語音識別產(chǎn)業(yè)未來會發(fā)展成什么樣

（文章來源：36氪）

當語音產(chǎn)業(yè)需求四處開花的同時，行業(yè)的發(fā)展速度反過來會受限于平臺服務商的供給能力。跳出具體案例來看，行業(yè)下一步發(fā)展的本質(zhì)邏輯是：在具體每個點的投入產(chǎn)出是否達到一個普遍接受的界限。

離這個界限越近，行業(yè)就越會接近滾雪球式發(fā)展的臨界點，否則整體增速就會相對平緩。不管是家居、酒店、金融、教育或者其他場景，如果解決問題都是非常高投入并且長周期的事情，那對此承擔成本的一方就會猶豫，這相當于試錯成本過高。如果投入后，沒有可感知的新體驗或者銷量促進，那對此承擔成本的一方也會猶豫，顯然這會影響值不值得上的判斷。而這兩個事情，歸根結底都必須由平臺方解決，產(chǎn)品方或者解決方案方對此無能為力，這是由智能語音交互的基礎技術特征所決定。

從核心技術來看，整個語音交互鏈條有五項單點技術：喚醒、麥克風陣列、語音識別、自然語言處理、語音合成，其它技術點比如聲紋識別、哭聲檢測等數(shù)十項技術通用性略弱，但分別出現(xiàn)在不同的場景下，并會在特定場景下成為關鍵?？雌饋黻P聯(lián)的技術已經(jīng)相對龐雜，但切換到商業(yè)視角我們就會發(fā)現(xiàn)，找到這些技術距離打造一款體驗上佳的產(chǎn)品仍然有絕大距離。

所有語音交互產(chǎn)品都是端到端打通的產(chǎn)品，如果每家廠商都從這些基礎技術來打造產(chǎn)品，那就每家都要建立自己云服務穩(wěn)定，確保響應速度，適配自己所選擇的硬件平臺，逐項整合具體的內(nèi)容（比如音樂、有聲讀物）。這從產(chǎn)品方或者解決方案商的視角來看是不可接受的。這時候就會催生相應的平臺服務商，它要同時解決技術、內(nèi)容接入和工程細節(jié)等問題，最終達成試錯成本低、體驗卻足夠好的目標。

平臺服務并不需要閉門造車，平臺服務的前提是要有能屏蔽產(chǎn)品差異的操作系統(tǒng)，這是 AI+IOT 的特征，也是有所參照的，亞馬遜過去近 10 年里是同步著手做兩件事：一個是持續(xù)推出面向終端用戶的產(chǎn)品，比如 Echo，Echo Show等；一個是把所有產(chǎn)品所內(nèi)置的系統(tǒng) Alexa 進行平臺化，面向設備端和技能端同步開放SDK和調(diào)試發(fā)布平臺。雖然 Google Assistant 號稱單點技術更為領先，但從各方面的結果來看 Alexa 是當之無愧的最為領先的系統(tǒng)平臺，可惜的是 Alexa 并不支持中文以及相應的后臺服務。

國內(nèi)則缺乏亞馬遜這種統(tǒng)治力的系統(tǒng)平臺提供商，當前的平臺提供商分為兩個陣營：一類是以百度、阿里、訊飛、小米、騰訊為代表的傳統(tǒng)互聯(lián)網(wǎng)或者上市公司；一類是以聲智等為代表的新興人工智能公司。新興的人工智能公司相比傳統(tǒng)公司產(chǎn)品和服務上的歷史包袱更輕，因此在平臺服務上反倒是可以主推一些更為面向未來、有特色的基礎服務，比如兼容性方面新興公司做的會更加徹底，這種兼容性對于一套產(chǎn)品同時覆蓋國內(nèi)國外市場是相當有利的。

類比過去的 Android，語音交互的平臺提供商們其實面臨更大的挑戰(zhàn)，發(fā)展過程可能會更加的曲折。過去經(jīng)常被提到的操作系統(tǒng)的概念在智能語音交互背景下事實上正被賦予新的內(nèi)涵，它日益被分成兩個不同但必須緊密結合的部分。

這兩邊在操作上，屬性具有巨大差異。解決前者需要參與到傳統(tǒng)的產(chǎn)品生產(chǎn)制造鏈條中去，而解決后者則更像應用商店的開發(fā)者。這里面蘊含著巨大的挑戰(zhàn)和機遇。在過去功能型操作系統(tǒng)的打造過程中，國內(nèi)的程序員們更多的是使用者的角色，但智能型操作系統(tǒng)雖然也可以參照其他，但這次必須自己來從頭打造完整的系統(tǒng)。（國外巨頭不管在中文相關的技術上還是內(nèi)容整合上事實上都非常薄弱，不存在侵略國內(nèi)市場的可能性）

隨著平臺服務商兩邊的問題解決的越來越好，基礎的計算模式則會逐漸發(fā)生改變，人們的數(shù)據(jù)消費模式會與今天不同。個人的計算設備（當前主要是手機、筆記本、Pad）會根據(jù)不同場景進一步分化。比如在車上、家里、酒店、工作場景、路上、業(yè)務辦理等會根據(jù)地點和業(yè)務進行分化。但分化的同時背后的服務則是統(tǒng)一的，每個人可以自由的根據(jù)場景做設備的遷移，背后的服務雖然會針對不同的場景進行優(yōu)化，但在個人偏好這樣的點上則是統(tǒng)一的。

人與數(shù)字世界的接口，在現(xiàn)在越來越統(tǒng)一于具體的產(chǎn)品形態(tài)（比如手機），但隨著智能型系統(tǒng)的出現(xiàn)，這種統(tǒng)一則會越來越統(tǒng)一于系統(tǒng)本身。作為結果這會帶來數(shù)據(jù)化程度的持續(xù)加深，我們越來越接近一個百分百數(shù)據(jù)化的世界。