當前，隨著智能語音技術(shù)日益成熟，越來越多的互聯(lián)網(wǎng)巨頭、傳統(tǒng)終端制造廠商以及初創(chuàng)公司進軍智能語音領(lǐng)域，新產(chǎn)品、新技術(shù)不斷涌現(xiàn)，智能語音產(chǎn)業(yè)進入快速發(fā)展階段。本報告重點對智能語音產(chǎn)業(yè)生態(tài)、產(chǎn)業(yè)發(fā)展前景、行業(yè)痛點等進行了全面梳理，并結(jié)合我市智能語音產(chǎn)業(yè)發(fā)展提出有關(guān)建議。

智能語音產(chǎn)業(yè)概述

智能語音產(chǎn)業(yè)結(jié)構(gòu)分為三層，上游基礎(chǔ)層包括芯片、模組、傳感器以及云計算服務和大數(shù)據(jù)平臺等；中游技術(shù)層主要提供語音識別、語音合成、深度/機器學習、人機交互等技術(shù)研究和服務；下游應用包括智能手機、智能家居、智能汽車、可穿戴設(shè)備、虛擬助力、家庭機器人等B2C應用，以及金融、教育、醫(yī)療、安防等B2B應用。

圖1 智能語音產(chǎn)業(yè)架構(gòu)

智能語音產(chǎn)業(yè)概述

（一）谷歌

谷歌一直致力于語音交互市場，2011年已收購語音通信技術(shù)公司SayNow、語音合成技術(shù)Phonetic Arts等技術(shù)公司，2014年收購了SR Tech Group的多項語音識別相關(guān)的專利。2016年，谷歌開放了語音識別API，即谷歌語音搜索和語音輸入的支持技術(shù)，包括80多種語言，適用于各種實時語音識別與翻譯應用。2017年，谷歌發(fā)布了用于語音交互的Actions on Google平臺，可支持所有Google Assistant所支持的平臺，并在功能方面允許用戶通過語音完成交易。

谷歌作為全球知名互聯(lián)網(wǎng)巨頭，依托已有的產(chǎn)品基礎(chǔ)，將語音交互技術(shù)融入到搜索、地圖、智能家居、機器人等產(chǎn)品中，構(gòu)建一個新的應用平臺。目前，谷歌語音助手已接入全球智能手機、汽車與智能家庭設(shè)備等產(chǎn)品達5億臺以上，進入了80多個國家與地區(qū)。根據(jù)Capvision統(tǒng)計數(shù)據(jù)顯示，谷歌占據(jù)全球智能語音市場28.4%的份額，位居全球第二。

（二）科大訊飛

科大訊飛是從事智能語音技術(shù)、人工智能技術(shù)研究、軟件及芯片產(chǎn)品開發(fā)、語音信息服務及電子政務系統(tǒng)集成的國家級重點軟件企業(yè)和創(chuàng)新型企業(yè)，擁有語音及語言信息處理國家工程實驗室、國家級企業(yè)技術(shù)中心、國家博士后科研工作站等榮譽稱號?？拼笥嶏w是我國智能語音與人工智能產(chǎn)業(yè)的龍頭企業(yè)之一，在語音合成、語音識別、口語評測、自然語言處理等多項技術(shù)擁有國際領(lǐng)先的成果，其產(chǎn)品占據(jù)中文語音識別服務市場70%的份額，在專業(yè)領(lǐng)域的應用更是占到80%的市場份額。

在業(yè)務布局方面，科大訊飛持續(xù)推進“平臺+賽道”的人工智能戰(zhàn)略，推出了國內(nèi)首個以智能語音和人機交互為核心的人工智能開放平臺，為移動互聯(lián)網(wǎng)、智能硬件的廣大創(chuàng)業(yè)開發(fā)者和海量用戶提供人工智能開發(fā)與服務能力，圍繞人工智能開放平臺積極構(gòu)建產(chǎn)業(yè)生態(tài)。在“賽道”上，把握垂直入口或行業(yè)的剛需，在教育、政法、智能汽車等領(lǐng)域?qū)崿F(xiàn)了規(guī)模應用。2018年，科大訊飛實現(xiàn)營業(yè)收入79.17億元，同比增長45.41%，凈利潤達5.42億元。

