思必驰CEO：语音是人工智能核心入口 将变革整个行业

思必驰CEO高始兴

凤凰科技讯 8月18日消息，今天上午，iWorld 2016数字世界高峰论坛在成都新国际会展中心召开。思必驰CEO高始兴在演讲时表示，语音识别做的好不代表语音交互能做好，所以必须加上AI。

高始兴指出，人工智能最大的发展就是从局部到整体的智能，到整体形成落地，再就是会结合场景服务越来越多。但是从局部走向整体挑战特别特别大，就像前段时间阿尔法狗战胜李世石，单纯下棋人工智能做得不错，但是如果做成下棋机器人，让它能够准确识子落子，作为综合系统挑战特别大，这也就是现在很多智能机器人很难落地的关键原因之一。

高始兴认为，从PC到手机，到现在的智能硬件，几个趋势，我们发现屏越来越小，现在没有屏幕了，现在更多的是场景化、碎片化和随时使用，语音是越来越刚性的。

“语音是核心入口，但是局部的智能、简单的智能、单一的智能必须加上认知、加上脑袋，让这个智能终端能够不单是去识别，而是能去说话，而且能思考、能分析，能结合场景做推理决策等等这些，这样才能真正成为用户个人的助理、秘书、管家。”

高始兴提出，相信语音人工智能的发展和云计算、大数据未来会让整个物联网行业甚至移动互联网能发生一些变化，乃至一些变革。

以下是高始兴的演讲实录：

我就互联网下的人机对话做一个简单的分享。

我们最早在英国成立的时候，公司起来名字叫AISPEECH，这几年很多人讨论语音，讨论语音的性能，在选型的时候，包括讨论语音公司的时候，更多是说语音识别，这家的识别率怎么样，准确率怎么样，但实际上再好的识别率也达不到100%，即使98%也很难做好很好的语音交互，语音识别做好不代表语音交互能做好，所以必须加上AI。

放大到AI来看，这几年新的能力，云计算的能力，大数据的累计，让人工数据发展特别快，最近流行一句话洪荒之力，确实产生了洪荒之力，人工智能落地速度会非常快，但是反过来也会形成一个循环。

早期我们谈论人工智能，PC时代说的是存储和计算，但是到移动互联网，特别是智能硬件物联网时代，大家谈感知和表达一进一出，能力越来越强，特别现在智能硬件感知能力越来越多，现在人身上的耳朵、嘴巴，包括未来的鼻子等等一些感知能力未来都会在智能硬件上落地。

但是就像人一样，单纯的耳朵嘴巴还不行，必须要加上大脑，能够去理解、思考，反馈建议，这样才能够让人机交互更加聪明。特别是智能硬件物联网时代，现在是认知职能，加上脑袋现在是一个大的研究方向，我们在做，很多公司也在做。

人工智能最大的发展就是从局部到整体的智能，到整体形成落地，再就是会结合场景服务越来越多。但是从局部走向整体挑战特别特别大，就像我们在以前大家都知道升蓝战胜卡萨帕罗夫，前段时间阿尔法狗战胜李世石，单纯下棋人工智能做得不错，但是如果做成下棋机器人，让它能够准确识子落子，作为综合系统挑战特别大，这也就是现在很多智能机器人很难落地的关键原因之一，要做综合的智能挑战特别大。

我们做人机对话，让人获取和享受到机器后端的服务，关键的是用户行为和需求发生了变化。早期的时候我们是组织图标、文件，再后来是浏览资讯交互，再PC互联网时代是更加精准的搜索信息，搜索一些内容，到移动互联网时代，智能硬件IOT时代它的交互更加丰富化，手段更加多样化。

更关键的是用户的任务属性越来越强，它不是信息查询的，特别我们看现在落地的车联网、家居等等，它是希望完成任务，这个属性越来越强，当然各类人机交互能力也出现了，不单是像做语音交互的，包括人脸，包括首饰等等一系列的。

从阿尔法发展的历史来看也能看到语音智能的发展历史，语音智能跟端的结合，跟场景的结合，它的未来的趋势。在早期Iphone2代里边没有语音，但是75%的用户希望加上语音，下一代加上了，但实际仅仅实现简单的控制功能，拨号，后来发现不到5%的用户用它，不好用。苹果调研，大多数的用户希望通过自然语言的交互，不是完成一个简单的控制功能，而是更丰富的场景，所以4代Siri发布了，引爆了这个市场。

