清华大学人工智能研究院听觉智能研究中心主任郑方教授（左）、声智科技联合创始人&首席知识官常乐（右）现场参与沙龙
出品 | 搜狐科技
作者 | 梁昌均
编辑 | 杨锦
7月6日下午，搜狐科技主办的《中国创新公司100》沙龙第二期成功举办。清华大学人工智能研究院听觉智能研究中心主任郑方教授、声智科技联合创始人&首席知识官常乐、科大讯飞AI研究院副院长陈志刚，共同探讨了智能语音技术的发展趋势，并分享了对智能语音商业化的思考。
《中国创新公司100》是搜狐科技今年重磅打造的一档栏目，主要聚焦5G、AI、芯片、制造、出行、零售、社交等领域内的技术创新和商业模式创新，对相关行业以及优质创新公司进行深度价值挖掘。
目前，处于第三波浪潮的AI正在迎来加速发展，AI技术不断突破，进入应用规模爆发的临界点。智能语音作为人工智能领域发展最为成熟的技术之一，在最近几年迎来快速应用，搜狐科技此前已针对该领域推出人工智能行业首个榜单。后续，还将围绕计算机视觉、机器人等领域推出系列榜单和深度报道。
在本期沙龙上，郑方教授认为，要重视语音技术，也要重视对市场需求的分析。而单一技术已经很难解决市场问题，融合发展是大势所趋，但不能为了融合而融合。他还呼吁，技术和市场要形成良好互动，智能语音行业要避免恶性竞争。
常乐表示，智能语音赛道在经过大浪淘沙之后，将呈现几何倍数的发展态势。在智能语音未来应用前景上，ToB领域会走得比C端走得更超前，也有更广阔的市场空间，而好的市场应用前景也可以引导和倒逼新一轮的技术创新。
陈志刚在分享中提到，目前智能语音技术在算法和数据上亟需突破，联合建模是最好的方式。在激烈的市场竞争当中，企业要选择合适的赛道，做出差异化，同时要具备核心技术的产品创新思维模式。
数据和算法需突破，不能为融合而融合
目前不少观点认为，人工智能处于深水区，按照Gartner技术曲线来看，也就是所谓的泡沫幻灭期。郑方认为，目前语音相对已经成熟的领域存在同质化比较严重的问题，技术上是方法同质化，这也导致了市场的恶性竞争。
“我们有时候过多跟踪别人的技术，而疏于做深度分析，比如现在流行的深度学习用的是别人已经成熟的方法，很少针对问题的需求找出合适自身的手段来解决。”他解释到。
从技术发展的要素来看，数据、算力、算法是人工智能快速发展离不开的三个基本要素。陈志刚认为，目前智能语音在数据和算法上还需要突破。数据在很多场景下面会受到各种各样的限制，特殊场景下使用频度不高，一些专业场景下数据本身就比较稀缺。
在算法方面，陈志刚提到，目前还有一些难啃的骨头，比如前端的声学降噪算法、前端声学信号处理算法、麦克风阵列算法等，这些算法的突破都是解决当前比较困难的语音问题的必由之路。
目前，很多观点都认为，单一技术已经无法支撑人工智能企业在市场竞争中取胜，多模态融合发展已经成为趋势。
郑方表示，需要重视技术，但不能过于依赖技术。“技术的发展离不开市场的土壤，市场需要的是解决问题的能力和方案，而用单一技术解决有很大的难度，这也是一些AI公司面临困境的重要原因。”
同时他强调，市场真正需要的是解决这些问题的综合方案，应该利用它的特点找到一些不同的技术来融合，这个融合应该是解决问题的融合，是面向服务对象、面向用户的融合，不能为融合而融合。
常乐认为，语音、图像、大数据等技术可以有效融合，但前提是为了解决市场需求和用户需求。“对我们做技术的人来说，绝对不是说要通过研发技术实现自嗨，而是希望技术可以切实解决所有用户真实的痛点需求。”
