对话：

AI是产品与技术结合的“万金油”

 黄伟

我们的选择都是顺势而为

  AI与机器人：根据我们了解，目前云知声主要聚焦在智能家居、医疗和车载三个行业，选择这几个领域的理由是什么？

   黄伟：我们的选择并没有刻意选择某个领域，除了技术成熟以外，更多是市场的成熟度。

   AI是一种非常基础的资源，对各个行业来说都是赋能的，我们是把相对成熟的技术去引入，顺势而为。比如智能家居领域，已经历了联网化的改造。格力、美的出货设备中联网产品占比已经相当高，具备了与人工智能结合的条件。

    医疗领域同样如此，在2013年，医院信息化还是只有WIFI，那时候谈AI根本不可能。但今天，随着深度学习、大数据的积累，我们技术指标上在语音识别的准确率能做到97％－98%，即便是比较嘈杂的环境，也可以做到90％以上的识别，AI与医院信息化的结合，有了一个新的机会。

   AI与机器人：从2012年就开始进入人工智能领域，云知声并没有选择去做2C的领域，也没有做App，而是切入人工智能2B，为什么？

   黄伟：这可能和我以前从业背景有关。并不是说，我们没有互联网基因，所以不会做APP，实际上，从摩托罗拉到盛大，我可能是人工智能创业团队中最具备互联网基因的。

   创业开始时，Siri等各种语音助手很火，但我们认为，这类语音助手注定是个伪命题，一定不会成功。因为AI并不是一个产品，它是一个赋能技术，是“万金油”，比如人脸识别和安防结合才是产品，如果AI没有应用场景，用户是无感的。我们需要做的，是切入这一领域时，将语音助手和场景结合，使得它可以服务于各行各业。比如乐视电视遥控器的语音控制。

商业模式主要来自芯片授权费

     AI与机器人：语音识别领域现在竞争非常的激烈，和百度、科大讯飞、亚马逊、搜狗相比，云知声的优势在哪里？

     黄伟：行业竞争和共同进步是好事。在我们诞生以前，讯飞是没有压力的。但2012年9月我们发布语音识别，做到准确率85%，超过科大讯飞的80%。这导致科大讯飞加班了大半年，追上了我们。讯飞在产品上经验更加完善，值得我们学习。竞争会促进行业发展，比寡头垄断进步更快。

BAT做人工智能，反而我们并不担心，它们的AI都是为了给现有的主营业务来服务的。比如阿里为电商服务，腾讯为社交服务，百度为搜索，它们的能力是有边界的。一旦下沉到具体领域，我们还是有非常大的先发优势。

AI与机器人：目前云知声商业模式是怎样的？是如何将技术、数据和商业闭环打通起来的？

黄伟：商业模式目前主要来自收取芯片授权费用。比如给格力、美的提供包含服务费的芯片模组价格。医院则是安装系统收费的模式，比如北京协和医院，我们帮助他们部署了约600个工作站。

通过这些设备的落地，云知声可以获得更多有价值的垂直数据，AI公司只有拿到数据和使用数据，公司未来才有更大的空间。

听懂的同时，还要告诉你怎么做

AI与机器人：现在云知声的引擎已经到了3.0版本，从1.0到3.0的迭代，从技术到产品都经历了哪些过程？

黄伟：广度和高度上都有很大的变化。1.0时，基本是单纯的语音识别，到今天的3.0版本，产品从信号层面到云的感知层面、自然语言理解层面，都已经非常完善了，这是广度的变化。

高度上，我们的识别率从1.0版本的85%提升到到3.0版本的97%。如今，口音和噪音识别都不是问题。都可以通过数据加算法的方式来实现的。远讲则可能会是个挑战。

AI与机器人：现在版本运用到实际产品中，比如说智能空调，或者智能家居设备，是否已经可以实现自然语言的交互，和你理想中的智能家居应用、交互场景还有多大的差距？

黄伟：感知，认知，到通用，这是我理想中的人工智能交互场景。现在才是感知和认知的初步阶段。

     即便我们现在用了语用计算，还是不够智能，还有很多专业知识需要补充和完善。比如好的语音助理不仅是帮你纪录，不光要听懂你说的，还能帮你预测和规划一些你不知道的东西，比如助理知道你要出差去上海，但上海在下暴雨，那么会提醒你带雨具。

    “能够听懂的同时，还要告诉你怎么做。”要实现这一点，背后还有很多专业知识库需要构建。此外这些对话并不拟人化，还缺乏情感计算。这些都是技术限制的局限性，在主动思维和个性化上，还有很长的路要走。尤其是情感计算，我们会尝试在4.0版本里加入情感计算，它可能既不是语音也不是图像，但是一个趋势和方向。