前言
5 月 14 日，2026全球人工智能终端展暨第七届深圳国际人工智能展览会（GAIC）在深圳会展中心成功举办。在其「端侧 AI 与智能硬件生态大会」分论坛上，大象声科研发总监闫永杰受邀发表主题演讲《端侧 AI 智能语音技术的创新应用》，围绕端侧 AI 的发展趋势、智能语音交互面临的真实场景挑战，以及大象声科在 AI 语音前端算法、芯片、模组和行业落地中的实践进行了硬核分享。
随着端侧推理能力、低功耗芯片和智能硬件形态的持续成熟，AI 正在从云端走向每一台终端。对于用户来说，智能体验不再只取决于模型有多强，也取决于设备能否在真实场景中，实时、稳定、低功耗地完成感知与交互。
而语音，正是其中最基础、同时也最接近人的交互入口之一。
01
AI 发展趋势
语音 AI，正在从“一个功能”变成“基础设施”
在演讲中，闫永杰提到，过去语音更多被理解为智能硬件上的一个功能，比如语音助手、语音搜索、语音控制等。它通常依赖云端处理，体验容易受到网络环境、噪声环境和设备性能的影响。
但在端侧 AI 时代，
语音的角色正在被重新定义。
它不只是一个“能不能说话”的功能，而是智能硬件的入口、多模态交互的入口，也是未来 AI Agent 被触发和调用的重要入口。只要设备需要和人进行自然交互，就绕不开语音能力。
这也意味着，语音技术的价值不再只体现在“识别一句话”，而是要帮助终端在复杂环境中真正听清、听准，并进一步理解人的意图。
02
智能语音交互场景挑战
真实世界的声音，远比实验室复杂
要让设备听清人说话，并没有想象中简单。
在真实场景里，声音环境往往非常复杂：多人同时说话、背景噪声干扰、突发噪声、回声、混响……这些问题都会直接影响语音唤醒率、识别率、通话清晰度，以及后续大模型交互的体验。
闫永杰在演讲中强调，语音前端信号处理，是智能语音交互体验的第一环。
如果前端没有处理好，后面的语音识别、自然语言理解、大模型交互和语音合成都很难稳定发挥。换句话说，终端能不能“听清楚”，决定了后续智能体验能不能真正成立。
传统音频处理方法在规律性噪声下有一定效果，但面对突发噪声、多声源、动态环境和非目标人声时，往往会遇到瓶颈。比如拍掌声、咳嗽声、鸣笛声，或者旁边人的说话声，都可能干扰设备对目标人声的判断。
更智能的终端，需要的是一种更接近人类的听觉能力：知道什么是目标人声，什么是噪声，应该关注谁的声音，又应该过滤掉哪些干扰。
03
大象声科的解法
大象声科的解法：
深度神经网络 DNN+计算听觉场景分析
针对这些问题，大象声科将深度神经网络 DNN 与计算听觉场景分析结合，利用AI对复杂声音进行实时分析和处理。
在输入端，真实环境中的声音可能同时包含目标人声、环境噪声、干扰人声、突发噪声、混响与回声。大象声科的 AI 语音前端技术，则通过模型训练和场景分析，将目标人声与复杂背景声进行有效区分，在消除噪声的同时，尽可能保留人声的自然度。
它解决的是两个不同的问题，一个是提升通话清晰度，让人听得更清楚；一个是提升 ASR 语音识别质量，让机器听得更清楚，从而提升用户的人机交互体验。
目前，大象声科已经形成了完整的 AI 语音前端算法链条，覆盖 AI 语音降噪、深度回声消除、深度啸叫抑制、定向波束形成、深度去混响、声源定位、语音唤醒、声纹识别与提取等能力。
这些能力背后对应的，不只是单个算法点，而是一整套面向端侧设备的语音感知系统。
04
端侧 AI 语音需要系统工程能力
从算法到芯片、模组，
端侧 AI 语音需要系统工程能力
端侧 AI 语音的落地，
并不只是把算法放进设备里那么简单。
