出品/新摘商業(yè)評(píng)論

　　近日，一份來(lái)自大西洋彼岸的報(bào)告成為很多人關(guān)注的焦點(diǎn)。

　　這份由美國(guó)知名投資機(jī)構(gòu)Mangrove Capital Partners發(fā)布的《2019年語(yǔ)音技術(shù)報(bào)告》(以下簡(jiǎn)稱(chēng)報(bào)告)指出：2025年語(yǔ)音經(jīng)濟(jì)規(guī)?；?qū)⑦_(dá)1萬(wàn)億美元，正式超過(guò)移動(dòng)應(yīng)用經(jīng)濟(jì)。

　　人們?cè)缫呀?jīng)捕捉到了某種信號(hào)。

　　過(guò)去幾年，谷歌、微軟、亞馬遜、百度等全球科技巨頭紛紛押注語(yǔ)音賽道，投影在人們面前的是接踵而至的明星語(yǔ)音產(chǎn)品——Echo智能音箱、Siri智能語(yǔ)音助手、Google Assistant谷歌語(yǔ)音助手、Cortana(微軟小娜)人工智能助理、Alexa語(yǔ)音識(shí)別引擎、百度小度助手(DuerOS)。

　　一個(gè)明顯的感覺(jué)是，語(yǔ)音識(shí)別正在成為人類(lèi)與互聯(lián)網(wǎng)溝通的新主流方式。

　　但熱火朝天、寸土必爭(zhēng)的搶跑下注背后，人們不禁會(huì)想到那個(gè)柏拉圖式的問(wèn)題：智能語(yǔ)音到底是什么?它從哪來(lái)?又要到哪去?

　　一

　　科技巨頭搶灘智能語(yǔ)音

　　從歷史中不難找到關(guān)于語(yǔ)音技術(shù)的“蛛絲馬跡”。

　　早在80年前，首個(gè)能夠合成語(yǔ)音的機(jī)器誕生于美國(guó)新澤西州茉莉山上的貝爾實(shí)驗(yàn)室，如果把語(yǔ)音技術(shù)的發(fā)展看成一條射線，那么這個(gè)被譽(yù)為世界上最偉大的實(shí)驗(yàn)室可以看作是它的起點(diǎn)。

　　兩年后的1954年，藍(lán)色“巨人” IBM與喬治城語(yǔ)言學(xué)家合作成功研制出一臺(tái)能夠把60句俄語(yǔ)話(huà)翻譯成英語(yǔ)的機(jī)器。而在不久后，第一個(gè)基于計(jì)算機(jī)的語(yǔ)音合成系統(tǒng)面世，語(yǔ)音技術(shù)就此開(kāi)始被疊加著與日俱增的想象。

　　人類(lèi)最不缺乏兩種能力，一種是想象力，另一種是創(chuàng)造力。但即使用幾十年后的今天來(lái)看當(dāng)時(shí)，也很難預(yù)測(cè)出語(yǔ)音技術(shù)的發(fā)展軌跡。

　　當(dāng)然，更難想到的是，這將成了一個(gè)全球的角斗場(chǎng)。

　　對(duì)于智能語(yǔ)音技術(shù)，坊間有一個(gè)頗為形象的比喻——遙控中樞。在一切都趨向具像化的如今，語(yǔ)音自然成了下一個(gè)產(chǎn)品形態(tài)的“摩斯密碼”。誰(shuí)能制定密碼規(guī)則，誰(shuí)就能掌控全局。

　　這是一場(chǎng)持久戰(zhàn)。

　　縱觀當(dāng)下世界智能語(yǔ)音交互市場(chǎng)的幾大主要玩家，百度從2010年開(kāi)始做語(yǔ)音技術(shù)，如今已近十年;美國(guó)的亞馬遜Alexa花了二十二年;即便是誕生最晚的谷歌Google Assistant也有著近十余年的數(shù)據(jù)沉淀。

