只在硬件上加上一个WiFi、传感器和APP，这并不是我们期待的“智能化”的未来。

智能的生活场景是每个人都期望实现的美梦。在许多场合，我们已经被这样充满诱惑力的描述所洗礼：回到家时，根据我们的心情和身体、天气状况，家里的灯光、音乐、空调会自动打开并调节好；电热水器、饮水机和微波炉已经热好了水和食物；甚至于和电影《钢铁侠》中一样，召唤一声“我需要一杯咖啡”，它就会被机器人自动送到面前。

多么美好的未来。但它离实现还有多远？创业家&i黑马人工智能系列，本篇将带你认识，智能生活的语音交互新入口。

在物联网和人工智能时代，产品的智能化已经成为趋势。从电子产品、家电到家居用品，智能的概念在前两年大行其道。智能家居和可穿戴的风口从2014年开始井喷，但这种势头在2015年下半年，却开始放缓。

于是，我们能对比到，现在大多数人的智能家居和硬件产品，还离我们想象中的“智能”非常遥远。只在硬件上加上一个WiFi、传感器和APP，这并不是我们期待的“智能化”的未来。

最像“智能”的产品，或许是亚马逊的Echo。它整合了Alexa语音识别技术，让消费者用声音上网、检索信息、控制家居生活，已经拥有300万台的销量，让谷歌都为之眼馋。它体现的价值，也集中在搜索、伺服式语音识别和人工智能之上。

一个新的交互形态，在智能家居和硬件之上正亟需提高。当我们使用上述的智能化场景时，无论是可穿戴设备，还是家居、家电，如果仍然靠PC或智能手机的界面来操作，这可能是很难想象的。

不依托于这些手动装置，就能实现对它们的操控，无疑是这些设备最吸引人的便捷性所在。语音交互，也成为智能化过程中日益普遍的一项功能。

“交互的形态正在改变。”云知声CEO黄伟说。“移动互联网和PC互联网时代最大的区别是，我们现在是基于多点触控的应用，用手机上网，用移动设备上网，而不是仅仅用PC，通过键盘。而到了IOT时代，我们又不再只是通过手机，我们可以通过更多的设备联网，而它可能不再有触摸屏。”

从家居到家电，从物流到驾驶，从医疗到娱乐，一个智能的趋势正席卷而来。从Siri、小冰，到Echo，到搜狗的语音输入，再到度秘。也许人工智能的发展进程我们还不能预判，但商业和生活的智能化，却已经是一个不可逆转的过程。而其中，语音交互，或许会是一个新的智能时代的新入口。

创业家&i黑马在云知声的体验间里，体验了乐视超级电视X55和华帝抽油烟机，如何在家庭场景噪声下唤醒和操控。通过语音的控制，窗帘可以自动开启，灯光可以调节。创业4年，累计融资近亿美元之后，云知声，也许在物联网和人工智能兴起的浪潮中，也将面对一个更大的发展时机。

　　云知声CEO黄伟/受访者供图

物联网智能硬件要和服务打通

2008年，科大讯飞上市，一度垄断国内语音识别市场的半壁江山。深度学习的发展，给了语音识别新的驱动力，但在2012年，云知声初成立之时，在这片江湖中，玩家还是寥寥无几。如何实现弯道超车？当时云知声，决心从开发者平台做起。

在当年，许多公司的创业方向都还是语音助手APP。“但我并不认为这个方向能够成功，尤其说它根本不适合一个创业公司去做，做这个就是死路一条。”黄伟说。

黄伟的判断来源于自己多年来的从业经验。作为语音识别的领军人物之一，他先后就职于摩托罗拉和盛大创新院，曾成立盛大创新院语音分院，在2012年，黄伟离开盛大。“我自己做过很多年的技术，我非常清楚，语音其实是技术，并不是产品。它是用来解决人跟设备的交互问题的，但交互本身不是目的，人们是要通过一种最便捷的方式来获得后面的服务。就像手机的多点触控，你离不开屏幕，但你觉得只有这块屏幕好玩吗？当然不是，吸引你的，是它背后的各种互联网服务。”Echo之所以成功，不仅是它的语音交互，还是由于，它可以和亚马逊电商打通，可以直接提供服务。

但是，对于创业公司而言，它也往往只限于提供这种交互方式本身，是很难具备连接交互后面服务的能力的。“当时选择做平台，是因为这样至少我们是有技术价值的。”黄伟总结。2012年9月，云知声语音平台发布，当时的精确度只有85%。

但是，语音平台也为云知声源源不断积累了语音数据。2013年初，准确度提高到了91%；而到了2013年底，云知声的语音数据已经积累到3000小时，精确度提高到95%，平台上开发者超过8000家。

