深耕人機(jī)交互“入口”

岳麗麗

吳曉波說(shuō)過(guò)，2014年到2016年是中國(guó)最好的創(chuàng)業(yè)時(shí)代。聲智科技（SoundAI）聯(lián)合創(chuàng)始人常樂(lè)算是抓住了這一“時(shí)代”尾巴的一撥人之一。2016年創(chuàng)辦聲智科技，專注于聲學(xué)與人工智能融合方向的技術(shù)研發(fā)，包括她在內(nèi)的4名創(chuàng)始成員都來(lái)自中國(guó)科學(xué)院聲學(xué)所。

常樂(lè)告訴創(chuàng)業(yè)邦，人和機(jī)器的交互方式在不斷演變，從旋鈕和鍵盤、鼠標(biāo)、觸摸屏演變到第4代以語(yǔ)音為代表的遠(yuǎn)場(chǎng)語(yǔ)音交互手段。語(yǔ)音已經(jīng)成為最重要的人機(jī)交互入口，這是一個(gè)國(guó)內(nèi)外同步創(chuàng)新、爭(zhēng)奪科技制高點(diǎn)與未來(lái)產(chǎn)業(yè)重構(gòu)的新機(jī)遇。

而遠(yuǎn)場(chǎng)語(yǔ)音交互市場(chǎng)的興起還要?dú)w功于美國(guó)電商巨頭亞馬遜推出的智能音箱Echo，其帶來(lái)的顯著變化就是把語(yǔ)音交互方式從近場(chǎng)升級(jí)為遠(yuǎn)場(chǎng)。以北美市場(chǎng)為首，圍繞人工智能遠(yuǎn)場(chǎng)語(yǔ)音交互技術(shù)的產(chǎn)品已經(jīng)開(kāi)始落地，但彼時(shí)，國(guó)內(nèi)大多數(shù)產(chǎn)品還停留在近場(chǎng)語(yǔ)音交互階段。常樂(lè)預(yù)判“未來(lái)國(guó)內(nèi)的發(fā)展模式一定會(huì)往遠(yuǎn)場(chǎng)語(yǔ)音交互方式過(guò)渡”，因此，創(chuàng)業(yè)初期聲智科技決定由該市場(chǎng)切入。

將技術(shù)做商業(yè)化落地

此前，常樂(lè)的師兄，現(xiàn)在的聲智科技創(chuàng)始成員，與常樂(lè)一起同在中科院聲學(xué)所從事相關(guān)技術(shù)的研發(fā)，創(chuàng)立聲智科技則意味著把技術(shù)做商業(yè)化落地。由此組成的創(chuàng)始團(tuán)隊(duì)構(gòu)成了聲智科技的競(jìng)爭(zhēng)力之一。常樂(lè)解釋，聲學(xué)是物理學(xué)科的二級(jí)學(xué)科，很多高校本科并不開(kāi)設(shè)這個(gè)專業(yè)，到了研究生階段才有一些高校、研究所開(kāi)設(shè)，相關(guān)人才稀缺。同時(shí)國(guó)內(nèi)專注在聲學(xué)領(lǐng)域研究的人才很少。

人和機(jī)器的交互方式在不斷演變，語(yǔ)音已經(jīng)成為最重要的人機(jī)交互入口，這是一個(gè)國(guó)內(nèi)外同步創(chuàng)新、爭(zhēng)奪科技制高點(diǎn)與未來(lái)產(chǎn)業(yè)重構(gòu)的新機(jī)遇。

在目前200人的團(tuán)隊(duì)中，除創(chuàng)始團(tuán)隊(duì)外，聲智科技還引進(jìn)了包括中國(guó)科學(xué)院、清華大學(xué)、北京大學(xué)、中國(guó)科技大學(xué)、北京航空航天大學(xué)、中國(guó)傳媒大學(xué)、MIT等名校畢業(yè)生以及Google、Broadcom、Dolby、騰訊、百度等精英。

常樂(lè)提到，2010年由于深度學(xué)習(xí)技術(shù)的出現(xiàn)和應(yīng)用，人工智能開(kāi)始在商業(yè)領(lǐng)域展現(xiàn)其價(jià)值。智能語(yǔ)音在國(guó)內(nèi)是從1956年中科院聲學(xué)所的第一套電子管語(yǔ)音識(shí)別系統(tǒng)開(kāi)始，直到2011年語(yǔ)音技術(shù)才真正獲得市場(chǎng)認(rèn)同，這個(gè)時(shí)候語(yǔ)音識(shí)別技術(shù)開(kāi)始快速迭代，2016年機(jī)器語(yǔ)音識(shí)別率終于在2016年達(dá)到了一般人類的水平。但是這個(gè)結(jié)果還存在非常大的邊界約束，因?yàn)闆](méi)有考慮到真實(shí)環(huán)境的物理因素干擾，其真實(shí)效果還是不能滿足實(shí)際應(yīng)用的要求。商業(yè)化落地需要構(gòu)建真實(shí)的場(chǎng)景下的遠(yuǎn)場(chǎng)語(yǔ)音交互，比如在嘈雜的餐館、迎風(fēng)行駛的車上等。首先聲智科技要解決的是空間物理環(huán)境聲場(chǎng)的影響，也就是構(gòu)建一個(gè)靈敏的“耳朵”，提升體驗(yàn)感?！坝辛遂`敏的耳朵，就能采集到更好的數(shù)據(jù)集，訓(xùn)練出更好的機(jī)器學(xué)習(xí)的模型，反哺整個(gè)交互過(guò)程?！?/p>

