpu架构”采用的基于总线和指令集的映射方法，在近似存储量、近似算力、近似外部存储带宽、近似功耗约束的前提下，可以获得8~12倍的利用率收益。”
在28nm常规工艺芯片的对比测试中，测试方法为带有卷积加速器扩展指令的dsp模式与sfa架构模式的对比。sfa架构在乘法器数目相同情况下，结果如下表。（dram为lpddr4）。
会上，鲁勇还和世强科技生态合作部刘学锋、阿凡达总经理冯惠军进行了战略合作伙伴签约。据了解，世强是中国电子行业最优秀的分销企业之一，成立于1993年，是全球数十家著名半导体企业在大中国区的重要分销商。阿凡达智控，创立于2015年，是一家致力于智能语音控制与交互技术研究、创意产品设计和生产销售的创新型科技企业。“sfa（存储优先）架构是探境的产品基石，正是借助sfa的优势，我们的ai芯片产品才能‘裂变式’的推出，大大加快了探境的商业化落地速度。”鲁勇这样评价sfa架构的意义。
世强科技生态合作部刘学锋，探境科技创始人兼ceo鲁勇（右一）
阿凡达智控总经理冯惠军，探境科技创始人兼ceo鲁勇（右一）
据了解，截至目前，探境科技有近30家合作伙伴。探境科技的芯片用到了灯具、热水器、垃圾桶、空气净化器、抽油烟机、空调、窗帘、晾衣架、咖啡机等上面。
值得一提的是，探境科技还揭秘了探境图像芯片的真容。探境图像芯片目前，已经流片成功。探境图像芯片进一步丰富了离在线一体、探境全栈式平台化发展战略。
作者：李夜
