人工智能發(fā)聲 將引領(lǐng)市場演變和轉(zhuǎn)型

硅基麥克風(fēng)的出現(xiàn)重塑了音頻領(lǐng)域。市場研究公司Yole Development相信，在未來幾年，人工智能將引領(lǐng)市場演變和轉(zhuǎn)型。

語音交互是自然的，這就是為什么它正在成為人機交互的主要接口。基于語音的個人助理（VPA）在智能手機、智能音箱、智能手表、無線耳機、汽車、智能電視及其遙控器中越來越受歡迎?，F(xiàn)在甚至垃圾桶都集成了語音識別。而真正的價值在于高音頻質(zhì)量和對麥克風(fēng)周圍環(huán)境的理解。

對于Yole development來說，音頻是下一個被人工智能（AI）滲透的領(lǐng)域。

人工智能如何發(fā)聲

基于語音的虛擬個人語音助理（VPA）是當(dāng)今音頻行業(yè)的主要驅(qū)動力?；谝纛l系統(tǒng)的傳統(tǒng)組件，如音頻編解碼器、麥克風(fēng)、揚聲器和音頻放大器，他們都在使用人工智能來計算和分析語音數(shù)據(jù)。例如計算支持復(fù)雜的音頻功能，如語音識別和源定位。它可以在云中執(zhí)行，也可以在消費設(shè)備的邊緣處執(zhí)行。這些分析在云中執(zhí)行需要很高的處理能力和訪問大量數(shù)據(jù)，。

Yole光電和傳感部門的技術(shù)和市場分析師Dimitrios Damianos表示：“人工智能的附加價值是用于自然語言處理，聲音是與機器互動的一種更自然的方式。你不需要使用鍵盤和雙手，你只需要發(fā)聲即可。然而，為了理解用戶在說什么，他們的語言以及他們的意思需要進(jìn)行大量的處理?！叭斯ぶ悄苷谠黾咏獯a的價值，并幫助我們與設(shè)備溝通?！?/p>

當(dāng)被問及VPA的快速滲透時，Damianos將其歸因于其便捷性和效率。當(dāng)然，“我們相信和看到的是，像谷歌、蘋果、Facebook、亞馬遜和微軟（統(tǒng)稱為GAFAM）這樣的大型科技公司試圖推動這些VPA，因為它們提取的數(shù)據(jù)有真正的價值?！?/p>

Yole公司MEMS和傳感器部門的技術(shù)和市場分析師Alexis Debray：對于用戶來說，音頻比圖像更容易被接受。他們認(rèn)為音頻“不那么具有侵入性，所以這是GAFAM從人們那里收集數(shù)據(jù)的好方法，GAFAM的主要業(yè)務(wù)就是數(shù)據(jù)。一些公司利用數(shù)據(jù)做生意，而另一些公司利用隱私和設(shè)置技術(shù)來確保用戶的隱私。例如，蘋果公司就宣揚隱私，并使之成為強大的營銷資產(chǎn)。

Damianos說到：對大型科技公司來說，它們的實際價值是盡可能多地從環(huán)境中提取信息，這意味著VPA不僅會傾聽用戶的聲音，還會傾聽他們周圍的環(huán)境，并了解他們的環(huán)境。例如，“如果你在廚房里，麥克風(fēng)可以聽到刀架在柜臺上的聲音，立刻就知道你在廚房里，并給出一個菜譜?！边@就是情景人工智能。

人工智能對話之后的下一個階段很可能是完全感知，虛擬助手，無論是智能揚聲器還是智能手表，都可以像人類一樣與用戶交流。Damianos介紹，完全的意識是概念性的，并帶有問號。“我們還不知道時間軸，但可能會在人工智能對話之后的5到6年。這將取決于人工智能的發(fā)展和該領(lǐng)域公司的發(fā)展。

