<mark id="oztn4"></mark>
0
實現了超越昨天的自己和超越最好的同行之后，2023年安克在規劃未來的發展方向時，面臨的是持續改良，還是回到用戶真實需求重新定義創新邊界的選擇。
“我們二三十個核心高管開了三天會后，最后的決定是我們已經有了一個不錯的基礎，但接下來要挑戰的是上限。”安克創新創始人兼首席執行官陽萌在首次技術溝通會上回憶，“那場會議之后，我們修改了使命和愿景，從弘揚中國制造之美，變成了極致創新激發。”
這次調整并不只是口號層面的變化，而是一次從產品邏輯到技術路徑的重構。安克開始將視角從單一硬件創新，轉向更底層的端側智能體系構建：一方面，是能夠在設備端獨立運行的AI能力；另一方面，則是支撐這些能力的系統級協同機制，甚至延伸到未來的家庭級智能操作系統與具身智能形態。
安克看準的第一步，是端側智能的感知入口，并從眼耳鼻舌身意六感中選擇了“耳”這一感知維度。
“當時選擇通話場景，是因為商務人士在高頻移動中，最直接的痛點就是在嘈雜環境里無法清晰溝通。”陽萌說，“過去幾十年，人們解決通話里的背景噪音問題，通常采用的是工程拆解式的分治法，但遇到了問題。”
為了降噪，安克「被迫」入局芯片
在傳統方案下，降噪是一個典型的工程問題。系統會被拆解成多個模塊：波束成形、回聲消除、噪聲抑制、人聲增強，每一個模塊都有成熟的算法體系，可以分別優化。
這種“分治法”在很長一段時間內是有效的，它讓耳機從“幾乎不可用”變成“基本可用”。但問題也逐漸顯現出來——每一個模塊都在解決局部問題，卻無法從整體理解聲音。不同模塊之間的信息無法充分共享，在復雜環境中，系統整體表現很容易失真。
安克的團隊嘗試繼續優化這套體系，但很快發現，提升空間已經非常有限。于是，他們開始嘗試另一種思路：不再拆分問題，而是用一個端到端的神經網絡模型，把降噪作為一個整體來處理。
這是更接近人類聽覺機制的方式。模型可以通過數據學習“什么是人聲”，而不是依賴規則去逐步過濾噪音。
2023年安克嘗試將多個小模型實現的功能用一個大模型實現，到2023年底，這個模型被訓練出來，并在實驗室環境中展現出明顯優于傳統方案的效果。問題似乎即將被解決。
但真正的困難，恰恰從這里開始。“模型效果是很好，但參數量一下就飆升到一點幾兆，在實際使用時使用這個模型不斷推理，功耗巨大，如果用傳統的芯片耳機大概只能用一小時，這基本屬于不可用。”陽萌說。
安克創新 2023 實驗室音頻技術研究院的 Alex分享，“我們當時找了很久都沒有找到一顆合適的傳統芯片能同時滿足低功耗和大算力的需求，表面是我們沒有合適的芯片能夠承載我們音頻創新技術，但往底層拆，根因是我們的音頻算法的特點和傳統芯片計算架構根本性的矛盾和沖突。”
當前主流芯片依然基于存儲與計算分離的設計，也就是經典的馮諾依曼架構。在這種架構下，模型參數存儲在內存中，計算單元在需要時再將其加載進來執行。
對于傳統算法來這種方式高效、合理。但當計算負載變成高頻的神經網絡推理時，這種架構的缺陷開始放大：模型需要被反復加載，數據在內存和計算單元之間頻繁搬運。
于是，一個原本并不顯眼的問題，變成了決定性的瓶頸。安克就這樣被迫入局芯片領域。
150倍算力提升背后，被改寫的是計算方式
安克最終選擇的是一條非傳統的技術路線：存算一體。
傳統芯片架構中，存儲和計算是分開的。數據需要在兩者之間來回移動，而計算單元只在數據到達之后才開始工作。在低頻、低數據量的場景中，這種方式效率尚可。但在高頻推理場景下，數據搬運本身會成為主要開銷。
有說法稱，在這類負載下，超過90%的能耗并不用于計算，而是消耗在數據搬運上。這意味著，所謂的“算力不足”，很大一部分其實是“有效算力沒有被利用”。
存算一體的思路，則是從根本上改變這一點。它將計算能力嵌入到存儲單元內部，使得數據在原地即可參與運算，而無需在不同模塊之間反復傳輸。
從系統角度看，這相當于消除了“數據搬運”這一環節，讓計算真正發生在數據所在的位置。
“當時沒有公司做我們這個應用領域的存算一體芯片，我們也沒有芯片設計能力，把相關芯片公司都看了一遍之后，我們選擇了跟我們一樣遵從第一性原理，愿意去一起探索的存算公司攜手而行。”陽萌說。
基于NOR Flash技術，安克推出了Thus存算一體芯片芯片，原生支持4兆參數模型，是安克首款神經網絡存算一體AI音頻芯片。Thus也是業界首款商用的兆級存算一體芯片，徹底解決了馮?諾伊曼架構下數據在處理器與內存間頻繁搬運的問題，將原本被消耗的90%以上能量重新釋放用于有效計算，從底層實現算力與能效的雙重躍升。
在內部測試中，Thus相較傳統藍牙芯片實現了最高約150倍的AI峰值算力提升。安克的Thus芯片即將首發搭載于安克旗艦耳機，可在100dB左右嘈雜環境中精準濾除噪音、保留清晰人聲。
當然除了提升通話降噪，Thus芯片也能帶來聲音質量、個性化音頻等方面的提升。
“Thus不僅是一款創新芯片，更是安克規劃的三年期芯片技術平臺。首代產品采用聯合研發模式落地，目前已正式啟動下一代全自研芯片研發。”陽萌解釋，“Thus的命名取自“Thus have I heard（如是我聞）”，寓意回歸計算本質。”
