AIoT爆發在即，聆思科技“芯片+算法”深度耦合路線有何價值？

　　在日趨成熟的AI技術助力下，物聯網(IoT)領域已開始顯現爆發勢能。

　　具體而言，IoT的經典架構包含了感知層、傳輸層、應用層等，涉及到對物理世界大量信息的收集和處理，過去受制于算法算力問題，難以對收集到的數據進行高效處理，現在借助于AI算法，才終于實現了從數據感知到數據認知的飛躍。

　　在AI加持之下，IoT也升級躍遷為AIoT，相關市場規模逐步打開。IDC數據顯示，2021年全球AIoT市場規模超5萬億元，同比增長11%，預計2026年將超過10萬億元，2021-2026年復合增長率達13%。

　　不過，現階段AIoT行業碎片化痛點仍然突出，滲透率還有待提升，根據Euromoniter、CIC、BCG等研究機構數據，當前全球物聯網行業整體滲透率平均僅為4%-5%。

　　這一背景下，“芯片+算法”深度耦合路線引起市場關注，一些初創企業也借此崛起。比如聆思科技，天眼查顯示，該公司成立于2020年，堅持基于人工智能算法與自主芯片設計強耦合，來輸出垂類場景解決方案，截至目前已完成四輪融資。

　　而結合AIoT行業現狀來看，聆思科技走到臺前究竟反映了怎樣的市場需求?大模型時代，這類企業又將如何發揮其價值?

　　AIoT產業鏈視角下，軟硬強耦合模式有何價值?

　　就行業特質而言，AIoT注重萬物智聯，這決定了其要面對的市場需求紛繁復雜、應用場景碎片化特征顯著，而這種碎片化反映在產品品類、技術平臺多樣化，連接協議、安全協議不統一，芯片與操作系統高度分散化等方面，相應要求產業鏈上下游加強協同。

　　不過，由于產業鏈較長，面對特定場景需求，當前AIoT行業中的芯片廠商、算法提供商、方案提供商等主體一定程度上存在不協同。

　　具體而言，芯片是AIoT產業的核心，可保證終端產品的高性能、高能效比，尤其是SoC(系統級)芯片集成了CPU、GPU、NPU、存儲器、基帶、ISP、DSP、WIFI、藍牙等模塊，是實現設備智能化的關鍵;算法有應用領域廣、種類多樣化、演進速度快等特點，對芯片架構設計提出較高要求。

　　而兩者的不協同就主要體現在市面上流行的更多是通用型芯片，但由于物聯網應用場景、設備、功能的多樣性，通用型芯片很難滿足算法公司的個性化需求，這種情況下，鑒于采購的芯片已然固化，一些算法公司會對算法模型進行裁剪來適應硬件條件。

　　這一方案下，算法公司或將產生較大的時間和資金投入，而且難免造成算力浪費、模型裁剪過多、芯片成本偏高等問題，進而也影響了AIoT設備智能化發展。

　　當然，目前也有不少算法公司開始自研芯片，不過考慮到算法和芯片研發的規律截然不同，相關企業若此前并未經驗積累，而是從零出發招兵買馬，一定程度上也面臨風險。

　　這一背景下，為了響應市場需求，軟硬強耦合方案應運而生。所謂軟硬強耦合，即獨立芯片設計公司基于算法與場景需求，打造具備定制化屬性的人工智能端側芯片，為行業提供更優、更快、更具性價比的解決方案。

　　對此，聆思科技曾做過相關解釋：“從AI芯片到loT芯片到解決方案再到研測產制平臺，一攬子打包交付給客戶，才能把一個設備從不智能升級為智能。”

　　據聆思科技相關負責人介紹，在同等面積下，公司研發的定制化芯片，算力大約比傳統通用芯片高5-10倍，可支持多個AI算法的并發運行。同時，聆思科技提供與芯片配套的全流程工具鏈，覆蓋產品研發設計到落地的全周期。

　　值得一提的是，考慮到技術門檻，同時推進AIoT的兩大主線——芯片和算法，并非易事。而聆思科技能夠實現軟硬強耦合，與其對行業的深度洞察及研發積淀密切相關。

　　據悉，由于認識到企業客戶落地AIoT之艱難——需要與AI公司、芯片公司、方案提供商多方交涉，其中不僅溝通成本極高，而且種種不兼容、不匹配難以避免，聆思科技創業之初即搭建了完整的芯片團隊和算法團隊，這在業內較為少見。

