智能語音作為人機(jī)交互的新型方式，有望大規(guī)模推廣，中國市場是更適合語音交互的市場。

2017年中國人工智能市場規(guī)模達(dá)約220億元，智能語音占中國人工智能市場份額的22%，價(jià)值約48億元，僅次于計(jì)算機(jī)視覺。

IDC在2018年10月的報(bào)告中預(yù)測，中國對話式人工智能市場規(guī)模將在2022年達(dá)到約78億人民幣，2018-2022年年復(fù)合增速將為57%。

中國企業(yè)在智能語音領(lǐng)域已經(jīng)非常領(lǐng)先，有望超越西方國家。主要原因是:1)各個(gè)應(yīng)用場景的市場體量要遠(yuǎn)超西方，比如在教育領(lǐng)域，每個(gè)老師需要面對的學(xué)生數(shù)量，以及銀行客服領(lǐng)域，每一個(gè)客戶需要處理的請求數(shù)量都是遠(yuǎn)超西方市場。2)相比于西方語言，中文更難書寫，但是句法和語法更易理解。因此對于中文，語音是相比于書寫和輸入來說，更自然的交互方式。

早在1952年，貝爾實(shí)驗(yàn)室就創(chuàng)造了一臺名為Audrey的機(jī)器，能夠以90%的準(zhǔn)確度理解數(shù)字0-9。耐人尋味的是，這個(gè)準(zhǔn)確度僅在機(jī)器發(fā)明者發(fā)言時(shí)可以達(dá)到。

僅僅是在近幾年，語音識別技術(shù)才為公眾所知。技術(shù)巨頭紛紛舉辦聲勢浩大的發(fā)布活動(dòng)，Siri、Cortana、Alexa的出現(xiàn)讓社會的關(guān)注度和預(yù)期提升，但也因?yàn)槠涔δ苡邢薅鵁o法達(dá)到用戶的預(yù)期。

隨著深度學(xué)習(xí)，機(jī)器學(xué)習(xí)芯片和算法取得突破，ASR、NLP和TTS在過去5年中迅速進(jìn)步。語音識別的單詞錯(cuò)誤率大幅降低，這主要是由于使用了更高效的聲學(xué)模型，運(yùn)用深度神經(jīng)網(wǎng)絡(luò)(DNN)取代高斯混合模型(GMM，之前多年以來的首選方法)等統(tǒng)計(jì)技術(shù)。

Nuance的研究主管NilsLenke展示數(shù)據(jù)顯示，在將深度神經(jīng)網(wǎng)絡(luò)算法成功納入語音識別系統(tǒng)后，單詞錯(cuò)誤率從2010年左右開始急劇下降，每年降低約18%。

語音識別和自然語言處理這兩個(gè)相鄰領(lǐng)域很難相互跨越。不同的公司可能專注于其中一個(gè)領(lǐng)域。比如，科大訊飛更專注于語音領(lǐng)域，而小i機(jī)器人更專注于自然語言理解。語音識別的公司在自然語言領(lǐng)域看起來并不成功，而專注自然語言的公司在語音識別領(lǐng)域也難有斬獲。

相比西方國家，語音識別技術(shù)和自然語言處理技術(shù)在中國發(fā)展迅速主要是自身的獨(dú)特因素導(dǎo)致，分別是用戶規(guī)模和中文特點(diǎn)。

▌中國智能語音市場規(guī)模不斷擴(kuò)大

市場規(guī)模:根據(jù)中國信息通信研究院的數(shù)據(jù)，2017年人工智能市場規(guī)模達(dá)約220億元，預(yù)計(jì)到2020年將達(dá)到710億元，年均復(fù)合增速為48%。2017年，智能語音占中國人工智能市場份額的22%，約合48億元。

主要參與廠商:在國內(nèi)智能語音市場，科大訊飛以44%的市占率高居榜首。

2015年，國內(nèi)智能語音市場排名前五的廠商是科大訊飛、百度、蘋果，Nuance和小i機(jī)器人，合計(jì)占據(jù)85%的市場份額。科大訊飛在國內(nèi)市場的市場份額達(dá)到44%。

在全球市場，2015年的全球智能語音行業(yè)市值達(dá)到61億美元，Nuance、谷歌、蘋果、微軟和科大訊飛前五大廠商市場份額合計(jì)占比80%。

隨著語義理解技術(shù)運(yùn)用頻率增加，對話式人工智能技術(shù)應(yīng)用領(lǐng)域和場景將望快速擴(kuò)展。

IDC在2018年10月的報(bào)告中預(yù)測，中國對話式人工智能市場規(guī)模將在2022年將達(dá)到78億人民幣，2018-2022年年復(fù)合增速為57%。

