高杰還從三個方面談到了達摩院的語音能力和優勢，他說，“數據積累、算法和計算能力是語音AI三大基石。在數據積累方面，達摩院語音技術連續4年，每年識別阿里巴巴集團內超過1億通的電話，還提供手機淘寶、支付寶、手機高德等阿里巴巴集團內所有App的語音識別相關功能，具有電視、車載、兒童教育、公共空間等多領域的語音交互數據，具備多語音、重口音、方言能力；在算法方面，具有三國五地精英齊聚的百人精英團隊，具備信號處理、語音識別、語音合成、對話處理的能力；在計算能力方面，背靠阿里云，彈性計算百萬并發經受雙十一考驗，語音識別使業內最先進的CTC-LFR建模技術提速3倍以上?！?/p>

在會上，高杰重點介紹兩款產品，語音原子產品和語音交互產品。語音原子產品，包含語音識別和語音合成，具有自學習、彈性計算、穩定、方便接入的特點。語音交互產品旨在讓每臺設備都能聽會說懂你，該產品從2015年到2018年，已經在手機、汽車、電視、智能家居等場景中應用，包括支付寶、蝦米音樂、多模態地鐵售票機、手機高德APP、兒童機器人、榮威系列、海爾遠場景語音電視等等。

高杰表示，達摩院語音實驗室的愿景是為阿里巴巴經濟體提供無處不在的語音交互能力。語音技術作為多模態中發展最成熟，也是最重要的一環，我們期待語音技術在多模態交互場景中有著更多的亮眼表現。

視覺將是下一代機器人的基本能力

玩瞳科技VisionTal專注于實體學習桌面的智能視覺分析，旨在打造多模態的智能學習體驗。在會上，玩瞳科技CTO潘鑫表示，政策利好產業發展，2018年，中國發布的《教育信息2.0行動計劃》強調“智慧教育創新發展行動”要加強智能教學助手、教育機器人、智能學伴、語音文字信息化等關鍵技術研究與應用。教育機器人作為機器人應用于教育領域的代表，將成為智慧學習環境的重要組成部分。

玩瞳科技CTO潘鑫

在談到下一代機器人的發展方向時，潘鑫認為，視覺將是下一代機器人的基本能力。視覺的能力將使機器人改變以往的被動服務形式，邁向主動服務。從而為使用者提供更好的服務體驗。

玩瞳科技在教育視覺領域深耕多年，在視覺識別算法上走在行業前列，在完整的技術體系支持下，推出了多款視覺識別的教育硬件產品，并且和機器人/故事機、教育電子、互聯網巨頭、垂直教育多領域合作，積累了豐富的實踐經驗。

讓教育硬件從聽到到看，多模態的交互趨勢，玩瞳已做好準備。

CEVA DSP一站式解決方案助力極速開發產品

CEVA是一家以色列的IP授權公司，在DSP領域處于領先地位，客戶遍布全球各地，行業應用覆蓋非常廣，包括計算機視覺、AI、通訊等領域。CEVAKeyAccountsMananger田元在會上表示，CEVA每年出貨量非常可觀，有CEVAinside的終端產品出貨超過10億臺。

CEVA Key Accounts Mananger 田元

在會上，田元重點談到音頻相關的應用，重點講到智能音箱和TWS耳機，調研機構數據顯示，接下來幾年，TWS耳機每年都有500—800 milion的出貨量，智能音箱市場表現更為穩定，接下來幾年會維持大概200 milion的出貨量，在田元看來，未來幾年，整個市場需求相當可觀。

那么，面對如此大的市場需求，為什么用DSP而不是通用處理器來處理跟語音相關的東西？田元解釋道，DSP，即數字信號處理器，語音作為數字信號，天然需要用DSP處理。那么又為什么用CEVA的DSP？田元說，“CEVA可以同時提供低功耗產品和高性能產品，此外，還和軟件合作伙伴們一起，打造非常完備的生態系統，可以保證開發者、芯片客戶、終端用戶，快速開發產品，快速落地。CEVA除了提供DSPIP本身之外，還提供整套一站式解決方案，涵蓋DSP IP、跟音頻相關的軟件等等。”

CEVA還會陣對不同的場景需求，提供不同的解決方案，這樣，IC設計公司可以有更多的選擇。以炬芯的芯片為例，超低功耗的解決方案對應炬芯ATS283X平臺，高性能解決方案對應ATS3609D平臺，優質的芯片集成的優質IP，可為終端智能硬件的產生做好充足準備。

AI多模態交互技術智啟新教育

人機交互正在從鍵盤鼠標的交互轉變成語音視覺等多模態交互。交互門檻的不斷降低，給交互體驗帶來了明顯提升。炬芯科技產品總監肖凱平表示，語音和視覺是AI交互主要的交互手段，語音方面，不同的產品，要求會有不同，但體驗一定要“過門檻”，2mic是入門級要求，需要在本地完成AFE+WMC所有的計算；視覺方面，算法的計算量很大，本地化NN的性價比不夠，在本地完成一部分計算，大部分工作在“云”完成。

炬芯科技產品總監肖凱平

為實現更優質交互體驗，炬芯作為一家芯片設計廠商的也在持續深耕技術，希望用更優質產品給智能機器賦能。炬芯科技推出了ATS3607、ATS3607D、ATS3609、ATS3609D四款多模態智能交互芯片，充足的算力、超低的功耗、強大的可擴展性，將賦予機器更多的可能性。

圖：炬芯多模態交互AI芯片平臺ATS3609D

據肖凱平介紹，炬芯多模態交互AI芯片平臺ATS3609D，具有語音+圖像智能、音視頻能力、教育內容等，其中語音+圖像智能更適用“重”語音，“輕”圖像雙模交互的場景；音視頻能力雙向視頻通話，應用在線教育產品；教育+AI，可以給傳統教育提供不一樣的體驗。

圖：炬芯多MIC語音芯片平臺ATS3607D，可應用于車載、家電、辦公領域