国产芯片制造最新消息AI语音助手普遍存在的问题思必驰能解吗
遥想2011年，Siri被成功移植到iPhone4上，随后，与手机语音对话的新玩法引起了消费者对语音助手的兴趣。2014年，亚马逊推出搭载Alexa语音助手的智能音箱Echo，引领了全球智能音箱的热潮。不过，历经多年，语音助手既没有成为消费者离不开的智能助手，还因接连爆出的“”问题引发担忧。
8月28日，苹果就Siri隐私问题道歉并表示会做出改变。之所以要道歉，是因为7月26日英国《卫报》报道称,Siri会在未经用户允许的情况下，将用户录音上传到服务器，并发送给苹果外包的承包商进行人工分析。而这些录音包含使机密、位置、联系方式等敏感信息。
Siri并非唯一被爆出隐私的问题，比利时新闻网站VRT报道称Google涉嫌通过Google Assistant语声互动系统用户私人谈话内容，并且Google的一些合作伙伴向其泄露了1000多条Google语声互动和客户对话录制。
更早期的是，在4月份彭博社援引知情人士透露，即便是亚马逊负责评估Alexa语声互动系统用户指令团队，也可以获得用户定位信息甚至是具体家庭住址。
为何这些公司接连被爆出存在隐私的问题？上海深聪智能CTO朱澄宇接受雷锋网专访时表示：“这些公司目的并不真的要侵犯用户隐私，而是为了采集一些数据进行训练让语言识别更加精准。”
深聪智能CTO朱澄宇
这确实是语言识别收集录影目的所在。苹果在声明中表示，为完成个性化任务，更准确地理解与响应使用者的请求和意图，其中包括学习如何提高其性能以提供更好的服务，这需要收集和存储特定设备上的信息。
朱澄宇同时表明，由于AI技术提升需要大量数据进行训练，但数据收集又会涉及到用户隐私，现在需要找到一个平衡或者解决办法。他认为，我们可以用公认方法或制定相应标准，在保护隐私的情况下收集用于训练的大量数据。此外随着AI技术发展到了成熟期之后可能对训练需求没那么旺盛，“”的事情可能就不会发生。
目前，我们既没有看到数据收集标准，也未达到成熟阶段。在此时如何保护用户隐私？朱澄宇表示：“我们提供融合思必驰算法和深聪AI芯片软硬一体方案，就尽量把云端工作搬移到终端上，不需要将任何声音上传到云端，这就是对于最大的保障。”
不过，要在终端实现部分云端功能，对于终端来说算力的提升至关重要。朱澄宇指出，可用的通用芯片十分之一甚至百分之一能力即可达到同样的效果，对于深聪而言目标是在提供足够强大而非最强大的算力。
什么样的算力对于AI语言识别芯片来说适宜？由于神经网络规模比图像小，因此图像AI芯片需求更多。但从处理复杂程度看两者相当，因为将声音转换文字后还涉及多轮交流等在某种程度上比图像复杂得多。这也是为什么与图像相比要求更多计算资源但实际上只需少量资源来处理听觉输入（如麦克风信号）。
朱澄宇表明，要预估市场需求然后转换成硬件指标，同时考虑快速迭代利用软件硬件协同过程来应变，比如定义下一代芯片的时候根据当前使用中的语言算法要求增加冗余，以备未来扩展功能扩充设计空间。
雷锋网此前报道过深聡首代AI芯片TH1520进行了软硬一体优化基于双DSP架构内部有codec编码器以及大容量内置存储单元，同时采用了AI指令集扩展加速方式，使其相较传统通用芯片具有10倍以上效率提升支持未来升级扩展架构灵活性支持未来升级扩展支持新的应用程序协议接口APIs和模型更新；TH1520已于2018年8月流程11月点亮验证已经开始生产现在已经进入批量销售第二代AI词汇晶体除了支撑本地词汇识别还将增加声纹识别功能据说必须拥有更强大功率因此设计时候考虑双DSP架构以保证能够满足未来的增长需求
低功耗也很关键对于改善交互体验尤其是在电池供电设备中，如家中的智能扬声器或手机低功耗可以减少误触事件进一步降低唤醒阈值。如果高性能且低功耗的晶体可实现，则可有效解决误触事件。在Always-On状态下的功耗极低至毫瓦级典型工作场景仅需几十毫瓦峰值极限不到百毫瓦
手机作为另一种普及广泛的人机交互产品，可以观察安卓设备先行实现息屏唤醒而iOS则延后这一差异主要原因正当安卓设备实施Always On模式的时候兼顾保持较高能源效率，因此这个挑战也依赖于软件与硬件共同努力优化
未来想要部署无线电池供电设备中的人工智慧通信工具，最终改变人类与环境之间沟通模式；晶体必须具备更高能源效率才能真正影响现有基础设施变革那些如何能实现更高能源效率？朱澄宇提出，从数字电路入手通过结构调整提高效率；另一方面采用半导体工艺进步降低消耗他提出了模拟电路减少精度但不影响功能这种权衡策略也是通用晶体难以达到的领域他的团队致力于探索最佳折衷方案
这样的高度性能、高能效结合型晶颗品质，让我们的生活变得更加便捷、安全、高效，而这种革命性的变化正由我们不断追求完美之路带来。