從IDC的能力象限來看，科大訊飛、百度、阿里巴巴、小i機(jī)器人和思必馳為領(lǐng)先企業(yè)。我們認(rèn)為，在收入方面，科大訊飛和小i機(jī)器人應(yīng)最為領(lǐng)先。

雖然IDC將科大訊飛和小i機(jī)器人都列為對話式人工智能平臺廠商，但兩者之間存在重大差異:科大訊飛主要是一家語音識別和語音自動(dòng)化公司，而小i機(jī)器人主要是一家自然語言處理公司。

▌國內(nèi)語音AI市場參與者不斷加入

國內(nèi)語音AI市場上參與者不斷涌入，中國市場主要參與者可分為以下四類:

第一類是在深度學(xué)習(xí)算法大規(guī)模應(yīng)用之前，就已經(jīng)從事這個(gè)領(lǐng)域的專業(yè)語音公司，比如科大訊飛或者小i機(jī)器人，專注于需要豐富行業(yè)知識的垂直領(lǐng)域。

第二類是AI初創(chuàng)公司，如思必馳、云知聲、出門問問。這些公司主要關(guān)注多用途的云平臺和一些特定的垂直領(lǐng)域，如智能汽車或智能家居。

第三類是百度、阿里、騰訊等互聯(lián)網(wǎng)公司，主要推出移動(dòng)端消費(fèi)者語音產(chǎn)品。BAT的多用途云平臺源自他們自己的核心產(chǎn)品，如騰訊的微信。

第四類是亞馬遜、蘋果、Nuance等海外互聯(lián)網(wǎng)公司。我們認(rèn)為這些公司有三個(gè)重要看點(diǎn):

技術(shù)的準(zhǔn)確性和可靠性。

科大訊飛或小i機(jī)器人等垂直領(lǐng)域提供商的準(zhǔn)確性和可靠性遠(yuǎn)遠(yuǎn)高于BAT的通用消費(fèi)者平臺。這是因?yàn)锽AT平臺大多是免費(fèi)的，而科大訊飛或小i機(jī)器人主要面向企業(yè)客戶提供服務(wù)，相比普通網(wǎng)民，企業(yè)客戶對價(jià)格敏感程度低，但對功能的準(zhǔn)確性和可靠性要求高。

是否擁有針對場景開發(fā)的方案和產(chǎn)品。

科大訊飛或小i機(jī)器人擁有專門針對特定行業(yè)和場景進(jìn)行技術(shù)和內(nèi)容研發(fā)的團(tuán)隊(duì);我們認(rèn)為BAT在這方面不會直接投入，一方面因?yàn)锽端市場尚未成為他們最核心的盈利來源，另一方面因?yàn)閱蝹€(gè)細(xì)分領(lǐng)域或者場景的盈利規(guī)模太小，不足以吸引他們投入。

針對的是企業(yè)級還是消費(fèi)技術(shù)市場?

我們認(rèn)為消費(fèi)者市場的直接變現(xiàn)機(jī)會很少，因?yàn)?)消費(fèi)者注重的是便利性(比如詢問Alexa收音機(jī):“今天天氣怎么樣?”)，而企業(yè)則注重節(jié)約成本、減少員工人數(shù)等因素，2)在消費(fèi)市場中，一些硬件+語音提供商以成本價(jià)或接近成本價(jià)的價(jià)格銷售設(shè)備/服務(wù)(亞馬遜和小米就是最好的例子)，然后在其他業(yè)務(wù)中盈利。

▌一級市場公司:各有所長，各有所專

小i機(jī)器人:AI領(lǐng)域早期領(lǐng)導(dǎo)者，掌握NLP領(lǐng)域核心競爭力聊天機(jī)器人早期參與者

對于外國讀者來說，小i讀作Xiao-I或“smalli”，也就是小i機(jī)器人的意思。公司于2001年在上海成立，是中國首批研發(fā)自然語言處理(NLP)和對話式人工智能應(yīng)用程序的公司之一。

聯(lián)合創(chuàng)始人兼董事長袁輝先生曾在惠普和微軟工作。聯(lián)合創(chuàng)始人兼首席執(zhí)行官朱頻頻是中國科學(xué)院博士，昵稱PP。朱博士持有多項(xiàng)專利，包括聊天機(jī)器人系統(tǒng)和SMS機(jī)器人系統(tǒng)。他在微信上開發(fā)了中國第一款智能機(jī)器人。

