2018年5月16日，在主題為“匠芯·緻物”的發布會上，雲知聲發布了第一代UniOne物聯網AI芯片及其解決方案——雨燕（Swift）。該芯片由雲知聲自主研發設計，采用雲知聲自主研發的AI指令集，擁有具備自主知識産權的DeepNet、uDSP（數字信号處理器），支持DNN/LSTM/CNN等多種深度神經網絡模型，性能較通用方案提升超過50倍。
明确物聯網AI芯片為發展方向
雲知聲創始人CEO黃偉指出：“在AIoT（AI+IoT）市場加速爆發的今天，雲端方案在網絡、帶寬、能耗、隐私以及邊緣計算等方面的限制使面向物聯網的AI芯片成為必然選擇。無論CPU還是GPU、FPGA，現有的芯片架構并非為AI芯片專門設計，不能滿足物聯網AI芯片運算力的需求，并且由于考慮了太多的向後兼容性，在性能上遠非最優。“基于業務方面對芯片、場景的反複驗證，以及對AIoT未來發展前景的判斷，雲知聲在2014年就明确必須自主研發面向物聯網的AI芯片。”
黃偉表示，相較于傳統芯片，定制化的AI芯片由于應用場景和AI算法相對确定，因此在硬件設計上更加專業化，在面向此類任務時其相對于通用芯片在計算密度及功耗上有絕對優勢。因此，相較通用芯片而言，AI芯片可以在更低的主頻、更小的芯片面積條件下，完成機器學習中同等任務量的計算，做到成本、功耗、運算力等多維需求之間的完美平衡。
在推出AI芯片之前，雲知聲已在智能家居、智能音箱、兒童機器人等市場方面有所布局，基于通用芯片方案（IVM）百萬級出貨量的産品形态，驗證了芯片市場、産品和用戶場景的合理性。第一代UniOne物聯網AI芯片雨燕量産後，雲知聲不但能快速切入市場，而且可以滿足客戶更多産品種類和形态上對成本、穩定性、集成度等方面的需求。”
性能提升50倍的“雨燕”
據了解，雲知聲第一代UniOne物聯網AI芯片及解決方案——雨燕，采用CPU+uDSP+DeepNet架構，支持8bit/16bit向量、矩陣運算，基于深度學習網絡架構，可将面向語音AI芯片的并行運算性能發揮到極緻，在更低成本和功耗下實現更高的運算力。
在架構靈活性方面，雨燕通過Scratch-Pad将主控CPU與AI加速器内部RAM相連，可提供高效的CPU與AI加速器之間的數據通道，便于CPU對AI加速器運算結果進行二次處理。另外，連接各個運算單元的可編程互聯矩陣架構，提供了擴展運算指令的功能，從而進一步提升硬件架構的靈活性及可擴展性。同時，芯片采用多級多模式喚醒，從能量檢測，到人類聲音檢測，再到喚醒詞檢測，針對語音設備及使用場景的定制化PowerDomain等技術，可将芯片功耗降至最低。
雲知聲聯合創始人/芯片負責人李霄寒表示，雲知聲不僅提供雨燕芯片和終端引擎，還将應用部分向客戶開源，同時提供相應的定制化工具以及雲端AI能力服務。通過雲端芯結合，雲知聲基于雨燕提供的是面向一個個具體場景，如智能家居、智能音箱、智能車載等的Turn-key解決方案。基于雨燕方案，雲知聲可讓客戶站在更高的設計起點，以更低的成本，在更短的時間内打造出更穩定可靠的産品。同時，開源的方案也可确保客戶基于已提供的AI能力自行設計其他各種長尾産品形态，構建起更為豐富的AIoT生态。
“UniOne不是一顆芯片，而是一系列芯片，他代表了雲知聲對于物聯網AI芯片發展戰略的整體構想。”李霄寒指出，面向方案商與開發者，UniOne可提供完整的語音AI應用參考方案、雲端能力以及定制化工具，可以幫助客戶在跨形态的物聯網硬件産品上以最低的時間、資源等探索成本，打造最高體驗的用戶入口。
值得一提的是，在全棧式AI技術能力的積累上，從2012年開始，雲知聲提出了算法平台化，建立了一套“金字塔”技術研發體系，有ASR、TTS、NLU等應用層技術輸出，也有相當于高速上的“蘭博基尼”的Atals分布式機器學習并行計算平台，構建了異構化硬件服務集群DeepFlow。而在應用場景方面，雲知聲在家居、智能音箱、兒童陪伴機器人市場等領域都有布局，驗證了市場、産品、用戶場景的合理性。