（三）思必馳

思必馳是國內(nèi)擁有全套語音類知識產(chǎn)權(quán)的公司，在語音識別、語義理解、聲紋識別、對話管理、音頻分析等方面均有深厚技術(shù)積累，是國際上極少數(shù)擁有自主產(chǎn)權(quán)、中英文綜合語音技術(shù)的公司之一。2017年9月，思必馳對外發(fā)布了DUI語音交互開放平臺，把語音相關(guān)技術(shù)整合成AIOS人機對話操作系統(tǒng)，作為安卓系統(tǒng)之上的一層標準接口，提供給硬件合作伙伴。同時針對不同場景，AIOS分成了不同版本，針對車載、家居、機器人等產(chǎn)品做垂直領(lǐng)域下的對話式交互。

在產(chǎn)業(yè)生態(tài)構(gòu)建上，思必馳主要依托自身語音交互技術(shù)優(yōu)勢，面向車載、家居、機器人等垂直領(lǐng)域，為互聯(lián)網(wǎng)企業(yè)、智能硬件企業(yè)提供語音交互技術(shù)解決方案。其中，在車載方向，思必馳在車載后裝市場占有率已達到行業(yè)第一，并逐步向前裝市場延伸，與一汽、長城、大眾、海馬、小鵬汽車等十余個車廠企業(yè)建立合作關(guān)系；在智能家居方向，思必馳的技術(shù)被應用于貓精靈X1/M1、騰訊聽聽、小米小愛同學、聯(lián)想智能音箱等多款知名產(chǎn)品，在音箱市場占有率行業(yè)第一；在家用機器人、兒童故事機等領(lǐng)域，思必馳已與浙江大華、步步高等企業(yè)建立合作關(guān)系。同時，思必馳通過DUI開放平臺，面向開發(fā)者提供完整的智能對話交互方案，支持快速自定義開發(fā)，打造開放的生態(tài)圈。

（四）聲智科技

聲智科技成立于2016年5月，是全球領(lǐng)先的遠場智能交互系統(tǒng)提供商之一，主要面向智能家居、智能汽車、智能會議、智能安防、智能金融、智能教育、智能醫(yī)療、智能法院、智能交通和機器人等行業(yè)領(lǐng)域，為客戶提供麥克風陣列芯片與模組以及智能網(wǎng)關(guān)/機頂盒、智能電視、智能車機、智能手機、智能玩具等技術(shù)解決方案。

在產(chǎn)業(yè)生態(tài)構(gòu)建方面，聲智科技主要依托自身遠場交互技術(shù)，為互聯(lián)網(wǎng)企業(yè)、智能硬件等客戶提供應用解決方案，同時發(fā)布了AZERO遠程智能交互平臺，連接相關(guān)智能終端產(chǎn)品，為終端客戶提供更多的功能服務。目前聲智科技已與小米、百度、阿里、華為、騰訊、中國移動、聯(lián)想、創(chuàng)維、金蝶、浪潮、國美等龍頭企業(yè)建立合作關(guān)系，小易精靈帶屏智能音箱、百度小度智能音箱、華為AI音箱、聯(lián)想MINI智能音箱、國美智能音箱GOMEPOD等產(chǎn)品均使用了聲智科技遠場語音交互方案。

智能語音產(chǎn)業(yè)發(fā)展前景

（一）市場需求助力產(chǎn)業(yè)拓展

5G通信技術(shù)高速率、大帶寬、低時延、高可靠、海量連接的特性加速了“萬物互聯(lián)”時代發(fā)展，有效激發(fā)了智能語音進入更多應用場景，為語音識別與語義識別提供更大的數(shù)據(jù)量和更有利的數(shù)據(jù)環(huán)境，從而橫向衍生出更豐富的功能和產(chǎn)品。智能語音應用在智能手機、平板電腦等移動智能終端的普及，移動互聯(lián)網(wǎng)用戶中使用智能語音的數(shù)量正大幅增長。在金融、電信、教育、醫(yī)療、軌道交通等垂直領(lǐng)域，智能語音技術(shù)和產(chǎn)品的應用正快速發(fā)展，實現(xiàn)從輔助技術(shù)手段向關(guān)鍵應用的發(fā)展。智能語音產(chǎn)業(yè)規(guī)模持續(xù)快速增長，預測2019年國內(nèi)智能語音市場規(guī)模破2000億元大關(guān)。

