無論你稱它為智能麥克風、虛擬數(shù)字助理、家用機器人、語音控制或R2-D2，相較于Echo，最新的第二代Echo Dot的價格從89.99美元調(diào)整為49.99美元，并將于本月在美國上市銷售。
Amazon Echo(及其隨后推出的Dot)開辟了一個新的市場，讓裝置供貨商能夠在語音擷取、提高麥克風音頻分辨率、更先進的背景噪聲過濾、更好的音場偵測與穩(wěn)定聯(lián)機能力等方面展開競爭，以提供更佳音頻質(zhì)量。
Amazon Echo (左)及其第二代產(chǎn)品Dot
而像XMOS等公司雖然自家芯片并未用于Echo中，但也瞄準了這個新的語音接口市場。XMOS營銷與業(yè)務(wù)發(fā)展副總裁Paul Neil表示，“物聯(lián)網(wǎng)目前正是一場快速移動的盛宴。為了控制IoT裝置，語音是最自然的用戶接口。”
Neil說，由于融合了“傳統(tǒng)的微控制器(MCU)性能、嵌入式DSP以及靈活的I/O組合，使得我們的技術(shù)成為語音接口的理想選擇。”
然而，硬件裝置之間的戰(zhàn)爭只是構(gòu)成整個智能麥克風/揚聲器市場的一部份。IHS Markit連網(wǎng)家庭資深分析師Paul Erickson強調(diào)，“真正的競爭變量來自云端。”
為了追求更聰明的智能麥克風(能夠處理復雜的查詢和隨機問題)，云端服務(wù)領(lǐng)域的競爭越來越激烈。 Google預計將于今年年底推出Google Home與Google Assistant (Google Now的新版本)，并藉此進入這個市場。Erickson表示，“而且市場上盛傳蘋果(Apple)很可能將在2017年挾其Siri進入這個領(lǐng)域。”
Amazon Echo——這款I(lǐng)oT裝置如此熱門的另一個原因在于它極具潛力，可實現(xiàn)IoT的重要優(yōu)點：經(jīng)得起時間考驗(Future-proofing)。
芯科科技(Silicon Labs)軟件副總裁Skip Ashton解釋，F(xiàn)uture-proofing的意思是確保裝置可隨時間進展持續(xù)添加更多功能特性。例如，Alexa為Echo提供的語音服務(wù)功能一開始有70種，如今已經(jīng)增加到超過1,700種了。
Echo可以回答問題、閱讀新聞、為運動評分、控制燈光、從Amazon網(wǎng)站訂購產(chǎn)品以及設(shè)定鬧鈴等。用戶還可以利用該裝置向Uber叫車或訂購披薩外送等。
“目前Echo大約每兩周透過云端更新一次，”Ashton說，“Amazon會在星期五時發(fā)送電子郵件給Echo用戶發(fā)布新功能， 」而Echo用戶「也對于產(chǎn)品的功能持續(xù)增加懷抱著期待。”
IHS Markit嵌入式處理器首席分析師Tom Hackenberg剖析Amazon Echo對于電子產(chǎn)業(yè)帶來重大影響的原因：智能麥克風/智能揚聲器應用對于處理器供貨商來說極具價值。
因為這種裝置關(guān)鍵之處并不只是提供了本地智能。語音接口正普遍應用在廣大的市場領(lǐng)域。不只是數(shù)字助理市場出現(xiàn)，成為智能手機App的消費電子裝置版本，還有揚聲器，也不是它唯一的外形應用。
例如，他解釋說，“家庭自動化中心和數(shù)字助理可以內(nèi)建于電視、機頂盒(STB)、HVAC/環(huán)境控制中樞等等。此外，在車載信息娛樂方面也存在大量的應用，特別是著眼于其免手持的優(yōu)點。”
拆解Echo與Echo Dot
透過拆解Echo與Echo Dot并進一步比較后，Hackenberg說，“除了內(nèi)存供貨商，我發(fā)現(xiàn)Echo和Echo Dot的處理組件并沒有明顯的不同。”
拆解Echo與Echo Dot （來源：iFixit）
根據(jù)iFixit所進行的拆解，Amazon Echo采用： •三星(Samsung) K4X2G323PD-8GD8 256MB LPDDR1 RAM (揮發(fā)性內(nèi)存) •SanDisk SDIN7DP2-4G 4GB iNAND Ultra Flash (非揮發(fā)性儲存) 而到了新版的Dot則改用： •美光(Micron) MT46H64M32LFBQ 256MB (16Meg x 32 x 4Banks) LPDDR SDRAM (揮發(fā)性內(nèi)存) •三星KLM4G1FEPD 4GB高性能eMMC NAND Flash (非揮發(fā)性儲存)
兩款產(chǎn)品使用的處理器則是相同的。在Echo與Dot的核心采用的是德州儀器(Texas Instruments；TI)的媒體處理器DM3725，此外，高通(Qualcomm) Atheros QCA6234應用專用標準處理器則用于提供連接性。
Hackenberg解釋說，雖然內(nèi)存可能稍微影響性能，但內(nèi)存定價是波動的。因此，對于Echo系列的所有產(chǎn)品而言，在其整個生命周期中改變所使用的組件也很平常。
相形之下，“聯(lián)機模塊，尤其是媒體處理器更加復雜，如果不是重大的產(chǎn)品更新，一般并不會改變，”他說。
