“智研所”沙龍第6期
本期嘉賓：
科大訊飛OS平臺業務部總經理 林滿佳
標貝科技聯合創始人兼CTO 語音專家李秀林博士
玩秘創始人兼CEO 余軻
“我現在家里有40多個智能家居。”科大訊飛OS平臺業務部總經理林滿佳告訴搜狐科技。即使是作為行業內人士，這個數字仍舊讓人驚訝。
林滿佳的情況背后正是當下人工智能領域的一大趨勢——AIoT，其中，智能家居以最先落地的硬件形態進入到普通消費者生活中。“小度，小度”“Hey，Siri”等喚醒詞已經被常常掛在嘴邊。
《IDC中國智能家居設備市場季度跟蹤報告》顯示，2019年第一季度中國智能音箱市場出貨量達到1122萬臺，同比增長787.2%。其中阿里巴巴和百度的出貨量均為340萬臺，小米排在第三，出貨量為290萬臺。阿里、百度、小米三家占據了中國智能音箱近86%的出貨量。
智能音箱出貨量暴增，形勢一片大好。然而從數據亦能看出，在這個成長迅猛，看似藍海的賽道里，僅剩下幾個實力寡頭在競爭。
更值得注意的是，幾家大廠紛紛加碼之時，國內最大的智能語音技術廠商科大訊飛在去年的年度業績說明會上，董事長劉慶峰直言“不再跟進智能音箱賽道”，并指出從來沒把智能音箱作為智能家居入口。
是巨額補貼傷神，還是需要對這款智能硬件進行重新定位?以家居場景為例，語音在智能音箱這個話題點的價值和作用是什么?作為相對成熟的AI技術之一，智能語音是否已經迎來紅利兌現階段?
搜狐科技“智研所”沙龍第6期特邀請到科大訊飛OS平臺業務部總經理林滿佳、標貝科技聯合創始人兼CTO李秀林以及玩秘創始人兼CEO余軻，共同探討智能語音的當下和未來。
智能音箱已是紅海?
在80年代，以數理邏輯為核心的體制瓦解后，人工智能分化出了五大獨立學科。在這五大學科中，由深度學習推動，并順利從科研實驗室走到人們身邊的智能語音，由于是目前落地速度最快、覆蓋率最高的人工智能技術之一，某種程度上，承擔了人工智能這兩年的大部分熱度。
據《IDC中國智能家居設備市場季度跟蹤報告》數據，2019年第一季度中國智能音箱市場出貨量已達到1122萬臺。IDC中國助理副總裁王吉平認為，智能音箱在中國市場單季度突破1000萬臺銷量，說明其家庭普及率雖然不及智能手機，但是已經和PC、智能電視等產品相當，且未來可展望的空間將更大。
語音交互技術是各智能硬件的重要控制手段之一，其中，智能音箱成為最先普及的硬件形態。
然而，智能音箱經歷過三年似過山車一般的發展歷程后，現在僅留存巨頭競爭，各企業開始重新審視這一硬件產品的定位。
“為什么智能音箱在西方市場大賣，國內大家卻混戰一團?”玩秘創始人兼CEO余軻指出這樣一個現象。雖然中國有人口紅利的優勢，但以亞馬遜Echo和Google Home為代表的智能音箱品牌在美國的銷量已經遠超中國市場。
余軻認為根本原因根植于中國消費者的生活習慣，“在智能音箱之外，還有一個不可忽視的智能終端——手機，而相比于音箱，手機顯然是在近期銷量更大的一種終端，而且其具有用戶隨身攜帶和可移動的特性。”
中國用戶更傾向于在路上及戶外的場景消費更多內容，而不是家里的起居室和臥室。
一個很直觀的例子是，愛奇藝的用戶有70%都選擇在智能手機或平板上觀看視頻，而在美國，大多數Netflix用戶會端坐在沙發上通過電視看視頻。
這使得行業內多數人對智能音箱這個賽道仍保持觀望態度。
(圖片來源：科大訊飛)
針對國內外智能音箱市場的差異，標貝科技聯合創始人兼CTO李秀林認為“內容”是另一大關鍵因素。
“如果音箱背后沒有內容，只是簡單的交互，是沒有生命力的。內容不是憑空來的，需要付費，但可以發現中國大家的付費意愿普遍不強，尤其在互聯網大潮下，我們之前看的視頻基本都不需要付費。但這些年境況已經變了，付費的意愿有了之后，有人愿意為音箱后面的內容付費，所以也不排除音箱還有更多的發展機會。”李秀林表示。
