陳孝良：為什麼國內做不好智能音響？ | CCF-GAIR 2017

雷鋒網按：7 月 8 日，CCF-GAIR 全球人工智慧與機器人峰會進入第 2 天。在智能助手專場，中國科學院聲學研究所副研究員、聲智科技創始人陳孝良帶來了以《人機語音交互的技術趨勢與商業機遇》為題的主題演講。

雷鋒網註：聲智科技創始人陳孝良

語音加速人機交互方式的變革，可能會重新定義很多消費電子。極端一點，如果將來所有消費電子都支持語音交互，那這個市場很大，基本上會在全球範圍內重構整個產業鏈條。

首先，麥克風在性能、低功耗方面要做很大改進。事實上，整個全球市場，國內的麥克風產業佔比很小，即便國內有些麥克風利用國外的技術來進行生產，但核心技術還是不在國內。而且我們現在做的麥克風是標量麥克風，只能取一個物理量，如果要解決很複雜的聲學問題，就需要矢量麥克風。當然，矢量麥克風還有點遙遠。

第二個挑戰是晶元。我們現在所有的消費電子，特別是偏重人工智慧的，前端大量用了 ARM 架構，LPT 比較少。LPT 用在服務端離線數據的訓練，這是我們很大的問題。比較靈活的 LPT，國外三家巨頭和國內基本沒有太大關聯。

第三個挑戰是演算法。聲學是每個國家比較封閉的領域，因為聲學主要是為軍工服務，所以各個國家相互保密，只能各自發展。比如大量使用的機器學習，國內在做改進性技術，我們如何在原創方面比國外領先，這是很大的技術挑戰。

第四個挑戰是商業化挑戰，它又分為三個層面。

• 第一是產品。國外最著名的是亞馬遜 Echo，國內有京東、聯想、小米的產品。這些產品有的做過評測，我相信很難得到大家 100% 的認同，甚至大家能給 80 分就不錯了。這是個比較大的問題。

• 第二是內容和服務。國內的內容和服務比較割裂，騰訊在國內佔有很大的音樂版權，百度有很大的搜索，交易大量在阿里，但亞馬遜就把很多優勢集中在一起。所以國內的產品很難避免和巨頭合作，但是三家巨頭如何合作？怎麼選你的產品有很大的缺失。

• 第三是知識產權，標準。亞馬遜、微軟都在聯合生態做標準，甚至包括 ARM，本身我們也是 ARM 生態聯盟的。如果大家查專利，可以看到中文的專利也不是國內公司佔領先地位。2010 年到 2015 年的排名順序，我們擠不進前列。

剛才說了很多挑戰，下面和大家交流一下技術的發展趨勢。

1. 麥克風現在是標量麥克風，下一步做智能麥克風，最後要做到矢量麥克風。這麼大的會場，如果大家小聲交流，這個聲音對機器來說就很難處理。另外晶元到底是什麼架構？低功耗，對接雲端，都是需要我們考慮的問題。

2. 下一代 AI 技術是融合的。麥克風和視頻、雷達的融合，聲光電三個學術合在一起應該怎麼做，這也是下一步需要整個研究和開發的。

3. 演算法與模型，我們做得更多。比如我們的聲源定位，目前只能跟蹤一個目標，能不能同時跟蹤多個目標，這是非常重要的，包括離線喚醒、離線語音識別。另外，機器學習是不是只用大數據，還是可以用別的方法做一些小樣數據的處理，進行冷啟動，這是我們下一步要研究的方法。

4. 音響不存在死不死的問題，它是除了筆記本和手機以外，消費電子裡面擁有量最多的。但我們做這個事情需要數據，特別是遠場數據，不像近場數據可以直接錄，這是非常嚴重的問題。冷啟動的時候必須要選一個品類獲得啟動數據。

在產品定位方面，國內外也有很大不同。

國外亞馬遜 Echo、谷歌 Home、蘋果 Homepod、微軟 Invoke，國內就是叮咚智能音響、聯想智能音響、小雅智能音響、天貓精靈。

國外的產品很忌諱叫 Speaker。當時蘋果推Homepod，大家都就猜是不是會帶「Speaker」，結果選了Homepod，它天然加了兩個因素，一個是Home，一個是pod，這和國內的定位有很大的差異。

現在智能音響的產品玩家很多，不光是巨頭，包括國內的、深圳很多廠商都做，這裡面比較嚴重的問題是亞馬遜對生態鏈的重視，可能遠不如我們想的那麼重要。因為亞馬遜比較喜歡玩自由生態。前段時間亞馬遜和蘋果聯合降價就可以看出，它可以把產品突然降 100 美元，如果考慮生態鏈，這是非常嚴重的，可能導致很多廠商的產品賣不出去。

遠場語音交互的開始是智能音響，但是將來絕對不僅僅是智能音響，其他人也不會把技術限定在智能音響，還包括很多其他的產品。

來自雷鋒網報道。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！