“ 俞凱是上海交大教授，同時是思必馳聯(lián)合創(chuàng)始人/首席科學(xué)家，他平時出席技術(shù)性質(zhì)的活動，他坦言思必馳是一個技術(shù)型驅(qū)動的公司，要做一個語音場景方案提供商，不做面向C端的產(chǎn)品。這篇文章講述關(guān)于思必馳在定位思考、市場觀察、技術(shù)落地等想法，這篇文章帶你更深入地了解思必馳。

億歐：對于思必馳這種創(chuàng)業(yè)型企業(yè)，之前對外公布主要發(fā)力車載后裝市場，究竟車載前裝市場對比后裝市場有多大呢？

俞凱：進入車載前裝市場是公司的節(jié)奏問題，前裝跟后裝最大的區(qū)別在于后裝出品速度快，前裝車廠往往會比較嚴(yán)格地審核，出品周期比較長，目前思必馳已經(jīng)在對接前裝市場，但是要看到產(chǎn)品，估計要等上一年甚至兩年的時間。

科大訊飛自己做車載前裝語音已經(jīng)做了幾年時間，能否進入前裝市場不是一個技術(shù)問題，更多的是產(chǎn)品對接流程耗時問題。前裝比后裝要求更多，前裝需要跟車型匹配、生產(chǎn)鏈條、特殊的場景測試等，對接工作量是巨大的，所以從后裝市場進入前裝市場對于思必馳而言只是節(jié)奏問題。

像寶馬和奧迪等公司也會跟我們?nèi)贤ㄜ囕d語音前裝對接的事情，前裝汽車廠商不會綁定一個產(chǎn)品供應(yīng)商，前裝市場的迭代周期跟后裝有很大的不同，思必馳并不著急，進入前裝語音廠商只是時間問題。

從市場占比上，車載硬件大部分都是后裝市場，如果從起量上講，后裝市場是更大，但是從價值收入角度講，前裝的售價是比后裝要高。

億歐：思必馳的企業(yè)定位？

俞凱：人工智能大體有三個不同的層次，第一種是專門做模塊、底層技術(shù)的傳感器公司，第二種是專門做人工智能技術(shù)的平臺，第三種是專門做人工智能應(yīng)用級別的產(chǎn)品公司，思必馳是第二種。

思必馳希望把研發(fā)的底層技術(shù)和語音交互經(jīng)驗提供給車載產(chǎn)品廠商或者系統(tǒng)集成廠商，而產(chǎn)品廠商只需要關(guān)注滿足市場剛需的產(chǎn)品，這是智能語音車載行業(yè)的上下游分工。思必馳的定位是非常明確的，不做具體的應(yīng)用級產(chǎn)品，只做語音技術(shù)平臺。

定位是在發(fā)展過程中摸索出來的，最初我們也在手機語音上做過嘗試，但是并不成功，在2013年做過探索，做出來之后發(fā)現(xiàn)并不核心，做出來都是免費的，沒有收費模式。而做智能硬件的語音模塊，第一，這是剛需，第二，這是有營利模式的，手機上的語音模塊并不是剛需，因為你有文字輸入等替代手段，在硬件交互過程中，對于復(fù)雜信息交互（比如問路、聽歌、購物），除了語音交互，沒有其他替代手段，當(dāng)我們發(fā)現(xiàn)這個點才是真正有意義的，把精力全部投進去。

億歐：車載語音產(chǎn)品在技術(shù)上還有多大的發(fā)展空間呢？

俞凱：語音技術(shù)層面還有兩塊可提升的。

①對接認知功能，語音目前解決了“有無”的問題，但全世界都沒有解決“好壞”的問題和對接深度的問題，目前很多車載硬件都可以搜索餐館，但是做不到語音訂餐和訂座，這是語音模塊和功能模塊的對接深度問題。

這涉及到多輪交互的問題，我們下一個發(fā)展目標(biāo)，在車載情況下，實現(xiàn)非配合、自由、多輪交互。目前為止，這只是一個概念，并沒有很好的解決方案。無論在國內(nèi)還是國外，思必馳有在比較深入對這個問題進行研究。

②第二塊突破在車載設(shè)備上，無論是車載后視鏡還是其他車機，有的是安卓系統(tǒng)、有的是winCE系統(tǒng)；在配置上也不同，有的是1個麥克風(fēng)，有的是多個麥克風(fēng)，這些并不統(tǒng)一。

車載內(nèi)部是一個噪聲環(huán)境，對降噪處理仍然有很大的技術(shù)提升空間，在車內(nèi)空間，簡單撥號操作是沒問題的，但是完全自由對話、多人對話，比較復(fù)雜的情況仍然不能很好解決，雖然這些需求并不高頻，但對于成熟的車載設(shè)備是必須要有的。