去年百度開發者大會上，“凱叔講故事”正式接入百度DuerOS平臺，也就是說，只要對著百度智能音箱說凱叔講故事，智能音箱就會把里面的內容推送給你，語音請求和應答無縫對接。
百度智能生活事業群組(SLG)總經理景鯤曾在現場表示：“這是我們對未來用戶需求的一個判斷。比如，我只要說‘我想唱歌’，搭載DuerOS的設備就可以打開‘唱吧’讓你想唱就唱，不需要像在其他設備上打開特定的APP。說一句‘我想學英語’，在線少兒英語平臺VIPKID就會打開。”
與此同時，騰訊聽聽音箱也全力借助自己的內容優勢，整合了包括QQ音樂、騰訊新聞、企鵝FM、騰訊視頻、閱文集團等強大的內容體系。
可以說，在智能音箱領域，與其說是對入口的爭奪，倒不如說是對場景以及內容的爭奪。考慮到智能音箱的技術難度并不大，而且“再強的技術，也只能領先半年”，技術和低價已經不再能成為智能音箱競爭的籌碼。
(圖片來源：玩秘)
除此之外，科大訊飛OS平臺業務部總經理林滿佳則認為，智能音箱只不過是多數語音廠商賺到的第一桶金，它只是語音交互技術的突破點之一，不是必由之路。“分兩個場景來看，智能音箱如果用來控制家具，是解決痛點，如果作為文娛或信息獲取的工具，那就只是癢點。”
國內的語音技術每項都“差一點”
語音交互主要由三個環節組成：語音合成、語音識別、語義理解。“現在大家都知道的一個共識，國內語音識別技術準確率已經很高，基本保持在95%-97%的范疇。”李秀林指出，各家語音識別技術的差別不大，但交互依舊發展較慢，是因為制造商對用戶需求的理解不成熟，而這方面還需要大量的用戶使用數據去支持。
(圖片來源：標貝科技)
對于“95%-97%”這個數據，林滿佳提出了不同的看法。
“這個數字看起來很美，但我們在評估技術水平時，需要用乘法法則。”林滿佳直言，大家都號稱自己的準確率這么高，但在工程落地階段，環節非常多，從語音交互麥克風陣列硬件的設計到聲學，再到最后識別、語義理解到合成，每一步都是要做乘法的，0.98*0.98……，乘下去的數據就會越來越小。
“提高某一方面的算法還是需要繼續突破的，最重要的是基礎工程方面得去加強，中國在聲學方面還是有點落后的。”Gartner分析師特雷西-蔡也曾表達過類似的觀點：“中文自然語言的理解與反饋現在還不成熟，因此人機對話還較為蹩腳。”
今年5月，科大訊飛舉行2019年新品發布會，發布會上，科大訊飛一舉發布了五款AI+智能硬件，和智能語音云端操作系統iFLYOS的新版本iFLYOS 2.0。
據林滿佳介紹，iFLYOS的設計就是為了滿足人工智能硬件時代的快速落地。除語音交互人性化及產品設計個性化的特點之外，“硬件要落地快，意味著人工智能每個硬件針對性很強，所以每個領域都需要大體不同的一些硬件，所以要求你的落地速度要足夠得快。”林滿佳介紹，iFLYOS已經落地七個場景，并已經全部公開出來。
而行業內另一語音巨頭百度，也在剛過去不久的AI開發者大會上展示了“全雙工免喚醒能力”，是小度助手5.0的重要技術革新。再次突破了人機語音交互智能程度上限。
除此之外，百度還推出了針對遠場語音交互的鴻鵠芯片，可以實現遠場陣列信號實時處理，高精度超低誤報語音喚醒以及離線語音識別。
各大科技企業對語音技術的價碼實際上是對“超級入口”的搶奪，但更明顯的是，現在只談論技術已經遠遠不夠，還需要大量的用戶數據和場景喂養技術，科大訊飛一次性拋出五個智能硬件的動向也可以詮釋這一點，C端正在變得越來越重要，從C端實現盈利，正在變成技術型公司商業化的終極夢想。