其次，聲智科技基于底層聲學(xué)技術(shù)生成完整的軟硬件方案，構(gòu)建基于聲智科技人工智能操作系統(tǒng)搭建的人工智能交互平臺(tái)。完整的語(yǔ)音交互過(guò)程包括從聽(tīng)到聲音到大腦解析成文字再到最終說(shuō)出來(lái)，其中包括了多項(xiàng)技術(shù)，聲學(xué)處理主要是仿真人類的耳朵，保證機(jī)器能夠聽(tīng)得準(zhǔn)真實(shí)環(huán)境下的人的聲音;語(yǔ)音識(shí)別則是要把聽(tīng)到的人聲翻譯成文字;語(yǔ)義理解則分析這些文字的意義;語(yǔ)音合成就把機(jī)器要表達(dá)的文字翻譯成語(yǔ)音。再融合知識(shí)圖譜、人工智能大數(shù)據(jù)分析和解析、智能搜索推薦、智能決策等技術(shù)，形成完整的人工交互鏈條，聲智科技再開(kāi)始在此基礎(chǔ)之上迭代產(chǎn)品和服務(wù)。

聲智科技（SoundAI） 聯(lián)合創(chuàng)始人常樂(lè) 這是一個(gè)國(guó)內(nèi)外同步創(chuàng)新、爭(zhēng)奪科技制高點(diǎn)與未來(lái)產(chǎn)業(yè)重構(gòu)的新機(jī)遇

常樂(lè)介紹，聲智科技推出人工智能操作系統(tǒng)的目標(biāo)用戶群體主要分為兩大方向。第一為內(nèi)容和服務(wù)提供方，聲智科技可以滿足他們?cè)诓煌O(shè)備、載體嵌入服務(wù)和內(nèi)容的需求?！拔磥?lái)用戶可能會(huì)在智能音箱、智能屏、智能汽車等新一代智能終端設(shè)備上使用傳統(tǒng)服務(wù)，通過(guò)我們的人工智能操作系統(tǒng)構(gòu)建服務(wù)平臺(tái)，幫助這類目標(biāo)客戶將服務(wù)、內(nèi)容提供給第三方，類似于在手機(jī)上安裝他們的App?！钡诙莻鹘y(tǒng)硬件廠商，通過(guò)安裝聲智科技的人工智能操作系統(tǒng)，為硬件升級(jí)進(jìn)行智能化賦能，打造具有人工智能交互能力的新型設(shè)備產(chǎn)品。

從感知智能進(jìn)入認(rèn)知智能

現(xiàn)在聲智科技已研發(fā)出人工智能操作系統(tǒng)Azero、人工智能開(kāi)放平臺(tái)Babel和融合感知算法引擎Cimon，以及深度結(jié)合應(yīng)用場(chǎng)景的AI硬件設(shè)備、AI營(yíng)銷客服、AI語(yǔ)音助手、AI虛擬數(shù)字人、AI音視頻會(huì)議等產(chǎn)品和行業(yè)綜合解決方案。

初期，聲智科技率先落地在消費(fèi)電子品這類用戶使用量較大的場(chǎng)景，聲智科技占據(jù)中國(guó)70%的遠(yuǎn)場(chǎng)語(yǔ)音交互市場(chǎng)?，F(xiàn)逐步向傳統(tǒng)金融、安防以及醫(yī)療、交通等領(lǐng)域開(kāi)始新的探索。在此次疫情期間，聲智科技也有所行動(dòng)，推出了AI數(shù)字人紅外測(cè)溫設(shè)備、可視化AI語(yǔ)音電梯等非接觸式抗疫解決方案。常樂(lè)介紹，AI數(shù)字人紅外測(cè)溫儀可實(shí)現(xiàn)1～6米范圍內(nèi)、0.2秒內(nèi)完成多個(gè)目標(biāo)的高精度測(cè)溫，支持實(shí)時(shí)AI語(yǔ)音合成播報(bào)，自動(dòng)上傳預(yù)警信息。

