美國投資機構Mangrove Capital Partners本周發(fā)布了2019年“語音技術報告”。報告題為“語音：歡迎下一代的顛覆者”，分析了語音助理服務的日益普及，并對2020年Siri的動向做出了有趣的預測。

在過去多年的鍵盤輸入和點擊手機屏幕之后，我們正在回歸到最初的“用戶界面”：語音。雖然我們尚未感受到語音技術帶來的全部影響，但這種技術正在改變我們與數(shù)字世界互動的方式。

重要的是，這種轉(zhuǎn)變影響的遠遠不止是查看天氣預報，獲取音樂，以及設置鬧鐘。語音帶來了平臺和用戶界面的轉(zhuǎn)變，足以與網(wǎng)頁和智能手機相媲美。作為人工智能和機器學習的入口，語音技術將通過強大的新方式為我們提供服務。

在Mangorve，我們相信，語音將成為未來10年決定性的主題之一。除了用數(shù)字服務影響各行各業(yè)以外，語音技術還將培育出新一代的科技公司。與人工智能一起，語音技術將從根本上改變?nèi)撕蜋C器的關系，給下一代軟件創(chuàng)造巨大價值。

向語音的轉(zhuǎn)移

自2011年蘋果推出Siri以來，語音技術已經(jīng)取得了長足發(fā)展。隨著機器學習的發(fā)展，我們在語音識別（語音轉(zhuǎn)文字）和自然語言處理（識別文本中的指令）兩方面都獲得了相當大的進步。事實上，語音系統(tǒng)的單詞識別準確率已超過95%，這意味著它們已經(jīng)具備了與人類相仿的語言理解能力。相對于打字，語音產(chǎn)品提供了更自然、更便利、更高效的溝通形式。因此，語音注定將成為最主要的人機互動接口。

根據(jù)Juniper Research的數(shù)據(jù)，目前市面上已有25億個語音助理存在。隨著科技巨頭爭相加入競爭，越來越多家庭正在啟用語音服務。在美國，家用智能音箱的總數(shù)2018年大幅增長78%，從6670萬臺增加至1.855億臺。亞馬遜在這個市場的份額達到64.6%。Canalys預計，全球范圍內(nèi)智能音箱的裝機量到2023年將增長至5億臺。

語音也在成為智能家居和物聯(lián)網(wǎng)的入口。亞馬遜宣布，已有4500個品牌提供2.8萬款支持Alexa的智能家居設備，包括電視機、炊具和機器人吸塵器。除了進入家庭場景之外，語音助手也在進入萬豪等酒店的房間，并且在汽車信息娛樂系統(tǒng)中也很受歡迎。亞馬遜正在與多家汽車公司展開談判，有報道稱亞馬遜的車內(nèi)產(chǎn)品Echo Auto預售訂單已超過100萬。Echo Auto提供全方位的免提體驗，包括打電話、導航，以及操控智能家居設備。

語音技術也在超越語言障礙。目前谷歌的服務已經(jīng)支持30種語言，甚至可以同時理解用戶所說的多種語言。有趣的是，在中國語音服務的普及更快，阿里巴巴在中國的智能音箱市場處于領先。

各類受歡迎應用的出現(xiàn)令人聯(lián)想到App Store發(fā)展的早期。亞馬遜Alexa提供的功能包括為新媽媽提供母乳喂養(yǎng)支持，鼓勵孩子們刷牙，幫助用戶鍛煉，指導足球隊，以及指引人們?nèi)绾味\告。

語音電商的崛起

由于亞馬遜Alexa直接關聯(lián)至全球最大的電商平臺之一，語音購物也在初步發(fā)展。亞馬遜已經(jīng)看到，Alexa平臺的電商交易在2018年假日季同比增長至三倍。沃爾瑪近期也推出了基于谷歌語音助手的在線生鮮購物服務，支持購物者通過谷歌Home、智能手機或智能手表將產(chǎn)品添加到購物車。

根據(jù)Juniper的數(shù)據(jù)，在美國和英國，語音電商的規(guī)模將從2018年的20億美元增長至2022年的400億美元。有趣的是，語音電商最熱門的三大商品品類都是低價商品：生鮮雜貨（20%）、娛樂（19%）和電子（17%）。

