聘大佬、秀技術、搞開源，開發(fā)者說：小米「很技術」

邊策 賈浩楠 發(fā)自 小米科技園
量子位 報道 | 公眾號 QbitAI

小米要更技術。

雷軍不止一次這樣強調(diào)。在《新聞聯(lián)播》采訪中，在MIDC 2020小米開發(fā)者大會現(xiàn)場，「技術」都是這位小米集團創(chuàng)始人&董事長強調(diào)最多的詞匯。

崔寶秋也是這樣反復布道的，他是小米集團副總裁、小米技術委員會主席，從最初打造小米大數(shù)據(jù)，到后來成為小米AI的核心引擎和業(yè)務，以及在底層框架方面的種種努力，并成功吸引到全球AI語音大牛、Kaldi之父Daniel Povey……在接受采訪時，他認為小米的技術底色正在越來越外顯。

在今年小米開發(fā)者大會上，小米還官宣了5000名工程師的招聘計劃——史無前例。

這是大眾印象中鮮于看到的那一面，對于小米的關注，集中于產(chǎn)品，不常深入技術甚至底層。

但如果問現(xiàn)場開發(fā)者，「小米很技術」，甚至不需要論證。

小米展示了哪些技術？

「我感覺小米最大的變化，可能不再是一個簡單的手機廠，手機只是小米推整個家庭物聯(lián)網(wǎng)的抓手。」

MiNLP 3.0、新版Kaldi、MACE Micro、NuttX操作系統(tǒng)、小米Vela物聯(lián)網(wǎng)軟件平臺……

以上已經(jīng)或即將開放的技術，都是過去一年由小米自研，或者小米在其中做出了重要貢獻。

一位開發(fā)者向我們說：今天干貨非常多，小米今年真的是開了場技術大會。

但究竟如何技術？

不妨先先從6大技術發(fā)布總結(jié)，來快速了解今年的小米開發(fā)者大會。

語音識別工具包新一代Kaldi

去年，小米將語音界AI大神Daniel Povey招募進來，他是最流行的語音識別工具包Kaldi的開發(fā)者。

加入小米一年，Daniel Povey設計并開發(fā)出了新一代Kaldi。

新一代Kaldi分成三個部分，包括核心算法部分，訓練數(shù)據(jù)準備部分、示例腳本集合部分。

Lhotse（訓練數(shù)據(jù)準備部分）將替代以前Kaldi中所有數(shù)據(jù)準備相關的工作，操作各種音頻和文本的元數(shù)據(jù)。

Lhotse除了Kaldi本身，也適用于其他應用。而且Lhotse純Python代碼，方便易用。

Icefall（示例腳本集合部分）將代替Kaldi中的示例腳本集合，并獨立成為一個單獨的子項目。

之所以要把示例腳本集合與核心算法分開，是考慮到示例腳本可能會非常龐大，且經(jīng)常變動。

新一代Kaldi的核心部分叫“k2”。

k2可以讓開發(fā)者很容易在PyTorch/TensorFlow中實現(xiàn)各種語音識別相關算法，比如CTC、LF—MMI、RNN—T、2nd—pass語言模型等，消除以往語音識別算法中訓練跟解碼不匹配的問題。

同時，通過k2可以非常容易實現(xiàn)（置信度逐漸提高的）多輪解碼過程，這在以往是很難做到的。

當然，這只是k2的應用場景之一。

Povey博士還舉了另一個例子：FSA（有限狀態(tài)自動機）是語音識別里普遍使用的數(shù)據(jù)結(jié)構，比如可以用來構建“音標—詞—句子”的轉(zhuǎn)換概率圖。而K2的核心貢獻在于讓FSA可導，從而可在PyTorch等深度學習庫中來進行FSA的反向傳播訓練。

