平臺野心 穿越設備界限的“對話”

賀文

智能音箱未必會成為入口，但語音交互一定是下一個流量入口。

這個生態鏈非常復雜，需要有資源有積累才能玩轉。迅雷創始人程浩最近撰文《創業公司做智能音箱是九死一生》，他分享了這樣一個觀點：在智能音箱語音交互這件事上，巨頭有著創業公司無可比擬的競爭優勢，數據、內容和生態體系。

尤其是當巨頭選擇“開放”策略之后。比如百度DuerOS、阿里AliGenie、騰訊的叮當和小微，都已經選擇了做開放平臺。他們為硬件廠商提供對話式人工智能系統、Skills以及內容的一站式服務。巨頭們都想做智能硬件AI時代的“安卓系統”。最惹眼的當屬百度，它剛剛宣布，百度將永久免費開放語音識別、語音合成和語音喚醒三大語音技術接口。

樂觀者認為，語音交互目前是一個封閉生態，而一人之力難成大事，對一家單打獨斗的企業也是一樣。行業起步，場景逐漸放開，個性化需求呈現指數級增長，要想打破瓶頸和天花板，勢必要開放，要合作。同時，競爭本就殘酷，所有的語音公司沒有那一項技術是“你們能做我們做不了”的，尤其是在技術、資源、資本兼具的巨頭面前，大家無非都是跟時間賽跑。

讓BAT的優勢資產“梅開二度”

巨頭下重注在語音賽道，目標是切入未來更大的人工智能（AI）市場，因為硬件背后的語音平臺有機會成為智能物聯網時代的“操作系統”，連接全新的產業生態。

人工智能時代靠的不只是技術，海量數據、暴力計算和大數據的豐滿度是重要的競爭優勢，也正是互聯網巨頭的優勢領域。百度高舉“免費”大旗，用意很明顯，一是走技術營銷路線，二是希望獲得足夠的運用場景來積累更豐富的語音語料數據。

對所有國內語音企業來說，百度是繞不過去的。“All In AI”的百度希望借人工智能這個“新風口”，重回中國互聯網行業之巔，因為在PC和移動互聯網時代百度借由搜索主業所沉淀的大量的產品、技術、數據等等資產，都將有可能在AI時代被充分地激活。

語音交互是2017百度世界大會上一條隱形的技術主線。除了李彥宏當天演示的手機百度TTS（從文本到語音）功能，足夠搶鏡的智能音箱Raven H，以及“幕后”百度對話式人工智能操作系統DuerOS2.0，百度度秘事業部總經理景鯤還在大會上宣布了DuerOS2.0正式對業界開放。

DuerOS是百度度秘事業部研發的對話式人工智能操作系統，搭載DuerOS的設備可讓用戶以自然語言對話的交互方式，實現影音娛樂、信息查詢、生活服務、出行路況等10大類目的100多項功能等操作。同時，借助云端大腦，DuerOS可以不斷學習進化，越變越“聰明”。

景鯤是DuerOS語音交互平臺的總負責人，直接向百度集團總裁兼COO陸奇匯報。2017年2月，百度對外公布了兩個重要消息：一是度秘團隊升級為度秘事業部，一是收購渡鴉團隊。兩條業務線都是向陸奇匯報工作。有媒體解讀，百度“這種軟硬融合的戰略選擇是極其正確的”，作為國內對人工智能投入力度最大的公司，百度終于在人工智能這個大方向上走在了對的路。

DuerOS開放平臺，從2017年7月百度AI開發者大會發布，到2.0版本亮相之間的四個多月時間里，加速迭代，合作伙伴已新增130余家、落地硬件解決方案超過20個、每月新增5款以上搭載DuerOS的設備。目前，DuerOS的對話能力已經應用到手機、電視、音箱等智能家居、智能穿戴和車載場景中。

外界說Raven H“漂亮得不像百度的產品”，李彥宏卻認為它很“百度”，意在更加聰明的對話能力“背后有百度這么多年做搜索的積累，無論是人工智能的技術，還是相關的數據，以及背后的知識圖譜”。依托百度在語音語義技術上的優勢，DuerOS的野心是打造成人工智能時代的“安卓系統”。

C端和智能硬件一直是百度短板，過去幾年，百度在移動互聯網領域頻頻布局失誤，已經錯失了移動互聯網的紅利期。借由包括語音交互在內的AI技術，并且通過輸出技術性產品和服務，占領更多的終端，是百度現在迫切想做到的。

騰訊在語音賽道上的布局，則延續了它內部孵化創新所特有的“賽馬”機制。依據公開信息，騰訊目前有4個部分在做語音交互的平臺性產品，騰訊叮當、騰訊云小微（騰訊在2017年6月份正式推出的智能語音開放平臺）、騰訊AI Lab和騰訊的微信開放平臺。

