編者按：語音助手和語音交互領(lǐng)域的市場爭奪已經(jīng)在2017CES上初現(xiàn)鋒芒，除了原有的美國亞馬遜、谷歌、微軟等國際廠商不斷推進(jìn)這個領(lǐng)域新產(chǎn)品，國內(nèi)科大訊飛，包括華為都在全力開拓這個領(lǐng)域。語音交互作為人工智能、智能家居和物聯(lián)網(wǎng)眾多細(xì)分應(yīng)用的入口，大戰(zhàn)已經(jīng)一觸即發(fā)。小編轉(zhuǎn)載最新業(yè)內(nèi)研究動態(tài)和大家分享。

國內(nèi)外巨頭相繼進(jìn)入語音交互領(lǐng)域

去年10月份，Intel與科大訊飛宣布合作共同研發(fā)AI芯片，該芯片將麥克風(fēng)陣列、遠(yuǎn)場語音識別等功能集成到SOC當(dāng)中，形成完整的遠(yuǎn)場語音交互鏈條，此次合作正式宣告Intel也將進(jìn)入智能語音交互市場。

此前，科大訊飛的麥克風(fēng)陣列等硬件一直委托國內(nèi)的全志科技研發(fā)，全志科技顯然是ARM陣營的追隨者。然而，根據(jù)Intel內(nèi)部人員的透露，科大訊飛對于和國內(nèi)芯片廠商的合作并不完全滿意，語音交互市場競爭激烈，而國內(nèi)初創(chuàng)公司如聲智科技等，在麥克風(fēng)陣列技術(shù)和方案方面帶給訊飛不小的壓力，這近一步促成了科大訊飛與國外芯片巨頭Intel的聯(lián)盟，希望與Intel聯(lián)合的芯片計劃從根本上扭轉(zhuǎn)這個趨勢。

今年2月份，百度宣布全資收購渡鴉科技，創(chuàng)始人呂騁攜團(tuán)隊正式加盟百度，并出任百度智能家居硬件總經(jīng)理，向百度集團(tuán)總裁和首席運營官陸奇匯報。陸奇同時宣布原度秘團(tuán)隊升級為度秘事業(yè)部，加速人工智能布局。陸奇指出，憑借語音與對話技術(shù)的優(yōu)勢，百度在引領(lǐng)新一代人機交互平臺上將擁有巨大的機會，自然語言和其他智能交互方式有可能出現(xiàn)在從手機到家居的每一個設(shè)備中。百度通告還顯示，百度高級總監(jiān)景鯤和首席架構(gòu)師朱凱華將擔(dān)任事業(yè)部的核心管理層。

而近日，據(jù)彭博社報道，華為在深圳有一個超過100名工程師的團(tuán)隊正在開發(fā)語音助手服務(wù)，開發(fā)工作目前還處于早期階段。華為語音助手項目目標(biāo)宏大，瞄準(zhǔn)蘋果Siri、亞馬遜Alexa和Google Assistant。華為語音助手定位中文，面向國內(nèi)用戶，在海外市場將繼續(xù)與谷歌和亞馬遜合作。

同樣，三星在語音助手領(lǐng)域更是積極布局，2016年10月份收購了Viv，同時以80億美元收購哈曼國際，隨后又聯(lián)合GPU巨頭英偉達(dá)投資SoundHound。SoundHound是一家致力于語音識別與搜索的初創(chuàng)科技公司，最初要服務(wù)是提供和音樂有關(guān)的信息。

Facebook 創(chuàng)始人扎克伯格也在2016年自己花費 100 小時完成了 AI 管家 Jarvis 的開發(fā)。扎克伯格及家人可用語音向手機或計算機下達(dá)語音指令，實現(xiàn)燈光、溫度、電器、音樂和安防設(shè)備的控制操作。Jarvis系統(tǒng)具備的學(xué)習(xí)功能可使其識別主人的偏好模式、學(xué)習(xí)新詞匯與相關(guān)概念。

隨著亞馬遜、谷歌、微軟相繼在語音交互設(shè)備上發(fā)力，市場已經(jīng)看到了這一領(lǐng)域的無限潛力。語音作為人類交流最自然的方式，比文字和圖像更具天然的優(yōu)勢。尤其是亞馬遜Echo的成功，把人們帶到了了無屏?xí)r代的門檻。日前，亞馬遜創(chuàng)始人貝佐斯接受專訪提到，Alexa已經(jīng)成為亞馬遜的核心戰(zhàn)略之一，其估值可能接近百億美元。

而蘋果在這場戰(zhàn)爭中則另辟蹊徑，選擇從智能耳機入手。近日市場調(diào)研公司Slice Intelligence發(fā)布的美國無線耳機市場線上銷售情況報告也證實了這一點。短短的一個月內(nèi)，蘋果AirPods就異軍突起占據(jù)了美國無線耳機26%的市場份額。該報告顯示，AirPods發(fā)售前，無線耳機市場基本由Beats和Bose占據(jù)主導(dǎo)地位;但在AirPods發(fā)售后，市面上前十大無線耳機品牌中，除了Bose的市場份額有所增長外，其他品牌地市場占有率均不同程度地縮水，其中甚至包括曾經(jīng)稱霸無線耳機市場多年的AirPods“同門師兄”Beats。

