AI語音服務越來越多樣化，例如化身家庭管家、私人主播，或營養管理師角色，為消費者提供即時又便利的服務，其背後AI演算法的運算能力更是不斷強化，進一步刺激專用型語音DSP的需求。
Cadence亞太區IP銷售總監陳會馨表示，AI語音辨識需求急速攀升，帶動IP相關產品的詢問度與訂單快速增加，同時也造成應用處理器(AP)設計產生改變，催生專用型語音DSP設計當道。
事實上，早期智慧音箱發展起飛時，內部大多採用Arm為基礎的CPU架構，但從2016年開始，許多晶片商為了滿足智慧語音識別處理所需的效能，開始研發專用的語音處理晶片，也開始導入語音DSP在其中。追根究柢，導致晶片設計改變，主要原因在於「運算能力需求的增加」。
眾所皆知，在智慧語音識別過程中，首先須要對進來的語音做前處理，此處理過程包含多麥克風陣列、遠場、波束增強、噪音消除等功能，這些技術對於在地端的運算能力有龐大要求，促使語音DSP技術於近兩年發展快速。換言之，過去可能是單一通道處理技術，如濾波的技術，演變至今，有許多神經網路技術也開始導入其中。
陳會馨指出，現有許多噪音辨識乃是透過人工智慧學習演算法，對原始資料進行分類，進而瞭解資料內部結構，該技術稱之為非監督式學習(Unsupervised Learning Network)。這種演算法的引進，對於晶片硬體的運算能力要求將會比過去AP晶片的要求高出許多，若採用舊有AP晶片技術，將難以滿足此類型技術的運算能力需求。
陳會馨分析，過去AP設計大多並未導入DSP設計，僅採用Arm基礎的CPU架構。雖然仍有部分廠商採用通用型DSP進行訊號處理，但相較於一顆專為語音辨識量身打造的語音DSP，後者能採取較低的工作頻率，完成AI語音所需的工作運算能力與技術規格要求，對於語音處理的效能也將相對提升。基於此，專用型語音DSP設計，無疑開啟另一波殺手級AI語音應用的關鍵推手。
