極客公園在上海科技館舉辦“2016奇點創(chuàng)新者峰會”，下午舉辦的內(nèi)部高峰論壇中，思必馳CEO高始興也給大家?guī)砹朔浅＞实姆窒怼?/p>

高始興表示從工業(yè)革命、信息革命，現(xiàn)在人工智能的革命，進入人工智能時代確實對眾多的創(chuàng)業(yè)公司，特別是技術(shù)驅(qū)動的，有技術(shù)積累的創(chuàng)業(yè)公司帶來非常大的機會。

以下為演講實錄：

思必馳創(chuàng)立8年左右，在8年時間，基本上或多或少已經(jīng)成功見證人工智能，特別是語音行業(yè)越來越往后加速發(fā)展的階段，我們最早是做教育方面的語音技術(shù)，后來專注智能硬件垂直行業(yè)做語音技術(shù)和產(chǎn)品服務(wù)。

早期語音更多是在傳統(tǒng)的非常窄的市場去應(yīng)用，包括呼叫中心。后來Siri發(fā)布，引爆整個語音在互聯(lián)網(wǎng)的市場，吸引了很多眼球，吸引了很多資本，吸引巨頭發(fā)展，推動整個市場，推動技術(shù)的進步。再到智能硬件物聯(lián)網(wǎng)行業(yè)，語音成為剛性痛點的需求，在各個行業(yè)，各個垂直產(chǎn)品進行落地，整個行業(yè)確實爆發(fā)力很強。技術(shù)早期還是單點的技術(shù)，后來技術(shù)的提升，包括語音識別、合成、智能識別等等，包括現(xiàn)在從感知走向認知，對話技術(shù)。

以前這個題目有可能有點大，現(xiàn)在人工智能加速滲透到商業(yè)、生活的方方面面，語音在各個終端連接了各種各樣的服務(wù)。早期的時候，還是一個簡單的模擬，簡單的算法，雖然期望特別大，但是落地特別少。真正再一次掀起一個小浪潮是80年代，在歐洲、日本商業(yè)的企業(yè)，包括聲音網(wǎng)絡(luò)，遺傳算法。但是真正大的技術(shù)變革，真正在行業(yè)上掀起爆發(fā)式應(yīng)用，還是在近10多年互聯(lián)網(wǎng)時代，摩爾定律處理能力，大數(shù)據(jù)、云計算，讓能力循環(huán)成為可能。現(xiàn)在確實在各個產(chǎn)業(yè)上，我們看到更多的應(yīng)用場景。

語音技術(shù)是人工智能的關(guān)鍵

AI從互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)到物聯(lián)網(wǎng)，現(xiàn)在到智聯(lián)網(wǎng)，現(xiàn)在它的滲透率，推動率越來越大。早期在互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)，更多還是產(chǎn)品驅(qū)動，是一個商業(yè)模式驅(qū)動。現(xiàn)在在智能硬件物聯(lián)網(wǎng)，泛人工智能行業(yè)，我們看到AI，人工智能驅(qū)動，讓各種新型商業(yè)、新型商業(yè)產(chǎn)品成為一種可能。包括現(xiàn)在人工智能創(chuàng)業(yè)公司價值體現(xiàn)也越來越多。

從工業(yè)革命、信息革命，現(xiàn)在人工智能的革命，進入人工智能時代確實對眾多的創(chuàng)業(yè)公司，特別是技術(shù)驅(qū)動的，有技術(shù)積累的創(chuàng)業(yè)公司帶來非常大的機會。我們現(xiàn)在看移動互聯(lián)網(wǎng)，不說互聯(lián)網(wǎng)，移動互聯(lián)網(wǎng)更多還是搶奪存量市場，一片紅海甚至血海，現(xiàn)在這個市場行業(yè)不是A的就是T的，或者是B的，當然B最近口碑不是太好，但是他們確實在人工智能布局還挺早，挺大。現(xiàn)在在整個巨頭占據(jù)足夠的市場，影響力的時候，我相信在若干個場景能成就很多獨角獸，包括技術(shù)公司，包括結(jié)合行業(yè)的一些公司。

如果簡單分的話，人工智能行業(yè)，語音智能應(yīng)用在應(yīng)用層、技術(shù)層和技術(shù)設(shè)施層，應(yīng)用層，像一些產(chǎn)品類的公司，像暴風和小米，小米用我們思必馳語音技術(shù)，包括像人臉商湯，包括現(xiàn)在思必馳語音公司。在技術(shù)設(shè)施層，包括慶科等一些優(yōu)秀公司，當然還有巨頭公司，在這里面，技術(shù)還是核心的驅(qū)動力，這里面有一個趨勢，我們看到一個是技術(shù)層和技術(shù)設(shè)施層，產(chǎn)品落地，產(chǎn)品服務(wù)的整合，我們確實做得還不錯，整個大語音在諸多行業(yè)，傳統(tǒng)行業(yè)科大訊飛也在做設(shè)施層。再一個，應(yīng)用層和底層設(shè)施技術(shù)層融合和整合，像樂視自己在做語音，現(xiàn)在估計有五六十人，服務(wù)于它的大生態(tài)。還有一個技術(shù)層、應(yīng)用層向后端技術(shù)設(shè)施層去整合，去聯(lián)合。比如說一起去做相關(guān)的芯片摸索，像京東、小米他們都在做。

