極客公園在上海科技館舉辦“2016奇點(diǎn)創(chuàng)新者峰會(huì)”，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(jìn)入人工智能時(shí)代確實(shí)對(duì)眾多的創(chuàng)業(yè)公司，特別是技術(shù)驅(qū)動(dòng)的，有技術(shù)積累的創(chuàng)業(yè)公司帶來非常大的機(jī)會(huì)。

以下為演講實(shí)錄：

思必馳創(chuàng)立8年左右，在8年時(shí)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(gè)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(dòng)整個(gè)市場，推動(dòng)技術(shù)的進(jìn)步。再到智能硬件物聯(lián)網(wǎng)行業(yè)，語音成為剛性痛點(diǎn)的需求，在各個(gè)行業(yè)，各個(gè)垂直產(chǎn)品進(jìn)行落地，整個(gè)行業(yè)確實(shí)爆發(fā)力很強(qiáng)。技術(shù)早期還是單點(diǎn)的技術(shù)，后來技術(shù)的提升，包括語音識(shí)別、合成、智能識(shí)別等等，包括現(xiàn)在從感知走向認(rèn)知，對(duì)話技術(shù)。

以前這個(gè)題目有可能有點(diǎn)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(gè)終端連接了各種各樣的服務(wù)。早期的時(shí)候，還是一個(gè)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(gè)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(shí)代，摩爾定律處理能力，大數(shù)據(jù)、云計(jì)算，讓能力循環(huán)成為可能?，F(xiàn)在確實(shí)在各個(gè)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(dòng)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(dòng)率越來越大。早期在互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)，更多還是產(chǎn)品驅(qū)動(dòng)，是一個(gè)商業(yè)模式驅(qū)動(dòng)。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(dòng)，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(jià)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(jìn)入人工智能時(shí)代確實(shí)對(duì)眾多的創(chuàng)業(yè)公司，特別是技術(shù)驅(qū)動(dòng)的，有技術(shù)積累的創(chuàng)業(yè)公司帶來非常大的機(jī)會(huì)。我們現(xiàn)在看移動(dòng)互聯(lián)網(wǎng)，不說互聯(lián)網(wǎng)，移動(dòng)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(gè)市場行業(yè)不是A的就是T的，或者是B的，當(dāng)然B最近口碑不是太好，但是他們確實(shí)在人工智能布局還挺早，挺大?，F(xiàn)在在整個(gè)巨頭占據(jù)足夠的市場，影響力的時(shí)候，我相信在若干個(gè)場景能成就很多獨(dú)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(fēng)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(dāng)然還有巨頭公司，在這里面，技術(shù)還是核心的驅(qū)動(dòng)力，這里面有一個(gè)趨勢，我們看到一個(gè)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(shí)做得還不錯(cuò)，整個(gè)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(gè)，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(jì)有五六十人，服務(wù)于它的大生態(tài)。還有一個(gè)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(gè)模態(tài)人工技術(shù)發(fā)展特別快，剛才講的人工識(shí)別，體感識(shí)別，包括像我們語音識(shí)別等等這些，VR、AR進(jìn)展特別快。我覺得應(yīng)該在很多場景下，我們在手機(jī)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(gè)場景里面，比如說在開車的時(shí)候，我們在家里面對(duì)音響和機(jī)器人的時(shí)候，我們?nèi)ビ啅埰?，語音可能是唯一的入口。第一的，它是很自然，很便捷，還有一個(gè)它是唯一能傳遞復(fù)雜信息的。未來，多模態(tài)整個(gè)人機(jī)交互兩個(gè)趨勢非常關(guān)鍵。一個(gè)是多模態(tài)融合和整合，融合是一個(gè)必然?，F(xiàn)在人機(jī)交互還是被動(dòng)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(jī)交互會(huì)變成更多是主動(dòng)式。未來的機(jī)器，從一個(gè)簡單的秘書，真正成為一個(gè)助理。