从那时起，数据+算法就成为云知声“双门驱动”的引擎。从一开始，云知声就和深度学习结合在一起。当时的深度学习还主要是停留在学术界，很多人对此了解并不多，而深度学习，也需要超过以往不同数量级的数据支撑。但在2011年，在一个语音识别的国际会议上，黄伟遇到了微软首席研究员俞栋，对方告诉黄伟，这是“确确实实进展非常快、能够取得非常大的成就”的。

这坚定了云知声做深度学习的决心。当时公司刚刚拿了天使轮，钱还不多，就在淘宝上买显卡、买机器，在9月平台发布后，10月份就投入了对深度学习算法的学习。2013年1月，云知声深度学习系统对外开放。搜狗云助手、乐视电视，都成为这个系统的首批服务对象。

而2012年和搜狗的合作，则是让云知声一战成名。

“当时国内大的公司，百度、搜狗，都想发布自己的语音助手产品，想抢2012年底前这个时间点。搜狗自己没有语音能力，就去找合作。”黄伟说。语音识别当年的圈子本来就不大，云知声就进入了搜狗的视线。“他们肯定也评估了很多家，但我记得很清楚，我们跟搜狗从第一次见面到最后达成合作协议，一周时间。”黄伟言及于此，颇有些得意。

从2012年中到2013年底，云知声没有做过多的商业化的尝试。在这段时间内，云知声通过算法和平台的搭建，逐渐打通了自己数据驱动的路。而到了2014年，黄伟觉得，公司到了一个新的阶段，是时候开始仔细思考公司的定位问题了。

黄伟把当时市场上的主流公司做了分类。科大讯飞和BAT作为先发者，占据了市场和资源的优势，但是，它们都是从PC互联网时代迁移过来的，那么，新的时代转折，是否可以给云知声提供机会？“在IOT领域，它们也没有积累，或者说足够的壁垒，那么我们就在IOT切入。”

这个新的机会就像黄伟在开始所说的，IOT时代改变了交互的形态。同时，这些新的设备和人是有距离的，那么，在交互时就必须加入新的能力，而芯片就是解决它的方法。因此，2014年，云知声提出了“云端芯”，要把自己的能力从云端扩展到终端、再到芯片端。

　　云知声远场语音识别技术/受访者供图

5米之外能语音唤醒和操控家电吗？

“这个端，你可以把它理解成带界面或者不带界面的一个虚拟UI。”黄伟解释说。“我们把端定位成一个AI-UI，是一个基于人工智能的交互系统。我们也会把很多AI技术植入到芯片里面去。比方说，距离比较远的时候，如何实现设备的识别、唤醒、打断；再比如说，在房间里或空旷地段，会有回响，怎么把这个回响给消除掉……我们要把这些新能力不断地补充进来。”

云上是数据的积淀，端是入口，芯片承载了云知声的服务，这也是在这一波物联网智能硬件和人工智能的浪潮中，黄伟对云知声在竞争中脱颖而出的期望所在。

云知声拿着demo去和客户演示，一个个说服他们接受这种交互形态。2014年底，云知声获得高通的5000万美元B轮融资，开始发力芯片。

但这是比之前的研发要困难得多的一件事，要想做好它，困难重重。“我一直自信我们在技术领域算是做得比较好的，但我们从来没有在任何一个技术点上花过这么大精力来解决问题。”黄伟对创业家&i黑马感慨。一方面是性能问题要解决，另一方面，要实现芯片工业化量产，需要有太多算法之外的问题需要解决，比如功耗、散热、热高温、防摔……“做demo容易，做产品真是太难，太难了。”

2016年，云知声的芯片开始出货，其中花费了一年半的时间。但黄伟觉得，这些是有价值的。“因为这些能力的补充，包括这些新的产品形态，使得我们的交互方式从移动互联网时代时只能对着手机、做距离比较近的讲话，到今天我们可以实现在3-5米之外，通过声音遥控。”

或许很多人还并不理解这会有什么样的意义。但实际上，智能手机之后，下一个人和信息沟通的方式将会是什么形态，是很多科技公司一早就在设想的事情。Google Glass尽管是个失败的产品，但它却是科技界为此做出的大胆尝试。智能化的趋势必不可逆，而手机APP，也不会永远都是控制众多智能设备的方式。

但是“去手机化”的过程，需要迈过高高的技术门槛。至今为止，较为成功的产品，也只有一个Echo。

云知声和乐视电视有着长期的合作。从第一代到现在第三代乐视超级电视，从语音操控到语音交互，都是云知声提供语音交互技术。

2016年8月，美的智能空调发布，它搭载了云知声的AI芯，使用者可以在家庭环境中5米内通过语音控制空调的开关和温度，空调能结合关键词分析、理解用户意图。

但这款产品的问世也是历经挑战。要想获得厂商的合作支持，就必须能够消除噪声环境影响实现语音控制；空调一般都是壁挂式，所以要实现远场交互；且成本可控。

“Echo是7+1个麦克风，外圈7个和中间1个，所以它效果不错。但我不行，家电厂商对成本是非常在意的。”黄伟说。“麦克风多了，信息源多，就需要更强的CPU，成本功耗就要提升。其次，家电大多是靠墙安装的，麦克风怎么放？”