現(xiàn)在各個模態(tài)人工技術(shù)發(fā)展特別快，剛才講的人工識別，體感識別，包括像我們語音識別等等這些，VR、AR進展特別快。我覺得應(yīng)該在很多場景下，我們在手機端，我們基本上特別是服務(wù)場景是打通的，我們通過觸摸交互訂票、訂餐、購物等等這些行為，如果說我們在智能硬件物聯(lián)網(wǎng)幾個場景里面，比如說在開車的時候，我們在家里面對音響和機器人的時候，我們?nèi)ビ啅埰保Z音可能是唯一的入口。第一的，它是很自然，很便捷，還有一個它是唯一能傳遞復雜信息的。未來，多模態(tài)整個人機交互兩個趨勢非常關(guān)鍵。一個是多模態(tài)融合和整合，融合是一個必然。現(xiàn)在人機交互還是被動式，未來在場景數(shù)據(jù)積累，用戶行為數(shù)據(jù)等等這些，形成能力循環(huán)，未來人機交互會變成更多是主動式。未來的機器，從一個簡單的秘書，真正成為一個助理。

如果從語音上，實現(xiàn)人對機器的控制，我們喊一嗓子，把空調(diào)調(diào)高一點，控制電視，調(diào)整音量，簡單的查詢，搜一些歌，未來場景力量，一個生態(tài)一定讓用戶能夠enjoy更多的服務(wù)，一定需要對話交互，像手機端觸摸交互一樣，能獲取更多的服務(wù)。再一個隨著情感識別，情緒識別，包括各種的人臉識別等等一些人工智能交互模態(tài)的進步整合，未來情緒識別富裕這個機器形態(tài)，現(xiàn)在機器人很嚇人，未來情感世界會大大解決這個問題。再往后思想交互，我們機器能夠自學習，自適應(yīng)，未來我們進行人機交互的時候，如果你不看到它，不知道對面是一個機器。像去年6、7月份，劍橋和蘇黎士理工做實驗，母機器人孵化子機器人，而且自己檢測這個完備性。

現(xiàn)在在智能硬件物聯(lián)網(wǎng)上，未來我們讓智能設(shè)備向我們手機一樣，我們隨地隨時可以去獲取很多的服務(wù)，訂餐、訂票，玩游戲等等這些，一定是對話交互， 對話交互分成三類，一類是問答式，有明確的確定和否。第二類是閑聊式，像現(xiàn)在Siri，基本屬于閑聊式，一般沒有明確的確定和否，沒有聊天的本體，再就是任務(wù)式對話，任務(wù)式像現(xiàn)在估計在座大家都知道，做得非常棒的亞馬遜echo，echo基于場景用戶去完成一個任務(wù)，假設(shè)在人機交互里面，說一句我餓了怎么辦？如果是問答式，他會回答你你要一天三餐，保證健康。聊天式有可能有很多答案，比如說它會回答，主人你餓了嗎？你隨便吃一點，陪我聊天呀。如果任務(wù)式，結(jié)合你的歷史信息，甚至結(jié)合你的位置，結(jié)合你其他歷史行為，給你推薦周邊的餐廳，有可能你愿意吃辣的，周邊推薦湘菜館，火鍋店推薦幾家，進而形成對話交互，規(guī)劃交互一定是近幾年的發(fā)展趨勢。

我們思必馳基于自然語言理解和處理，再一個是我們整合了我們對話邏輯，一軟一硬兩個產(chǎn)品，我們提供給三個垂直行業(yè)，車載、家居、機器人，讓每個設(shè)備成為智能助理，幫助用戶完成任務(wù)。

語音是產(chǎn)品創(chuàng)新的關(guān)鍵技術(shù)

語音交互一切，語音改變更多，它除了連接一切，交互一切，未來會在產(chǎn)品創(chuàng)新，行業(yè)的一些變化，甚至變革上起到很大的推動作用。

幾個觀點，這個就是當前的一些語音在智能電視上的應(yīng)用。這個是當時給小米電視，小米電視整個語音交互是用思必馳，這里面用的語音喚醒，我們找的是林志玲模擬她的聲音。目前還比較簡單，喚醒跟簡單的查詢。下一步，一定會走向從感知走向認知，不僅僅讓人機的交互能夠?qū)崿F(xiàn)控制和簡單查詢，一定在各個場景里面，整合更多的服務(wù)。