（二）政策利好推動行業(yè)發(fā)展

我國利好政策持續(xù)推動智能語音行業(yè)的發(fā)展。早在2017年11月5日，科技部召開《新一輪人工智能發(fā)展規(guī)劃》暨重大科技項目啟動會，會上宣布了首批四家國家新一代人工智能開放創(chuàng)新平臺名單，明確依托科大訊飛建設(shè)智能語音國家新一代人工智能開放創(chuàng)新平臺。2018年3月5日，國務院總理***在十三屆全國人大一次會議政府工作報告時表示，要加強新一代人工智能研發(fā)應用，在醫(yī)療、養(yǎng)老、教育、文化、體育等多領(lǐng)域推進“互聯(lián)網(wǎng)+”， “人工智能”再次被寫入政府工作報告。隨著人工智能上升到國家戰(zhàn)略地位，智能語音作為其基礎(chǔ)，未來發(fā)展也將受益。

（三）智能家居場景帶來機遇

2018年全球智能家居市場出貨量約為6.56億臺，其中，中國市場累計出貨近1.5億臺，同比增長36.7%。智能音箱等單品的爆發(fā)、語音交互的普及以及智能平臺的崛起，將促使消費者購買更多的智能家居設(shè)備，智能家居產(chǎn)品和服務可用性也會明顯增加，全球智能家居市場將持續(xù)快速增長。在人工智能快速發(fā)展的環(huán)境下，語音已經(jīng)成為智能家居產(chǎn)品的重要環(huán)節(jié)。2018年，中國智能家居設(shè)備市場語音助手搭載率達到28.6%，同比增長177.6%。

（四）科技巨頭紛紛開展布局

在語音生態(tài)方面，百度宣布語音識別技術(shù)及能力全面開放。騰訊、搜狗語音開放平臺相繼上線。在語音技術(shù)應用方面，各大廠商對家居、車載、可穿戴等環(huán)節(jié)的關(guān)注明顯升溫。智能家居領(lǐng)域，百度發(fā)布了Baiduihome，阿里聯(lián)合智能家電廠商推出天貓魔盒，搜狗聯(lián)手魅族發(fā)布了魅族電視盒子。智能車載領(lǐng)域，百度分別推出了手機智能互聯(lián)產(chǎn)品Carlife、私有云服務平臺MyCar和智能行車助手CoDriver。阿里云和上汽合作推出車載操作系統(tǒng)，騰訊發(fā)布了路寶App+路寶盒子，可與騰訊云連接，以實現(xiàn)車輛診斷、油耗分析、車友社交等功能。搜狗則和四維圖新合作，推出飛歌導航?？纱┐黝I(lǐng)域，百度采取扶持外部產(chǎn)品，內(nèi)置百度服務，形成開放生態(tài)思路，分別推出inside智能硬件平臺、基于健康云的Dulife智能健康平臺等應用，以吸引硬件廠商加入。

（一）人才欠缺，創(chuàng)新成效低

智能語音和人工智能技術(shù)產(chǎn)業(yè)化趨勢愈發(fā)明顯，國內(nèi)外知名IT企業(yè)紛紛加大對智能語音業(yè)務的投入，不僅加劇了語音技術(shù)的國際競爭，也增大了語音技術(shù)人才需求缺口。在風險投資的追捧下，人工智能領(lǐng)域高端人才離職創(chuàng)業(yè)數(shù)量增多，近年來微軟、百度、阿里、騰訊、IBM、英特爾中國等都出現(xiàn)了研究院院長等核心人才離職創(chuàng)業(yè)的現(xiàn)象。同時由于國內(nèi)智能語音及人工智能行業(yè)的特殊性、高水平科研人才的稀缺性以及人才培養(yǎng)的滯后性，智能語音和人工智能人才將面臨持續(xù)短缺，吸引和培養(yǎng)高水平人才隊伍的力度不足，智能語音行業(yè)今后發(fā)展存在潛在風險。