不过，目前在智能语音发展过程中，还有很多问题需要解决。常乐表示，理论方面还需要很多突破，如对耳蜗的研究还不够深入；技术和市场应用创新也都是瓶颈，但二者是相辅相成螺旋上升的过程，好的市场应用前景可以引导和倒逼新一轮的技术创新。
科大讯飞AI研究院副院长陈志刚通过线上参与沙龙
陈志刚则分享了技术融合的策略。他认为，在语音基础上面，自然语言理解、视觉、知识的构建、推理技术，以及跨模态信号的联合建模和感知、认知融合的策略，不是一昧简单的技术组合。
他表示，在这个过程中，要清楚了解每个技术的水平，看到哪些技术在某个层面有融合的价值，选择合适的应用场景，对这个场景进行深入分析之后再定义问题，联合建模的方式也许是最好的场景解决方案。
语音赛道将大浪淘沙，应避免恶性竞争
人工智能作为一种技术或工具，只有真正落地到实际场景才能发挥自身的价值，而这也离不开技术产品化、产品市场化的过程。在这个过程中，很多智能语音企业不断尝试转型，比如通过做AI芯片、操作系统等往上游延伸，或者直接通过做智能硬件的方式向下游渗透等。
对此，郑方表示，企业一定要做自己擅长的，根据一些战略需求或市场需求，做主动转型是必须的，而有些企业转型是在资本的压力下做出的被动转型，是不可取的。
陈志刚认为，这是一定程度上必然的趋势，可以促进产业之间加速发展，特别是在当前国际形势下面，加大自主研发投入，避免被卡脖子。
常乐认为，现在智能语音赛道已经进入到泡沫期，经过大浪淘沙之后，将呈现几何倍数发展的态势，留下市场需要的新技术、新应用。“在这样大的市场环境下，企业去做不同领域的探索是一件非常好的事情，即使可能面临瓶颈，但背后蕴含着巨大的机遇。”
在商业模式方面，人工智能领域目前基本形成卖技术、卖产品、卖服务、卖解决方案的四大路线。郑方认为，商业模式的好坏取决于三个因素，一是市场需求，能够抓住痛点和痒点；二是技术的成熟度和领先性；三是行业的竞争程度。
陈志刚表示，适合公司发展的就是好的模式，每个公司在不同发展阶段会有一个适合自己的商业模式或者组合。他提到，目前来看，国内很多优质的AI产品或者解决方案或者技术提供商更容易打动客户，真正懂行业懂用户的企业，能够研发出来一些技术或者产品。
在具体的落地路径上，常乐认为，企业在落地C端时，不应该关心用户到底有没有感知到这个技术多么领先，而是更应聚焦在产品本身能带来什么样的价值。她还表示，ToB市场孕育着ToC看不到的价值，智能语音会在ToB领域走得会比C端更超前，也会有更大的市场应用空间。
陈志刚认为，目前智能语音还未能在医疗、工业等行业规模应用的原因在于这些领域在数据积累、行业基础，包括信息化水平等相对滞后；另一方面技术也许还没有达到非常好用的状态，这需要一个迭代优化的过程，这个过程根据每个行业的应用特点，从几个月到几年都有可能。
三位嘉宾最后还分享了对智能语音行业竞争的看法，这其中互联网科技巨头是不可忽视的存在。郑方表示，巨头在资金、人才，以及数据、算法、算力上都有很多优势，但并不是意味着小企业就没有发展空间，把方向投对，把力量用对，就能够在竞争中处于有利地位。他还呼吁，智能语音在中国现阶段还是一个相对小众的行业，要想做好做大，需要从一开始就避免恶性竞争。
常乐认为，智能语音市场处于刚刚兴起，正朝着繁荣的阶段发展，未来市场空间的容量足够大，可以容下很多企业，包括头部大企业，也包括小而美的创业型公司，但创业型公司要能在这个赛道当中找到准确的定位。
陈志刚表示，在激烈的市场竞争下，企业要选择合适的赛道，同时要具备核心技术的产品创新思维模式。对于已经比较成熟的赛道，企业要么选择加入科技巨头生态，要么是做自己的核心技术以及产品创新，但相对来难度较高，需要有一定的颠覆性和开创性，同时要有一定的技术壁垒。