如果從語音上，實(shí)現(xiàn)人對(duì)機(jī)器的控制，我們喊一嗓子，把空調(diào)調(diào)高一點(diǎn)，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(gè)生態(tài)一定讓用戶能夠enjoy更多的服務(wù)，一定需要對(duì)話交互，像手機(jī)端觸摸交互一樣，能獲取更多的服務(wù)。再一個(gè)隨著情感識(shí)別，情緒識(shí)別，包括各種的人臉識(shí)別等等一些人工智能交互模態(tài)的進(jìn)步整合，未來情緒識(shí)別富裕這個(gè)機(jī)器形態(tài)，現(xiàn)在機(jī)器人很嚇人，未來情感世界會(huì)大大解決這個(gè)問題。再往后思想交互，我們機(jī)器能夠自學(xué)習(xí)，自適應(yīng)，未來我們進(jìn)行人機(jī)交互的時(shí)候，如果你不看到它，不知道對(duì)面是一個(gè)機(jī)器。像去年6、7月份，劍橋和蘇黎士理工做實(shí)驗(yàn)，母機(jī)器人孵化子機(jī)器人，而且自己檢測這個(gè)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(jī)一樣，我們隨地隨時(shí)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(duì)話交互， 對(duì)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(duì)話，任務(wù)式像現(xiàn)在估計(jì)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(gè)任務(wù)，假設(shè)在人機(jī)交互里面，說一句我餓了怎么辦？如果是問答式，他會(huì)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(huì)回答，主人你餓了嗎？你隨便吃一點(diǎn)，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(jìn)而形成對(duì)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(gè)是我們整合了我們對(duì)話邏輯，一軟一硬兩個(gè)產(chǎn)品，我們提供給三個(gè)垂直行業(yè)，車載、家居、機(jī)器人，讓每個(gè)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(huì)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(dòng)作用。

幾個(gè)觀點(diǎn)，這個(gè)就是當(dāng)前的一些語音在智能電視上的應(yīng)用。這個(gè)是當(dāng)時(shí)給小米電視，小米電視整個(gè)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(huì)走向從感知走向認(rèn)知，不僅僅讓人機(jī)的交互能夠?qū)崿F(xiàn)控制和簡單查詢，一定在各個(gè)場景里面，整合更多的服務(wù)。

再一個(gè)，現(xiàn)在移動(dòng)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(huì)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(dòng)互聯(lián)網(wǎng)，我們端是手機(jī)，在智能硬件物聯(lián)網(wǎng)是各個(gè)端，不單是端，交互界面都發(fā)生變化。再一個(gè)用戶行為，在PC互聯(lián)網(wǎng)，移動(dòng)互聯(lián)網(wǎng)，人機(jī)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(gè)，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(jìn)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?，F(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(yàn)，向一些消費(fèi)電子，比如說我舉的例子，空調(diào)，我們跟一些大的消費(fèi)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(yàn)，我在房間任何一個(gè)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(gè)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(gè)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(jī)，好像日本公司做的，未來耳機(jī)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(gè)縣，甚至隔一個(gè)村就是一個(gè)方言，我們戴著耳機(jī)就可以自由對(duì)話。包括未來的會(huì)議，我們現(xiàn)在會(huì)議電話還是開會(huì)，未來的會(huì)議電話加上身份識(shí)別，語音識(shí)別，它其實(shí)就是一個(gè)秘書。因?yàn)殡娫捴灰恿艘粋€(gè)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(gè)，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(jī)器人等上面，加上身份識(shí)別或者其他的生物識(shí)別，身份能夠通過身份密碼完成支付，形成一個(gè)交易的閉環(huán)，這樣整個(gè)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?yán)?，通過車載智能終端學(xué)習(xí)英語，在家里可以做一些遠(yuǎn)程醫(yī)療等等，包括還有一些創(chuàng)新點(diǎn)子，包括前段時(shí)間有人提出來，監(jiān)測兒童呼聲，做一些相應(yīng)的看護(hù)，剛才阿里朋友講，鑒黃，通過圖像識(shí)別去鑒黃。在今年年初的時(shí)候，有人提出來用聲音去鑒黃，就是她的叫聲，當(dāng)然沒有做，我覺得都是創(chuàng)新點(diǎn)。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(shí)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(gè)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(gè)語音在通用環(huán)境下能做好，這么幾年從感知智能走向認(rèn)知智能，通過對(duì)話交流可以打通一個(gè)一個(gè)信息通道，未來手機(jī)可以看成一個(gè)端，類似于像智能音響一樣，智能電視一樣，因此我個(gè)人覺得，未來智能手機(jī)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(jī)器人，我們提供人機(jī)對(duì)話交互的方案、產(chǎn)品和服務(wù)。