【導讀】聲音是人與人交戶的重要手段

，在AI興起的現今，也是人與機器相互溝通的手段之一。從模擬階段的留聲機開始到現在
，人類對於高清化、高(gao)保(bao)真(zhen)的(de)追(zhui)求(qiu)一(yi)刻(ke)沒(mei)有(you)停(ting)歇(xie)過(guo)，也(ye)逐(zhu)漸(jian)擺(bai)脫(tuo)了(le)線(xian)束(shu)的(de)約(yue)束(shu)。對(dui)音(yin)頻(pin)來(lai)說(shuo)，芯(xin)片(pian)至(zhi)關(guan)重(zhong)要(yao)
，它(ta)既(ji)要(yao)擁(yong)有(you)足(zu)夠(gou)的(de)算(suan)力(li)
，也(ye)要(yao)擁(yong)有(you)足(zu)夠(gou)低(di)的(de)功(gong)耗(hao)。

著名作家海倫·凱勒曾說過這樣一句話，“盲隔絕了人與物，聾隔絕了人與人。”可見聽力的重要性，由此可以看出，人的一生耳朵是最忙的感知係統之一。

聲音是人與人交戶的重要手段
，在AI興起的現今，也是人與機器相互溝通的手段之一。從模擬階段的留聲機開始到現在，人類對於高清化
、高(gao)保(bao)真(zhen)的(de)追(zhui)求(qiu)一(yi)刻(ke)沒(mei)有(you)停(ting)歇(xie)過(guo)，也(ye)逐(zhu)漸(jian)擺(bai)脫(tuo)了(le)線(xian)束(shu)的(de)約(yue)束(shu)。對(dui)音(yin)頻(pin)來(lai)說(shuo)，芯(xin)片(pian)至(zhi)關(guan)重(zhong)要(yao)，它(ta)既(ji)要(yao)擁(yong)有(you)足(zu)夠(gou)的(de)算(suan)力(li)，也(ye)要(yao)擁(yong)有(you)足(zu)夠(gou)低(di)的(de)功(gong)耗(hao)。

據SIG預測，到2027年藍牙音頻傳輸設備年出貨量將達18.4億台，2023年～2027年的年複合增長率為6%，藍牙數據傳輸設備年度出貨量將達到18.7億台，2023年～2027年的複合年增長率為11%。

ICCAD 2023上，炬芯科技股份有限公司董事長兼CEO周正宇博士博士分享了炬芯在AI大背景下
，如何為音頻芯片提供更多創新。

20多年專注音頻領域

“炬芯的前身就是原來的炬力集成
，我們在行業中做了20多年音頻，2005年炬力集成基於便攜式音頻在美國上市
，2021年炬芯基於藍牙音頻在科創板上市。”周正宇博士這樣介紹道。

炬芯2023年半年報和官網顯示，其核心產品包括藍牙音頻SoC芯片、端側AI處理器芯片、便攜式音視頻SoC芯片三類。

藍牙音頻 SoC 芯片係列主要應用於藍牙音箱（含TWS音箱、智能藍牙音箱）、Soundbar
、智能手表、藍牙耳機（含TWS耳機、開放式OWS耳機）、無線電競耳機等。

端側AI處理器芯片係列是基於端側的帶有人工智能加速器的 係統級音頻處理器，致力於提供智能物聯網AIoT端(duan)側(ce)低(di)功(gong)耗(hao)算(suan)力(li)的(de)芯(xin)片(pian)平(ping)台(tai)

，也(ye)是(shi)炬(ju)芯(xin)主(zhu)營(ying)的(de)音(yin)頻(pin)產(chan)品(pin)和(he)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)的(de)重(zhong)要(yao)結(jie)合(he)點(dian)，可(ke)滿(man)足(zu)市(shi)場(chang)未(wei)來(lai)日(ri)新(xin)月(yue)異(yi)的(de)低(di)功(gong)耗(hao)端(duan)側(ce)設(she)備(bei)的(de)人(ren)工(gong)智(zhi)能(neng)應(ying)用(yong)需(xu)求(qiu)。

