【国君计算机符健团队】思必驰重磅嘉宾解读苹果Siri以及语音交互产业趋势—电话会议纪要20160614

cbjchina2016.06.14分享

国君计算机是全市场最早，并且独家提出语音交互将成为下一代人机交互新范式的计算机团队。我们于6月2日第一时间外发报告（女皇诏曰：语音交互时代来了http://dwz.cn/3vD7lT），首推标的科大讯飞次日领涨人工智能板块！6月3日下午独家邀请A股人工智能龙头科大讯飞实际控制人之一、副总裁江涛召开电话会议（http://dwz.cn/3xNzFI），并于6月6日上午联合策略、TMT团队召开语音交互电话会议（http://dwz.cn/3xNtUp）！

投资建议：从语音识别、交互的角度来看，A股我们推荐科大讯飞、江南化工、东方网力、漫步者，新三板推荐捷通华声、智臻智能，一级市场建议关注思必驰、云知声、奇点机智等。

参会嘉宾：CEO 高始兴；联合创始人、首席科学家 俞凯；战略VP 郭浩然

主持人：陈宝健

会议时间：2016年6月14日

主持人：今天凌晨苹果开发者大会召开，对Siri进行开放和升级。我们国泰君安计算机团队也一直看好语音交互作为人机交互新入口，是各大计算机研究团队中最早关注语音交互领域的。今天，我们很高兴邀请思必驰的各位高管，为我们解读苹果Siri以及语音交互产业趋势。思必驰现在经历了两轮融资，而第二轮融资已经过亿。

主持人：思必驰是语音交互产业的明星公司。首先，有请介绍公司主要业务和发展规划。

高总：思必驰是语音交互业内唯一专注智能硬件的公司，包括车载、家具、机器人乃至穿戴设备。我们提供一站式语音交互服务，帮助合作伙伴提供AI系统和AI芯片模组。我们的AI系统有三个版本，面向三个垂直领域，整合各类语音能力，比如车载导航和电台等的整合。AI芯片模组则满足互联网特定状态的交互需求。我们的总部在苏州，产品和商务团队在深圳，北京也有分公司，对接大客户和市场。我们与上海交大建立了联合实验室，专门为思必驰研究底层技术，核心专利权全部归属思必驰。

主持人：思必驰的确在语音交互领域实力突出。我们也关注到，苹果在语音产业的布局相比亚马逊、谷歌稍慢，是否三者布局存在差异？与其它两家公司的产品相比，苹果Siri的竞争力如何？

俞总：有关我和苹果的渊源，我再补充一点：我在剑桥的师兄之前是全球最大的语音服务公司的首席架构师，现在是苹果语音方面的直接负责人。我们当时在剑桥的公司主要做语音交互，重点是对话技术这块。

苹果收购VocallQ后，成立新的语音交互研发公司，Siri现在最专注的是用交互的方式做自然语言的对话，而之前原始的Siri使用不太广泛，主要用来调剂、娱乐。Siri也从原先的语音合成和简单的语音交互向对话式的语音交互转变。此外，Siri还集成多模态的语音交互，针对图像、文字、语音等用户多种信息模态做不同的处理。

对比苹果和谷歌，苹果以产品为方向实现综合的交互技术，可以融合图像、用户ID和使用习惯，作为产品上综合的对话助手。与之相比，谷歌更像技术平台，更多在横向支撑更多开发者进行新的产品迭代，Google Now也在推交互式搜索。从大的方向，苹果可以做产品一体化服务体验，Google可以做一体化平台，现在苹果要做的好一些，它的用户体验更好。

苹果和亚马逊Alexa相比，Alexa只有语音，优势在于交互模态比较简单，容易上手，但缺乏多模态输入，用户体验的提升少一些。Alexa的优势则在于进入家居垂直线，把语音做到极致。但他们的共同点都是把人和机器通过语音链接起来。

而思必驰既做语音合成，也做语意理解，期望把对话做成链接人和机器的核心手段。

主持人：一级市场上，人工智能估值都很高，我们该如何判断企业竞争力？

郭总：一级市场存在周期性，14年是硬件，15年是金融，16年是人工智能。16年无论苹果还是国内厂商，都在推用户能接受的人工智能产品，用户也愿意为此产生消费，因而人工智能处在估值比较高的状态。人工智能现在相对其它板块一枝独秀，在这个阶段给予一些技术性公司较高的估值，是因为大家认为未来这个行业的技术壁垒很高，比如用公开的语音开放平台无法做到一线厂商的用户体验。

而之所以这么多创业公司涌现，是因为很多产业内很好的价值节点没有被很好的填补。未来需要更多公司来填补产业链，一级市场上供需还是存在一个平衡。

提问：怎么看待A股比较看好的语音音箱？苹果是否会开发类似亚马逊Echo的智能音箱产品？

俞总：智能音箱这个点可能成为爆品。智能家居是现在关注的热点，语音又是交互的重点，载体是什么？音箱是众多智能家居比较有优势的。首先，音箱的位置不是家庭的边边角角；其次，音箱承载语音输出功能，容易使用户接受作为语音交互载体。另外，电视也有可能。

对于苹果来讲，苹果的产品线很少，不一定推出音箱，因为Siri已经可以控制智能家居了，未来灯甚至都可能成为入口。

高总：Echo出货量现在达到400万台，大家看好它成为智能家居的生态核心，能够整合用户，撬动需求。我个人认为，音箱具备中心生态属性：1.刚性需求，高频次的应用；2.设备具有很强的服务拓展能力；3.用户有很好的交互体验；4.产品具备在用户市场很快落地的能力。音箱、电视、家庭机器人都可能成为未来入口，但家庭机器人的落地还存在问题，音箱相比更具有可能。