雖然這些一直監(jiān)聽的系統(tǒng)可以在汽車人機界面中挽救生命，但它們也引起了人們對用戶隱私保護(hù)的擔(dān)憂。為了防止可能的誤用，Debray強調(diào)，數(shù)據(jù)處理應(yīng)該盡可能快地進(jìn)行，并盡可能靠近麥克風(fēng)?！半x麥克風(fēng)越近，隱私泄露的可能性就越小?！?/p>

隱私包含多個維度，因為用戶可能希望隱藏自己的性別、年齡或情緒。展望未來，Debray表示，他有信心麥克風(fēng)、ASIC或應(yīng)用處理器領(lǐng)域的參與者將開發(fā)出確保用戶隱私的技術(shù)。麥克風(fēng)可以消除聲音中的情緒，只呈現(xiàn)音頻數(shù)據(jù)。

Yole分析師預(yù)計，GAFAM將繼續(xù)占據(jù)主導(dǎo)地位，因為目前它們對分析的作用至關(guān)重要，但傳感器制造商顯然渴望在邊緣加入人工智能，并將音頻分析業(yè)務(wù)從云端分流出去。Damianos：“傳感器制造商希望增加他們的收入，并從音頻市場中分一杯羹。這不是一場來自大公司一方的戰(zhàn)斗。這是傳感器公司的一場戰(zhàn)斗?！?/p>

Alexis Debray：“傳感器公司確實在追求多樣化的戰(zhàn)略，“試圖向價值鏈移動，變得更加一體化?！?/p>

在最近的一次采訪中，Vesper Technologies Inc.首席執(zhí)行長Matt Crowley曾表示，Vesper正在尋求提高其壓電MEMS麥克風(fēng)的智能化程度?！拔覀兿嘈?，在未來，我們將在傳感器中嵌入一些與人工智能配對的傳感器。它將能夠?qū)W習(xí)人類和動物如何使用他們的感官——不僅僅是視覺、聽覺、味覺、嗅覺和觸覺，還有動作或溫度——來了解他們的環(huán)境。我們的長期愿景是，這些物體將使用多種仿生傳感器來了解它們的環(huán)境，并盡可能做出最佳反應(yīng)?！?/p>

此外，英飛凌（Infineon AG）也改變了自己的商業(yè)模式，從銷售麥克風(fēng)模類產(chǎn)品轉(zhuǎn)向銷售Goertek和AAC等公司的產(chǎn)品，再到銷售成套的MEMS麥克風(fēng)。從一個MEMS麥克風(fēng)制造商到一個做制造、封裝、測試和銷售的綜合播放器。“這是戰(zhàn)略上的變化……這可能意味著，他們看到了VPA的動向，希望在這個市場上找到自己的定位?！?/p>

同樣，美國樓氏電子Knowles，今天的領(lǐng)導(dǎo)者，擁有MEMS麥克風(fēng)市場39%的份額，最近從Ams AG收購了MEMS麥克風(fēng)ASIC設(shè)計部門。這是引入混合信號電路設(shè)計知識產(chǎn)權(quán)的一種方式，同時也是應(yīng)對來自中國公司如Goertek和AAC日益激烈的競爭的一種方式。

MEMS麥克風(fēng)為音質(zhì)提供有力支持

全球音頻市場繼續(xù)其增長軌跡?；谡Z音的VPA需要更好的信噪比（SNR），以便在嘈雜的環(huán)境中準(zhǔn)確地捕捉人的聲音，因此MEMS麥克風(fēng)面臨著新的市場機遇。

據(jù)Yole稱，全球麥克風(fēng)、麥克風(fēng)和音頻芯片消費市場的年化增長率將達(dá)到6.6%，從2018年的141億美元增長到2024年的208億美元。便宜，小巧，易于集成，麥克風(fēng)被廣泛采用，并達(dá)到很高的音量。Damianos：“我們使用了大約60億個麥克風(fēng)，”目前麥克風(fēng)市場規(guī)模為17億美元，預(yù)計到2024年，其復(fù)合年增長率將達(dá)到3%，達(dá)到20億美元。