便攜式音視頻SoC芯片係列是炬芯最早耕耘的、最成熟的產品線，全球市場占有率長期較高
，搭載了公司長期積累的、較先進的低功耗音視頻處理技術。該係列芯片主要針對便攜式高品質音視頻編解碼類產品的應用。

juticongshichanglaikan，juxinzaizhonggaoduanpinpailanyayinxiangshichangfenemingxianzengchang，xiayibuhuitongguochanpinchixudiedaishengjiheyouhuachanpinzuhejixutishengzaizhonggaoduanpinpaideshentoulv；低(di)延(yan)遲(chi)高(gao)音(yin)質(zhi)市(shi)場(chang)從(cong)有(you)線(xian)連(lian)接(jie)向(xiang)無(wu)線(xian)連(lian)接(jie)轉(zhuan)換(huan)的(de)趨(qu)勢(shi)，帶(dai)來(lai)了(le)存(cun)量(liang)市(shi)場(chang)轉(zhuan)化(hua)和(he)新(xin)增(zeng)需(xu)求(qiu)兩(liang)個(ge)機(ji)會(hui)
，炬(ju)芯(xin)正(zheng)在(zai)持(chi)續(xu)加(jia)大(da)研(yan)發(fa)投(tou)入(ru)保(bao)持(chi)技(ji)術(shu)領(ling)先(xian)優(you)勢(shi)並(bing)與(yu)各(ge)大(da)品(pin)牌(pai)廠(chang)商(shang)繼(ji)續(xu)保(bao)持(chi)緊(jin)密(mi)合(he)作(zuo)以(yi)把(ba)握(wo)這(zhe)一(yi)波(bo)市(shi)場(chang)轉(zhuan)型(xing)機(ji)會(hui)；此外，在智能手表市場，炬芯對中國
、歐美和印度市場做了均衡的布局和節奏把握，智能手表作為貼合人體重要的健康數據監測產品，將持續深耕。

用存內計算創造更大算力和更低功耗

周正宇博士表示
，過去以來
，炬芯的芯片架構一般都是“CPU+DSP”的雙核架構
，未來，AI時代，炬芯會在CPU和DSP的基礎上，從高端音頻芯片入手，整合低功耗 AI 加速引擎，逐步全麵升級為 CPU+DSP+NPU（based MMSCIM）三核異構的AI SoC架構，為便攜式產品提供更大的算力。，最新一代基於MMSCIM的高端AI音頻芯片ATS286X，將會在明年將會Sample。

“算力和功耗是一對矛盾統一體。”周正宇博士認為
，如何在同樣的製程、同樣的架構、同樣的設計下，創造更大算力和更低功耗是AI時代的關鍵。

比如說，TWS耳機電池容量通常在35m～40mAh，典型平均工作電流約在5mA左右，也就是說
，留給芯片的功耗預算隻有20mA左右。再比如，智能手表典型電池容量在280～300mAh，典型工作電流在3mA上下，也就是說在4.3V鋰電池中，隻有15mA左右的功耗，還包括ADC
、DAC等器件，也就是說留給藍牙音頻芯片功耗隻有10mW。

與之相悖的是，AI驅動下

，未來算力需求越來越大，也就是說，對藍牙音頻芯片商來說
，要在10mW的功耗預算下，打造200～500GOPS算力是很大難題。

AI主要以複雜矩陣運算來形成
，而複雜的矩陣運算最主要的算力功耗都來自於乘累加運算，過去芯片普遍采用DSP處(chu)理(li)音(yin)頻(pin)
，突(tu)破(po)的(de)關(guan)鍵(jian)就(jiu)在(zai)於(yu)突(tu)破(po)馮(feng)諾(nuo)範(fan)式(shi)的(de)存(cun)儲(chu)牆(qiang)和(he)功(gong)耗(hao)牆(qiang)
，即(ji)存(cun)內(nei)計(ji)算(suan)，通(tong)俗(su)解(jie)釋(shi)就(jiu)是(shi)把(ba)計(ji)算(suan)和(he)存(cun)儲(chu)放(fang)在(zai)一(yi)個(ge)房(fang)間(jian)裏(li)去(qu)
，讓(rang)它(ta)們(men)零(ling)距(ju)離(li)溝(gou)通(tong)。

cunneijisuanyongyouxuduobutongjiezhi，daodinayizhongjiezhishihezuocunneijisuan？zhouzhengyuboshirenweigegejiezhijunyouqitedian，bulunnazhonglujing
，zuizhuyaodewentijiushixierucishu，jiaruoAI需要做自適應或模型不斷更新，那麼它在寫入多次之後就會報廢，所以這種介質不適合做自適應應用，類似於Transformer這一類擁有自學能力的模型。