不同终端的算力、功耗、麦克风结构、声学空间和应用场景都不一样。手机、耳机、PC、车载、会议设备、AI 眼镜，对语音处理能力的要求也各不相同。
因此，端侧语音能力的落地，
需要算法、芯片、声学、
硬件工程化等的协同。
在本次演讲中，闫永杰介绍了大象声科在多种产品形态上的布局：既可以提供软核算法，也可以提供 AI 语音处理芯片和多麦语音处理模组，支持从 GPU、CPU 平台到蓝牙主控芯片等不同资源条件下的部署。
其中，大象声科 DX1750 系列 AI 语音处理芯片面向端侧语音处理需求，具备 AI 降噪、AEC、深度啸叫抑制、定向拾音、伴声分离等能力，并集成 I2S、I2C、UART 等接口，方便与各类音频和控制外设连接。
同时，大象声科 M 系列多麦语音处理模组支持多麦克风接口，可覆盖 AI 拾音、唤醒交互、定距、对讲、音幕、AEC 等不同算法组合，并具备低功耗、即插即用和尺寸可定制等特点。
这也体现出端侧 AI 语音的一个关键趋势：未来竞争的不只是单点算法，而是围绕终端产品定义、声学结构、芯片平台、系统集成和场景体验的整体能力。
05
端侧语音正在进入更多真实场景
从手机、耳机到车载、AI 眼镜，
端侧语音正在进入更多真实场景
大象声科的 AI 语音技术已经在多个终端品类中落地，包括手机、平板、耳机、PC、车载以及 AI 眼镜等场景。
比如蓝牙耳机领域，大象声科服务了除Apple之外，全球蓝牙耳机出货量排名top 5的耳机品牌客户，覆盖TWS, OWS, 头戴，颈挂等多个产品形态。截至目前，搭载大象声科Vocplus耳机AI通话降噪技术的耳机出货量累计超过1亿台。
在车载场景中，大象声科 Vocplus 车载智能语音方案已在多款高端智能电动车型中量产，并在2022年凭借创新的六音区分离交互方案获得理想汽车“年度技术贡献奖”。大象声科也与德赛西威在多个智能座舱项目中展开合作，并获得了德赛西威 2025 合作伙伴大会“综合采购奖”。
随着 AI 眼镜等新型智能硬件的兴起，端侧语音能力也迎来了新的应用空间。
以 AI 眼镜为例，用户在佩戴设备时，既需要清晰私密的通话，也需要在同声翻译、语音唤醒、语音交互等场景中准确拾取目标声音。大象声科针对 AI 眼镜推出了AI通话降噪、定向拾音、语音唤醒与交互等核心功能，并在多款智能眼镜上成功量产落地。
端侧 AI 语音并不是一个孤立的技术模块，
而是智能硬件迈向下一阶段体验升级的
底层能力。
总结
未来，每一台智能硬件都需要在真实世界中听得清、听得准、听得懂。大象声科将持续围绕芯片、算法与场景应用，构建端侧 AI 语音底座，和客户一起紧密合作，让更自然、更稳定、更可靠的人机交互体验进入更多终端设备。
往期精彩回顾↓↓
SAIIA
关于协会
深圳市人工智能行业协会（简称：SAIIA）成立于2017年，经深圳市民政局核准注册登记，由与人工智能有关的企事业单位自愿发起的非营利性社会团体组织，是全国首家人工智能行业协会，被深圳市民政局评为5A级社会组织。协会致力于加速人工智能技术成果转化，构建人工智能应用生态体系，推动人工智能技术和应用的发展，并规范行业行为、推动行业自律提供行业服务、保障行业良性发展。
协会荣誉
5A级社会组织、2025年广东省“四好”商会建设优秀案例、2025深圳标杆商会、联合国大学(UNU)全球人工智能网络成员、“AI ALLIANCENET WORK”创始单位、首批广东省智能制造生态合作伙伴、深圳市高技能人才培训基地“数字经济”专项基地、深圳市人大常委会立法联系点、知识产权保护工作站、公平贸易工作站、海智工作站、深圳行业协会商会高质量100
入会、合作咨询
请添加小助理微信号
saiia2020
