2012 年智能手機(jī)出現(xiàn)后，短短幾年內(nèi)，國(guó)內(nèi)就涌現(xiàn)一分二網(wǎng)線轉(zhuǎn)接頭的正確使用了一大批語音相關(guān)的公司，像云知聲、思必馳、科大訊飛，發(fā)展都非常迅速，很快進(jìn)入了公眾的視野。這也得益于手機(jī)這個(gè)智能終端的發(fā)展，使得語音成為手機(jī)上的一個(gè)重要應(yīng)用。

　　“人工智能”是現(xiàn)在流行的話題，但是，如何利用人工智能賺錢你知道嗎一分二網(wǎng)線轉(zhuǎn)接頭的正確使用？在 2015 年，我們依然認(rèn)為語音是一個(gè)非常好的投資機(jī)會(huì)。原因有以下兩點(diǎn)：首先，雖然在過去的兩到三年里，人工智能的發(fā)展使得語音技術(shù)取得了很大進(jìn)步，但我們發(fā)現(xiàn)實(shí)際準(zhǔn)確率仍然不夠高——雖然大家根據(jù)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行宣傳，說準(zhǔn)確率達(dá)到了 95% 以上或者更高，但實(shí)際情況是，在實(shí)際使用時(shí)并沒有那么高。

　　拋開算法和技術(shù)方面不談，前端的很多問題我們還沒有解決。我打個(gè)最簡(jiǎn)單的比方：過去我們討論的語音識(shí)別技術(shù)，有點(diǎn)像人類的大腦——在聽到聲音之后，我們?nèi)绾芜M(jìn)行翻譯，或是怎樣把它變成大腦可以理解的信息。但實(shí)際上，關(guān)于耳朵的問題我們還沒有解決——如何排除噪聲干擾？如何在多人講話的時(shí)候會(huì)聽清想聽的內(nèi)容？如何在距離較遠(yuǎn)時(shí)分別聲音的方位？前端的語音/聲學(xué)交互的很多問題如果得不到解決，整體的體驗(yàn)始終不夠好。

　　第二點(diǎn)，從數(shù)據(jù)上看，蘋果上語音搜索的使用率其實(shí)并沒有那么高，原因在于，手機(jī)雖然不是鍵盤的，但觸屏的體驗(yàn)還是很好的。發(fā)展的前景在于智能硬件：在手機(jī)之后，大量智能終端的爆發(fā)，包括家居、車載、可穿戴設(shè)備、機(jī)器人等，這些智能終端上的鍵盤——或者說手指就變得更加不重要以及不友好，而語音則變得更加友好和重要。

　　基于以上兩點(diǎn)，我們認(rèn)為，語音技術(shù)還會(huì)有更多發(fā)展和進(jìn)步。

　　關(guān)于語音技術(shù)，大家其實(shí)一直都面臨一個(gè)問題，就是怎么賺錢？科大訊飛 20 多億的收入，其中絕大多數(shù)是鋪網(wǎng)線和做項(xiàng)目工程，前沿科技類的東西其實(shí)是沒有賺到錢的。

　　在線上，我們本來可以提供 API 賺錢，但后來百度免費(fèi)了，那其他人也只能免費(fèi)了。做 APP 去對(duì)接服務(wù)，大家會(huì)覺得手機(jī)上的用戶習(xí)慣、行為習(xí)慣還沒建立起來。所以我想問就這個(gè)很實(shí)際的問題聽聽大家怎么看。

　　這個(gè)問題很好，也很難回答。對(duì)思必馳來說，我們現(xiàn)在是在考慮怎樣把錢燒掉，并沒有考慮怎么賺錢這件事，這件事情確實(shí)是比較難。

　　現(xiàn)在其實(shí)大家能夠看到，從 PC 和互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)、再到其他，語音很可能是一個(gè)方向。語音作為一個(gè)便捷的交互方式之一，隨著智能硬件設(shè)備的迭代更新，它有可能會(huì)成為替代觸屏的交互模式。這也是為什么資本和技術(shù)都聚焦在這一塊，使得人工智能的一個(gè)小春天在寒冬中誕生。

