马宏宾北京理工大学自动化学院教授



云中知声，芯中有道

马宏宾
北京理工大学自动化学院教授

语音技术的背后，是一批有着梦想并追逐梦想的人。科大讯飞的创业故事，某种程度上已经成为了经典案例。而云知声，作为一个后起之秀，展现出更大的爆发力，这个才创业数年的公司，在不到两年的时间里，已从一个十几人的小团队，发展成了上百人的企业，收入上千万美元，私有云的开发者数量已经增加到了两千多家。而在这一迅猛发展的背后，我们看到了厚积薄发，看到了技术积累的重要性。

算法是语音技术的灵魂，构建于语音模型基础之上。从外在的语音数据中找寻内在的词汇联接，就是语音识别的本质，看似简单，实则不易，因为这一问题根本上可归结为海量的搜索。解决声音匹配问题，云知声从采用常用的高斯混合算法，到快速跟进微软提出的深度神经学习技术，完成代码实现后进一步基于内在原理，用最高效的方式实现同样的效果，再把计算瓶颈部分用汇编语言改写，充分利用计算单元的特性和处理能力，层层优化。这样的工程优化使得学术界象牙塔中算法真正得以落地，基于海量用户语音数据形成的语音云，来改进用户使用体验，提高识别准确率以及计算效率，发挥其价值。对技术后面的模型、算法、数据，持续不断的投入和积累，以及背后的研发人才，应该是云知声得以发展的关键基础。

另一方面，我们必须看到，技术本身从来不会自己直接“说话”并产生价值。云知声目前已取得的成就也反映了时代浪潮的巨大推动作用，趋势、时机、需求，加之远见、积累、团队，可谓缺一不可。云知声正在从事的AI 芯、AIUI、AI Service，我认为代表着未来的发展方向，将各种人们期待的“智能”加以实用化、人性化、终端化、网络化，必将是人工智能的发展趋势。

最后，作为结语，不妨简单提及云知声面临的挑战。案例中谈到了云知声面临的“人才匮乏”的挑战，这一挑战其实在很多高精尖领域都存在，高校忽视技术实现、企业缺乏核心研发，已得到很多有识之士的共识，今年5月份国家刚发布的《国家创新驱动发展战略纲要》其实已经注意到这些问题。此外，对语音识别技术来说，目前在公共场合或多人场合因隐私及噪声问题带来的识别难、体验差，造成现有的语音识别技术很少在这些场合大量使用；另外，目前通用语音识别产品在特定“专业”领域的不够“专业”，可能也是云知声面临的挑战，不过也可能催生出更多面向细分产业的创业公司。在与科大讯飞、BAT巨头乃至思必驰、灵声科技等的竞争中，云知声能取得多大的市场份额，鹿死谁手，仍须拭目以待。商业模式方面，如何通过语音技术实现商业利润的最大化，也仍然面临挑战。可以预见，技术的不断进步，必然会使语音技术就像互联网一样，成为人们生活与工作的基础设施，为大家带来更多的便捷与效率。