（二）重點關(guān)鍵技術(shù)有待突破

從智能語音技術(shù)發(fā)展來看，當前語音合成技術(shù)已經(jīng)較為成熟，合成清晰度和自然度已經(jīng)達到較高水平，但是語音識別技術(shù)仍有許多需要提升的技術(shù)難點。目前大部分語音識別的研究和應用，主要是基于英語、漢語、阿拉伯語和法語等大語種，而世界上一共有6900多種語言，快速實現(xiàn)一套基于任何語言的語言識別系統(tǒng)是非常困難的。

（三）語音交互平臺“各自為政”

目前各個語音交互開放平臺各自為政，相關(guān)真實數(shù)據(jù)訓練彼此分散，在語義理解和圖譜識別等認知技術(shù)方面也尚未形成通用的技術(shù)框架，智能手機、智能可穿戴設(shè)備、智能音箱、智能電視等不同產(chǎn)品類型、不同品牌間語音交互技術(shù)不統(tǒng)一，影響用戶使用體驗，不利于構(gòu)建融合、開放的智能終端應用生態(tài)，制約語音交互市場和產(chǎn)業(yè)發(fā)展。

我市智能語音發(fā)展建議

（一）構(gòu)建產(chǎn)業(yè)生態(tài)圈

加快推進智能語音應用平臺布局，引導和支持已落戶的科大訊飛聯(lián)合百度、騰訊、思必馳等智能語音公司，在渝搭建開放共享平臺，統(tǒng)一開發(fā)者和用戶入口，為智能音箱、智能家電、智能可穿戴設(shè)備等不同類型、不同品牌的智能產(chǎn)品用戶提供統(tǒng)一的平臺入口和功能服務，構(gòu)建智能應用生態(tài)圈。鼓勵歐珀、維沃、傳音、美的、海爾等本地智能手機廠商、智能家電廠商加強與統(tǒng)一開放平臺的合作，植入智能語音技術(shù)與服務，推進產(chǎn)品提檔升級。

（二）加強公共平臺建設(shè)

整合大數(shù)據(jù)資源，建立支持智能語音產(chǎn)業(yè)發(fā)展的基礎(chǔ)數(shù)據(jù)，引導建設(shè)基于語音的海量訓練資源庫和標準測試數(shù)據(jù)集。通過新建或協(xié)議使用等方式，引導建設(shè)滿足深度學習等智能計算需求的國家超級計算中心、新型計算集群共享平臺、云端智能分析處理服務系統(tǒng)、智能系統(tǒng)安全服務平臺等基礎(chǔ)資源平臺，降低人工智能創(chuàng)新成本。鼓勵和支持現(xiàn)有眾創(chuàng)空間等創(chuàng)新孵化平臺加大對智能語音項目的培育。

（三）加強技術(shù)創(chuàng)新

研究制定專項政策，下大力引進培育5G、智能語音等關(guān)鍵技術(shù)研究、產(chǎn)品開發(fā)、應用創(chuàng)新等方面的人才或研發(fā)團隊。推動產(chǎn)業(yè)鏈各方加強深度協(xié)作，推動智能語音交互、智能可穿戴設(shè)備、智能服務機器人、材料及系統(tǒng)的關(guān)鍵技術(shù)突破和成果轉(zhuǎn)化。鼓勵企業(yè)離岸創(chuàng)新，將境外智能語音技術(shù)形成創(chuàng)新成果后在園區(qū)實現(xiàn)產(chǎn)業(yè)化。加強與本地高校聯(lián)動，合力制定語言學和人工智能交叉的復合型人才聯(lián)合培養(yǎng)計劃，推動人才引進與培養(yǎng)。