　　賺錢這件事情，目前我們確實(shí)看不清。

　　但是圍繞著這個(gè)方向，我們可以看到一些大方向：一個(gè)是核心技術(shù)以及產(chǎn)品體驗(yàn)的提升，這是必須要做的。第二個(gè)則是，我相信大部分公司，在未來肯定會(huì)有一筆相對(duì)不多也不少的技術(shù)授權(quán)費(fèi)之類，雖然這部分不足以滿足資本需求。

　　然而我仍舊相信，未來無論是 2C 也好、2B 也好，在這個(gè)環(huán)節(jié)上大家都在探索。這條路徑是曲折的，但方向一定是正確的。

　　我先簡(jiǎn)單介紹一下祥峰投資，我們是新加坡淡馬錫旗下的 VC，主要關(guān)注消費(fèi)和技術(shù)領(lǐng)域的中早期投資，在人工智能方向投資了地平線、Maxent 等。下面我從投資方的角度簡(jiǎn)單談一些看法。

　　要看怎么賺錢，最主要的是找到需求在哪。在看了這么多創(chuàng)業(yè)項(xiàng)目后，我們會(huì)思考在中國(guó)的消費(fèi)生態(tài)下，那些賺錢的公司是怎么來的？其實(shí)核心是抓住用戶的真正的需求點(diǎn)，從需求點(diǎn)出發(fā)，考慮怎么樣去做產(chǎn)品，然后追溯到你的上游，再到頂層甚至是芯片，找到哪里有機(jī)會(huì)。

　　首先，在手機(jī)端，語音作為輸入方式是有需求的，但剛才大家都說，現(xiàn)在如今只是在手機(jī)上做一個(gè)語音識(shí)別的技術(shù)，提供一個(gè)輸入的方式，希望通過輸入法建立 APP 來收費(fèi)，顯然這在今天已經(jīng)是不太可能的事情了——現(xiàn)在，沒有一個(gè)類似百度輸入法這樣鍵盤輸入的 APP 還是收費(fèi)的。

　　即便語音是不一樣的輸入方式，但想要收費(fèi)還是很困難的，特別是當(dāng)大佬們都已經(jīng)在做的時(shí)候了。這個(gè)時(shí)候，就要找到一個(gè)需求場(chǎng)景，并且上面沒有其他方案可以和你競(jìng)爭(zhēng)——一個(gè)語音可以扮演重要角色的場(chǎng)景。

　　比如智能家居中的音箱，就是一個(gè)很好的例子：你不可能在音箱上去觸摸，也很難用其他鍵盤去輸入。因此，如果你找到一個(gè)和音箱產(chǎn)生交互的方式，那么顯而易見你就是最好的，因?yàn)闆]有其他強(qiáng)有力的替代者。

　　再說汽車。其實(shí)汽車?yán)锩妫嗄陙泶蠹沂褂玫男o、按鍵，本身是一個(gè)非常好的人機(jī)交互方式——它未必比語音輸入的效率低，反而效果很好，因?yàn)槟憧梢宰龅矫げ僮?。設(shè)想一下，在車?yán)锩嫖乙獡Q電臺(tái)的時(shí)候，我不用看中控，就可以摸到旋鈕去操作，或者在方向牌上有一個(gè)旋轉(zhuǎn)的輪子，可以讓我調(diào)整音量之類，這已經(jīng)是最好的人機(jī)交互方式了，而通過語音增大音量或是切換頻率，則未必能更加直接和準(zhǔn)確。

　　但是，在車中還有很多旋鈕無法解決的其他需求。比如。后排的一客需要和車發(fā)生交互——現(xiàn)在很多車都有后排獨(dú)立的空調(diào)系統(tǒng)，當(dāng)乘客覺得后排的溫度太低了，希望空調(diào)調(diào)高一點(diǎn)的時(shí)候，現(xiàn)在的情況是只能讓駕駛者把后排的空調(diào)調(diào)一調(diào)，或者后排有自己調(diào)整的方式，但它未必是自動(dòng)的方式。

　　如果能夠做到，通過一個(gè)很好的語音識(shí)別的陣列工具，很好的分辨出不同乘客的方位，到底是在主駕、副駕，還是后排的左邊或右邊，根據(jù)他們發(fā)出的語音指令滿足不同人的需求，就能產(chǎn)生一種新的交互方式。除了空調(diào)，還有的需求比如切換一個(gè)電臺(tái)、換一首歌，等等。