因此對零售商來說，獲得“亞馬遜精選”的地位將會比以往更加重要。根據(jù)OC&C戰(zhàn)略咨詢公司的數(shù)據(jù)，亞馬遜購物者中有85%最終會選擇亞馬遜推薦的商品。不過目前外界仍然不清楚，具體商品要如何才能獲得這樣的推薦。

無論是在線上還是線下，語音技術已經(jīng)在指引消費者購物。快消品廠商正在探索，基于語音體驗，對于制作雞尾酒和品嘗威士忌等場景，可以如何提升產(chǎn)品定位和用戶忠誠度。

你不會再感到孤單

重要的是，語音服務正在從事務性向?qū)υ捫赞D(zhuǎn)變。這種趨勢的最終結(jié)果很難完全被理解，但你可以考慮這一點：你永遠不會再感到孤單，無論是在與Alexa說話，還是與另一個人或人工智能說話。人工智能的第一次浪潮使用算法去建立推薦引擎，提供訪問互聯(lián)網(wǎng)服務，例如谷歌、亞馬遜和Facebook的快捷方式。而第二次浪潮則是幫助企業(yè)利用結(jié)構化數(shù)據(jù)去優(yōu)化決策流程。類似Palantir的公司開始崛起，它們挖掘大量結(jié)構化數(shù)據(jù)，找出人眼和人腦難以發(fā)現(xiàn)的信息關聯(lián)性。

人工智能的第三次浪潮正在到來。人工智能獲得了眼睛、耳朵和無數(shù)其他感官，從而可以收集從來沒有過的新數(shù)據(jù)，隨后使用這些數(shù)據(jù)推動更復雜的流程自動化。與此同時，我們也在從基于命令的靜態(tài)流程轉(zhuǎn)向動態(tài)流程。這是計算領域的結(jié)構性變化，將徹底改變我們體驗軟件，與軟件交互的方式，模糊了數(shù)字世界和現(xiàn)實世界之間的關聯(lián)。

隨著人工智能系統(tǒng)在對話中變得更熟練，收集關于人們及其周圍世界的更多數(shù)據(jù)，它們將可以了解情景信息。人類通?？梢圆毁M力地掌握這些關聯(lián)信息，并將其應用在對話中。情景信息將幫助人類和機器以更自然的方式互動和協(xié)作。而隨著體驗的優(yōu)化，變得更有用，他們將會更加頻繁的互動，而機器也將掌握更多知識。

這樣的良性循環(huán)意味著，在未來3到5年內(nèi)，計算機的對話能力將變得更復雜，更具變革性。與其將我們的時間花在鍵盤打字和智能手機觸控上，我們可以很方便地與無所不在的人工智能交談。重要的是，我們與軟件互動的方式將被永久改變：表單將會消亡，接觸點將變成“監(jiān)聽點”。

這就可以解釋，為何全球最大的科技公司向語音技術進行了大筆投資。語音技術帶來了平臺和用戶界面的改變，這足以媲美此前的網(wǎng)頁和智能手機，而不同之處僅僅只是，用戶向語音的轉(zhuǎn)移不需要任何訓練。對于這種未來主導性的平臺，大型科技公司不容有失。因此，亞馬遜已有超過1萬名員工從事Alexa項目，而亞馬遜也是對語音技術創(chuàng)業(yè)公司最熱衷的投資方之一。

語音優(yōu)先界面的黎明

語音技術的影響非常深遠，每家公司都需要重新考慮如何與用戶進行互動。這不僅僅是調(diào)整SEO（搜索引擎優(yōu)化）等方面的工作，或是開發(fā)自己的Alexa“技能”或谷歌的“操作”。

企業(yè)最終需要提供能感知情景、語音優(yōu)先的界面。能建立用戶認知和情感連接的企業(yè)將可以更好地吸引用戶，而如果只是用預設腳本去被動響應用戶問題，那么企業(yè)將處于明顯的劣勢。嚴重依賴通知去驅(qū)動應用使用的科技公司可能需要重新審視策略。消費者對于那些用太多通知去打破“聲音門檻”的公司（例如LinkedIn）不會再有太多耐心。

最熱門的移動應用成為了今天的主導平臺，而最能吸引用戶的語音優(yōu)先界面將會成為明天的主導服務。很難預測理想的界面應該是什么樣，但下一代Airbnb、Monzo和Uber的出現(xiàn)很可能只要3到5年。