目前聲智科技已在安徽、廣州、青島、成都、北京等全國(guó)18個(gè)省市的學(xué)校、辦公大廳、寫字樓落地。AI語(yǔ)音電梯整體解決方案無(wú)須下載任何App或小程序，只需要一句話“小易小易，上樓/下樓”就可以實(shí)現(xiàn)電梯呼叫?，F(xiàn)在已在北京市海淀醫(yī)院正式投入使用，北醫(yī)三院也即將落地使用。

回顧人機(jī)交互技術(shù)的發(fā)展史，相較于近場(chǎng)語(yǔ)音交互，遠(yuǎn)場(chǎng)語(yǔ)音交互技術(shù)的出現(xiàn)成功解決了真實(shí)場(chǎng)景下的復(fù)雜聲學(xué)問(wèn)題。但當(dāng)前還只是人機(jī)自然交互的發(fā)展初期，即便智能語(yǔ)音交互也還任重而道遠(yuǎn)。在聲智科技看來(lái)，所有的AI產(chǎn)品仍沒(méi)有達(dá)到理想的狀態(tài)，在不斷優(yōu)化過(guò)程中，聲智科技始終注重的是用戶體驗(yàn)，“語(yǔ)音識(shí)別率超過(guò)99%這個(gè)數(shù)字對(duì)于用戶來(lái)說(shuō)，意義不大，相反，交互體驗(yàn)對(duì)他來(lái)說(shuō)更為重要，也就是推薦的產(chǎn)品是不是他想要的，聽(tīng)到的是不是夠準(zhǔn)確?！?/p>

為了更好地實(shí)現(xiàn)AI從感知智能進(jìn)入認(rèn)知智能的階段，需要針對(duì)不同場(chǎng)景，在語(yǔ)義理解方面建立不同知識(shí)圖譜庫(kù)，不斷進(jìn)行學(xué)習(xí)和迭代。常樂(lè)表示，現(xiàn)階段，智能家居等領(lǐng)域的語(yǔ)音識(shí)別率已經(jīng)相對(duì)較高，而在一些智能交通、智能醫(yī)療領(lǐng)域、安防司法等專業(yè)性較強(qiáng)領(lǐng)域，還需要針對(duì)自然語(yǔ)義理解方面收集更多的語(yǔ)料庫(kù)和數(shù)據(jù)集進(jìn)一步的迭代，這是聲智科技今年重點(diǎn)的發(fā)力方向。

同時(shí)常樂(lè)預(yù)判，未來(lái)的人機(jī)交互，也將實(shí)現(xiàn)更加多傳感融合的多模態(tài)人機(jī)交互手段，使可交互信息的理解度和可靠性更高，會(huì)是融合交互將成為人類和機(jī)器相互學(xué)習(xí)的關(guān)鍵手段。這也是聲智科技下一步優(yōu)化迭代的方向。

從長(zhǎng)遠(yuǎn)來(lái)看，能快速把技術(shù)落地應(yīng)用到相應(yīng)業(yè)務(wù)領(lǐng)域，得益于聲智科技團(tuán)隊(duì)的落地能力和營(yíng)銷能力。在常樂(lè)看來(lái)，初期已有聲學(xué)技術(shù)儲(chǔ)備到逐步建立了多模態(tài)交互技術(shù)，能達(dá)到這一技術(shù)壁壘的企業(yè)在國(guó)內(nèi)寥寥可數(shù)。

聲智科技現(xiàn)有客戶數(shù)約500家，包括華為、小米、百度、騰訊、阿里巴巴、中國(guó)移動(dòng)、中國(guó)聯(lián)通、中央人民廣播電臺(tái)、聯(lián)想、創(chuàng)維、寶潔、萬(wàn)科、奇虎360、金蝶、浪潮、國(guó)美、堅(jiān)果等企業(yè)。常樂(lè)提到，成立初期國(guó)內(nèi)市場(chǎng)的相關(guān)需求特別強(qiáng)烈，聲智科技占據(jù)了先發(fā)優(yōu)勢(shì)，前期的種子客戶也都是互聯(lián)網(wǎng)巨頭公司，像小米的首臺(tái)智能音箱、奇虎360打造的第一款具有語(yǔ)音交互功能的安防攝像頭、阿里天貓精靈魔盒都應(yīng)用了聲智科技的技術(shù)。

據(jù)悉，聲智科技現(xiàn)有商業(yè)模式主要圍繞軟件授權(quán)，芯片、模組和整體產(chǎn)品方案，以及服務(wù)費(fèi)。去年銷售額達(dá)3億元，已在上海、蘇州、青島等地落地分公司。

聲智科技融資信息

2016年獲得由洪泰基金領(lǐng)投，峰瑞資本跟投的1600萬(wàn)人元民幣Pre-A輪融資;

2017年獲得由洪泰基金、百度、藍(lán)港互動(dòng)等投資的近億元A輪融資;

2018年12月，聲智科技已完成2億元人民幣B輪融資，由毅達(dá)資本領(lǐng)投，峰瑞資本、正居資本跟投， 中關(guān)村銀行、InnoVen Capital聯(lián)合參與。