众所周知，作为第五代移动通信网络，5G 传输速度可达每秒数十Gb，这要比目前4G网络的传输速度快数百倍。业界专家分析认为，随着5G网络时代的到来，所承载的设备将远远不只是智能手机，还包括了智能手表、健身腕带、智能家居设备、智能汽车、智能城市公共设施等等一系列的可实现人机交互场景下的终端设备。
1月2日，云知声在京召开旗下多模态AI芯片战略发布会。会上云知声创始人/CEO 黄伟笃定认为，“当前我们正处于 5G 爆发的边缘，5G 与人工智能的结合将真正促使万物智联（AIoT）的落地与实现。可以预见的是，未来巨量的多维数据（如语音、图像、视频等）集中处理与边缘式分布计算的需求，势必将进一步挑战 AI 底层支持硬件——芯片的计算能力。”
云知声创始人/CEO 黄伟
而数以万计的IoT设备所产生的海量的数据，数据安全以及隐私保护等也越来越受大家的关注，另外端侧智能需要考虑功耗、算力、延迟等因素，因此为满足终端设备的智能化，端侧AI芯片就应运而生。
据口碑家电了解，今年5月，云知声发布旗下首款AIoT芯片UniOne雨燕，相较于通用芯片，雨燕在 DSP 任务加速、miniNLP 任务加速、TTS 任务加速、内存带宽利用效率、NN 任务提升等核心指标，都能带来成倍的性能提升，在功耗上也做了特别优化，提供更贴近AI应用的多级电源模式，可实现功耗的最优化配置。
云知声联合创始人李霄寒
实际上，在第一代 UniOne 芯片雨燕的发布会上，云知声联合创始人李霄寒曾指出， UniOne 并不是一颗芯片，而是一系列芯片，代表了云知声对于物联网 AI 芯片发展战略的整体构想。如今在2019年的第一个工作日，李霄寒再次在多模态 AI 芯片战略发布会上，从三方面论证了物联网多模态 AI 芯片的必要性。他认为，当前物联网产品线的 AI 芯片越来越明显地体现出三个趋势：
首先是场景化。芯片设计正在由原来的片面追求 PPA ，即性能（Power）、功耗（Performance）和面积（Area）逐渐演变成基于软硬一体，甚至包括云端服务的方式来解决某个垂直领域的具体问题；
其次，端云互动。在物联网的不同应用场景下，海量终端设备要实现功能智能化必须端云配合，即形成边缘算力和云端算力的动态平衡。
再者，数据多模态。在以 5G 驱动的万物智联场景下，芯片所接触到的数据维度将由原来的单一化走向多元化，芯片所需处理的数据也由单模态变成多模态，这对芯片尤其是物联网人工智能芯片的设计提出了新的挑战。
结合以上三点，李霄寒认为，物联网 AI 芯片的最终呈现形式将不再是一个单一的硬件，而必然是承载着边缘能力与云端能力的多模态 AI 软硬一体解决方案。
黄伟同时指出，面向 5G 万物智联时代，人工智能服务需提供更加场景化的解决方案，云+芯一体化的服务模式将成为行业主流。基于此，他进一步对传统 SOC（System On Chip）概念提出全新定义，其中 S 代表不同的 AI 服务能力即 Skills，O 代表云端与边缘侧的互动 On/off Cloud，C 代表具备智能处理能力的 AI 芯片。
为实现多模态 AI 芯片的战略落地，目前云知声已在加速技术布局，并在机器视觉方面取得飞速进展。其中，面向机器视觉的轻量级图像信号处理器已可实现在不依赖外部内存的情况下，在 30 fps 的速率下实时对传感器的图片进行预处理，以进一步提高后续机器视觉处理模块的处理速度和效果。借助基于人脸信息分析的多模态技术，已可实现人脸/物体识别、表情分析、标签化、唇动状态跟踪等功能，可为产品交互和用户体验提供更多的可玩性和灵活性。
据李霄寒透露，在持续迭代升级现有雨燕芯片的性能与服务之外，目前云知声多款面向不同方向的芯片也已在研发中，包括适用性更广的超轻量级物联网语音 AI 芯片雨燕 Lite，集成云知声最先进神经网络处理器 DeepNet2.0，可面向智慧城市场景提供对语音和图像等多模态计算支持的多模态 AI 芯片海豚（Dolphin），以及与吉利集团旗下生态链企业亿咖通科技共同打造的面向智慧出行场景的多模态车规级 AI 芯片雪豹（Leopard）。以上三款芯片计划于 2019 年启动量产。
从目前的AI技术的产业化演进路线可以看出，无非就是两条路。一是平台化路径，就像BAT那样，基于大流量去做C端大众需求的产品（以及广义的B端的平台级产品）；另一条路径，就是像云知声这样深耕B端垂直领域，基于细分领域的需求做产品，去针对细分客户的需求做极致化服务。
而不做“分蛋糕”的人，甘愿做“做蛋糕”的人的云知声，秉承“捷径就是走最难的路”的理念，依靠云端芯战略，从AI芯片做起，充分落地垂直细分市场，通过发力就多模态AI芯片战略，不断拓展场景生态，终将实现面向未来5G网络下的AIOT时代的全面赋能。