至此，幾乎國內(nèi)外所有IT巨頭都相繼進(jìn)入了語音交互市場，包括谷歌、蘋果、微軟、亞馬遜、Facebook、三星、阿里、百度、騰訊、華為、科大訊飛等等，國內(nèi)也陸續(xù)出現(xiàn)了思必馳、云知聲、聲智科技、三角獸、驀然、Rockid等創(chuàng)業(yè)公司，語音助手成為了非?；鸨脑掝}，幾乎掀起了全行業(yè)研究亞馬遜Echo的熱潮。

2、語音交互市場趨勢和規(guī)模已被普遍認(rèn)可

VoiceLabs近日發(fā)布了《2017年語音報告》(The 2017 Voice Report)。報告對亞馬遜Alexa和谷歌Google Home的開發(fā)者和消費者進(jìn)行了調(diào)查，總結(jié)了目前的智能語音市場，并對2017年的趨勢做出預(yù)測。2017年，語音產(chǎn)業(yè)結(jié)構(gòu)將按照硬件產(chǎn)品、AI軟件、語音應(yīng)用Apps、生態(tài)系統(tǒng)服務(wù)相結(jié)合的架構(gòu)繼續(xù)向前發(fā)展。預(yù)計2450萬臺以語音為主要交互方式的智能硬件產(chǎn)品發(fā)貨，市場總量將達(dá)到3300萬臺，市場規(guī)模超過200億美元。而對各種智能語音助手以及語音交互app而言，競爭將更加激烈。

亞馬遜于 2014 年底推出智能音箱 Echo，如今已成為美國使用最廣的智能家居產(chǎn)品。根據(jù) CIRP的報告，自 2014 年 11 月發(fā)布到 2017 年 1 月，亞馬遜 Echo 系列(包括 Echo、EchoDot 和 Tap)用戶已達(dá)到 820 萬，同比增長 2 倍，較 2016 年 11 月時的數(shù)據(jù)增長 60%。而公司 2017 年的銷量目標(biāo)是 1000 萬。銷量激增的背后是 Echo 正迅速從早期用戶 的小眾圈子進(jìn)入大眾市場。

從產(chǎn)品銷量，技術(shù)進(jìn)展，到相關(guān)創(chuàng)業(yè)公司的興起，以及資本市場的頻繁運作，種種跡象表明，智能語音交互市場的趨勢已經(jīng)明朗，語音是AI領(lǐng)域中最先落地的應(yīng)用之一。這從電子技術(shù)發(fā)展歷程中也可參考類比，以語音為核心的電話是20世紀(jì)最偉大的發(fā)明之一，而其后相當(dāng)長的時間才出現(xiàn)以視頻為主的電視，移動電話同樣遵循了這個規(guī)律。從物理層面來看，語音信號無論是從數(shù)據(jù)量還是計算量方面都低于視頻信號，這在趨勢剛興起的時候，更容易適用于遠(yuǎn)未標(biāo)準(zhǔn)化的硬件體系，但是隨著技術(shù)的發(fā)展，多傳感的融合仍然是根本趨勢。
?

3、語音交互的全球競爭態(tài)勢初顯

VoiceLabs 預(yù)測，亞馬遜或谷歌今年會通過類似手機上的推送通知來加強新應(yīng)用的分發(fā)，并試圖解決用戶留存率低的問題，2017 年也將是語音應(yīng)用貨幣化的起步元年。當(dāng)智能語音助手充分了解“主人”需求之后，應(yīng)有能力在合適的時間主動提示合適的應(yīng)用，既提高用戶的使用價值，又解決了語音應(yīng)用的分發(fā)留存問題。

從全球來看，亞馬遜Echo最著名也最有競爭力的對手當(dāng)屬谷歌的Google Home。Google Home自2016年推出以來，一直與Echo明爭暗斗，爭搶智能家居中樞的角色。通過亞馬遜和谷歌在美國“超級碗”投放的電視廣告就能體會到這種競爭的激烈，兩家不約而同地打出了溫馨家庭“懶生活”牌，突出產(chǎn)品智能管家的功能。

美國市場調(diào)查機構(gòu)Slice Intelligence近日發(fā)布的一份報告，對在線購買Echo消費者的性別、年齡、購物習(xí)慣等特征進(jìn)行了統(tǒng)計。某種層面上，這意味著Echo在消費者眼中不再是只有極客和技術(shù)控才感興趣的“玩意兒”，而是獲得廣泛認(rèn)同的大眾消費品。當(dāng)電子消費品獲得了女性用戶的認(rèn)可，并且呈現(xiàn)出女性消費者占據(jù)市場購買主導(dǎo)優(yōu)勢后，產(chǎn)品將逐漸成為成熟品類，并迅速出現(xiàn)銷量攀升態(tài)勢。

