智東西（公眾號(hào)：zhidxcom）
編輯 | 云鵬
智東西5月12日?qǐng)?bào)道，近日，由智一科技旗下智能產(chǎn)業(yè)第一媒體智東西與AWE共同主辦的GTIC 2023全球AIoT智能家居峰會(huì)正式在上海舉辦，13位重磅嘉賓帶來(lái)了10場(chǎng)精彩演講，全景式解構(gòu)了新一輪家庭智能化變革。
峰會(huì)以“互聯(lián)新世界 智能新未來(lái)”為主題，圍繞智能家居產(chǎn)業(yè)近期熱點(diǎn)大模型ChatGPT和智能家居行業(yè)新標(biāo)準(zhǔn)Matter1.0的落地、全屋智能、家電智能化三大熱門話題進(jìn)行深入探討。
當(dāng)下，以ChatGPT為代表的AI大模型技術(shù)正從交互、內(nèi)容分發(fā)、文本理解等多方面影響智能家居產(chǎn)業(yè)發(fā)展，用戶可以獲得更加定制化的個(gè)人體驗(yàn)。個(gè)性化的全屋智能改造風(fēng)潮走進(jìn)消費(fèi)者群體，全屋智能賽道玩家們逐漸從以空間為主轉(zhuǎn)向以人為主的場(chǎng)景化智能家居生態(tài)建設(shè)。智能家居單品，也正在圍繞不同的應(yīng)用困境，做出新的升級(jí)。
在本次峰會(huì)上，聆思科技副總裁徐燕松圍繞《生成式大模型潮流下，智能家居端側(cè)智能化的未來(lái)》進(jìn)行了主題演講。隨著AIGC等新一代云端技術(shù)的突破，如何給市場(chǎng)提供更好體驗(yàn)、更高效率、更高性價(jià)比的端+云智能化解決方案，讓用戶使用智能家居更便捷，成為產(chǎn)業(yè)鏈上下游共同探討的話題。
以下為徐燕松演講實(shí)錄整理：
我今天分享一下聆思對(duì)于“在深度式大模型的潮流下，端側(cè)智能家居應(yīng)該有哪些改變和變化”這一問(wèn)題的一些深入思考。
一、從芯片、解決方案到一站式平臺(tái)，用一攬子方案，完成設(shè)備智能化升級(jí)
聆思科技是一家是基于智能涌現(xiàn)時(shí)代的賦能者，整個(gè)聆思有四大塊業(yè)務(wù)，一塊是AI芯片，另一塊是IoT芯片。只有芯片大家用不起來(lái)，所以我們有對(duì)應(yīng)的解決方案，圍繞解決方案我們會(huì)有研、測(cè)、產(chǎn)、制的工具平臺(tái)。
AI芯片需要與算法強(qiáng)耦合。我們經(jīng)?？梢钥吹絺鹘y(tǒng)的芯片公司和AI芯片公司，最重要的是芯片和算法的耦合度，能不能做到極致的成本和算力“剛剛好”，算力的剛剛好和成本的剛剛好平衡。
第二，AI芯片因?yàn)槭沁B接芯片，一定要做端云一體，設(shè)備在線智能的連接器，如果沒有連接芯片，大模型在云端上是沒有機(jī)會(huì)落地的。
第三是解決方案，我們可以看到云端有服務(wù)，我們端側(cè)需要有配套的一攬子解決方案，需要有符合不同場(chǎng)景的算法和芯片的耦合，如果不是耦合狀態(tài)的垂類方案，這個(gè)行業(yè)很難復(fù)制。
我們經(jīng)常跟客戶聊，他說(shuō)“你把音箱那個(gè)東西給我就行了，把空調(diào)那個(gè)東西裝我這上面就行了?！睂?shí)際上幾乎是走不通的，每一個(gè)不同垂直品類功能和場(chǎng)景化注定需要單獨(dú)的解決方案。
第四，能研出來(lái)，不一定能產(chǎn)得出來(lái)。比如我們見過(guò)的某些客戶里，生產(chǎn)5萬(wàn)臺(tái)語(yǔ)音設(shè)備，需要人在產(chǎn)線上“喊”5萬(wàn)臺(tái)，來(lái)驗(yàn)證整機(jī)語(yǔ)音到底能不能用。
