# 聘大佬、秀技术、搞开源，开发者说：小米「很技术」
2020年11月10日 16:30 DoNews
原标题：聘大佬、秀技术、搞开源，开发者说：小米「很技术」
文章经授权转自公众号：量子位(ID：QbitAI)作者： 关注前沿科技
小米要更技术。
雷军不止一次这样强调。在《新闻联播》采访中，在MIDC 2020小米开发者大会现场，「技术」都是这位小米集团创始人&董事长强调最多的词汇。
崔宝秋也是这样反复布道的，他是小米集团副总裁、小米技术委员会主席，从最初打造小米大数据，到后来成为小米AI的核心引擎和业务，以及在底层框架方面的种种努力，并成功吸引到全球AI语音大牛、Kaldi之父Daniel Povey……在接受采访时，他认为小米的技术底色正在越来越外显。
在今年小米开发者大会上，小米还官宣了5000名工程师的招聘计划——史无前例。
这是大众印象中鲜于看到的那一面，对于小米的关注，集中于产品，不常深入技术甚至底层。
但如果问现场开发者，「小米很技术」，甚至不需要论证。
小米展示了哪些技术?
「我感觉小米最大的变化，可能不再是一个简单的手机厂，手机只是小米推整个家庭物联网的抓手。」
MiNLP 3.0、新版Kaldi、MACE Micro、NuttX操作系统、小米Vela物联网软件平台……
以上已经或即将开放的技术，都是过去一年由小米自研，或者小米在其中做出了重要贡献。
一位开发者向我们说：今天干货非常多，小米今年真的是开了场技术大会。
但究竟如何技术?
不妨先先从6大技术发布总结，来快速了解今年的小米开发者大会。
语音识别工具包新一代Kaldi
去年，小米将语音界AI大神Daniel Povey招募进来，他是最流行的语音识别工具包Kaldi的开发者。
加入小米一年，Daniel Povey设计并开发出了新一代Kaldi。
新一代Kaldi分成三个部分，包括核心算法部分，训练数据准备部分、示例脚本集合部分。
Lhotse(训练数据准备部分)将替代以前Kaldi中所有数据准备相关的工作，操作各种音频和文本的元数据。
Lhotse除了Kaldi本身，也适用于其他应用。而且Lhotse纯Python代码，方便易用。
Icefall(示例脚本集合部分)将代替Kaldi中的示例脚本集合，并独立成为一个单独的子项目。
之所以要把示例脚本集合与核心算法分开，是考虑到示例脚本可能会非常庞大，且经常变动。
新一代Kaldi的核心部分叫“k2”。
k2可以让开发者很容易在PyTorch/TensorFlow中实现各种语音识别相关算法，比如CTC、LF—MMI、RNN—T、2nd—pass语言模型等，消除以往语音识别算法中训练跟解码不匹配的问题。
同时，通过k2可以非常容易实现(置信度逐渐提高的)多轮解码过程，这在以往是很难做到的。
当然，这只是k2的应用场景之一。
Povey博士还举了另一个例子：FSA(有限状态自动机)是语音识别里普遍使用的数据结构，比如可以用来构建“音标—词—句子”的转换概率图。而K2的核心贡献在于让FSA可导，从而可在PyTorch等深度学习库中来进行FSA的反向传播训练。
相较于其他一些语音识别库的优势，k2速度更快，通用性强(可以用来建模多种语音识别算法)。
Povey博士透露，k2核心代码已完成。约41000行代码(主要是C++)，本周将发布0.1版本。
开源自然语言处理平台MiNLP 3.0
“拥抱开源，构建开发者社区”，是「技术向」小米始终挂在嘴边的。
今年的开发者大会，小米公布了最新的自然语言处理平台，MiNLP 3.0，并且承诺，MiNLP 3.0中的不同功能模块，将按计划逐渐开源。
3.0都有哪些新特性?