云知声最后采用的是双麦克解决方案，两个麦克风，间距不超过3厘米。但问题又来了，只有两个麦克，如何达到性能？云知声花了一年多时间解决这个技术问题，终于在2015年这款产品开始生产。现在，市场上的大多数智能家电产品，华帝、格力、海尔、美的等，都是和云知声合作的。

但软件可解决，硬件也还是让黄伟觉得比较麻烦的一件事。比如麦克风。“现在手机上的麦克风，对电话场景下的噪音意识，已经做得非常好了。但在家居市场上，硬件厂商还没有这个意识。比如他们以前从来不会想到，一台电冰箱上会需要一个麦克风。所以，现在对我们软件的要求就更高了。”

除了智能家电和家居，车载以及医疗、教育等行业，也是云知声商业化落地的主要领域。比起智能家居来，车载的应用场景更好想象。当人们在驾驶时，双手都被占用，语音交互就成了最佳选择。但黄伟认为，车载前端产品周期非常长，“从接触到产品要出来差不多要用5年左右时间，不适合一个创业公司”。因此，云知声选择从后装市场切入。而2014年，黄伟认为是一个新的契机正在出现：“当时已经有10%的设备开始使用安卓平台了。我们判断，安卓在车载系统里将是未来的趋势。”经过了半年多的研发，到2015年中，云知声开始和厂商对接。到现在，安卓系统已经占据了市场上90%的份额，而目前，搭载云知声智能语音SDK的车机产品出货量已超过150万台。

在医疗方面，协和医院已经和云知声合作，使用医疗语音识别系统，对病历、医嘱等进行录入。而且，这也有助于未来的医疗大数据挖掘工作。

在商业化的策略上，云知声一直选择的是B2B2C。这也是很多AI公司的选择。当一种新技术仍在发展和完善过程中，通过与B端的合作，不断获取用户的需求，了解行业，通过反复迭代来完善技术，是看似必然的选择。而B端的企业，也是在技术投入成本较大的现阶段，比C端更具备付费与创新的动力。

之前，云知声的合作公司还多数是互联网公司的中小型企业，而从2016年开始，公司的商业重心开始向大B倾斜。“对于中小型公司而言，新的技术和交互形态它们更乐于去尝试。而大企业的推动进程也比较慢。而今年，很多大的企业的生产计划也可以排好了。”而和大型企业合作，对云知声而言，既能扩大市场规模，又能树立起行业中的标杆。

“做商业公司，一定得回归到商业本质上，那就是收入。尤其是像今天资本市场并不是特别好的情况下，大家更看重收入。但我们并不是到B为止了，我们还会到C。我们为什么要做平台？C端对我们具有用户价值，这能帮助我们的后台不断提升，在B端会更有持续的竞争力。”黄伟说。

　　云知声医疗语音识别系统的应用/受访者供图

让机器去理解人类

而这样用语音操控机器，或者机械的一问一答，还是远远达不到“智能”的程度的。开发者们需要去做的，是让它们更加聪明。

如果你坐进自己的爱车，感觉到今天的温度有些低，于是你说：今天有些冷。而这时，你车内的系统会自动将空调温度调高。再或者，当你和你的机器人在户外，你仍然随口表示：今天有些冷。而机器人，会自动理解你的意思，但此时，它不会去寻找空调，而是提示你：披上外套吧。这样的，是不是更令人向往的一个美好未来？

今年7月，云知声宣布，完成了技术引擎3.0版本的升级，并提出了“语用计算”的概念。关于这个概念，你可以简单地理解成，机器可以理解我们对话的语境，联系上下文进行回答。

调戏过Siri和小冰的人，或许了解要达到这一场景有多么困难。“我们推出语用计算是为了产品落地。”黄伟坦率地说。“现在很多聊天机器人，我觉得就是个学术命题。我们对聊天没有强需求，聊天也不是产品。作为创业公司，我希望能解决当下的问题。在智能产品里，我和机器聊天说上好几轮，技术上是很厉害，但用户会不耐烦。我们更多地是把多人对话管理技术和当前状态信息结合在一起，把语音识别、物理环境以及之前的对话信息等结合在一起，让机器做出对应的回答。”而前面提到过的场景，也正在逐渐向现实转化。例如，在应用了云知声语音技术的格力金贝空调中，如果你说有点儿冷，它就会自动把温度调高一度。

“IOT时代产生的经济规模和经济价值，我认为应该会远远超过移动互联网时代。”黄伟说。“智能手机（Smart phone）和功能手机（Feature phone）的区别是什么？是它通过交互改变了产品本身的属性。而我相信，就像我们家里的冰箱、空调，今天它是Feature divace，未来它一定会成为Smart divace。”

本文转自d1net（转载）