早期的是不够智能的，相对说是局部智能，这两年苹果Siri的发展代表了人机交互的趋势，包括应用趋势，与端结合的趋势。去年苹果收购了剑桥一家人机对话的公司，Siri前段时间发布融合了一些技术。再一个趋势就是会发现，苹果Siri在与端服务整合上越来越紧密，特别智能引见这个领域，现在不光是苹果这个巨头，还有一些希望跟车合作，包括谷歌，未来的人机对话、人机智能语音交互跟智能硬件IOT的整合是未来大的趋势。

从PC到手机，到现在的智能硬件，几个趋势，我们发现屏越来越下，现在没有屏幕了，现在更多的是场景化、碎片化和随时使用，语音是越来越刚性的。

还有一个，我们现在IOT这个生态起来，每一个生态，包括移动互联网生态，需要垂直的整个服务生态起来，能够去获取服务。我们在手机端，智能手机段，我们人可以通过智能手机去订票、订餐，但是未来通过机器人、车载音响，我们怎么订票订餐呢？语音有可能是唯一或者主要的交互手段，因为语音唯一能够传递复杂信息。

所以语音是核心入口，但是局部的智能，简单的智能，单一的智能。比如简单的语音识别、语音合成，耳朵嘴巴不好使，感知智能，必须加上认知，加上脑袋，让这个智能终端能够不单是去识别，能去说话，而且能思考、能分析，能结合场景做推理决策等等这些，这样才能真正成为用户个人的助理、秘书、管家。

从思必驰来说主要面向三个垂直领域，车载、家居、机器人，提供两个产品，一软一硬。一个是人机对话的操作系统，基于现在主流操作系统的后操作系统，整合了语音交互、对话逻辑、内容服务、平台对接。再就是智能芯片模组，我们提供给开发者，让每一款智能设备能听会说，能帮用户的忙，真正让智能机器成为一个智能机器人。

在智能硬件有一些技术能力要做提升和创新，比如说噪声抗噪识别，因为在车载家居交互特别大，再就是远距识别。还有一个是回声对消。还有手机定位，在机器人、音响，很多交互，用户是360度随时随地可以跟智能终端交互。

智能硬件、物联网、语音是核心交互手段的时候，要赋予智能终端温度，所以看起名字，每个设备可以起名字，叫它一声可以听你。还有就是个性化合成，我们思必驰做了很多名人的声音。明年每个用户上传几分钟声音，未来交互就可以是这个声音，比如把女朋友或者爱人的声音上传上去，这个模型，未来开车的时候语音交互是你老婆或者女朋友的声音。

思必驰专注在IOT智能硬件的三个垂直场景，现在做的基础不错，发展速度也还好，我们在车载后装是NO1，在机器人也做得很不错，比如跟小米、美的等等合作。现在全国各类智能终端人际访问量几千万次，说明智能硬件发展越来越火爆，加速度越来越快，还有就是语音交互，甚至在一些中心探测设备上能成为入口。

相信语音人工智能的发展和云计算、大数据未来会让整个物联网行业甚至移动互联网能发生一些变化，乃至一些变革，我觉得有六个方面。

一是产品创新，像功能机变成智能手机。二是场景生态，端跟场景和服务的结合越来越紧密，在一个场景里面形成闭环生态。

移动互联网到智能硬件物联网，语音数据、视频数据累计会越来越多，有一些新的数据挖掘方式，而且智能终端感知能力会越来越强，结合场景会越来越紧密，对用户的画像分析纬度，颗粒度会越来越细，越来越丰富。

再就是端、场景和行业结合会越来越多，会产生很多的机会。比如说未来的车里面，跟机器人，面向电视、音响我们可以学口语，再就是移动互联网向智能硬件物联网产业，不能完全迁移，一定会发生一些变化，甚至变革。

比如说搜索不单是人机交互这个界面发生了变化，有可能新的商业模式。随着语音职能的发展，用户的认知和普及，人机对话，自然语言交互会反过来切入移动端，会打破原来的信息孤岛。

最后手机也会成为泛物联网IOT的一个端而已。相信语音的发展，人工智能的发展，会带来很多的商业机会和创业机会。

谢谢大家！