　　騏驥千里非一日之功。掩藏在如今頗具智能化的Siri、谷歌助理、微軟小娜以及百度小度背后的是這個(gè)行業(yè)高筑的技術(shù)護(hù)城河。

　　今年年初，百度公布了語(yǔ)音領(lǐng)域的四項(xiàng)重大技術(shù)突破，其中，在線語(yǔ)音領(lǐng)域全球首創(chuàng)的流式多級(jí)的截?cái)嘧⒁饬δＰ?SMLTA，全稱(chēng)為「Streaming trancated multi-layer attention」)，被業(yè)界人士將該項(xiàng)技術(shù)突破評(píng)價(jià)為技術(shù)領(lǐng)域的“登月計(jì)劃”。

　　在剛過(guò)去不久的AI開(kāi)發(fā)者大會(huì)上，百度展示的一項(xiàng)“全雙工免喚醒”能力，又一次刷新了目前人機(jī)語(yǔ)音交互智能程度的上限。全雙工免喚醒能力是小度助手5.0的重要技術(shù)革新，在全雙工狀態(tài)下的小度，除了能實(shí)現(xiàn)免喚醒詞連續(xù)對(duì)話(huà)之外，還有一個(gè)非常關(guān)鍵的技術(shù)突破，稱(chēng)之為“拒絕反應(yīng)”，即小度知道什么時(shí)候該應(yīng)答和執(zhí)行任務(wù)，什么時(shí)候只需要聽(tīng)著，不搭話(huà)、不反應(yīng)——簡(jiǎn)單說(shuō)，語(yǔ)音技術(shù)的突破，讓機(jī)器的表現(xiàn)更逼近“真人”了。

　　在現(xiàn)場(chǎng)，觀眾們感受到的只是更順滑的對(duì)話(huà)、更懂事兒的智能印象，但背后卻是諸多學(xué)術(shù)難題的一一攻克。

　　去年公布的第二十屆中國(guó)專(zhuān)利評(píng)審結(jié)果中，百度的語(yǔ)音、機(jī)器翻譯、無(wú)人車(chē)相關(guān)三項(xiàng)專(zhuān)利獲獎(jiǎng)，成為人工智能領(lǐng)域至今為止在國(guó)內(nèi)專(zhuān)利界獲得的最高級(jí)別政府獎(jiǎng)項(xiàng)。在此之中，“語(yǔ)音專(zhuān)利”涉及的新語(yǔ)音識(shí)別模型——采用深度學(xué)習(xí)算法在24時(shí)內(nèi)對(duì)數(shù)以百億級(jí)的大規(guī)模數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，高性能計(jì)算，令語(yǔ)音識(shí)別技術(shù)的準(zhǔn)確率達(dá)97%，解決了語(yǔ)音識(shí)別領(lǐng)域關(guān)鍵性、共性的技術(shù)難題，被MIT 評(píng)為“2016年全球十大突破技術(shù)”。

　　在AI開(kāi)發(fā)者大會(huì)上，百度還推出了針對(duì)遠(yuǎn)場(chǎng)語(yǔ)音交互的鴻鵠芯片，可以實(shí)現(xiàn)遠(yuǎn)場(chǎng)陣列信號(hào)實(shí)時(shí)處理，高精度超低誤報(bào)語(yǔ)音喚醒以及離線語(yǔ)音識(shí)別。另一邊，百度旗下的明星產(chǎn)品小度智能音箱在今年第一季度更是達(dá)到了330萬(wàn)臺(tái)的超高出貨量，位居中國(guó)市場(chǎng)榜首。顯然，百度正在建立從硬件底層芯片、到上層的智能硬件系統(tǒng)，再到系統(tǒng)軟件，語(yǔ)音客戶(hù)端，語(yǔ)音服務(wù)器及后端交互一體化的全鏈路語(yǔ)音交互技術(shù)。

　　可以肯定的是，下一個(gè)十年，語(yǔ)音技術(shù)將成為新的決定性主題。

　　二

　　“技術(shù)+場(chǎng)景”才是王道

　　人工智能發(fā)展至今共歷經(jīng)了三次浪潮。

　　第一次浪潮使用算法建立了推薦引擎，提供訪問(wèn)互聯(lián)網(wǎng)服務(wù)，推動(dòng)了谷歌、亞馬遜和Facebook的崛起。

　　第二次浪潮幫助企業(yè)利用結(jié)構(gòu)化數(shù)據(jù)去優(yōu)化決策流程，帶動(dòng)了類(lèi)似Palantir這樣的大數(shù)據(jù)公司的出現(xiàn)，它們挖掘大量結(jié)構(gòu)化數(shù)據(jù)，找出人眼和人腦難以發(fā)現(xiàn)的信息關(guān)聯(lián)性。