　　那么從產(chǎn)業(yè)鏈上游來看，這么多年，芯片一直都是一個(gè)可以賺錢的事情。在語音識(shí)別這一塊，做語音的處理芯片，比如 iPhone 使用的 Cirrus Logic，在語音處理這一塊的算法做得非常好，它解決了語音降噪、方位識(shí)別上的關(guān)鍵問題。有了芯片作為載體，就可以基于傳統(tǒng)芯片的商業(yè)模式去掙錢。

　　Cirrus Logic 推出的 CS44130 可以為整個(gè)音頻信號(hào)鏈提供芯片,包括模擬或、數(shù)字輸入和揚(yáng)聲器喇叭輸出之間的各個(gè)部分。它精小的設(shè)計(jì)可以大大簡(jiǎn)化產(chǎn)品的設(shè)計(jì)。

　　往下走，在芯片的下游，模塊也有賺錢的機(jī)會(huì)，就像今天聲智科技在做的事情一樣。如今的產(chǎn)業(yè)鏈分工是非常細(xì)的，很難再有像過去的飛利浦、西門子這樣的大公司，核心的部件、全器件的研發(fā)，一直到最終的產(chǎn)品都是由一家公司來做。在分工很細(xì)的情況下，芯片公司不可能再去做一個(gè)產(chǎn)品，也很難再去做一個(gè)模塊，中間其實(shí)需要的是一個(gè)做陣列的公司：把產(chǎn)品以一個(gè)模塊的形式提供，同時(shí)不僅僅做一個(gè) PCB 板把芯片放上去，而是把算法結(jié)合在里面，體現(xiàn)出附加值。

　　最后，生產(chǎn)用戶真正使用的一些產(chǎn)品也有賺錢的機(jī)會(huì)。比如類似于 Echo 這樣的終端產(chǎn)品，京東和訊飛也在做，之前也有一些創(chuàng)業(yè)公司在做。不過，真正有機(jī)會(huì)的創(chuàng)業(yè)公司是能夠去開拓一個(gè)新的市場(chǎng)領(lǐng)域的。就音箱來說，這是一個(gè)長(zhǎng)期存在的行業(yè)和產(chǎn)品，那么，可不可以創(chuàng)造出一個(gè)新的產(chǎn)品形態(tài)？在這方面，創(chuàng)業(yè)公司往往擁有更大的機(jī)會(huì)，比如大疆在無人機(jī)領(lǐng)域能做到今天的體量，是因?yàn)樗耆_創(chuàng)了一個(gè)新的產(chǎn)品品類。

　　比如說機(jī)器人，雖然現(xiàn)在大家還沒有普遍使用機(jī)器人，但是它一定是一個(gè)趨勢(shì)性、未來性的東西。在家庭場(chǎng)景中，使用最為廣泛的其實(shí)是掃地機(jī)器人。很多人買了一段時(shí)間就未必再用掃地機(jī)器人了，其中有各種各樣的原因，可能掃得不夠干凈，也有它不夠智能的原因——它是在完全沒有規(guī)劃路徑地在亂掃。如果現(xiàn)在我們能夠加入更多智能的東西，包括語音的交互，它就有可能成一個(gè)真正的智能機(jī)器人。你可以呼喚它：“掃地機(jī)器人，到我這里來，把這個(gè)房間打掃一下?！?而不是拿一個(gè)搖控器操作，或者走過去把它提過來。你的聲音傳遞給他，他就知道你的方位，就會(huì)自動(dòng)朝你的方向走，這也是一個(gè)可以提升用戶體驗(yàn)的方向。

　　為什么會(huì)說語音技術(shù)賺不到錢？其實(shí)是一開始沒搭建好商業(yè)模式。剛開始提供云識(shí)別，是 to VC 的模式，強(qiáng)調(diào)的是公司的品牌影響力。那一旦開了免費(fèi)的口子，之后就無法再收費(fèi)了。

　　我們現(xiàn)在希望能先把 “蛋糕做大了” ，之后怎么分蛋糕大家再商量。但現(xiàn)在整個(gè)市場(chǎng)還沒有起來，所有做語音技術(shù)的都在燒錢。

　　聲智科技的起步有點(diǎn)特殊：它一開始就做硬件，大家看到很多的展示的產(chǎn)品，有我們授權(quán)的，也有我們自己的，都可以讓我們從硬件中直接得到收入，相對(duì)來說，我們最初的商業(yè)模式是非常簡(jiǎn)單的。

