探境NLP进一步打开离线算法AI新的语音市场
离线NLP，这是探索科技给出的答案。NLP，或称端侧NLP技术是一种不依赖云计算能力，通过端部ADM1024ARU芯片实现自然语言理解的方案。探索科技CEO鲁勇坚信：随之而来AI轻量化的语音模型，以及端侧芯片计算力的逐渐提高，AI最后，语音将以分布式方式部署到终端设备上。每个时代都有一种主导的互动方式，人类的生产和生活方式也随之改变。
未来十年我们的生活会是什么样子？尽管许多科技公司的技术演变方式不同，但语音交互一定是一个不可避免的命题。
自1952年AT&T贝尔实验室开发的语音识别系统Audry经过70年的科技史上的变化，语音方案也逐渐从云计算中心下沉到边缘。
当飞轮在2022年的时候，声音会给出什么样的惊喜？
离线NLP，这是探索科技给出的答案。NLP（Natural Language Processing，自然语言处理)，或称端侧)，或NLP技术是一种不依赖云计算能力，通过端部芯片实现自然语言理解的方案。探索科技CEO鲁勇坚信：随之而来AI轻量化的语音模型，以及端侧芯片计算力的逐渐提高，AI最后，语音将以分布式方式部署到终端设备上。
离线NLP即普世、普适
尽管语音成为IoT设备的交互标配是大势所趋，但从现实来看，智能音箱种类繁多，不断出现“教育和打磨”市场后，AI语音智能家居并没有像想象的那样进入普通百姓家。
这主要是因为语音支持的传统实现主要是通过云来实现的，而且配置维护极其困难，比如Wi-Fi经常断网，下载各种APP，要进行各种繁琐的操作，复杂程度令人望而却步，用户不愿意花精力去学习。
“所有高科技都必须简化。家用电器应该以人为本。家用电器越智能，使用起来就越简单。那些令人生畏的家用电器只适合被尊重，不适合使用。”鲁勇解释说。“要想翻越用户体验这座山，必须解决传统配置方式带来的市场问题。”
相比之下，离线语音方案不需要依赖云技术术的情况下直接控制家用电器，无需其他额外操作，即插即用，响应速度更快，隐私保护更好。与云相比，它更符合原有的家电使用习惯，属于更普遍的“百姓智能”。
如果说AI如果语音从在线到离线是一个很大的过渡，那么从离线到离线是一个很大的过渡NLP这是另一个飞跃。NLP让自然语义从云向下移动到终点，用户和家电之间的互动就像是日常对话，操作简单，互动自然。NLP在应用层面给用户更普适的体验的同时，也必然会加速其在国内家电市场的落地步伐。
此外，将语音处理放在端部。对于家电厂商来说，从构建和运营一个复杂的云系统到从生产端直接切入生产端的组件级转换，降低了产品之间的转换成本，这也是鲁勇的离线NLP落地前景看好的底气之一。
两轮芯片和算法咬合紧密NLP引擎
产品越容易使用，内核往往越复杂。
离线NLP该方案的挑战是在低功耗的情况下保持高性能和低成本，并减少复杂的环境和模型压缩造成的精度损失。这有两个技术测试：一方面，在芯片设计的前提下，考虑算法的需求，包括计算能力、存储容量是否满足需求，以及是否有盈余来应对未来的升级。
另一方面，在算法层面，我们应该考虑对深度学习的支持是否足够广泛。同时，我们应该进一步优化和整合芯片所能实现的能力，并保持原始信息处理能力的轻量级算法。
这就实现两者之间的高度耦合，需要在底层芯片与高精度算法之间进行综合整合。
探境的离线NLP芯片Voitist721，作为一个具有强大探测性能的三核AI芯片，集成NPU，DSP和CPU三核，并实现了端到端支持算法模型。
另外，支撑端到端NLP这意味着，基于注意机制的知识地图和深度学习算法，不局限于人工设计的有限数量的关键词，而是挖掘自然语言表达中包含的信息，以适应更灵活的表达陆场景。
要想在离线NLP要构建全新的领域价值，需要做到以下两点，一是语义识别的广度，二是准确度更高。
这就需要在算法模型上下功夫，“深挖洞，广积粮”，探索算法模型工业生产平台，是终端智能着陆应用的有力支持，可以有效解决远程识别、误唤醒率、噪声干扰、区域口音、单词泛化等核心用户体验痛点，基于统一的数据管理系统收集、培训、测试三个系统平台整体联动，快速响应可以满足批量发布的业务需求。
据鲁勇透露，探险NLP该算法在今年上半年已经成功开发出来，凭借其强大的人机交互能力，它照亮了许多顶级客户的眼睛，从而进一步开启了离线AI新的语音市场“钥匙”。
正在形成的正反馈
不仅仅是技术“探路”，市场也是循序渐进的。
“智能家居市场的需求是支离破碎的。每个公司和每个品牌都有不同的兴趣需求。我们的做法是先做一些流行的款式，在市场上开始，这相当于去市场教育一些用户，然后用户反馈来推动更多的制造商加入，慢慢形成积极的反馈，从而达到反馈行业的目的。”鲁勇对离线NLP充满信心的应用。
“目前，灯具、空调、窗帘、风扇等应用的接受度正在肉眼可见地扩大，许多大客户开始逐渐进入批量运输阶段，这也意味着市场正在真正上升。”鲁勇的话透露出一种自豪。
探索技术的合作伙伴包括美的、海尔、松下、OPO和奥克斯等知名制造商。在0-1的突破之后，从1到100是合乎逻辑的。探索不仅在客户层面形成了规模效应，而且在芯片层面的布局也一个接一个地显示出来。计算能力更强的722芯片已经成功点亮。明年初将实现大规模生产，超低功耗可穿戴市场的芯片也将推出。
陆勇说，今年的探险出货量是几百万，这取决于离线NLP等待技术的加持，以及多个芯片系列的推出，预计明年销量将实现指数增长。
陆勇认为，家庭场景下的智力可以分为三个步骤。第一步是轻智能，赋予电子产品轻量级但实用的语音控制功能，快速将单一产品智能推向用户市场。
第二步是关注终端的智能AI芯片上升级更强大的算法使单个产品更加智能，如自然语义理解、多模态识别等。，同时叠加IOT互联网，不需要连接云，单个产品可以构建一个整体的智能家居场景，保护隐私，用户体验更好。
第三步是进一步深化软硬件协调，实现深度智能，构建未来AI产品，包括科幻产品，如情感分析、对话、类人机器人等。AI提高技能，融入生活。
探索的愿景其实很简单:让用户在家居场景中实现“思考-说-做-做”在自然交互过程中，没有必要阅读冗长繁琐的说明书，学习复杂的家电操作步骤，实现“有电就有智能”的体验。
就像科幻电影《钢铁侠》中的贾维斯一样，当用户回到家中时，他们不需要寻找开关或遥控器。他们可以在房子的任何一个角落散步，说贾维斯打开窗帘，给我倒了一杯柠檬水。这些设备开始配合工作。
柯林斯在《从卓越到卓越》中提到了飞轮效应。有一个巨大而沉重的轮子。一开始要花很多力气才能让它转动。但是，只要你朝着正确的方向努力，一直往下推，轮子就会越来越快地转动。当你到达后面时，你可以依靠过去积累的势能快速转动轮子。
从离线NLP更先进的深度智能，“飞轮效应”正在向我们驶来。