提问：苹果发布会主要涉及语音交互，与亚马逊的区别在于，用户数据保存在本地，但AI需要用户数据进行训练，那么，苹果将如何利用本地数据？

俞总：从技术上，第一，保存在本地的数据基本上没有办法提升性能，苹果应该是本地和云端的结合；第二，对于本地的模型本身，有一定的自身技术对本地的模型进行处理，将中间结果进行上传，而不是初始数据，可以保护用户隐私，技术上也可以实现。

提问：关于自然语言处理，Siri的上下文理解并不是很好，但智能家居和车载的用户体验还是不错，是不是自然语言处理在平时使用的场景是不是还是不错的，在Siri上就不太行？

俞总：如果进行严格对比，Siri和智能家居的性能相差不多。Siri之前专门进行了上下文理解的提升，在任何智能家居和车载领域都会用到类似Siri的语音处理技术。我们现在在做的自然语言处理，都是基于交互的自然语言处理，更关注上下文状态的理解和交互控制，会有针对地进行优化，是与之前不同的技术角度。苹果也逐步把这个技术用到Siri当中，所以未来Siri不会比车载和家居的理解能力差太多，总的来说，Siri的理解能力不算差，未来移动互联网也会更关注交互的认知计算。

提问：语音交互这一块，之前做文字交互的小Ai机器人的技术可以延续吗？

俞总：从技术上，肯定可以实现延续。交互本身就是综合的，图像、文字、语音都可以综合。但小Ai机器人主要做文字本身的理解，不是交互，当文字输入比较准确时可以比较好的应用，但如果语音识别转换成文字的准确率较低，那第二阶段的文字识别率就会受到影响。此外，现在主要是基于单句理解和简单上下文理解，扩展性和复杂的上下文理解会存在一定的限制，如果超越规则覆盖的范围，会受到限制，怎么把语音语意结合等就成为重要的问题。

提问：科大讯飞等都在做语音云平台，语音云平台的盈利模式和竞争格局如何？

高总：语音平台方面，国内包括思必驰在内，做平台尚早。整个智能硬件、物联网产业还处在早期，生态还没建立起来，开发应用都很少。在这个阶段，我们更多是和合作伙伴提升产品体验，促进生态的逐步完善，才能在之后提供面向开发者的平台。很多开发者以为注册了平台就能做出产品，其实不是，要等到整个产业成熟后才比较有优势。

整个智能语音行业，包括科大讯飞等都在做，这是好事，但大家定位不同。我们专注智能硬件、物联网，也有专注做产品，科大讯飞属于专注多个领域。但这个市场足够大，大家都会有成长，整个行业还是技术驱动的。每家公司都在高速发展，哪家公司能够迅速打穿这个市场，加速用户认知和生态完善，会为大的迭代变革创造巨大的机会。

郭总：大家现在更多地看到开放的云平台，而我们更专注场景覆盖和用户体验。我们希望提供商业闭环，未来无论从小生态和大生态都是几家公司占领市场，但目前还是跑马圈地阶段。

提问：语音识别、语音交互领域，国内公司和国外公司的差距如何？

俞总：在整体基础理论上，国内和国外还有差距，理论多是国外提出基础原创的东西，尤其是深度学习应用、新的解码方式等，但这一点也在很快地追赶。从产品技术性应用角度上，差别不大。尤其中文领域，国内巨头都是世界一流水平。国内有的公司通过平台转化，有的通过产品转化，大家角度不同，但中国有独特的用户和基础优势，各有千秋。总而言之，应用角度上国内不比国外差，但基础研究上可能还有些差距。

提问：关于多语种，尤其是中文的语音交互国内做得怎么样？亚马逊等的中文交互与国内有合作吗？

俞总：中国国内的中文语音交互不比国外差，但全系列英文交互在国内还没有，国内公司的国际化不如国外。中文只是国外公司的一部分，水平不会比国内强很多，谷歌、苹果虽然都希望自己来做这块技术，但也会选择国内公司进行合作，我们可以持续观察。

提问：俞总之前创办的公司主要针对中文还是英文的语音识别？

俞总：之前的公司主要针对语义本身的理解，和语种的关系并不是那么大。

提问：智能硬件公司、互联网公司采购服务的时候主要比较各家的产品，语音识别、语义理解的技术水平如何评估？

俞总：对于语音识别，最简单是通过错误率来评价，测试人员将口述和识别出来的内容进行对比，计算错误率。对于语义理解，也是将原始问题和最终理解结果进行对比，这是客观指标。此外，还有主观指标，自己感觉对还是不对。大的公司都会有自己的测试场景，覆盖不同的需求。

我们自己测试的时候，难度更大，我们还会附加交互过程中的状态等指标，以使得语音识别更加稳定。未来要做好整个语音领域的用户体验，需要做出整个模块级对话的成功率指标，这也是我们在内部测试时正在做的。现在还没有很完整的对话交互的测试，未来更复杂和更丰富的测试手段一定会被提出来。

提问：思必驰的收费模式如何？

高总：现在AI/OI主要通过许可模式收费，按照产品数量收费，极少按打包收费。

提问：中文语音识别的市场体系未来如何？

高总：对于不同类型的公司需要区别来看，从国内看，一类是科大讯飞布局特别广，从2B、2C的角度布局；BAT则从自己生态的角度布局；创业公司还有非常大的潜力，会出现独角兽企业，比如思必驰这类专注智能硬件平台或一些关注产品的公司。未来与垂直行业，比如教育、医疗的结合都是很有前景的，对创业公司来讲，在不同类型的商业模式领域都可能出现独角兽企业。