隨著越來越多的機器人產(chǎn)品走進家庭，人工智能領域也不再是人們心中太過遙遠的事物，人們對智能產(chǎn)品的要求也隨之提升，作為實現(xiàn)人工智能與用戶場景交互功能服務的關鍵因素，語音識別、人臉識別的技術發(fā)展水平尤為重要。

　　千家智客有幸邀請捷通華聲董事長張連毅先生，和大家探討分享關于智能家居、人工智能產(chǎn)業(yè)發(fā)展趨勢和未來語音交互技術方向。
　　智能終端交互應用：家電、車載、機器人三大場景

　　與機器進行交流，讓機器明白用戶在說什么，這是人們長期以來夢寐以求的事情，有人曾把語音識別形象得比做為“機器的聽覺系統(tǒng)”。簡單來說，語音識別技術就是讓機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳�的文本或命令的高技術。主要包括特征提取技術、模式匹配準則及模型訓練技術等方面。

捷通華聲董事長張連毅

　�。ū本┙萃ㄈA聲科技股份有限公司董事長、清華企業(yè)家協(xié)會成員、清華校友人工智能聯(lián)盟秘書長、北京軟件行業(yè)協(xié)會理事。1989年畢業(yè)于清華大學。2000年與國內(nèi)多位頂尖人工智能技術專家聯(lián)合創(chuàng)建北京捷通華聲科技股份有限公司，致力于人工智能產(chǎn)業(yè)發(fā)展。)

　　作為在人工智能行業(yè)有著多年技術研發(fā)和創(chuàng)業(yè)經(jīng)驗的“清華大咖”，張連毅認為，人工智能在智能終端交互方面的應用將聚焦在家電、車載和機器人三個場景中。在對應的產(chǎn)品設計方向上注重兩點：

　　一是落地用戶實際使用習慣，打造出具有創(chuàng)新性、用戶體驗良好的產(chǎn)品；

　　二是注重家電、芯片廠商的合作，在幫助他們將遠場語音識別、語義理解、語音合成、人臉識別等人工智能技術與產(chǎn)品充分結(jié)合的同時，保證產(chǎn)品高性價比，從而實現(xiàn)雙贏。

　　操作太繁瑣，識別環(huán)境受限制等，語音識別交互產(chǎn)品目前的用戶口碑仍是有許多的不足之處，要如何實現(xiàn)落地用戶使用習慣？張連毅表示，比如在電視的應用上，考慮到目前中國用戶在和電視語音交互時，會有個適應過程，不會突然拋開手持遙控器，于是推出了全球第一款遠場語音遙控器。用戶既可以手持遙控器操作，也可以將遙控器放在遠處，背靠沙發(fā)，進行遠距離語音遙控，從而實現(xiàn)觀看全程的語音交互體驗。

　　他強調(diào)，技術要為產(chǎn)品服務，產(chǎn)品要為用戶體驗服務，而不是凌駕于用戶體驗之上，強迫用戶接受并使用新技術，人工智能也不例外。

　　人與智能產(chǎn)品交互的方面，語音識別、語義理解等技術一直尋求更多的突破，以滿足用戶對準確性，智能化，方便性的需求。

　　張連毅表示，想要實現(xiàn)直對著電視、空調(diào)、車載設備說話就能進行交互控制，在語音識別上會面臨一個大問題：在實際環(huán)境下，類似場景的對話距離都在一兩米以上，周圍環(huán)境噪音會對識別率有著嚴重影響。于是，針對遠距離語音交互推出的麥克風陣列技術成了解決問題的關鍵。

　　人有靈敏的雙耳，但機器沒有。而靈云麥克風陣列就好比給機器裝上了“靈動雙耳”，可以讓電視、空調(diào)等智能設備清晰聽到用戶的聲音，另外通過回聲消除技術，讓設備即便在播放聲音時，也可隨意打斷進行語音交互，極大地改善了人機交互體驗；線性、環(huán)形的麥克風陣列布局，給了設備“雙耳”定位聲源的功能，達到準確操作的目的。

　　麥克風陣列技術作為物聯(lián)網(wǎng)時代語音交互的入口，和語音喚醒技術一樣，是人機交互的第一步。結(jié)合靈云麥克風陣列技術、語音喚醒、語音識別、語義理解、語音合成等人工智能技術，已經(jīng)形成了全鏈條的語音交互產(chǎn)品，可以幫助芯片廠家、家電廠家、汽車及配件廠家持續(xù)優(yōu)化產(chǎn)品用戶體驗。

　　最近谷歌、微軟都推出了智能語音產(chǎn)品來搶占智能家居入口，張連毅認為，不論智能家居的中控是機器人、是音箱，還是其他設備，語音交互始終是會是第一入口，也是未來的用戶趨勢。設備是載體，核心是語音交互的能力。