与去年的MiNLP 2.0相比，3.0从原来的两大功能模块(基础算法、语义理解)上升到四大功能模块，增加了内容理解和舆情分析模块。
新的模块可以帮助系统更好的结合上下文理解交互内容，提高识别的准确性。
3.0版平台还结合预训练、知识图谱能力，提升了语义解析技术。
除了语义解析，新平台还拓展了多模态理解能力，即基于文本、语音、图像和视频等多模态特征，实现对内容的精准理解。
在11月中下旬，小米会开源第一个模块，分词技术。
崔宝秋也给出了一张开源的时间表：
移动端深度学习框架MACE1.0
另外一项备受期待的开发工具是MACE 1.0：小米的移动端深度学习框架。
去年的小米开发者大会发布了MACE 0.13，这是一个部署在个人设备端的深度学习框架，目的是实现AI推理能力、计算能力、智能水平在边缘设备的有效运行，而不是将所有数据和算法上传到云，保证用户的隐私。
今年的MACE 1.0，升级了一个很重要的功能，MACE Micro，这是专门为微控制器或者小单片机打造的AI推理框架。
MACE Micro代码特别少, 不算模型大小一般只需几十K存储空间, 可以放在低功耗,价格便宜的智能设备上。
比如在一个微控制器上，如果用MACE来做图像识别，平均每秒一次的使用频率，一年的计算耗电量，只需要一个纽扣电池就可以提供。
目前，MACE已经在小米自家的物联网设备中应用，但小米的产品并不是MACE最终的「归宿」，崔宝秋提到，MACE愿意向合作伙伴甚至是友商开放。
小爱5.0
前面介绍的几项，都是小米底层技术的新进展，而这些技术落到消费者看得见摸得着的产品，就是语音助手智能助手小爱同学5.0。
配合小米集团手机xAIoT战略，小爱同学5.0正式从语音助手升级为智能生活助手。就产品功能点而言，小爱同学5.0新特性可以总结为五点。
第一，小爱同学5.0支持了全场景智能协同。在多设备工况情况下小爱同学可以做到更智能的协同唤醒、更智能的协同响应、更智能的协同提醒和建议。
与过去语音助手 语音助手行业普遍采用的就近唤醒不同，小爱同学5.0会根据用户所处环境选择合理的设备方案。设备距离、设备活跃状态、设备形态等，智能选择最优设备进行应答与倾听。
比如要播一段视频，用户可能偏向选择最大的屏幕，由电视来播放，而不是手机。
当协同唤醒搭配协同响应，小爱同学将为用户提供最优的全场景解决方案。比如在客厅场景中要播一段视频，应答设备会是近距离的活跃设备(手机或音箱)，但播放视频将会由电视执行，客厅场景看视频大屏才是最优选择。
第二是对话式的主动智能。小爱同学5.0会有记忆，会更加「贴心」，更加理解用户。
第三个新特性，是多模态融合交互，语音+视觉+其他传感器的一种感知认知能力。包括音箱上的手势控制和小爱同学手机端多模态输入及扫一扫。
第四个新特性，定制化情感语音。小爱同学5.0新增儿童音色泡芙，奶萌童音备受用户好评。此外，用户呼声最高的粤语，也在5.0正式发布。超过20000句符合粤语文化的常用话语深度优化，让小爱同学的粤语更地道。
今年2月在小米10发布会上，小爱同学发布了定制声音能力，经过工程师的努力，，在小爱5.0定制声音将覆盖更多的手机机型和更多终端设备，包括音箱和电视。
第五个更新是智慧学习。针对学生群体，小爱同学5.0在教育内容及工具两大类别，为用户提供更智能、更丰富的服务。
包括AI课程表、AI翻译、K12教辅内容、知识问答。上包括为大学生做了AI课程表、AI翻译、面对面翻译、连续翻译、一句话翻译等等。还支持K12教辅。
最后是更多的定制化情感声音。之前发布的定制声音能力，也将覆盖到更多小米设备中。
所以总结起来，5.0的小爱同学，技术上更智能，功能上更强大，落地产品也将更多种多样。
「一指连」UWB
这是今年开发者大会现场，发布简短却又「韵味无穷」的新技术。
UWB技术，被小米形象化取名「一指连」，效果相当酷炫。
应用起来，手机上如果内置UWB芯片和天线，用手机指向风扇，手机屏幕上就弹出来风扇的遥控器;
指向电视，就会弹出电视的遥控器;
登录后可查看完整内容，参与讨论！
立即登录