無屏幕手機，例如Light Phone的出現(xiàn)向我們展示了未來，這樣的手機不依賴于我們了解并喜愛的移動應用?？紤]到語音服務的學習曲線很短，能明顯減少用戶的使用障礙，因此可以很合理地假設，在我們注意到全部潛力之后，語音經(jīng)濟將快速發(fā)展。

語音時代的工作

在我們與軟件交互的過程中，所花費時間最長的場景就是工作。因此可以合理假設，在工作場景我們將會看到最明顯的變化。盡管我們可能仍然需要與屏幕互動，但鍵盤很可能會變成多余的。畢竟，普通人每分鐘可以用鍵盤輸入40個單詞，但卻可以說出150個單詞。

無所不在的人工智能可以支持我們?nèi)粘９ぷ髦械脑S多任務和流程，例如回復電子郵件，整理會議信息，向團隊成員發(fā)布信息，以及用數(shù)據(jù)更新相關系統(tǒng)等。這也可能意味著，我們將不再被捆綁在辦公桌，不必再久坐不動。

更進一步，無所不在的人工智能可以注意到效率最高的員工，并告知他人他的工作方式，從而優(yōu)化工作產(chǎn)出。能持續(xù)識別高績效者的特定策略，并將最佳績效建議分發(fā)給網(wǎng)絡中其他人的人工智能學習循環(huán)已經(jīng)開始出現(xiàn)。這些優(yōu)化網(wǎng)絡不是為了取代人工，而是依靠人類去學習并優(yōu)化流程。人類仍然會處于循環(huán)中。

一個值得關注的案例是Chorus.ai，該服務能加入通話，同時就有效回復做出提示。Chorus.ai并不是給銷售電話提供預設的腳本，而是會分析團隊成員的不同方法，帶來更積極的成果，并鼓勵創(chuàng)造性。

通過讓人類變得更聰明、更高效，新一代的SaaS（軟件即服務）產(chǎn)品將可以收取更高的訂購費用，從而成為更具價值的一代企業(yè)軟件。

從虛擬人物到虛擬醫(yī)生

虛擬KOL莉兒·米克拉（Lil Miquela）

我們已經(jīng)看到，虛擬KOL逐漸興起。例如，來自洛杉磯、19歲的虛擬KOL莉兒·米克拉（Lil Miquela）在Instagram上積累了150萬粉絲，目前已經(jīng)參與過Calvin Klein等知名時尚品牌的營銷活動。

位于舊金山的創(chuàng)意工作室Fable正在虛擬人物方面邁進更多一步。該公司的虛擬人物具有完整的互動能力，并且有自己的個性。很快，我們就能創(chuàng)建人工智能全息伴侶，例如《銀翼殺手》中的喬伊。喬伊由Wallace Corp制造，可以成為“你想看到的全部一切”。

虛擬人物很可能會改變娛樂和客服的表現(xiàn)形式，與此同時在給老年人和其他需要幫助的人群提供服務方面也可以扮演關鍵角色。畢竟，被認為孤獨的人群健康下降的風險要高出59%，而社交孤立也是造成抑郁癥的最常見原因之一。

總部位于巴塞羅那的Safe365作為由科技驅(qū)動的社區(qū)和互助網(wǎng)絡已經(jīng)吸引了許多老年人。語音產(chǎn)品提供了對用戶非常友好的方式，監(jiān)控健康和認知能力，并提供關于鍛煉和服藥的提醒。

事實上，語音和人工智能最終有可能完全取代醫(yī)生。K Health已經(jīng)開發(fā)了一款人工智能，將數(shù)千名醫(yī)生的經(jīng)驗結(jié)合在一起，以做出準確的診斷。借助語音技術，人工智能還可以像人類醫(yī)生一樣給病人提供安慰。

對語音技術融資的分析

根據(jù)我們的分析，對語音創(chuàng)業(yè)公司的投資正在加速。語音技術創(chuàng)業(yè)公司今年已融資7.86億美元，遠遠超過2018年的5.81億美元以及2017年的2.98億美元。這樣的融資增長表明了市場的信心，即語音技術將帶來變革。融資的規(guī)模也在大幅上升，2019年到目前為止平均交易規(guī)模是3000萬美元，而2018年和2017年分別為1800萬美元和1750萬美元。