　　現(xiàn)在人工智能第三次浪潮襲來(lái)，人工智能獲得了眼睛、耳朵和無(wú)數(shù)其他感官，可以收集從來(lái)沒(méi)有過(guò)的新數(shù)據(jù)，隨后使用這些數(shù)據(jù)推動(dòng)更復(fù)雜的流程自動(dòng)化。

　　這次變革顯然不同以往。恰如最近李彥宏在《人民日?qǐng)?bào)》發(fā)表的文章中所說(shuō)，“作為引領(lǐng)此次變革的戰(zhàn)略性技術(shù)，人工智能對(duì)世界的影響將遠(yuǎn)超以往歷次工業(yè)革命。”

　　事實(shí)確實(shí)如此。在人工智能的大潮下，眾多領(lǐng)域的既有模式被重塑，應(yīng)用場(chǎng)景不斷顛覆，生產(chǎn)關(guān)系開(kāi)始被重新制定。

　　而其中，語(yǔ)音則是極其重要的一環(huán)。

　　擺脫了文字和屏幕的束縛，語(yǔ)音技術(shù)從根本意義上改變了人們與軟件交互的方式，可以完全替代移動(dòng)應(yīng)用成為未來(lái)通訊的主要方式。

　　如果說(shuō)現(xiàn)在人們與移動(dòng)應(yīng)用的互動(dòng)是二維的，那么語(yǔ)音交互就是三維立體的。而這種升維競(jìng)爭(zhēng)同樣也裹挾著互聯(lián)網(wǎng)的商機(jī)。

　　語(yǔ)音技術(shù)領(lǐng)域不斷攀升的融資金額是最為明顯的一個(gè)例證。報(bào)告數(shù)據(jù)顯示，今年語(yǔ)音技術(shù)創(chuàng)業(yè)公司融資額高達(dá)7.86億美元，遠(yuǎn)遠(yuǎn)超過(guò)2018年的5.81億美元以及2017年的2.98億美元，同時(shí)每筆融資的規(guī)模也在大幅上升。

　　百度是當(dāng)之無(wú)愧的領(lǐng)頭羊。

　　作為最早布局人工智能的技術(shù)公司之一，百度擁有建立在超大規(guī)模神經(jīng)網(wǎng)絡(luò)、萬(wàn)億級(jí)參數(shù)、千億級(jí)樣本上的人工智能算法，依托數(shù)十萬(wàn)服務(wù)器和中國(guó)最大的GPU集群的計(jì)算能力;作為中國(guó)最大的搜索引擎公司，百度還收集了大量漢語(yǔ)(尤其是普通話(huà))的音頻數(shù)據(jù)，這些都為百度語(yǔ)音識(shí)別系統(tǒng)Deep Speech 2技術(shù)成果提供了基本的數(shù)據(jù)優(yōu)勢(shì)與支持。

　　百度美國(guó)的人工智能實(shí)驗(yàn)室負(fù)責(zé)人Adam Coates 曾表示，至2017年2月份，Deep Speech 2的短語(yǔ)識(shí)別詞錯(cuò)率已經(jīng)降到了3.7%，在轉(zhuǎn)錄某些語(yǔ)音的能力也基本上是“超人級(jí)的”，能夠比普通話(huà)母語(yǔ)者更精確地轉(zhuǎn)錄較短的查詢(xún)。

　　更引起外界關(guān)注的，是建立在語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理、用戶(hù)畫(huà)像等技術(shù)能力之上的小度人工智能語(yǔ)音助手(DuerOS對(duì)話(huà)式人工智能系統(tǒng))——百度技術(shù)的集大成者。

　　從2015年的“度秘”到2017年發(fā)布的DuerOS，再到2018年發(fā)布的一系列小度智能硬件產(chǎn)品，小度人工智能語(yǔ)音助手保持著穩(wěn)定的迭代速率，不斷融入新能力，以開(kāi)放的姿態(tài)構(gòu)建軟硬結(jié)合的AI生態(tài)系統(tǒng)，更好地服務(wù)合作伙伴，成為名副其實(shí)的“智慧中樞”。