億歐：科大訊飛總部在安徽合肥、思必馳的總部在蘇州，人才引入跟地區(qū)是否有關(guān)系呢？

俞凱：語音行業(yè)的技術(shù)鏈條特別長，適口人才要求懂的東西特別多，懂語音的人要懂信號處理、模式識別、認知、語音、心理學(xué)、計算機科學(xué)等，需要走的鏈條特別長。同時語音人才團隊要求規(guī)?；?，擁有一支語音基礎(chǔ)研究團隊特別重要，但凡能成為語音技術(shù)平臺型企業(yè)的，背后都要有一支基礎(chǔ)研發(fā)團隊。

而語音是研究鏈條特別長，沒有基礎(chǔ)人才，是沒有辦法做以技術(shù)驅(qū)動型公司的，沒有基礎(chǔ)技術(shù)團隊，最后只能做一個靠產(chǎn)品取勝、商業(yè)模式取勝、設(shè)計取勝的產(chǎn)品型公司，想要靠技術(shù)跟別人拉開差距，沒有基礎(chǔ)研發(fā)實力，光靠工程師，不能跟國際前沿走在一起的。

科大訊飛在安徽，是比較偏的地方，思必馳在蘇州，也不在北上深，都有一個特質(zhì)，背后有一支國際級的研究團隊，科大訊飛依托中國科技大學(xué)的語音語義實驗室，這里不單聚集中國科技大學(xué)工程系做語音的人，還集聚了計算機系做自然語言處理的人。

思必馳跟上海交通大學(xué)成立了思必馳上海交大實驗室，實驗室聚集了聲學(xué)、語言到認知研究人員，聚集了計算機系的人才做支撐，同時我是上海交大的教授，能夠把最好的技術(shù)快速應(yīng)用到產(chǎn)品上。比如說今年能夠?qū)?a href="http://www.makelele.cn/tags/語音識別/" target="_blank">語音識別的速度提高3-4倍，這是一種引領(lǐng)。

億歐：昆仲資本姚海波說過，在人工智能領(lǐng)域，只投產(chǎn)品型公司，而基礎(chǔ)性研究要交給BAT，對于像思必馳這樣一家創(chuàng)業(yè)型公司而言，著力基礎(chǔ)研究會不會過重呢？

俞凱：產(chǎn)品公司的業(yè)績來得快，由于沒有后續(xù)的技術(shù)支撐，掉下去也快，技術(shù)平臺企業(yè)成長比較慢，一旦起來就成為核心入口，人工智能是一個顛覆性的產(chǎn)業(yè)，它的出現(xiàn)正是產(chǎn)業(yè)重組的時候。

目前語音搜索最強的百度嗎？其實不是。PC端所產(chǎn)生、積累的數(shù)據(jù)是沒有辦法轉(zhuǎn)到語音端，在比拼的時候要落實到具體場景下，在車載環(huán)境下能夠抗噪的數(shù)據(jù)，思必馳比百度要多，PC所產(chǎn)生的數(shù)據(jù)是用不到車載環(huán)境下的。

人工智能產(chǎn)生了產(chǎn)業(yè)顛覆性的機會，使得數(shù)據(jù)類型和形態(tài)都變得不一樣，車載場景下，思必馳做得早，有基礎(chǔ)，占據(jù)了一定的優(yōu)勢。人工智能影響的領(lǐng)域很多，思必馳在這塊有80個基礎(chǔ)研究人員，如果按照資源投入來看，思必馳在語音領(lǐng)域的投入很大。

語音交互在細分市場上，可能出現(xiàn)新的數(shù)據(jù)聚集，新的技術(shù)平臺，從而產(chǎn)生新的機會，在這樣的機會面前，創(chuàng)業(yè)型公司和大公司是平等競爭的，在這個競爭中，創(chuàng)業(yè)型公司由于專注，在局部力量上反而有優(yōu)勢。

億歐：思必馳目前有一塊是面向智能家居的，從空調(diào)、冰箱、電視都喊著要裝語音模塊，有這個必要嗎？這個行業(yè)是否已經(jīng)過熱到產(chǎn)生偽需求呢？關(guān)于語音入口論的問題，多入口導(dǎo)致重復(fù)建設(shè)，你更贊成單一入口還是多入口？

俞凱：語音智能發(fā)展到現(xiàn)在，應(yīng)用場景比之前多了，出現(xiàn)偽需求是肯定的。在智能手機之前，諾基亞的功能機都有語音撥號，當(dāng)時的語音識別爛得根本不能用，就產(chǎn)生偽需求，表現(xiàn)在雖然不好用，但是你有我也要有。