2017年，GartnerSymposium將小i機(jī)器人、Siri、微軟的Cortana、亞馬遜的Echo一起被推薦為“會話+”領(lǐng)導(dǎo)者。“會話+”是指將會話功能集成到所有類型的服務(wù)和應(yīng)用中，這意味著聊天機(jī)器人將取代搜索成為互聯(lián)網(wǎng)的唯一入口。

此外，小i機(jī)器人還被Gartner列為2017年虛擬客戶助理(VCA)代表供應(yīng)商，與IBM和Nuance在同一陣營推動(dòng)全球AI發(fā)展。由Gartner定義的VCA是一個(gè)通過模擬會話來傳遞信息和代替客戶采取行動(dòng)的應(yīng)用程序。

從語音交互到認(rèn)知產(chǎn)品的巨大轉(zhuǎn)變

與其他人工智能公司相比，小i機(jī)器人的獨(dú)特優(yōu)勢在于其豐富的數(shù)據(jù)量以及在NLP領(lǐng)域的核心競爭力。依托行業(yè)特定的知識庫，小i得以為企業(yè)客戶推出新的解決方案，提高他們的工作效率，從而將技術(shù)轉(zhuǎn)化為實(shí)際應(yīng)用。Gartner定義了兩種語音交互系統(tǒng):

1.基本上只進(jìn)行簡單的問答聊天的虛擬個(gè)人系統(tǒng)，例如Siri、Alexa、Cortana。在我們看來，這種模式很難找到一個(gè)變現(xiàn)的商業(yè)模式，因?yàn)?1)消費(fèi)者注重的是便利性(Alexa，今天天氣怎么樣?)，而企業(yè)注重節(jié)約成本、減少員工人數(shù)等因素，2)在消費(fèi)市場中，一些硬件+語音提供商以成本價(jià)或接近成本價(jià)的價(jià)格銷售設(shè)備/服務(wù)(亞馬遜和小米就是最好的例子)，然后在其他業(yè)務(wù)中盈利。

2.虛擬客戶系統(tǒng)或虛擬客戶助理(VCA)。

思必馳:專注人性化的智能語音交互技術(shù)

思必馳2007年創(chuàng)立，是一家專注于語音識別、語音合成、語義理解和智能對話的語音技術(shù)提供商。

公司核心產(chǎn)品包括語音識別算法和麥克風(fēng)陣列算法、對話用戶界面(DUI)和會話精靈。該公司目前與超過8,000家客戶合作，為汽車、智能揚(yáng)聲器和機(jī)器人提供終端應(yīng)用。

公司擁有500多名員工，其中70%是研發(fā)人員，有70多人持有博士學(xué)位。公司總部位于蘇州，在蘇州和北京設(shè)有獨(dú)立的研發(fā)中心。另外與上海交通大學(xué)在上海共同組建了聯(lián)合研究實(shí)驗(yàn)室。

創(chuàng)始人高始興先生畢業(yè)于劍橋大學(xué)，持有計(jì)算機(jī)科學(xué)與管理雙碩士學(xué)位。他于2007年與劍橋大學(xué)校友俞凱一起創(chuàng)立了思必馳。思必馳的首席科學(xué)家俞凱是劍橋大學(xué)工程博士，上海交通大學(xué)計(jì)算機(jī)科學(xué)系智能語音實(shí)驗(yàn)室主任。

在上海交大擔(dān)任研究教授之前，他是劍橋大學(xué)的高級研究員，還曾聯(lián)合創(chuàng)始VocalIQ，該公司后被蘋果收購。思必馳已經(jīng)獲得了D輪投資，募資金額7600萬美金。

出門問問:軟硬結(jié)合的智能語音廠商

出門問問由前谷歌科學(xué)家李志飛先生于2012年創(chuàng)立，專注于語音識別、自然語言處理、搜索和推薦以及數(shù)字信號處理。出門問問不僅提供軟件應(yīng)用程序，還提供硬件產(chǎn)品。

該公司擁有700名員工，其中60%專注于研發(fā)。出門問問已完成了6輪融資，募集資金超過2.55億美元。在公司官網(wǎng)中顯示，谷歌在2015年的C輪中投資，而大眾汽車在2017年的D輪中投資。

