美國投資機構(gòu)Mangrove Capital Partners本周發(fā)布了2019年“語音技術(shù)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(wù)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(shù)帶來的全部影響，但這種技術(shù)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(shè)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(shù)將通過強大的新方式為我們提供服務(wù)。

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(wù)影響各行各業(yè)以外，語音技術(shù)還將培育出新一代的科技公司。與人工智能一起，語音技術(shù)將從根本上改變?nèi)撕蜋C器的關(guān)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(shù)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(wù)。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(shè)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(shè)備。

語音技術(shù)也在超越語言障礙。目前谷歌的服務(wù)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(wù)的普及更快，阿里巴巴在中國的智能音箱市場處于領(lǐng)先。

各類受歡迎應(yīng)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(guān)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(wù)，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(shù)已經(jīng)在指引消費者購物?？煜?a target="_blank">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(wù)正在從事務(wù)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(wù)，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(gòu)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(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。

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(lǐng)域的結(jié)構(gòu)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(guān)聯(lián)。

隨著人工智能系統(tǒng)在對話中變得更熟練，收集關(guān)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(guān)聯(lián)信息，并將其應(yīng)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(shù)進行了大筆投資。語音技術(shù)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(shù)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(shù)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(shè)腳本去被動響應(yīng)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(yīng)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(yīng)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(wù)。很難預測理想的界面應(yīng)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(yīng)用。考慮到語音服務(wù)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(shè)，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(shè)，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(wù)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(guān)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(luò)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(luò)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(guān)注的案例是Chorus.ai，該服務(wù)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(shè)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(wù)）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(wù)方面也可以扮演關(guān)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(luò)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(guān)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(shù)，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(shù)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(shù)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(shù)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(lǐng)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(lǐng)域其他值得關(guān)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(shù)將改變一系列行業(yè)。

我們的分析還顯示，在語音技術(shù)創(chuàng)業(yè)公司的融資活動中，美國處于領(lǐng)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(guān)注，因為語音技術(shù)代表著范式轉(zhuǎn)換。如果歐洲希望在下一代技術(shù)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(yīng)。

挑戰(zhàn)

語音技術(shù)領(lǐng)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(shè)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(yīng)這些關(guān)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(shè)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(wù)構(gòu)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(wù)愿景。語音服務(wù)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。”

《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(shù)的關(guān)系提出了新問題，但我們?nèi)匀挥泻芏嗬碛蓪φZ音技術(shù)保持樂觀。這種技術(shù)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(shù)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(wù)時用戶不太能注意到具體應(yīng)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(yīng)用經(jīng)濟。