　　但就像剛才我說過的一樣，這個(gè)是有問題的。光看硬件，是不足以吸引公司對(duì)我們的定義產(chǎn)生理解的，我們很難再做一個(gè)大規(guī)模的公司，這個(gè)時(shí)候，我們對(duì)硬件加軟件后端的理解就和訊飛產(chǎn)生了一些差異，我們并不把語音交互只看作一個(gè)輸入法，也就是說，我們把它定義為類似于其他的操作方式的升級(jí)。我們把它看作搜索的升級(jí)，也就是讓語音交互可能成為下一代的搜索。而我們現(xiàn)在做的是現(xiàn)代搜索的一個(gè)入口，有點(diǎn)像以前的瀏覽器和后面的百度、谷歌之類?？赡芪艺f得比較大一點(diǎn)，就是將我們?cè)鹊慕换シ绞缴?jí)。

　　我們回想一下，在 PC 端時(shí)代，我們用得比較多的是谷歌和百度。那個(gè)時(shí)候，我們要打開瀏覽器、輸入內(nèi)容，再去查找網(wǎng)頁，但是到了移動(dòng)互聯(lián)時(shí)代，用手機(jī)時(shí)我們會(huì)發(fā)現(xiàn)，在手機(jī)上，我們很少去打開一個(gè)瀏覽器，打開百度、谷歌，再去搜索內(nèi)容，至少頻次明顯比原先在 PC 上的頻率小很多。現(xiàn)在，我們已經(jīng)更習(xí)慣打開 APP ——實(shí)際上，通過 APP 的形式，搜索已經(jīng)被折疊化了。

　　我們現(xiàn)在知道，谷歌和亞馬遜對(duì)智能音箱很感興趣。提到智能音箱，我們又會(huì)發(fā)現(xiàn)，當(dāng)我們面對(duì)沒有屏幕的音響是，你就不會(huì)去輸入或者打開 APP 了——也就是把搜索進(jìn)一步折疊了，折疊的結(jié)果是，你去直接問它，這個(gè)效率明顯比前兩個(gè)的效率更高。實(shí)際上，這些都是由人性決定的——人的本性就是，喜歡向著簡(jiǎn)單、高效去發(fā)展。

　　這個(gè)時(shí)候我們會(huì)發(fā)現(xiàn)，語音會(huì)改變未來搜索的狀態(tài)：現(xiàn)在的小朋友如果適應(yīng)了智能音響的交互方式，很多時(shí)候他就會(huì)直接提問，而不是打開 APP，或者像 PC 時(shí)代一樣，輸入很多需要查找的信息。

　　我們現(xiàn)在有一些微薄的收入，但是以后我們?cè)诶锩嬖鯓幽軌虍a(chǎn)生更好的方式，對(duì)我們來說，就是硬件+芯片，這在以后會(huì)產(chǎn)生更好的營(yíng)收。移動(dòng)端有很多 AP、很多的巨頭，但是這到底能產(chǎn)生一種什么樣的新的商業(yè)模式，可能還都是在探討和摸索中。

　　現(xiàn)在很多巨頭，不用考慮營(yíng)收，所以它們會(huì)盡量去做。對(duì)我們來說，只能先有硬件，然后下一步加輕量的方式，維持公司正常的商業(yè)運(yùn)轉(zhuǎn)，然后下一步，看看會(huì)不會(huì)像我們預(yù)想的一樣，語音能夠下一代的搜索入口、甚至發(fā)生入口大戰(zhàn)，然后形成新的商業(yè)模式，能夠改變我們很多的行為習(xí)慣。這就需要各方面去探討和摸索，甚至還會(huì)掉進(jìn)很多坑。

　　我相信第一波會(huì)有很多家公司做進(jìn)去，因?yàn)榇蠹医?jīng)常說，第二波公司會(huì)做得很好，每個(gè)時(shí)代的發(fā)展都經(jīng)常出現(xiàn)這樣的情況。關(guān)于定位，我們也不敢說什么，只是先給大家提供完整的解決方案，不管是機(jī)器人、智能音響、車載，我們都更希望，大家共同開拓這個(gè)市場(chǎng)。同時(shí)，我們本身也是非常開放合作的。