娛樂和播客是已經(jīng)吸引了大量興趣的領域之一。Spotify收購了播客創(chuàng)業(yè)公司Gimlet和Anchor，總共花費3.37億美元。這個領域其他值得關注的創(chuàng)業(yè)公司還包括制作語音優(yōu)先收費內(nèi)容的Sybel。

與此同時，從2015年成立以來，亞馬遜Alexa基金已經(jīng)進行了72筆投資。過去18個月中，該基金投資的創(chuàng)業(yè)公司涉及娛樂、健康、教育、交通、電商、酒店和SaaS等行業(yè)。這表明，亞馬遜相信語音技術將改變一系列行業(yè)。

我們的分析還顯示，在語音技術創(chuàng)業(yè)公司的融資活動中，美國處于領先。美國此類創(chuàng)業(yè)公司獲得了超過10億美元的投資，而歐洲只有1.18億美元。這尤其值得關注，因為語音技術代表著范式轉(zhuǎn)換。如果歐洲希望在下一代技術發(fā)展中建立自己的地位，歐洲的創(chuàng)業(yè)者和投資人需要快速做出響應。

挑戰(zhàn)

語音技術領域最大的挑戰(zhàn)之一是隱私保護。微軟的數(shù)據(jù)顯示，41%的語音助手用戶對信任、隱私和被動監(jiān)聽感到擔憂。谷歌Nest設備中被發(fā)現(xiàn)存在隱藏的麥克風造成了不利影響，而亞馬遜申請專利“監(jiān)聽房間里的所有對話”也是如此。

如何回應這些關切取決于科技公司，而蘋果在這方面的工作卓有成效。蘋果收購Silk Labs值得贊賞，后者開發(fā)在設備中運行的人工智能軟件，而不必使用云計算平臺去處理數(shù)據(jù)。

蘋果在圍繞語音服務構建生態(tài)方面進展緩慢。實際上，蘋果1987年提出的“知識導航工具”給出了更明確的語音服務愿景。語音服務社區(qū)期望蘋果在2020年全球開發(fā)者大會（WWDC）上為開發(fā)者社區(qū)發(fā)布Siri操作系統(tǒng)，從而加速創(chuàng)新和普及。

Voicebot.ai的編輯和出版人布雷特·金塞拉（Bret Kinsella）表示：“Siri操作系統(tǒng)對于鼓勵創(chuàng)新是有必要的。許多人認為，蘋果需要匹配亞馬遜和谷歌語音助手取得的進展?！?/p>

《機械姬》等熱門電影中提出的一個問題是，如果我們癡迷于機器人，愛上代碼而不是其他人，那么人工智能將成為人類的威脅。盡管對某些人來說這種說法聽起來很牽強，但約會模擬游戲已被證明非常受歡迎。在中國，名為《戀與制作人》的游戲在上線首個月下載量突破700萬。

盡管挑戰(zhàn)了我們對隱私保護的觀念，就人類與技術的關系提出了新問題，但我們?nèi)匀挥泻芏嗬碛蓪φZ音技術保持樂觀。這種技術將驅(qū)動新的生產(chǎn)力提升浪潮，造福消費者、企業(yè)和社會。并且，這也將幫助我們更好地照料老年人，同時讓全球7.74億不識字的人群可以使用互聯(lián)網(wǎng)。

語音時代的預測

鍵盤的消亡：我們不再需要打字，而是可以使用語音和手勢。鍵盤將在未來5到10年內(nèi)基本上消亡。

語音技術將帶來全新的產(chǎn)品門類，包括無屏幕智能手機。

品牌很快需要通過“聲音身份”來被識別，產(chǎn)品搜索將被徹底改變。

因為在使用語音服務時用戶不太能注意到具體應用，因此硬件將重新變得比軟件更重要。

虛擬伴侶將變成現(xiàn)實，滿足你生活的全部需求。

蘋果將于2020年推出Siri操作系統(tǒng)，從而在語音經(jīng)濟中推動巨大的創(chuàng)新。到2025年，語音經(jīng)濟的規(guī)模將達到1萬億美元，超過移動應用經(jīng)濟。