MEMS麥克風(fēng)市場目前約占總市場的70%，將從2018年的12億美元增長到2024年的16億美元。主要的驅(qū)動市場包括智能手機、智能音箱以及可聽設(shè)備（如無線耳機）。Damianos 介紹：“在過去的幾年里，智能音箱和可聽設(shè)備的市場經(jīng)歷了爆炸性的增長。到2024年，智能音箱中的MEMS麥克風(fēng)的復(fù)合年增長率將達(dá)到13%，達(dá)到12億只。到2024年，無線耳機的復(fù)合年增長率將達(dá)到29%，達(dá)到13億部。

2019年智能手機用戶20%的人機互動將使用語音助理

各大手機平臺也在積極投入，讓虛擬個人語音助理（VPA）的功能日益強大，甚至連蘋果Siri都會唱PPAP，研究機構(gòu)Gartner表示，相關(guān)技術(shù)進(jìn)展將促使用戶更常使用VPA，預(yù)計到2019年，智能型手機用戶20%的人機互動，都將使用VPA。

Gartner還公布了2016年第四季的行動應(yīng)用調(diào)查，在中國、英國與美國調(diào)查了3021名手機用戶，發(fā)現(xiàn)美國有42%、英國有32%用戶在過去三個月內(nèi)使用過VPA功能，英美平均每天至少使用一次的用戶達(dá)37%。

有54%受訪的英美用戶過去三個月使用過蘋果的Siri，Google Now的過去三個月使用率在美國則為48%、英國41%。Gartner表示，隨著更多新功能的出現(xiàn)、更多語系支持，以及越來越多機種支持VPA，這類接口的使用率將會逐步成長。

Gartner表示，VPA的成長，會和同時間快速發(fā)展的「會話商務(wù)（conversaTIonal commerce）」相互加持，且不僅是語音識別為中心，通訊軟件語對話功能亦將扮演重要角色，例如Facebook Messenger的新商務(wù)功能便可讓用戶透過對話訂購商品、呼叫Uber等，此外，騰訊的微信發(fā)展出的支付功能也已經(jīng)成為該通訊服務(wù)的重要功能。

Gartner表示，中國是目前全球會話商務(wù)最成熟的市場，以通訊平臺為核心的市場發(fā)展?fàn)顩r已經(jīng)促使傳統(tǒng)商業(yè)進(jìn)行變革。微軟的Cortana也正整合入Skype，Cortana則負(fù)責(zé)扮演第三方服務(wù)提供商與消費者之間、以對話呈現(xiàn)的互動平臺，協(xié)助用戶進(jìn)行機票、飯店預(yù)訂等商務(wù)活動。

除了語音，Gartner亦預(yù)測現(xiàn)在是移動電話主流互動接口的觸控功能，將不再是消費者唯一仰賴的接口，語音語動作（gesture）的重要性將會在消費性裝置上大增，預(yù)期到2020年將有70億臺個人設(shè)備、13億個穿戴式裝置與57億個其他類消費性物聯(lián)網(wǎng)終端裝置，將會僅有基本，或完全沒有觸控設(shè)計（Zero-Touch UI），使用傳感器針對周邊環(huán)境進(jìn)行情境信息搜集，如語音、環(huán)境、生物特征、移動與動作等信息，將會成為新型態(tài)UI的重要設(shè)計依據(jù)。

與此同時，據(jù)Yole稱，目前價值91億美元的微型揚聲器市場，預(yù)計在2024年將以3%的復(fù)合年增長率達(dá)到109億美元。

Damianos ：“這似乎是一個適度的增長，但在2018年和2019年，智能手機市場放緩，可能是因為智能手機越來越貴，用戶在升級之前等待的時間更長。以前你每1.5年換一次手機，現(xiàn)在是每2.5年換一次，而且還在增加， “我們預(yù)計麥克風(fēng)和微型揚聲器市場將會下滑。事實上，“可聽設(shè)備和智能音箱的爆炸式增長抵消了這種差異。VPA正在推動所有這些設(shè)備中麥克風(fēng)和揚聲器的集成化?！?/p>

Damianos總結(jié)道，時間在變化。