AI语音助手普遍存在的问题天玑手机能否比骁龙更好

AI语音助手普遍存在的“隐私问题”，思必驰能否提供解决方案？

2011年，Siri首次被成功移植到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“隐私问题”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出现，比利时新闻网站VRT报道称Google涉嫌通过Google Assistant语口助手收集用户私人谈话内容，并且Google的一些合作伙伴向其泄露了1000多条Google语口助手和客户对话的录音。此外，在4月份彭博社援引知情人士透露，亚马逊负责评估Alexa语口助手用户指令的团队，可以获得用户定位信息，即便是用户具体家庭住址。

为何这些公司会面临如此严峻的问题？上海深聪智能（思必驰与中芯国际下属投资公司中芯聚源合资公司）的CTO朱澄宇接受雷锋网专访时表示：“这些公司目的并不真的是为了侵犯用户隐私，而是为了采集一些数据进行训练让语言模型更加精确。”

朱澄宇进一步解释说，这确实是语言模型收集录音目的所在，因为想要更准确地完成个性化任务，如Apple声明中的那样，对于完善功能来说需要更多数据进行训练，但同时也需要找到保护隐私的问题办法。他提出了两个想法：一方面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数据；另一方面，当AI技术达到成熟期之后可能对训练需求不那么旺盛，“”的事情可能就不会发生。

目前，我们还没有看到数据收集标准，也还未达到AI算法成熟阶段。此时如何保护用户隐私？朱澄宇认为：“我们提供融合思必驰算法和深聪AI芯片软硬一体方案，以强大的AI芯片尽量把云端工作搬到终端，不需要上传到云端，这就是对用户最大的保障。”不过，要在终端实现部分云端功能，则需提升终端AI算力的重要性。朱澄宇指出思必驰算法可以与深聪芯片进行深度融合，可以用通用芯片十分之一甚至百分之一功率就能达到同样的效果，对于深聪而言目标是在提供足够算力，而非最强大算力。

对于什么样的算力对于AI语言模型是合适的，由于神经网络规模较小，因此图像比语言更需强大，但从处理复杂程度看两者相当。这也是因为将声音转换文字后，还涉及识别、多轮交互等在某种程度上比图像更为复杂。朱澄宇表示深聪需要预估市场需求，然后转换成一个量化硬件指标，同时考虑快速迭代，用一种方法和流程去应变，这就是软硬协同过程，比如定义下一代芯片实现本地识别，就会根据当前设备上的要求增加冗余。

雷锋网之前报道过TH1520首代AI芯片采用双DSP架构内置codec编以及大容量存储单元，同时采用扩展指令集加速方式，使其效率提升10倍以上，并支持未来升级扩展。在2018年8月流放11月点亮验证至今已经量产第二代将支持本地声纹识别功能据介绍要支持声纹功能则需有更高性能以此设计双DSP架构以备未来发展考虑。

低功耗对于提升体验至关重要但又很难平衡误唤醒率低功耗及高性能之间。当软件层面确认机制不足的时候，有时候为了兼顾低功耗就会设定唤醒阈值较低这又带来误唤醒问题。但有了高性能且低功耗的心智则能一定程度上解决这个问题，如TH1520采用多级唤醒模式内置IPAlways-On阶段仅需毫瓦级典型工作场景几十毫瓦极端场景峰值不到百毫瓦可见电池供电设备使用无缝切换即使安卓息屏也能触发即刻响应任然晚于iOS版本原因主要还是基于兼容性安全性及资源限制而设计不同策略特别是在Always-On环境中保持着保留足够计算能力来迅速响应请求同时降低整体系统功耗不仅限于数字电路模拟部分也有降低功耗方法比如使用更低精度ADC优先减少影响或者几乎无影响情况下的权衡选择好的软件结合良好的硬件才能清晰了解如何做这样的权衡这是通用晶圆厂很难做到的依赖不同的应用场景不同的人类行为习惯不同类型设备配置都有其特定的挑战和机会

因此，有了更高性能与更佳能源效益心智平台之后，就能够实现更加优秀服务质量。例如家庭中的智能扬声器往往由几个成员共享，更强心智与能源节约心智可以通过声纹识别区分说话者的身份，从而根据每个人的喜好提供个性化服务。此外，更佳能源效益还能够促进跨模态融合，将听觉辅导功能与视觉辅导功能相结合，为人们创造一个更加全面、高效的人工智能帮助者。跨模态融合既可从算法层面探索，又可共享基础设施这一行业正在努力追求的声音辨认以及跨模态支持都已列入深恬科技产品规划路线图

最后关于专用的还是通用的晶圆是否应当，那么他认为从晶圆发展规律看总是在专用和通用间不断循环，最终取决于是不是有一种独霸江湖的情形如果真的有一种独霸江湖的情形那可能的话晶圆也变得通用但目前看来专用的仍然适用于这个领域