4 月 18 日，云知聲 AI 技術開放日（Open Day）深圳站期間，云知聲董事長/CTO 梁家恩博士向深圳的合作伙伴和開發者講解了云知聲全棧 AI 技術圖譜和產業能力。梁家恩博士強調，「AI 不是刷榜炫技，而是要真正解決產業實際問題。」AI 技術只有與產業結合起來，解決產業問題，才有可能發揮其最大的價值。

創立 7 年，云知聲立足產業需求，逐步形成了自己的 AI 哲學。梁家恩博士將其總結為全棧+硬核，「全棧讓我們關注用戶價值和應用問題，硬核幫助我們破解產業難題。」其中，全棧指的是全棧技術能力和落地能力，將技術創新貫穿到產業應用中，打造價值閉環；而硬核技術方案能夠高效率地解決產業規模化痛點。

全棧 AI 能力，貫通技術創新到產業應用的價值閉環

「全棧」包含了全棧 AI 技術能力和全棧 AI 落地能力兩個維度。

從技術的角度看，云知聲很早就搭建了 Atlas 機器學習計算平臺，該平臺具備超強的 GPU 計算資源和浮點計算能力，為在人工智能新領域的拓展奠定了強大的計算能力基礎。Atlas 平臺向上支撐起信號（AEC／SSP／ISP）、語音（ASR／TTS／VPR／CALL）、語言與認知（NLU／NMT／SDS／ICI）、圖像（FID／OD／OCR）等多技術領域的橫向擴展和縱向迭代。基于此，云知聲硬核 AI 技術圖譜具備了完整感知、表達、認知與計算能力。

在完成了全棧技術搭建之后，云知聲將能力封裝到自研芯片中，打造「云端芯」一體化產品體系，為產業提供面向具體場景的軟硬件一體化 Turnkey 解決方案，可讓行業用戶站在更高的設計起點、以更低的成本，在更短的時間周期內打造出更穩定可靠的產品，繼而貫通云知聲從 AI 技術到產業應用的生態閉環。

硬核 AI 技術，破解產業規模化應用難題

立足產業需求，云知聲對其 AI 硬核技術進行優化和提升，使其能夠有效解決行業規模化應用中的難題。截止到目前，云知聲的硬核 AI 技術覆蓋了語音感知與表達、語言與知識計算、AIoT 芯片落地，以及超算平臺與圖像、翻譯拓展等多個維度。

硬核技術 1：語音感知與表達

語音感知和表達是人機交互的基礎。在感知層，需要賦予機器感知并語音指令的能力，讓設備能夠聽得清、聽得到。在遠場拾音階段，云知聲 AI Labs 技術專家關海欣表示，目前，云知聲在回聲消除、混響抑制、噪聲處理等方向均已有成熟的技術方案，相關技術指標均達行業一流水準。在語音識別階段，云知聲基于大數據、聲學建模、自適應學習搭建了聲學模型，并有一個數據規模大、融合能力強、靈活和個性化的語言模型，以上模型在還將基于超算平臺不斷優化迭代。在表達層，云知聲通過「算法+數據+工程」三位一體的方式，輸出高質量、個性化的語音合成能力。

硬核技術 2：語言與知識計算

認知能力是機器智能的核心，只有解決了認知問題，設備才有可能解決、滿足用戶的需求。從公司創立之初，云知聲便開始布局語言與知識計算；2013 年，云知聲面開放了對話技能開放平臺（語義云），幫助合作伙伴打造更加自然的人機交互體驗；2018 年，云知聲形成了完整的技術和應用體系，實現了家、車載、智能兒童機器人等場景的智能交互，和醫療、教育、酒店等場景的行業智能。

云知聲的人機對話系統具備流式交互、語用計算與知性會話 3 大硬核能力。云知聲 AI Labs 技術專家單波介紹到，流式交互最大的特點是在多輪對話免喚醒，大大的提升了人機對話過程中的流暢程度；語用計算則是將人機對話內容放置到對應的語境中，讓設備準確的理解人的意圖；最后，知性會話則是通過將知識圖譜應用到人機對話過程中，讓設備靈活響應用戶的問題。

硬核技術 3：AIoT 芯片落地

要將 AI 技術落地，讓技術真正惠及行業，僅僅打包云端算法能力是不夠的，必須將語音交互和 AI 技術硬件化，通過芯片、模組的方式配合廠商快速推出智能產品。

2014 年開始，云知聲確立了「云端芯」戰略，隨后發布了物聯網 AI 硬件芯片方案（IVM）。2015 年云知聲正式啟動自研 AI 芯片計劃。2018 年，云知聲推出第一代 UniOne 物聯網 AI 芯片「雨燕」，并將基于雨燕的解決方案進行開源。在此基礎上，云知聲推出智能家居、智能音箱的兩套標桿解決方案。

2019 年 1 月，云知聲重磅發布多模態 AI 芯片戰略，同時宣布推出 3 款全新芯片：第二代物聯網語音 AI 芯片雨燕 Lite、面向智慧城市的支持圖像與語音計算的多模態 AI 芯片海豚（Dolphin），以及面向智慧出行的車規級多模態 AI 芯片雪豹（Leopard）。基于這一些 AI 芯片，云知聲不斷拓展技術與場景生態，實現產業賦能。

硬核技術 4：超算平臺與圖像、翻譯拓展

超算平臺是 AI 技術自我優化、進行橫向擴展和縱向迭代的重要基礎。早在 2013 年，云知聲便開始建設被譽為云知聲版「TensorFlow+GKE(GoogleKubernetesEngine)」的 Atlas 機器學習智能計算平臺，把統計學習和深度學習里面的一些通用算法抽樣出來。該平臺以 GPU 和 CPU 為計算集群的基礎硬件資源，針對智能計算的需求和任務特點，使用云知聲內部改進的 Kubernetes 作為資源管理和調度系統，通過計算任務容器化和圖形化的任務交互，最大化的簡化算法研究人員提交計算任務的復雜度，實現計算任務的全流程管理和一鍵式分布式運行。同時，針對智能計算對海量真實應用場景數據的訪問特點， Atlas 智能計算平臺構建具備 PB 量級的高 IO 和高可靠的分布式存儲系統。

去年 5 月份的 WMT 2018 國際機器翻譯大賽中英翻譯比賽中，云知聲 NMT 機器翻譯團隊首戰即斬獲英中第二、中英第四，綜合第三（BLEU 關鍵評分僅次于第二名 0.1）的成績。這些成績都是 Atlas 計算平臺為云知聲探索多模態 AI 技術能力過程中帶來的重要價值。

立足產業，讓機器更好地服務人類

在邁進 2019 年之后，AIoT 產業還將面臨諸多變革，其中，既有面向大眾用戶的智能交互需求，也有面向特定領域的行業智能需求。

在智能人機交互過程中，新數據維度（圖像、語音、視頻、VR/AR等）出現帶來數據傳輸的復雜度及對數據實時性處理的要求，需要更全面的運算能力，多模態 AI 技術能力建設成為關鍵。而面向行業場景，將知識圖譜與大數據結合，構建行業知識圖譜，打造可遷移的行業智能系統，方可解決行業智能化實際問題。

未來，在全棧能力與硬核科技雙輪驅動下，云知聲將繼續定位需求與問題，致力于打通技術創新到產業應用的閉環，解決產業規模化應用的關鍵問題。