陈孝良：为什么国内做不好智能音响？ | CCF-GAIR 2017

本篇文章1753字，读完约4分钟

雷锋。7月8日，ccf-gair全球人工智能与机器人峰会进入第二天。在智能助手专题会议上，中国科学院声学研究所副研究员、声音技术创始人陈作了题为“人机语音交互的技术趋势与商机”的主旨发言。

雷锋网注:圣智科技创始人陈

语音加速了人机交互的变化，这可能会重新定义许多消费电子产品。在极端情况下，如果未来所有消费电子产品都支持语音交互，这个市场将是巨大的，整个产业链将基本上在全球范围内重建。

首先，麦克风的性能和低功耗应该大大提高。事实上，在整个全球市场上，国内麦克风行业只占很小的比例。尽管一些国产话筒是由外国技术生产的，但核心技术仍不在中国。此外，我们现在制造的麦克风是标量麦克风，它只能接受一个物理量。如果我们想解决复杂的声学问题，我们需要一个矢量麦克风。当然，矢量麦克风仍然有点远。

第二个挑战是芯片。目前，我们所有的消费电子产品，特别是那些强调人工智能的产品，在前端使用大量的arm架构，并且具有相对较少的lpt。Lpt用于在服务器端训练离线数据，这对我们来说是个大问题。更灵活的lpt，这三个外国巨头基本上与中国没有关系。

第三个挑战是算法。声学在每个国家都是一个相对封闭的领域。因为声学主要服务于军事工业，所以每个国家都相互保密，只能独立发展。例如，被广泛使用的机器学习正在改善中国的技术，而我们如何在原创性方面领先于外国是一个巨大的技术挑战。

第四个挑战是商业化挑战，分为三个层次。

首先是产品。国外最著名的是亚马逊回声，中国有京东、联想和小米的产品。其中一些产品已经过评估，所以我相信很难得到所有人的100%认可，甚至每个人给80分都是好事。这是一个大问题。

第二是内容和服务。国内内容和服务相对分散，腾讯在中国拥有大量音乐版权，百度拥有大量搜索，阿里有大量交易，但亚马逊将许多优势集中在一起。因此，国内产品很难避免与巨头合作，但三巨头如何合作呢？如何选择你的产品是一个很大的缺陷。

第三是知识产权和标准。亚马逊和微软都在制定联合生态标准，甚至包括arm，我们也是arm生态联盟的成员。如果你查阅专利，你会发现中国专利并不是国内公司的主导地位。在2010年至2015年的排名中，我们无法挤进前几位。

我刚才提到了许多挑战。让我们来谈谈技术的发展趋势。

麦克风现在是标量麦克风。下一步是成为智能麦克风，最后成为矢量麦克风。在这么大的会议场所，如果每个人都低声交流，这种声音对机器来说很难处理。另外，芯片是什么架构？低功耗和与云的对接都是我们需要考虑的问题。

集成了下一代人工智能技术。麦克风、视频和雷达的集成以及声学和光电科学的结合是下一步需要整体研发的工作。

算法和模型，我们做得更多。例如，我们的声源定位目前只能跟踪一个目标，同时跟踪多个目标非常重要，包括离线唤醒和离线语音识别。此外，机器学习是否只使用大数据，或者它可以使用其他方法来做一些小数据处理和冷启动，这是我们下一步的研究方法。

音频不存在不朽的问题。除了笔记本电脑和手机，它拥有最多的消费电子产品。但是我们需要数据来做到这一点，尤其是远场数据，不像近场数据，可以直接记录，这是一个非常严重的问题。开始感冒时，您必须选择一个类别来获取开始数据。

在产品定位方面，国内外也有很大的差异。

海外亚马逊回声、谷歌主页、苹果主页、微软调用、国内丁咚智能音频、联想智能音频、潇雅智能音频和天猫精灵。

外国产品被称为扬声器是禁忌。当时，苹果公司推出了homepod，每个人都猜测它是否会带来“扬声器”。因此，选择了homepod，这自然增加了两个因素，一个是home，另一个是pod，这与国内的定位有很大的不同。

目前，智能音频产品的玩家很多，不仅有巨人，还有中国和深圳的很多厂商。这里的严重问题是亚马逊重视生态链，这可能没有我们想象的那么重要。因为亚马逊更喜欢玩自由生态。前一段时间，亚马逊和苹果联合降价，这表明它可以突然降低产品价格100美元。如果考虑生态链，这是非常严重的，这可能导致许多制造商的产品无法销售。

智能音频是远场语音交互的开端，但它绝对不仅仅是未来的智能音频，而且其他人也不会将这项技术局限于智能音频，还包括许多其他产品。

来自雷Feng.com(公开号:雷锋网)。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。