再一個，現(xiàn)在移動互聯(lián)網(wǎng)很多的行業(yè)生態(tài)，商業(yè)模式，在智能硬件物聯(lián)網(wǎng)領(lǐng)域不一定完全能遷移，會發(fā)生一定的變化，甚至是顛覆。比如說搜索，現(xiàn)在PC互聯(lián)網(wǎng)，移動互聯(lián)網(wǎng)，我們端是手機，在智能硬件物聯(lián)網(wǎng)是各個端，不單是端，交互界面都發(fā)生變化。再一個用戶行為，在PC互聯(lián)網(wǎng)，移動互聯(lián)網(wǎng)，人機搜索更多是信息的查詢，在智能硬件互聯(lián)網(wǎng)上，更多還是服務(wù)的獲取。再一個，就是傳統(tǒng)的一些商業(yè)模式，像CBC，在新的智能硬件物聯(lián)網(wǎng)上，新的語音搜索有可能也是CBC，再就是智能語音發(fā)展促進產(chǎn)品創(chuàng)新，甚至產(chǎn)品形態(tài)的變化，包括其他人工智能的發(fā)展。現(xiàn)在說智能終端，智能硬件，硬件的智能化，我覺得大概兩類，一類是真正通過人工智能，語音智能提升它的效率，提升它的體驗，向一些消費電子，比如說我舉的例子，空調(diào)，我們跟一些大的消費電子合作，像海爾、美的等等合作，不改變它的產(chǎn)品的屬性，但是提升它的體驗，我在房間任何一個角度，我在晚上起來以后，或者遙控器找起來不方便，喊一嗓子“我冷了，調(diào)一下溫”。這個不改變產(chǎn)品整體功能和形態(tài)。再就是通過人工智能，語音智能，改變了它的產(chǎn)品的核心功能，甚至拓展了服務(wù)，成為一個中心態(tài)勢，比如說echo，未來像echo設(shè)備越來越多。未來像翻譯耳機，好像日本公司做的，未來耳機不是打電話，我們出國，甚至假設(shè)有方言的話，特別是南方隔一個縣，甚至隔一個村就是一個方言，我們戴著耳機就可以自由對話。包括未來的會議，我們現(xiàn)在會議電話還是開會，未來的會議電話加上身份識別，語音識別，它其實就是一個秘書。因為電話只要加了一個通信模塊，任何東西都可能成為電話。所以未來有很多產(chǎn)品創(chuàng)新和融合，包括未來我們有可能燈泡，我們插排、插座，有可能我們就是的speaker。

再一個，現(xiàn)在我們看到的智能硬件交互，還是很難完成閉環(huán)，未來在智能音響、電視，機器人等上面，加上身份識別或者其他的生物識別，身份能夠通過身份密碼完成支付，形成一個交易的閉環(huán)，這樣整個大的生態(tài)才能起來。包括一些行業(yè)的融合和創(chuàng)新。比如說未來我們在家里，我們通過電視，通過音響，我們在車里，通過車載智能終端學習英語，在家里可以做一些遠程醫(yī)療等等，包括還有一些創(chuàng)新點子，包括前段時間有人提出來，監(jiān)測兒童呼聲，做一些相應(yīng)的看護，剛才阿里朋友講，鑒黃，通過圖像識別去鑒黃。在今年年初的時候，有人提出來用聲音去鑒黃，就是她的叫聲，當然沒有做，我覺得都是創(chuàng)新點。包括未來傳統(tǒng)的數(shù)據(jù)結(jié)構(gòu)，未來更多的在智能硬件物聯(lián)網(wǎng)上，大量、大規(guī)模的數(shù)據(jù)，語音數(shù)據(jù)，視頻數(shù)據(jù)等等，人臉數(shù)據(jù)，新型的數(shù)據(jù)結(jié)構(gòu)，包括一些新型用戶畫像，包括借助我們設(shè)備識別，老人可能Push腦黃金廣告，年輕人可能Push一些年輕的產(chǎn)品，可能小孩子Push一些玩具的廣告。

還有整個市場出現(xiàn)幾百上千的語音助手，包括有一些獲得投資的，基本上也都銷聲匿跡了，在幾年前整個語音在通用環(huán)境下能做好，這么幾年從感知智能走向認知智能，通過對話交流可以打通一個一個信息通道，未來手機可以看成一個端，類似于像智能音響一樣，智能電視一樣，因此我個人覺得，未來智能手機上，成為新型語音助手。

思必馳還是專注于在智能硬件，物聯(lián)網(wǎng)，車載、家居、機器人，我們提供人機對話交互的方案、產(chǎn)品和服務(wù)。