我們認(rèn)為能研還要能產(chǎn)，這是工業(yè)化最標(biāo)準(zhǔn)需要解決的問(wèn)題。我們有一套工具平臺(tái)，包含研、制、產(chǎn)、測(cè)，這套一攬子方案全部打包在一起，從AI芯片到loT到解決方案再到研測(cè)產(chǎn)制平臺(tái)，交到客戶的手里，才能把一個(gè)設(shè)備從不智能升級(jí)為智能。
二、場(chǎng)景是AI能力與芯片耦合方案的試金石
我們經(jīng)常在內(nèi)部說(shuō)語(yǔ)音是“玄學(xué)”，我們舉一個(gè)掃地機(jī)器人的例子，機(jī)器的制噪很高，掃地毯、掃地板、掃地磚，看似都是掃地，但是從聲音的角度來(lái)看、從設(shè)備的角度來(lái)是看完全不同的，進(jìn)入到床底下、桌子底下的混響也是不同的，這些不同意味著你有沒有可用的跟場(chǎng)景可耦合的解決方案賦能到設(shè)備中去。
圍繞著場(chǎng)景需要的是AI能力，從基礎(chǔ)的研發(fā)平臺(tái)到系統(tǒng)級(jí)的SDK，到功能性的SDK，到算法的SDK，必須做耦合，耦合后呈現(xiàn)出來(lái)的是語(yǔ)音交互的解決方案、音頻的解決方案、降噪的解決方案、視覺的解決方案、教育電子解決方案，包括音視頻融合多模態(tài)的解決方案。
這些解決方案再繼續(xù)生長(zhǎng)，生長(zhǎng)到每一個(gè)垂直產(chǎn)品和垂直領(lǐng)域里的垂類方案。聆思一直在做的是解決方案工廠，這個(gè)工廠是賦能給行業(yè)和我們合作伙伴的。
我們有幾個(gè)核心的觀點(diǎn)：第一，有不等于可用；第二，可用不等于好用；第三，好用不等于易用。
只有易用客戶才會(huì)買單，否則沒有人買單。我們一直認(rèn)為我們要從有到可用，一直到易用，都做到前沿技術(shù)的持續(xù)引領(lǐng)，所以我們也落地了很多場(chǎng)景。
三、ChatGPT智能涌現(xiàn)，實(shí)現(xiàn)七大智能維度突破，帶來(lái)六大重要變革
我們一直在討論，“沒有成功的企業(yè)，只有時(shí)代的企業(yè)”。剛才主持人和徐東生副理事長(zhǎng)說(shuō)了，現(xiàn)在家電已經(jīng)有了很大的變革，大家都在討論大模型。我上一周到深圳參加深圳灣的創(chuàng)業(yè)會(huì)，突然發(fā)現(xiàn)從大工廠、大企業(yè)研發(fā)到小工廠都在討論一個(gè)問(wèn)題：“GPT能幫我干嘛？”我真的覺得是全面GPT的感覺，連續(xù)開了三個(gè)論壇、兩個(gè)會(huì)，大家都在談這個(gè)事兒，茶余飯后不談這個(gè)事兒我可能就“OUT”了。
大模型時(shí)代帶來(lái)了很多驚艷的東西，確實(shí)帶來(lái)了智能涌現(xiàn)。首先我們認(rèn)為對(duì)話式AI帶來(lái)了很大的躍升；第二，圖像輸入的時(shí)候多模態(tài)的統(tǒng)一語(yǔ)義理解能力持續(xù)上升，甚至已經(jīng)到了可用和易用的狀態(tài)了。
給端側(cè)、設(shè)備和合作伙伴帶來(lái)什么？我們看到有7個(gè)方面重大突破：
第一，海量信息參數(shù)化全量記憶；第二，任意任務(wù)的對(duì)話式理解；第三，復(fù)雜邏輯思維鏈推理；第四，多角色、多風(fēng)格長(zhǎng)文本的生成。
前面跟很多嘉賓聊的時(shí)候說(shuō)到，內(nèi)部的小朋友說(shuō)GPT大模型是一個(gè)話癆，它每次都回答我那么多，當(dāng)然我們會(huì)對(duì)它進(jìn)行優(yōu)化，讓它有一個(gè)更合理、更精準(zhǔn)的反饋。