Google已經(jīng)意識到與Amazon的差距，盡力通過收購等方式快速彌補這種差距。2017年1月初，谷歌宣布收購Limes Audio，并表示將會把Limes Audio集成到自己的視頻會議解決方案中，為客戶提供低成本、高質(zhì)量的音頻體驗。「 Limes Audio總部位于瑞典于奧默，成立于2007年，業(yè)務(wù)重心為提高雙向語音通話系統(tǒng)的語音質(zhì)量。Limes Audio專注語音信號處理，該公司開發(fā)的TrueVoice音頻軟件套件通過回聲消除、環(huán)境降噪及自動混音等技術(shù)，改善通信中的語音質(zhì)量。」

反觀國內(nèi)，類似Echo的產(chǎn)品始終沒有吸引到消費者的眼球，一般來說，國內(nèi)相比國外市場有6-18個月的延后，但是以國內(nèi)的技術(shù)水平來看，可能需要的時間更長一些。國內(nèi)在語音助手方面的布局略顯不足?？拼笥嶏w雖然從技術(shù)鏈條上最為完善，也推出了類似Echo的叮咚產(chǎn)品，但是市場反響一直沒有達(dá)到預(yù)期。

百度、阿里、騰訊、360也極大投入做了布局，但是技術(shù)鏈條仍不完善，產(chǎn)品和服務(wù)始終沒有很好的落地。即便在技術(shù)環(huán)節(jié)，國內(nèi)活躍的創(chuàng)業(yè)公司相比國外也少了很多，語音識別領(lǐng)域主要還是云知聲和思必馳，NLP領(lǐng)域主要是三角獸、驀然、竹簡等，而融合語音感知和語音識別主打底層邏輯的創(chuàng)業(yè)公司還僅有聲智科技一家，顯然技術(shù)也制約了國內(nèi)智能音箱的產(chǎn)品進(jìn)度。

還有一個值得關(guān)注的消息，華爾街日報援引消息人士的說法，亞馬遜和谷歌都在研究為其智能音箱增加語音通話功能，該功能預(yù)計將于今年推出。如果這一計劃能夠成功實施，無疑將進(jìn)一步提升智能家居的體驗。

4、語音交互將會帶來哪些根本性變化?

從當(dāng)前Amazon、Google、Apple的市場實踐來看，智能語音交互至少在三個領(lǐng)域帶來了根本性的變化：

智能語音交互將改變音樂分發(fā)的格局

音樂行業(yè)是亞馬遜還沒有征服的一個領(lǐng)域，亞馬遜早期在CD零售上的領(lǐng)頭羊地位因為MP3盜版的影響而不復(fù)存在。在音樂數(shù)字下載的年代，亞馬遜在音樂銷售上被蘋果的iTunes商店超越。在2005年亞馬遜進(jìn)行過一次音樂流媒體的內(nèi)部嘗試，但是在產(chǎn)品正式發(fā)布前就被叫停了。這給市場留下了一個空白，而現(xiàn)在這個市場被Spotify和Apple Music占據(jù)，它們各自有著4000萬和2000萬的用戶。亞馬遜為了抓住更多耳朵的最新嘗試是在2016年10月發(fā)布的Amazon Music Unlimited，這是一項基于訂閱的流媒體服務(wù)。

亞馬遜的數(shù)字語音助手Alexa將會是決定Amazon Music Unlimited能否成功的關(guān)鍵因素。Alexa使用的精巧的語音識別算法在過去幾年中逐漸成為了行業(yè)中的領(lǐng)先技術(shù)。得到這樣的領(lǐng)頭羊地位后，貝佐斯努力嘗試將Alexa推向更多的應(yīng)用領(lǐng)域最開始是通過它的亞馬遜Echo音響設(shè)備，而后又把Alexa集成在小型化后的Echo Dot中。Echo Dot一舉成為了亞馬遜在過去一個假期中銷售表現(xiàn)最好的產(chǎn)品。貝佐斯的狂熱也傳染給了音樂行業(yè)，許多音樂節(jié)的高管們都對這些設(shè)備贊不絕口。

蘋果由于意識到Siri在遠(yuǎn)場技術(shù)與Alexa的差距，選擇以近場語音交互為主的AirPods智能耳機為切入點發(fā)力，相比音箱，耳機的利用率更高。所謂的智能家居，總是寄托于“家”的。一個家庭或許只需要一臺智能音箱，但耳機則是更個人化的物品，每個家庭成員都可能擁有不止一副耳機。而且，耳機作為一種已經(jīng)被廣泛接受的可穿戴設(shè)備，有更多更自然的應(yīng)用場景。耳機的便攜性使其更有潛力成為一種“無縫陪伴式”的智能產(chǎn)品。AirPods最為核心的功能也是利用Siri增強蘋果音樂分發(fā)的能力。

從亞馬遜和蘋果的實踐角度來看，Alexa成為了音樂分發(fā)的重要渠道，這對于國內(nèi)仍然在困境之中的在線音樂行業(yè)是一個值得深入思考的事情。