　　而依托人才優勢，其也逐步構建起面向AIoT全領域的芯片矩陣;在算法方面，已經具備數百種端云結合的豐富算法(從語音、視覺、OCR、降噪，到離線自由說、分布式喚醒、Smart TTS、方言、聲紋等)。

　　憑借解決方案的易用性及性價比優勢，聆思科技的業績規模也持續擴大。數據顯示，截至2023年，聆思科技的年銷售額已經破億。

　　這也更進一步印證了AIoT產業中芯片與算法強耦合路徑的必要性和正確性。而在云端大模型已獲得革命性突破的當下，AIoT行業有望迎來一輪新的面貌革新，聆思科技等企業仍是重要的推進力量。

　　大模型驅動，AIoT萬物智聯的時代真正到來?

　　據了解，AIoT時代，90%信息輸入依靠語言，80%信息輸出依靠視覺。如今，在語言、視覺、交互等方面實現重大突破的大模型賦能AIoT的想象空間，既寬廣又誘人。

　　具體而言，以ChatGPT為代表的AI大模型展現出了非常優秀的自然語言交互能力，聆思科技此前就做過相關總結：ChatGPT的智能涌現表現在海量信息參數化全量記憶、任意任務的對話式理解、復雜邏輯思維鏈推理、多角色多風格長文本生成、即時交互修正能力支持進化、程序代碼自動生成、輸入圖像的語義層理解這七個方面。

　　而近段時間OpenAI發布的首個文生視頻模型Sora，在語言理解能力等方面再上臺階，并不斷往物理世界模擬進化，可以說這場AI技術主導的科技盛宴“全程高能”。

　　再試想如果能夠將大模型的能力融入AIoT產品打造中，無疑將帶來終端使用體驗質的提升，比如在智能家居場景中，設備不再僅針對固定的有限口令進行反應，而是具備與人類對話互動等高度智能化能力，這種情況下，專業智慧管家等角色或能真正具象化。

　　而物聯網領域海量的數據，也可以為大模型的應用提供充足的“養料”。根據機構預測，到2025年，全球每分鐘將有超過15萬臺物聯網設備連接入網，預計物聯網設備生成的數據量將達到73.1ZB，占到全球數據總量的44%。

　　基于此，目前也已經有廠商正在推進相關愿景實現。比如，智能安防領域，宇視科技推出具備CV(計算機視覺)、NLP(自然語言處理)、MM(多模態)等多項能力的“梧桐”大模型。

　　聚焦智能家居場景，聆思科技也已經開發新一代多模態人機交互方案，基于大模型，結合虛擬人、Smart TTS技術，打造生成式虛擬AI管家，以實現智慧家庭人機交互。

　　不過，相關企業在推進大模型應用的過程中也面臨不小的挑戰。一方面，大模型的應用門檻較高，動輒百億甚至千億參數規模，需要AIoT芯片具備更強大的算力支持。

　　另一方面，考慮到物聯網數據具備多模態、異構性等特征，要想使大模型落地AIoT場景并充分發揮作用(如對現實中瞬息萬變的狀況第一時間完成信息采集并做出反應)，還需將其與系統深度耦合，以實現對物聯網感知數據的使用以及對相關設備的控制、調度。

　　正如特斯聯CTO華先勝曾指出的，大模型本身是AIoT的擴充，類似具有強大理解能力的“大腦”，若通過系統連接AIoT設備來給它配上“眼睛”“鼻子”“耳朵”“手”“腳”，其將具備多元的感知、分析、決策和控制能力，從而實現更強的智能。

　　因此，可以看到，去年10月，聆思科技推出了“芯云戰略計劃”，該計劃融合了芯片層、算法層以及云端平臺層，其中，芯片層解決算力問題，算法層解決AI效果問題，云端平臺層解決大模型的接入問題。

　　考慮到當前AI技術大幅提升等因素，有專家預測，2024年將是AloT產業發展的分水嶺。這一形勢下，隨著聆思科技等廠商不斷促進產業上下游協同、加強系統化運作，萬物智聯時代有望真正到來。

　　作者：堅白

　　來源：松果財經