第五，即時(shí)交互的修正能力會(huì)支持進(jìn)化。我們經(jīng)常會(huì)跟他說(shuō)：“你說(shuō)的不對(duì)，你重新想一下，上網(wǎng)上重新搜一下。”它會(huì)給你一個(gè)新的答案，具備即時(shí)交互的修正能力。
第六，程序代碼自動(dòng)生成。我們做過(guò)很多測(cè)試，在安卓的平臺(tái)上，我們希望遷移到Linux，把規(guī)則告訴它，它可以自己做很多代碼生成。第七，輸入圖像的語(yǔ)義層理解。
大模型能給產(chǎn)業(yè)帶來(lái)什么？第一，是全面升級(jí)的人機(jī)交互。聆思的愿景是讓所有設(shè)備能聽會(huì)說(shuō)，這是我們成立之初的愿景。讓所有設(shè)備能聽會(huì)說(shuō)，首先需要有精準(zhǔn)的、更好的人機(jī)交互方式，大模型給這個(gè)產(chǎn)業(yè)帶來(lái)重大的變革。
第二，革新內(nèi)容生成和內(nèi)容生產(chǎn)方式。大家在各個(gè)演示中看到了，也體驗(yàn)到了。還有改變信息分發(fā)的各種獲取方式、虛擬世界和現(xiàn)實(shí)民生的一些結(jié)合、用AI做醫(yī)療，做很多分子陣列的測(cè)算。最后，我們會(huì)促進(jìn)開發(fā)者生態(tài)的發(fā)展，因?yàn)檫@是一個(gè)共創(chuàng)的過(guò)程。
四、基于大模型的新一代多模態(tài)人機(jī)交互
當(dāng)大模型給這個(gè)產(chǎn)業(yè)帶來(lái)重大發(fā)展變革和機(jī)遇的時(shí)候，聆思也在想如何給合作伙伴提供大模型新一代人機(jī)交互的解決方案。這是我們給很多合作伙伴提供的大模型新一代的多模態(tài)人機(jī)交互框架，把多模的識(shí)別，或者語(yǔ)音、圖像、視覺包含其他，會(huì)有輸入，我們同時(shí)有大模型交互里非常核心的提示功能。
我們自己內(nèi)部討論一件事情，大模型用得好不好，先是你問(wèn)題問(wèn)得好不好，如果你問(wèn)得好、越精準(zhǔn)，模型的反饋越精準(zhǔn)，所以我們叫做“提示工程”。
另外，我們把很多傳統(tǒng)的AI能力，比如翻譯、多語(yǔ)種、變聲，傳統(tǒng)的AI能力和內(nèi)容的信源打包，打包完后有類似虛擬的中樞大腦，基于大模型業(yè)務(wù)的服務(wù)調(diào)動(dòng)和內(nèi)容分發(fā)融合，最后在端側(cè)有輸出層，端側(cè)輸出層可以看到有語(yǔ)音合成、虛擬形象、圖像合成、視頻合成，這是聆思基于大模型的端側(cè)給所有端賦能的內(nèi)容和賦能的方向。
基于大模型多模態(tài)人機(jī)交互，我們認(rèn)為有五點(diǎn)可以明確讓大家拿來(lái)用的。
第一，多輪對(duì)話的貫穿能力。很多傳統(tǒng)設(shè)備，我們經(jīng)常說(shuō)容易“把天聊死”，現(xiàn)在大模型的多輪對(duì)話的貫穿能力可以進(jìn)行意圖識(shí)別，滿足客戶的需求。
第二，知冷暖的共情閑聊對(duì)話能力。我們?cè)?jīng)討論一個(gè)場(chǎng)景，未來(lái)老人的陪伴和陪護(hù)，誰(shuí)陪空巢老人聊天，誰(shuí)提醒他吃飯、吃藥，誰(shuí)去情感化、擬人化的思路或者交互方式去陪伴他，誰(shuí)去呵護(hù)和關(guān)懷，這里面是有溫度的，而且我們認(rèn)為意圖判斷的時(shí)候會(huì)把情感識(shí)別放到里面。