公司的創(chuàng)始人李志飛是約翰霍普金斯大學(xué)的博士，對自然語言處理、機(jī)器翻譯和機(jī)器學(xué)習(xí)有著濃厚的興趣。

在2012年創(chuàng)立出門問問之前，李博士曾在谷歌擔(dān)任研究科學(xué)家，并且是谷歌移動(dòng)離線翻譯系統(tǒng)的主要開發(fā)人員。

CTO雷欣先生是華盛頓大學(xué)電子工程專業(yè)博士，研究重點(diǎn)是普通話語音識別的聲學(xué)建模。

在加入出門問問之前，李博士曾是谷歌語音搜索團(tuán)隊(duì)短期聘請的研究科學(xué)家。

工程副總裁黃美玉女士于1993年獲得卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)專業(yè)博士學(xué)位，專攻語音識別。她是微軟Bing翻譯和中文版小娜背后的主要科學(xué)家。她現(xiàn)在是華盛頓羽扇智AI實(shí)驗(yàn)室主任，還在華盛頓大學(xué)電氣工程系擔(dān)任副教授。

出門問問開發(fā)了可穿戴設(shè)備、汽車、家庭產(chǎn)品類別的消費(fèi)產(chǎn)品，這些產(chǎn)品嵌入了該公司的語音識別、自然語言處理和垂直搜索技術(shù)。

以上一級市場的公司，多專注于幾個(gè)細(xì)分場景，有自己的技術(shù)獨(dú)特優(yōu)勢。

其中，我們最看好小i機(jī)器人。一方面公司將企業(yè)級市場作為目標(biāo)，在付費(fèi)能力強(qiáng)的金融機(jī)構(gòu)客戶中，小i機(jī)器人的智能客服系統(tǒng)找到了突破點(diǎn)，已經(jīng)有較大優(yōu)勢。另一方面，在技術(shù)上，小i機(jī)器人專注于自然語言處理，更多在認(rèn)知端進(jìn)行投入。

▌二級市場公司:中國智能語音領(lǐng)導(dǎo)者科大訊飛

科大訊飛注重技術(shù)創(chuàng)新，智能語音技術(shù)在國際上處于領(lǐng)先水平。公司在核心技術(shù)領(lǐng)域保持高強(qiáng)度的研發(fā)投入，2/3的員工為技術(shù)人員，研發(fā)支出占收入的20%。公司主要研究語音合成、語音識別、語音評估和翻譯。

公司連續(xù)13年在卡內(nèi)基梅隆大學(xué)組織的BlizzardChallenge語音合成比賽中奪冠。在《麻省理工科技評論》(MITTechnologyReview)“2017年度全球最聰明公司”榜單上排名第六，一同上榜的科技巨擘谷歌位列第五。

科大訊飛主要收入來自軟件開發(fā)與服務(wù)，語音智能化應(yīng)用為公司帶來穩(wěn)定收入增長。

公司主要提供特定的應(yīng)用軟件開發(fā)和服務(wù)，主要客戶來自政府部門和教育行業(yè):其中教育、司法和智慧城市等業(yè)務(wù)占收入的66%，其它大型開放式技能和工具平臺占收入的26%。

公司在中國院校部分實(shí)現(xiàn)語言考試智能化，在人民法院部分實(shí)現(xiàn)取證和聽證的智能化，不再需要書記員現(xiàn)場速記，另外，該公司還基于長期積累的數(shù)據(jù)和領(lǐng)域知識，為學(xué)生提供定制課程，為法官提供先例和判詞的交叉參考。在教育、政法等領(lǐng)域都有望實(shí)現(xiàn)較快收入增長。

人工智能專業(yè)公司和互聯(lián)網(wǎng)公司各有所長，不會發(fā)生激烈競爭。BAT、科大訊飛、華宇軟件、小i機(jī)器人在人工智能的特定垂直領(lǐng)域各有所長。預(yù)計(jì)人工智能專業(yè)公司和互聯(lián)網(wǎng)公司之間不會發(fā)生激烈競爭。

2017年11月，中國政府宣布與四家公司合作構(gòu)建國家AI開放平臺的計(jì)劃:百度將致力于開發(fā)自動(dòng)駕駛;阿里巴巴的云計(jì)算部門將研究智慧城市中的“城市大腦”;騰訊將為醫(yī)療設(shè)備開發(fā)計(jì)算機(jī)視覺;科大訊飛將專注于其主要的專業(yè)領(lǐng)域—語音智能。