自然语言处理 (NLP) 和环境声音处理传统上是仅限云的技术，这限制了许多市场的采用。

但根据 ABI Research 的新数据，随着深度学习压缩技术和人工智能 (AI) 芯片组的进步，这些技术可以快速迁移到消费类和连接设备。

这家市场研究公司预测，到 2026 年，将有超过 20 亿台终端设备配备环境声音或 NLP 专用芯片组。

ABI Research 人工智能和机器学习首席分析师 Lian Jye Su 表示，NLP 和环境声音处理将遵循与机器视觉相同的从云到边缘的演进路径。通过高效的硬件和模型压缩技术，这项技术现在需要更少的资源，可以完全嵌入到终端设备中。目前，大多数实现都集中在简单的任务上，例如唤醒词检测、场景识别和语音生物识别。但是，未来，支持人工智能的设备将具有更复杂的功能音频和语音处理应用程序。

消费者采用

Alexa、谷歌智能助理、Siri 和其他语音 AI 已经在家庭和企业领域大放异彩。ABI 表示，今年，Apple 表示 Siri 将离线处理某些请求和操作，使其摆脱持续的互联网连接并改善整体智能手机体验。竞争对手将效仿，尤其是谷歌，它正在与其 Tensor 片上系统 (SoC) 合作，为 Android 操作系统和数十亿消费者和连接设备提供类似的支持。

在企业中，环境声音处理仍处于初期阶段，但随着传感器供应商正在对机器声音进行试验以进行正常运行时间跟踪、预测性维护和机器分析，它可能会迅速增长。这种机器声音与温度、压力和扭矩等其他信息的组合可以预测机器的健康状况和使用寿命。

与此同时，芯片组供应商正在建立合作伙伴关系以提高能力，并通过合作在低功耗音频设备中提供多语言语音识别技术。Synitiant 和瑞萨电子最近的合作旨在提供具有深度学习和音频处理功能的多模态人工智能。

除了专用硬件，机器学习开发人员还希望利用各种新颖的机器学习技术，例如多模态学习和联邦学习，Su说，通过多模态学习，边缘人工智能系统如果结合来自多个数据源。通过联合学习，最终用户可以在终端设备中个性化语音 AI，因为边缘 AI 可以根据从他们独特的本地环境中学习来改进。