相較于其他一些語音識別庫的優(yōu)勢，k2速度更快，通用性強（可以用來建模多種語音識別算法）。

Povey博士透露，k2核心代碼已完成。約41000行代碼（主要是C++），本周將發(fā)布0.1版本。

開源自然語言處理平臺MiNLP 3.0

“擁抱開源，構建開發(fā)者社區(qū)”，是「技術向」小米始終掛在嘴邊的。

今年的開發(fā)者大會，小米公布了最新的自然語言處理平臺，MiNLP 3.0，并且承諾，MiNLP 3.0中的不同功能模塊，將按計劃逐漸開源。

3.0都有哪些新特性？

與去年的MiNLP 2.0相比，3.0從原來的兩大功能模塊（基礎算法、語義理解）上升到四大功能模塊，增加了內(nèi)容理解和輿情分析模塊。

新的模塊可以幫助系統(tǒng)更好的結(jié)合上下文理解交互內(nèi)容，提高識別的準確性。

3.0版平臺還結(jié)合預訓練、知識圖譜能力，提升了語義解析技術。

除了語義解析，新平臺還拓展了多模態(tài)理解能力，即基于文本、語音、圖像和視頻等多模態(tài)特征，實現(xiàn)對內(nèi)容的精準理解。

在11月中下旬，小米會開源第一個模塊，分詞技術。

崔寶秋也給出了一張開源的時間表：

移動端深度學習框架MACE 1.0

另外一項備受期待的開發(fā)工具是MACE 1.0：小米的移動端深度學習框架。

去年的小米開發(fā)者大會發(fā)布了MACE 0.13，這是一個部署在個人設備端的深度學習框架，目的是實現(xiàn)AI推理能力、計算能力、智能水平在邊緣設備的有效運行，而不是將所有數(shù)據(jù)和算法上傳到云，保證用戶的隱私。

今年的MACE 1.0，升級了一個很重要的功能，MACE Micro，這是專門為微控制器或者小單片機打造的AI推理框架。

MACE Micro代碼特別少, 不算模型大小一般只需幾十K存儲空間, 可以放在低功耗,價格便宜的智能設備上。

比如在一個微控制器上，如果用MACE來做圖像識別，平均每秒一次的使用頻率，一年的計算耗電量，只需要一個紐扣電池就可以提供。

目前，MACE已經(jīng)在小米自家的物聯(lián)網(wǎng)設備中應用，但小米的產(chǎn)品并不是MACE最終的「歸宿」，崔寶秋提到，MACE愿意向合作伙伴甚至是友商開放。

小愛5.0

前面介紹的幾項，都是小米底層技術的新進展，而這些技術落到消費者看得見摸得著的產(chǎn)品，就是語音助手智能助手小愛同學5.0。

配合小米集團手機xAIoT戰(zhàn)略，小愛同學5.0正式從語音助手升級為智能生活助手。就產(chǎn)品功能點而言，小愛同學5.0新特性可以總結(jié)為五點。

第一，小愛同學5.0支持了全場景智能協(xié)同。在多設備工況情況下小愛同學可以做到更智能的協(xié)同喚醒、更智能的協(xié)同響應、更智能的協(xié)同提醒和建議。

與過去語音助手 語音助手行業(yè)普遍采用的就近喚醒不同，小愛同學5.0會根據(jù)用戶所處環(huán)境選擇合理的設備方案。設備距離、設備活躍狀態(tài)、設備形態(tài)等，智能選擇最優(yōu)設備進行應答與傾聽。

比如要播一段視頻，用戶可能偏向選擇最大的屏幕，由電視來播放，而不是手機。

當協(xié)同喚醒搭配協(xié)同響應，小愛同學將為用戶提供最優(yōu)的全場景解決方案。比如在客廳場景中要播一段視頻，應答設備會是近距離的活躍設備（手機或音箱），但播放視頻將會由電視執(zhí)行，客廳場景看視頻大屏才是最優(yōu)選擇。

第二是對話式的主動智能。小愛同學5.0會有記憶，會更加「貼心」，更加理解用戶。

第三個新特性，是多模態(tài)融合交互，語音+視覺+其他傳感器的一種感知認知能力。包括音箱上的手勢控制和小愛同學手機端多模態(tài)輸入及掃一掃。

第四個新特性，定制化情感語音。小愛同學5.0新增兒童音色泡芙，奶萌童音備受用戶好評。此外，用戶呼聲最高的粵語，也在5.0正式發(fā)布。超過20000句符合粵語文化的常用話語深度優(yōu)化，讓小愛同學的粵語更地道。

今年2月在小米10發(fā)布會上，小愛同學發(fā)布了定制聲音能力，經(jīng)過工程師的努力，，在小愛5.0定制聲音將覆蓋更多的手機機型和更多終端設備，包括音箱和電視。

第五個更新是智慧學習。針對學生群體，小愛同學5.0在教育內(nèi)容及工具兩大類別，為用戶提供更智能、更豐富的服務。

包括AI課程表、AI翻譯、K12教輔內(nèi)容、知識問答。上包括為大學生做了AI課程表、AI翻譯、面對面翻譯、連續(xù)翻譯、一句話翻譯等等。還支持K12教輔。