　　但他也表示，目前這些產(chǎn)品要想實現(xiàn)真正的“人機交互”，還要取決于是否符合中國人的使用習慣。在中國，語音音箱類的產(chǎn)品，與機器人的對話等等，大多是抱著新奇的態(tài)度，都還沒有成為國人的主流使用習慣。
　　他認為真正的“人機交互”是讓人與設備溝通像人與人交流一樣簡單自然。除了更準確的語音識別技術，更自然的語音合成技術，設備還需擁有更接近人思維方式的強大語義理解能力。捷通華聲研發(fā)的的語音識別技術準確率已經(jīng)超過97%，語音合成也已經(jīng)擁有幾十種音色，并且可以模擬人類的情緒，語義理解也能實現(xiàn)復雜的多輪對話，解決了大部分場景下人機遠距離交流的問題。

　　不過現(xiàn)有技術仍面臨很多客觀現(xiàn)實問題的考驗，行業(yè)也要理性看待，不過分高估現(xiàn)有技術，距離實現(xiàn)完全自由的“人機交互”還任重道遠。

　　目前許多平臺推出的智能生態(tài)圈仍處在互不相通的封閉環(huán)境，如何保證平臺的開放性和穩(wěn)定性和聯(lián)通性，成為行業(yè)的一大關注點。早在2011年，捷通華聲推出國內(nèi)最大最全的人工智能開放平臺--靈云（aicloud.com）。在2015年，更推出靈云全智能能力平臺，全面進軍企業(yè)級市場，致力于讓每一家企業(yè)都擁有人工智能技術。

　　張連毅表示，靈云平臺的核心競爭力，有三大方面，第一是開放性。在于不論是哪個生態(tài)圈，都會全面開放，為其提供全方位的AI技術和支持。靈云各項AI能力提供離線、在線兩種服務模式，也提供公有云與私有云兩種服務模式讓用戶選擇，平臺目標幫助用戶使用AI能力，即不想“搶奪”最終用戶，也不會去“搶奪”數(shù)據(jù)，僅這兩點就保證了靈云平臺的全面開放，消除了很多客戶的“戒備”心理。

　　第二是技術全面整合。區(qū)別于其他單一技術開放的平臺，靈云平臺真正意義上做到了各項AI技術的整合與開放。在靈云平臺，開發(fā)者可以下載使用靈云語音交互、語義理解、人臉識別、OCR識別等多種SDK，也可獲取像靈云種子這樣將語音識別、語義理解、語音合成技術整合在一起的融合型SDK，簡單地說靈云“幾乎什么都有”，能夠滿足大部分用戶對多種AI能力的需求。

　　第三是強大的穩(wěn)定性。靈云平臺采用了先進的多節(jié)點分布式服務部署，并應用了國內(nèi)領先的自動化運維技術，支持服務的高并發(fā)請求和高速度響應，確保了平臺的穩(wěn)定性。
　　人工智能行業(yè)發(fā)展：未來5年定格局

　　目前全球資本市場迎來“寒冬”，各大領域的巨頭企業(yè)紛紛找尋新型模式進行市場拓展和生存空間，To-B還是To-C，哪個商業(yè)模式是人工智能企業(yè)目前最倚重的？

　　據(jù)張連毅透露，捷通華聲的商業(yè)模式以B端為主，C端為輔，有面向普通大眾提供圖像、語音云服務、靈云輸入法、維漢友誼橋這樣的C端產(chǎn)品，目前更側(cè)重在B端，尤其是最近火熱的智能家居、智能家電、智能車載等領域，已經(jīng)有了近百家合作客戶。未來將致力與更多市場資源廣泛或?qū)Ｗ⑸罡�某一領域，擁有較深行業(yè)資源，或擁有一線城市、省會級城市地域資源的伙伴建立戰(zhàn)略合作，共同分享人工智能產(chǎn)業(yè)機遇。

　　張連毅表示，從2011年到2016年上半年可以說是中國人工智能行業(yè)啟蒙的5年，現(xiàn)階段很多客戶都是好奇、蹭熱度的姿態(tài)而來，單一領域的需求很分散，還沒有形成剛需，人工智能產(chǎn)業(yè)發(fā)展比較稚嫩。而接下來的3-5年，人工智能產(chǎn)業(yè)格局就會逐漸形成，甚至還或許誕生類似BAT一樣的巨頭。

　　人工智能是一個以技術驅(qū)動發(fā)展的行業(yè)，也經(jīng)歷了最初在中國的生根發(fā)芽、狂風暴雨到現(xiàn)在的蓬勃生機。人工智能企業(yè)創(chuàng)業(yè)很困難，捷通華聲之所以能夠堅持下來，除了在技術研發(fā)有著核心優(yōu)勢之外，也是因為堅信人工智能將為大眾創(chuàng)造出一番美好新天地。

　　北京捷通華聲科技股份有限公司成立于2000年，是一家專注于智能語音、智能圖像、生物特征識別、智能語義等全方位人工智能技術研究與應用，致力于讓機器“能說會聽、能寫會看、能辨音、會認人、能思考、會判斷”的高新技術企業(yè)。

　　2011年捷通華聲推出了國內(nèi)外第一個全方位人工智能開放平臺—靈云（AIcloud。com）。2013年，清華產(chǎn)業(yè)基金投資捷通華聲，共同創(chuàng)建“清華靈云人工智能研究中心”，致力于實現(xiàn)“靈云科技源自清華服務全球”的戰(zhàn)略發(fā)展目標。2016年登陸新三板，成為國內(nèi)人工智能板塊領軍企業(yè)。