對于什么是偽需求？什么是真需求？這往往是需要靠時間來驗證的，真需求是在用戶體驗當(dāng)中被磨礪剩下的需求，沒有人能夠一開始就判斷需求的真?zhèn)巍?/p>

拿語音入口而言，有人認為音樂盒子是智能家居的語音入口，做電視的人又認為電視是智能家居的語音入口，做節(jié)能燈的人又認為電燈是智能家居的語音入口，大家都想往這個方面靠。

我們能確定的是兩點：

①肯定有偽需求存在；

②里面一定會有真需求，這原理是智能家居智能化趨勢是沒錯的，更多企業(yè)加入到大浪淘沙競爭中，產(chǎn)品公司需要判斷和找尋真需求，而思必馳是給予所有可能需求提供語音基礎(chǔ)服務(wù)，為所有可能需求提供一個技術(shù)型的平臺，思必馳是一個產(chǎn)業(yè)能力、基礎(chǔ)能力的提供商。

億歐：在2017年，思必馳對機器人、智能家居、智能車載三個模塊的銷售預(yù)期判斷。

俞凱：2017年銷量還是以車載為主，以增量的相對幅度來講，應(yīng)該會是智能家居，因為車載在經(jīng)過2015-2016年的發(fā)展總量已經(jīng)很大了，所以相對增量不會很大。

從2016年3月-9月的增速情況觀察（后臺語音模塊的調(diào)用次數(shù)判斷），車載語音模塊月度增速大概在97%，而智能家居的月度增速大概在120%。車載市場已經(jīng)趨于穩(wěn)定，明年家居的增速會超過車載，車載的增速已經(jīng)降低，這是因為車載市場成熟已經(jīng)兩年了，并且車載語音的存量基數(shù)大。而智能家居對語音模塊接受高，出貨量比較大。

億歐：語音識別從去年的95%提升到97%，而自然語言處理和語義理解發(fā)展比較緩慢，請問技術(shù)難在哪個點上？思必馳這邊是否有布局？

俞凱：希望同行不要過度夸大語音的識別度，在特定場景下達到97%甚至高于97%是沒有問題，但是一般場景下，或者抗噪場景下，識別率是達不到97%的。

思必馳所做的是對話技術(shù)，不僅包括語義理解，還包括機器的決策和機器的反饋，人的說話分兩塊，第一是我說話你明白了，第二是你明白了之后你知道下一個問題問什么，這是兩個不同的東西，思必馳兩塊都在做。

目前在國內(nèi)對語音的識別有專業(yè)的評測方式（通過語音轉(zhuǎn)化文字的準(zhǔn)確率），但是語義理解沒有標(biāo)準(zhǔn)的評測方式，如果需要數(shù)字評價，在特定領(lǐng)域都能達到97%的精確度，但是在廣泛的領(lǐng)域，并沒有達到上面的準(zhǔn)確率，這是事實。

在非配合情況下，在語音識別錯誤情況下，如何做有容錯的語義理解？在國內(nèi)、甚至國際做這塊研究的人幾乎都在上海交大語音實驗室。

億歐：國內(nèi)和國外的語音差距？

俞凱：在算法上講，國內(nèi)的水平已經(jīng)不比國外差，一方面是產(chǎn)業(yè)的推動，另一方面是原本在國外留學(xué)的人都逐漸回國參與研發(fā)，不過在原創(chuàng)能力上講，相對國外還要弱一點，我們主要的能力是大量吸取國外技術(shù)，然后改良型的小創(chuàng)新，一些本質(zhì)性的創(chuàng)新比較少。思必馳和科大訊飛都做出了一些全球領(lǐng)先的算法模型廣泛被得到認可，改良型創(chuàng)新是超過國外的。

對于人工智能的定義，對于語音識別的發(fā)展，隨著產(chǎn)業(yè)化的進程與發(fā)展，一些陌生的名詞逐漸熟悉起來，一些原本被認為是“騙子”的技術(shù)跟“狼來了”一樣在多次被解讀后，真實進入到生活場景中，語音模塊的產(chǎn)業(yè)鏈條逐漸完備，從傳感器公司、語音數(shù)據(jù)交易平臺、到語音技術(shù)方案提供商、產(chǎn)品系統(tǒng)集成商、產(chǎn)品型公司等。

從行業(yè)種類來分，無論是TO B的語音應(yīng)用（醫(yī)療、客服），還是TO C的語音應(yīng)用（車載、家居、機器人）都會逐漸被細分化，我們期待2017年語音的市場教育和產(chǎn)品更加成熟。