最后是更多的定制化情感聲音。之前發(fā)布的定制聲音能力，也將覆蓋到更多小米設備中。

所以總結(jié)起來，5.0的小愛同學，技術上更智能，功能上更強大，落地產(chǎn)品也將更多種多樣。

「一指連」UWB

這是今年開發(fā)者大會現(xiàn)場，發(fā)布簡短卻又「韻味無窮」的新技術。

UWB技術，被小米形象化取名「一指連」，效果相當酷炫。

應用起來，手機上如果內(nèi)置UWB芯片和天線，用手機指向風扇，手機屏幕上就彈出來風扇的遙控器；

指向電視，就會彈出電視的遙控器；

指向音箱，手機的播放列表就傳到了音箱上去。

目前，「一指連」已經(jīng)做到厘米級、正負3度的精度，而未來UWB會取消「指一下」動作，僅僅靠近IOT設備，就能實現(xiàn)控制。

不過對于AIoT的互聯(lián)互通和操作，小米還有更強大更基礎的準備。

物聯(lián)網(wǎng)軟件平臺：小米Vela

小米Vela，面向物聯(lián)網(wǎng)時代而準備。在這次開發(fā)者大會上正式亮相。

被稱為小米開發(fā)物聯(lián)網(wǎng)設備的「基礎設施」。

小米IoT平臺部總經(jīng)理、AIoT戰(zhàn)略委員會主席范典在發(fā)布會上介紹，“小米Vela是基于開源嵌入式操作系統(tǒng)NuttX打造的物聯(lián)網(wǎng)軟件平臺?！?/p>

NuttX由Gregoy Nutt在2007年發(fā)布，是一個實時嵌入式操作系統(tǒng)。

但由于NuttX在設計之初就考慮到了對應用較為廣泛的Linux的兼容、并對POSIX原生支持，在過去幾年里，索尼、三星等大廠先后加入了這一陣營。

小米則是從2017年開始就基于NuttX開發(fā)物聯(lián)網(wǎng)產(chǎn)品，并在隨后推動NuttX加入了Apache基金會。目前，小米在其中的貢獻量達到了三分之一，是最有影響力的貢獻者之一。

小米Vela主要分為三?部分：底層是NuttX內(nèi)核、上層是Vela應?框架，?右側(cè)是開發(fā)者?具。小米Vela的初衷是提供豐富的組件和易?的框架，把開發(fā)者解放出來。

從整個架構上，也能看出小米對Vela的雄心，而且小米Vela從出生第一天起，就面向AIoT賽道，從底層團結(jié)軟硬件開發(fā)者之力。

范典說：Vela源?拉丁語，是船帆的意思，在物聯(lián)?的星??海中，我們愿與開發(fā)者?起，乘風帆遠航，共同打造物聯(lián)?產(chǎn)業(yè)美好的明天。

雖然未能言明，但這種希驥之間，不難看出Windows、安卓一樣的期待。

而且相比其他玩家，小米在AIoT領域的底氣無需贅述——最新數(shù)據(jù)披露，小米IoT平臺已連接IoT設備數(shù)超過2.71億，擁有5個以上IoT設備的用戶超過510萬。是全球規(guī)模最大的AIoT平臺之一。

總而言之，技術、技術，還是技術，就是小米現(xiàn)在傳遞出的最強觀感。

小米為何高頻強調(diào)技術？

“技術”這個關鍵詞，今年為何小米被提到了前所未有的高度？

雷軍在開發(fā)者大會的第一場演講中就給出了答案：

手機之爭就是相機之爭，相機之爭就是AI之爭。

所以，2018年小米單獨成立了相機部，作為一級部門，如今已有850名工程師，這還不包括小米另外的350名人工智能工程師。

從今年的小米10開始，雷軍不再強調(diào)小米的性價比，而是用技術作為核心競爭力沖擊高端市場。

還有智能家居的核心“小愛同學”，也離不開語音識別、語言理解等AI前沿技術。

為了儲備技術，小米近年來廣納頂尖人才。尤其是去年“Kaldi之父”Daniel Povey的加入，令開發(fā)者刮目相看。

“我根本沒想到他會加入小米”，現(xiàn)場一位開發(fā)者說。

作為小米集團技術委員會主席，崔寶秋對此當然并不意外，然而這位“Kaldi之父”的巨大吸引力還是超乎他的想象。

回憶起小米宣布Daniel加入團隊當天，崔寶秋印象深刻，他當時正在蘇州參加2019年中國計算機大會。

現(xiàn)場好幾位來自新加坡的參會者聽到消息后，當即向崔寶秋表示，他們想加入小米，因為和一位“技術大神”在一起工作是他們夢寐以求的。

除了Daniel外，小米近年來年來還吸引了NLP領域著名學者王斌博士加入，成為小米自然語言首席科學家。

王斌加入后，他的學生從各個企業(yè)和研究機構慕名而來。

“這就是牛人加入小米帶來的引領作用”，崔寶秋說。

吸引技術人才，一方面靠“大神”的虹吸效應，另一方面是靠寬松的研發(fā)環(huán)境。

比如Daniel本身是語音識別領域的大牛，但小米并沒有讓他加入到小愛同學的研發(fā)中，而是集中精力兌現(xiàn)對開源社區(qū)的承諾。

這一年來，小米全力支持新版Kaldi的代碼開發(fā)工作。甚至Daniel本人在今年三四月決定將新版Kaldi推倒重來，執(zhí)行Plan B，小米依然全力支持。