第三，基于文檔的新知識(shí)快速學(xué)習(xí)能力。比如一個(gè)烤箱的說(shuō)明書，一個(gè)新的設(shè)備怎么用，把說(shuō)明書給它，你可以問(wèn)它怎么用，比如這個(gè)烤箱怎么用，怎么按鍵。
第四，無(wú)所不知的應(yīng)用能力。從提問(wèn)人的角色和關(guān)系角度理解分析問(wèn)題。比如，今天提醒我要吃二甲雙胍，我今天還不太舒服要吃另外一個(gè)藥，但是這兩個(gè)藥互斥，機(jī)器可以告訴你。
第五，基于海量用戶的修正意見的進(jìn)化能力?？梢圆粩嗟剡M(jìn)化，比如我想打開空調(diào)，每次我最舒服的溫度是23度，我以后再打開空調(diào)就給我調(diào)23度，這是我的要求，告訴它每次自動(dòng)設(shè)定，適合我的溫度，這種不斷修正客戶意見的進(jìn)化能力。
基于大模型可以看到，傳統(tǒng)的智能家居里控制的時(shí)候是人設(shè)定模式，今天已經(jīng)有了訪客模式、回家模式、就餐模式，我們有一個(gè)APP，大家在里面設(shè)置，有多少設(shè)備，有燈、空調(diào)、冰箱、照明、應(yīng)急設(shè)備，設(shè)立一個(gè)模式以后說(shuō)你幫我啟動(dòng)一個(gè)模式，這是傳統(tǒng)的，未來(lái)不是這樣的。
這是我們做的測(cè)試，給我一個(gè)熱帶雨林的感覺，這是很模糊的模式，它知道我有什么設(shè)備，自己去安排，熱帶雨林是什么樣子，它理解的是什么樣子，比如說(shuō)冰雪世界，我應(yīng)該穿什么樣的衣服，今天股票怎樣，明天會(huì)下雨嗎，我今天心情不好，你跟我聊天，這些東西都是可以呈現(xiàn)的。
有兩個(gè)核心的點(diǎn)，第一是個(gè)性化的提升工程設(shè)計(jì)，該如何交付提示功能設(shè)置。第二是針對(duì)提示工程生成最佳的結(jié)果，比較寬泛。后面有一個(gè)視頻，也是我們?cè)贏WE現(xiàn)場(chǎng)搭建的一個(gè)視頻，大家可以在現(xiàn)場(chǎng)看到、體驗(yàn)到、可以玩的。
所以我們認(rèn)為新一代大模型會(huì)改變5件事情：第一，家庭信息充分掌握和利用越來(lái)越重要；第二，無(wú)所不至的小助理一定會(huì)出現(xiàn)；第三，專業(yè)家庭智慧管家未來(lái)會(huì)在我們生活中必然出現(xiàn)；第四，優(yōu)秀結(jié)果的最佳呈現(xiàn)，無(wú)論是語(yǔ)音、圖像等呈現(xiàn)方式一定會(huì)有最佳的表現(xiàn)；第五，不同功能區(qū)凸顯專項(xiàng)智能，大模型是通用能力，在專項(xiàng)智能上大家才最希望看到的。
下面有一個(gè)視頻，大家可以看一下（播放視頻）。剛才視頻里我們應(yīng)用了幾個(gè)部分：第一是端側(cè)變化，我們可以看到應(yīng)用了女生的虛擬形象，每一句話的時(shí)候口型和字是對(duì)在一起的，包括會(huì)有一些動(dòng)作和肢體的虛擬形象。第二是Smart TTS，這里面是一個(gè)常規(guī)的女生形象，我們可以基于不同的形象和不同情緒有不同的聲音變化。第三是大模型做了很多的理解、認(rèn)知和推理。
我們?cè)谡桂^W3館有針對(duì)客戶定向邀約體驗(yàn)的一套系統(tǒng)，大家可以去我們展館，親自體驗(yàn)這一套設(shè)備，我們接了空調(diào)、燈、風(fēng)扇、音箱這幾個(gè)產(chǎn)品，大家可以去現(xiàn)場(chǎng)模擬體驗(yàn)，問(wèn)了很多開放性問(wèn)題，也很有意思。
以上是徐燕松演講內(nèi)容的完整整理。