對比來看
，SRAM讀寫速度快，擁有無限次讀寫能力，不僅采用標準工藝製造
，還可以集成在SoC內
，但它的弱點是存儲密度低。不過，雖然如此，SRAM依舊是低功耗AI算力的首選。一方麵，音頻隻需要200～500GOPS的算力
，而非幾十TOPS，密度低的缺陷因此而被規避，另一方麵，標準的CMOS工藝不僅可以現在就能大規模量產，還可以集成在單芯片上跟隨製程工藝演進到2nm。加之無限次寫入，可以支持自適應計算，長遠來看，RL（強化學習）和ML（機器學習）可能也會為它帶來更多驚喜。

存內計算也擁有模擬和數模混合兩個技術路徑，它們最大的差異主要在於運算用ADC+模擬電路實現的
，還是基於數字電路實現。

炬芯科技選擇的是模數混合的存內計算
，暫時命名為“Mixed-Mode SRAM based CIM”，簡稱MMSCIM，其優勢是精度無限
，可靠性和量產的一致性非常高
，容易在製程上升級
，容易提升速度或PPA。

目前，該芯片雖然還沒有進入量產階段
，但進展非常快。它在全矩陣運算情況下
，未來22nm就有望達到每瓦7.8TOPS的能效比。值得一提的是
，在12nm情況下
，它就已經接近50TOPS，足以挑戰在10mW範圍內釋放200～500GOPS算力。

邊緣與AI融合，挑戰與機遇並存

在周正宇博士看來
，未來端側也會實現像ChatGPT、Tranformoer或類似的功能，或許是手機，或者是手表，未來這些能力都能被人所觸及。就比如說，早年軟盤隻有1.44MB的存儲空間，而現在TWS耳機中的存儲空間都超過了幾十兆。

端側是AI非常好的載體
，以手表為例，它是唯一一個長時間佩戴且緊貼皮膚的裝置
，因此
，非常方便成為健康監測裝置，隨著傳感器發展，心率、血壓信息都成為了可測量的數據。而最終
，它會成為一個能夠隨時監測健康狀態的能手。

把幾億人的信息全部送到雲端處理顯然不現實，而當邊緣端擁有AI，把專業的醫學知識灌注給它
，它就會像一個移動醫生一樣，隨時判斷心率、血氧變化是否健康。這就是邊緣AI的重要意義
，這樣的例子在邊緣AI中不勝枚舉。

當然，挑戰與機遇並存。對國產來說，在端側做AI挑戰有兩方麵，一方麵如何以更好的能效比、PPA來實現人工智能，另一方麵則是在於芯片製造
，如何利用主流製程做到先進製程的產品性能，這是國產芯片設計公司必須麵對的挑戰。

自從ChatGPT問世，最大的變化是自學習和自適應，而在其中隱私是很大問題
，未來端側也必然也要麵對這樣的挑戰。

”我認為現在AI最缺乏的是生態。”事實上
，芯片行業大多情況都會把重點放在硬件設計
，但實際上，一個行業必須擁有自己的生態

，國內更需要自己的生態。就比如說，TensorFlow與yu算suan力li之zhi前qian其qi實shi中zhong間jian還hai間jian隔ge了le很hen多duo層ceng
，或huo者zhe說shuo工gong具ju，如ru果guo能neng做zuo好hao這zhe一yi層ceng
，就jiu能neng建jian設she好hao更geng好hao的de國guo產chan生sheng態tai。炬ju芯xin也ye會hui持chi續xu深shen耕geng，為wei國guo產chan芯xin片pian與yu生sheng態tai建jian設she添tian磚zhuan加jia瓦wa。

免責聲明：本文為轉載文章
，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

以工藝窗口建模探索路徑：使用虛擬製造評估先進DRAM電容器圖形化的工藝窗口

如何設計電池充電速度快4倍的安全可穿戴設備

電池冷卻係統對電動汽車如何重要？

如何為ADAS 域控製器構建多攝像頭視覺感知係統
？

漫談QLC其二：扛起NAND家族重任
，老四QLC