崔寶秋認為，正是因為沒有給技術人員太大壓力，用長遠的眼光看待研發(fā)，才讓小米今年來能吸引到真正的技術人才。

現(xiàn)在小米的產(chǎn)品和技術是脫耦的。

一個需要預研的技術，這個研發(fā)團隊需要被保護起來，不要被業(yè)務所累。

經(jīng)過一年的努力，新版Kaldi在小米團隊的努力下，終于要在11月下旬開源。

而Kaldi只是小米在開源技術上的一角。去年小米為NuttX開源操作系統(tǒng)貢獻了近1/3的代碼。

據(jù)不完全統(tǒng)計小米在GitHub上已經(jīng)創(chuàng)立超過120個開源項目。

基礎研究方面，小米在自然語言處理、語音識別領域皆有建樹。

但“AI大神”云集的小米過去在技術上卻異常低調(diào)。

我們卻很少能看到小米向AI學術會議提交論文，或是參加AI性能測試“刷榜”。

究其原因，崔寶秋解釋說，過去小米做的第一件事就是把產(chǎn)品落地，快速占領市場，沒有時間參加比賽、發(fā)表文章或進行學術交流。小米很多工程師也不善言辭。

他一直鼓勵員工多出去交流，今后應該會有更多的小米工程師在技術場合露面。今年的開發(fā)者大會就是一個“分水嶺”。

這一次，技術低調(diào)的小米終于選擇了高調(diào)。

小米的技術研發(fā)和招聘規(guī)模都在逐年擴大，是小米加碼技術的直接體現(xiàn)。

去年小米研發(fā)投入70億，今年研發(fā)投入將超過100億，并擴招3000名工程師。

雷軍表示，明年小米還將在10個重點領域招收5000名工程師，占小米目前員工總數(shù)的近40%。

這一年，手機上的“黑科技”讓很多消費者對小米刮目相看，120W超級快充、UWB一指連都技術都屬小米首發(fā)。

不出意料，明年小米還會有更多手機黑科技，而AIoT會是小米的另一個發(fā)力點。

據(jù)小米統(tǒng)計，擁有5件小米智能設備用戶已經(jīng)超過310萬。面對消費升級，個人設備越來越多，未來AIoT市場大有可為。

當然，還有一件事很重要，也是小米的初心。

現(xiàn)在的小米10手機已經(jīng)在通過小米的智能工廠生產(chǎn)，高度自動化的“黑燈”產(chǎn)線絕大部分都是小米自主研發(fā)的生產(chǎn)設備在工作。

過去，“性價比”是小米逢山開路遇水搭橋的法寶，是用親民價格打造感動人心的產(chǎn)品。

現(xiàn)在，小米正在把更多黑科技納入到更多產(chǎn)品和功能中。

技術小米，面臨重估

而技術，也正在給小米帶來整體變化。

一方面，這種變化體現(xiàn)在大眾認知中。

特別是小米MIX發(fā)布起，小米就正在成為手機技術創(chuàng)新的核心驅(qū)動玩家，影響業(yè)態(tài)至今的全面屏革命，起于小米，還在不斷進化。

而隨著相機、語音交互和整體操作功能方面的不斷優(yōu)化，手機和AIoT成為雙引擎，小米的技術底色也在更大范圍內(nèi)得到認可。

小米很技術，正在成為越來越廣泛的共識。

另一方面，技術之力，也不斷轉(zhuǎn)換為產(chǎn)品之力，推動小米核心增長。

最具代表性事件，是小米手機超越蘋果，重返全球第三。

今年10月底，三家市場研究機構IDC、Canalys和Counterpoint分別發(fā)布了第三季度全球智能手機市場統(tǒng)計報告，三家數(shù)據(jù)均顯示，小米手機出貨量升至全球第三。

這也是小米自2014年之后，再次重返全球第三，并且也創(chuàng)造了小米史上最高出貨量。

相較而言，如果2014年小米是理念的勝利、風口上的勝利，順勢而為的勝利。那么現(xiàn)在重返巔峰，就是創(chuàng)新的勝利、技術的勝利，千淘萬漉后的勝利。

而且小米上上下下，也深知這種勝利如何而言、怎樣延續(xù)。

越來越多強調(diào)技術立業(yè)，越來越廣泛展示技術底色，越來越公開表達對技術人才渴求……

技術，就是小米開誠布公的發(fā)展之路。

當然，對于如此技術化發(fā)展的小米，資本市場也給出了反饋。

小米股價和市值，也不斷被刷新。

截至11月9日，小米集團（HK.1810）股價漲至25.5港元，市值超過6100億港元，漲勢強勁，還在不斷上揚中。

但這個技術化小米，還只是小米新十年的開端。