　　從技術(shù)到產(chǎn)品，從產(chǎn)品到下游合作商，可以看出百度的智能語(yǔ)音系統(tǒng)已然初步成型。技術(shù)與具體場(chǎng)景相結(jié)合，在智能語(yǔ)音交互技術(shù)領(lǐng)域，百度正發(fā)揮著“標(biāo)桿”的作用。

　　三

　　語(yǔ)音，撬動(dòng)未來(lái)商業(yè)的關(guān)鍵

　　通用電氣前CEO，被認(rèn)為二十世紀(jì)最杰出CEO的杰克·韋爾奇曾在他的自傳中寫(xiě)道，「如果你想讓車(chē)再快十公里，只需加一加油門(mén)，如果讓車(chē)速提高一倍，就要換軌道了。」

　　事實(shí)是，商業(yè)的軌道正在發(fā)生偏移。

　　《2019語(yǔ)音技術(shù)報(bào)告》中有這樣一種觀點(diǎn)：“語(yǔ)音交互扭轉(zhuǎn)了以往人機(jī)交互的存在形態(tài)，用戶(hù)與設(shè)備間基于語(yǔ)音交互的全新關(guān)系開(kāi)始搭建，與之前互聯(lián)網(wǎng)向移動(dòng)互聯(lián)網(wǎng)過(guò)渡一樣，其對(duì)底層平臺(tái)的全新需求也在醞釀當(dāng)中。”

　　從商業(yè)的發(fā)展模式來(lái)看，變革分兩種，一種是自上而下，另一種是自下而上。前者要求市場(chǎng)迅速調(diào)整身位，迅速利用新的排列組合應(yīng)對(duì)新變化;后者重體驗(yàn)，形態(tài)更迭更加悄然無(wú)聲，但更堅(jiān)韌，也更持久。

　　語(yǔ)音技術(shù)對(duì)于商業(yè)形態(tài)的影響正如后者。

　　不妨對(duì)未來(lái)的商業(yè)雛形做個(gè)預(yù)測(cè)：在未來(lái)某個(gè)時(shí)間節(jié)點(diǎn)，我們不再需要打字，而是可以使用語(yǔ)音盒手勢(shì)，鍵盤(pán)基本消亡，在語(yǔ)音技術(shù)的加持下，產(chǎn)品形態(tài)將會(huì)被徹底改變，無(wú)屏幕的智能手機(jī)、語(yǔ)音電商、語(yǔ)音廣告、個(gè)性化的品牌語(yǔ)音……

　　這個(gè)預(yù)測(cè)正在發(fā)展成現(xiàn)實(shí)。

　　有數(shù)據(jù)為證，根據(jù)Juniper的數(shù)據(jù)顯示，在美國(guó)和英國(guó)，未來(lái)幾年語(yǔ)音電商將迎來(lái)集中爆發(fā)，規(guī)模將從2018年的20億美元增長(zhǎng)至2022年的400億美元。

　　同步落地的還有亞馬遜的語(yǔ)音廣告業(yè)務(wù)。消息稱(chēng)亞馬遜正計(jì)劃開(kāi)發(fā)Alexa語(yǔ)音助手的商業(yè)價(jià)值，進(jìn)而建立一個(gè)大型的數(shù)字廣告業(yè)務(wù)，測(cè)試包括視頻在內(nèi)的多種廣告產(chǎn)品，為2018年廣告營(yíng)收增長(zhǎng)做準(zhǔn)備。

　　頻頻布局的背后是各家對(duì)語(yǔ)音技術(shù)商業(yè)價(jià)值的篤定。

　　盡管如今留給智能語(yǔ)音技術(shù)的難題還有很多，但在此刻提前布局，構(gòu)筑好技術(shù)底座，待浪潮再次涌來(lái)之時(shí)，便能乘勢(shì)而上。

　　可以預(yù)見(jiàn)，中國(guó)智能語(yǔ)音市場(chǎng)也將成為推動(dòng)這股浪潮不可或缺的力量和重要參與者。正如在中國(guó)徒步旅行三個(gè)月的英國(guó)大臣麥克•貝茨所記錄的那樣：“這片土地從來(lái)不缺乏奇跡。”