雷峰網(公眾號：雷峰網)了解到，Thus不僅會解決聽方面的感知，未來的Thus芯片還會解決更多的感知層面的問題。
如果把視角停留在耳聽上，Thus帶來的變化可以被理解為一次降噪體驗的升級，但這背后還有安克對于端側AI更長遠的理解。
從一顆芯片開始，安克走向端側AI系統
當芯片層面的算力與能效問題被解決之后，一個新的問題隨之浮現：如果設備端已經具備穩定運行AI模型的能力，那么這些能力應該如何被組織與調用？
在單一設備上實現智能，只是起點。真正復雜的場景來自多設備協同——感知、決策與執行不再局限于單點，而是需要形成跨設備的閉環系統。
這也使得問題從“算力問題”進一步延伸為“系統組織問題”。隨著設備對云端依賴的加深，延遲、隱私與離線可靠性成為不可回避的約束。因此，在推進存算一體芯片的同時，安克也在同步構建面向家庭場景的端側AI模型體系，以降低對云端的實時依賴。
安克對家庭智能的理解是，未來的家庭不再是孤立設備的集合，而更像一個由多個能力節點組成的網絡系統。
攝像頭、麥克風、傳感器、執行器等能力，不再以“設備”為邊界，而是被拆解為可調用的功能單元，通過統一的系統機制進行調度，實現數據、能力與事件的協同。
在這一體系中，操作系統的角色被重新定義。
“我們正在開發一套真智能操作系統。”陽萌表示，“它不是傳統意義上的設備系統，而是在分布式架構之上，引入智能體調度能力與算力編排機制，用來支撐多設備之間的協同運行。”
通過系統整合統籌，真智能操作系統能打通不同設備的能力、數據和事件，將攝像頭、麥克風、語音、控制、定位、推理等能力，拆成獨立、可復用、可遠程調用的原子服務，并注冊到系統總線上。
在這一基礎上，系統通過統一調度機制，實現“感知—理解—決策—執行”的跨設備閉環，使不同設備能夠在同一任務目標下協同工作。
進一步延伸，這種能力最終會落在具身設備上。無論是安防機器人，還是更復雜的家庭服務機器人，本質上都是將感知與決策能力延伸到物理世界的載體。
具身智能路線圖浮出水面，物理AI時代正在到來
家庭機器人可以分為三種形態：第一種是已經非常成熟的二維移動設備，比如掃地機、割草機，本質上是在一個平面內完成感知和執行；第二種是正在推進的三維移動形態，以安防機器狗為代表，可以在空間中移動，實現巡檢和防護；第三種才是人形機器人主導的三維操作階段，目前仍然處于更前沿的探索中。
安克在本次溝通會上展示了家庭具身智能演進路線圖，基于多年智能家居、安防與清潔領域的沉淀，勾勒出家庭機器人從基礎執行到復雜操作的完整發展路徑。
家庭安防長期存在“看得見，但防不住”的問題。攝像頭可以記錄，但缺乏主動能力；而一旦引入可以移動的設備，這個問題就會發生變化。
這條路徑背后，并不是簡單的產品延伸，而是一整套能力體系的搭建。為了支撐具身設備的長期運行，安克搭建自研技術體系，涵蓋長壽命靜音關節模組、仿人腦三層認知架構、高效率AI數據工廠與毫秒級全身通信中樞。
研發關節模組的原因是壽命，一個機器狗身上的關節聲稱能用1萬小時，但由于溫度、濕度、負重的原因，實際使用的時長可能就是1000小時左右，如果每天使用兩小時，壽命可能就一年多。
“我們已經能把關節做到在真實場景下能用 4000 個小時。”陽萌說，“這還不夠，我們希望能有多優秀的人才加入我們的2023實驗室，能讓機器狗陪我們8年甚至10年。”
安克的技術研發最終匯聚到一個更大的目標上。安克在內部提出了一個“1+X+N”的結構：一個家庭級的核心智能中樞，連接不同形態的機器人，以及各類可以自適應的智能設備。
與其說這是一個產品規劃，不如說是一個系統設想——當設備之間可以共享能力、協同執行時，單個設備的智能邊界才會被打破。
在這個過程中，芯片、模型和系統之間的關系也逐漸清晰：芯片解決的是算力效率，模型決定能力上限，而系統負責把這些能力組織起來，形成可持續運行的整體。這也是為什么，安克在首場技術溝通會上同時談芯片、端側AI和具身智能。它們并不是三條獨立的業務線，而是同一條路徑上的不同階段。
但這也意味著更高的投入。陽萌分享，2023實驗室已經有快500人在芯片、操作系統和前沿產品方向做研發。安克創新2025年有28.93億的研發投入，比2024年增長了37%。
“未來很多年，我們的研發投入都會顯著快于營收增長。在這些方向上的投入，其實沒有上限——只要我們判斷它對未來產品是有價值的，就會持續投下去。”陽萌婧祎不表示。
如果把時間拉長來看，從一顆為降噪而生的芯片，到端側AI，再到具身設備，安克正在做的事情逐漸顯現出一個更完整的輪廓：讓AI不再只是云端能力，而是成為設備的一部分，并最終進入真實世界，安克也要在這個過程中擁有商業化、產品化、技術研發能力。
這條路徑還遠未成型，但它至少提供了一種不同的解法——不是把所有能力集中到云端，而是讓設備本身變得足夠“聰明”。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