最近嶄露頭角的，是在2017年11月騰訊全球伙伴大會上正式亮相的騰訊叮當。這是一款智能助手系統，提供高質、完整、開放的人工智能服務，幫助終端硬件設備快速獲得聽覺和視覺的交互能力。叮當專注于探索場景化的人機智能交互，騰訊在其中整合了信息服務、內容服務、生活服務和各種硬件的連接服務。與百度阿里不同的是，騰訊的優勢是在音樂、閱讀、視頻、新聞、動漫、體育等泛娛樂領域擁有大量優質內容和應用資源，這些恰恰是通過語音這種工具完成信息搜索、服務達成所必不可少的。

在AI時代，阿里給語音企業的印象是，“又有技術，又能做C端，還能突破。”最近沒參加烏鎮飯局的馬云，在上海某個地鐵站，用阿里iDST（Institute of Data Science & Technologies，數據科學與技術研究院）的語音技術，動動嘴就買了張地鐵票，還沒說喚醒詞。

阿里iDST語音團隊負責人鄢志杰對外介紹，地鐵智能購票系統所用的多模態交互就是阿里巴巴iDST團隊對下一代人機交互可能性的一種嘗試——把計算機視覺技術融合到語音識別技術中，攻克嘈雜環境下的遠講降噪問題，這樣一來，你只要走近機器，不需要喚醒，它就會自動與你發生交互。

對生態的渴求

對于思必馳這樣的專注于智能設備領域的語音技術服務商，像科大訊飛這樣的老牌智能語音公司一下子氣氛緊張起來，可預想的直接影響是，像BAT、京東、小米這些可能的、曾經的客戶，轉身伙伴秒變對手，似乎 AI一來，語音行業的洗牌在即。

“現在只要是干語音這行的，不管你是做市場的還是干技術的，不管你什么職位，大公司聞訊就會過來挖人，不設崗位、不設工資，一切面聊。”有語音行業的人士透露，語音領域的人才在國內一下子變得奇貨可居。

把對話鏈條的所有環節聚合到一起再開放給開發者，這樣的語音對話全鏈路平臺，現在國內主要有三股勢力在做：一是互聯網公司如百度DuerOS，一是專注于語音領域的老牌技術公司科大訊飛的訊飛開放平臺，一是思必馳今年9月推出的DUI 開放平臺。

DUI平并不是思必馳的首款開放平臺。2013年9月，思必馳發布了國內首款對話平臺“思必馳對話工場”，開放底層的ASR、TTS、NLU等SDK接口，把語音對話能力搭建在平臺上，賦能給移動互聯網的開發者。

但那時，移動互聯網產業還在中場，整個物聯網大產業還在非常早的早期，不像現有爆品、產品的這般普及度，整個產業鏈的成熟度、人工智能的成熟度、落地速度和質量也遠不及今天。那時的思必馳，面向的是相對弱的需求，是“拿著錘子找釘子”。

2015年，基于對軟硬件的探索，思必馳推出AIOS對話操作系統，賦能更多智能硬件合作伙伴。伴隨著物聯網端的速度更新加快，產品更加個性化，需求更加差異化，今年思必馳推出DUI開放平臺。

同時，語音交互領域的競爭環境也在迅速變化，攜技術、資源、資本優勢的互聯網大公司相繼涌入這個領域，語音技術服務商所倚重的面向B端企業的項目制產品模式和盈利模式，在與互聯網公司的平臺制規模化較量時，優劣對比越來越明顯。

開放和平臺，已是競爭大勢所趨。尚在創業階段的公司做平臺，“為與不為”變得相當重要。

思必馳CEO高始興表示，思必馳通過DUI平臺開放核心語音技術，愿意將DUI全鏈路的每個環節都開放，數據接口開放，硬件模組也開放，在這方面，思必馳已與海知智能、聲智科技建立了合作關系，比如在AI技能、文本分析、硬件模組接口等更加細分的技術層面，開發者既可以使用思必馳的語音技術，也可以用行業伙伴的技術。

在思必馳首席科學家俞凱看來，目前國內提供語音交互技能的公司大體上有兩種不同的思路。一是提供封閉的解決方案，所有的東西都包攬優化；二是像思必馳DUI這樣的思路，開放，形成生態圈，有博弈的過程，但是多贏博弈的過程，在生態圈上大家互相體諒。

思必馳對AI領域的關注，也開始從聚焦人工智能物聯網上下游產業鏈，到關注傳統行業，例如擴展到了教育、醫療等。在元禾資本、富士康、清華控股等LP的支持下，思必馳于2016年牽頭成立了馳星創投，截止目前，已成功投資、孵化了七家企業。

原阿里iDST語音團隊負責人初敏博士加入思必馳，也是今年下半年語音交互領域的一大新聞。由初敏牽頭，思必馳北京研發院正式成立，并將在一年之內組建從基礎研究到應用落地的研發團隊，為思必馳拓展新的業務路線，比如面向企業端的“智能服務”。

在通往平臺的路上，競爭已來。