Hackenberg指出，Atheros處理器專用于作為連接應用標準產(chǎn)品。其設(shè)計是以Tensilica客制化XTensa核心為基礎(chǔ)，而且它只做一件事——協(xié)調(diào)與網(wǎng)絡(luò)的通訊，以利作業(yè)進行。
Erickson補充說，“連接能力至關(guān)重要，因為它涉及哪些數(shù)據(jù)可被擷取、傳送與接收云端數(shù)據(jù)的速度與可靠度等。由于速度/響應的可用性因素，它直接影響到與揚聲器之間的互動有多么實時。因此，Wi-Fi的吞吐量、服務(wù)質(zhì)量(QoS)與范圍的改善，都將有所幫助。”
所有的本地(local)智能功能是由TI DM3725進行處理。Hackenberg指出，“這是一款專為STB、TV、顯示器、視訊游戲系統(tǒng)等各種多媒體應用而設(shè)計的系統(tǒng)單芯片(SoC)。”
DM3725是一款以ARM Cortex A8為基礎(chǔ)打造的組件，并整合TI的C64x+DSP與3D繪圖加速引擎。“Cortex A8是一款成熟且經(jīng)濟型的應用處理器，但又完全足夠用于本地執(zhí)行簡單的任務(wù)，”Hackenberg表示。
然而，“如果應用變得復雜，而不只是一款揚聲器這么單純，可能就會有所變化。”
Amazon Echo Dot主板 （來源：iFixit）
整合DSP
根據(jù)Hackenberg，這顆SoC的關(guān)鍵就在于整合了DSP，甚至可能是GPU。
“在一個典型的設(shè)計中，存在多個輸入傳感器(主要是麥克風)。整個音訊輸入首先經(jīng)DSP高度濾波，使系統(tǒng)快速地理解用戶的語音和環(huán)境噪聲之間的差異，”他說。
“它甚至能夠解讀相對于該裝置的位置或甚至發(fā)話者是誰；它還建立了一種模式，能夠經(jīng)過處理以匹配該模式(通常發(fā)送至云端)，”他補充說。
但是，GPU做什么呢？
Hackenberg認為，對于本地智慧，GPU可以用于更簡單、但快速且高效的本地模式匹配。 這可以讓裝置仍然響應所儲存的控制模式，例如降低音量、切換頻道或其他簡單的控制，而無需網(wǎng)絡(luò)連接，他解釋說。接著，應用核心根據(jù)所需提供的響應、啟動/關(guān)閉所需的輸入或控制以及必須顯示的內(nèi)容等條件來執(zhí)行應用程序。
麥克風數(shù)組
Amazon Echo和Dot之所以吸引人之處在于它使用了7麥克風數(shù)組。Amazon聲稱，Echo和Dot由于使用了多支麥克風和波束成型技術(shù)，因而能在整個室內(nèi)都聽到你的聲音——即使是正在播放音樂的環(huán)境下。該公司還表示，Echo是一款專業(yè)級的調(diào)音揚聲器，能以360°沉浸式音效充滿在整個房間中。
根據(jù)IHS Markit負責MEMS和傳感器的資深分析師Marwan Boustany表示，Echo采用了樓氏電子(Knowles)的MEMS麥克風。
Dot采用7支麥克風數(shù)組
Boustany指出，為聲音頻率提升其訊號噪聲比(SNR)、匹配和性能，將有助于遠場音訊擷取，同時改善語音識別。
但最終，算法才是實現(xiàn)更優(yōu)質(zhì)語音識別的真正關(guān)鍵，他說，所謂的『智慧』就在于云端可能持續(xù)作為關(guān)鍵應用，而本地處理則可以提高對于簡單/預定義詞組(如Hey Siri等)的辨識能力。
他以Cypheras為例表示，這一類的軟件供貨商將有利于智能家庭系統(tǒng)(如Alexa)中的語音識別功能。
Amazon Echo Dot （來源：iFixit）
競爭日益加劇
以供貨商來看，目前有幾家提供微控制器(MCU)和連接用ASSP的供貨商可能在此領(lǐng)域展開競爭，包括Apple、博通(Broadcom)、賽普拉斯(Cypress)、微芯科技(Microchip)、恩智浦(NXP)、瑞薩(Renesas)、意法半導體(STMicroelectronics)以及芯科科技(Silicon Labs)等。Boustany表示，」802.11n與BT 4.0的組合并不常見，但有些設(shè)計針對較低成本的解決方案或許將會只用藍牙。
媒體處理器較為棘手。雖然多家行動裝置應用處理器供貨商都可提供，但對于簡單的應用來說成本太高。根據(jù)Hackenberg的觀察，供貨商們可能會選擇不提供性能相當?shù)腄SP或模式匹配功能。
“我可能會考慮采用Apple Ax、Broadcom BCM7xxxx、海思(Hisilicon) Hi3xxx、NXP i.MX、聯(lián)發(fā)科MT8xxx、意法STiHxxx、高通(Qualcomm)Snapdragon等。當然，TI或許在成本方面具有最佳DSP支持(對于語音識別至關(guān)重要)的優(yōu)勢，但其他的這幾家供貨商也在不斷地縮小差距中。”
XMOS相信該公司將在這個市場上獲得動能。對于諸如Echo這一類的語音助理產(chǎn)品，提高性能的關(guān)鍵在于遠場語音擷取能力、波束成型與處理速度等。Neil認為，“憑借著大量的處理能力和嵌入式DSP，我們的XMOS單芯片組件提供了可擴展和差異化的解決方案。”
XMOS xCore語音接口案例 （來源：XMOS）
