“市場真正需要的是解決問題的綜合方案，要利用它的特點找到不同的技術(shù)來融合。這個融合應(yīng)該是能解決問題的融合，不能為融合而融合?！痹诒酒谏除埳希迦A大學(xué)人工智能研究院聽覺智能研究中心主任鄭方教授在談到智能語音技術(shù)融合發(fā)展的趨勢時說到。

鄭方認為，技術(shù)的發(fā)展離不開市場的土壤，而現(xiàn)在用單一技術(shù)去解決市場的需求有很大的難度，這也是一些 AI 公司面臨困境的重要原因之一。

他還提到，不同的語音技術(shù)分支，發(fā)展程度不同，語音識別、語音合成等相對成熟，但也有口音、低資源語種等問題。但目前成熟的分支存在比較嚴(yán)重的同質(zhì)化問題，在技術(shù)上是方法同質(zhì)化，并帶來了市場的惡性競爭。

在智能語音企業(yè)商業(yè)化過程中，如何選擇適合自身的發(fā)展模式？鄭方認為，模式的好壞取決于三個因素：一由市場需求決定，包括痛點（解決最受關(guān)注的問題）和癢點（突破創(chuàng)新的東西）；二是由技術(shù)來決定，技術(shù)是否成熟，是否具有一定領(lǐng)先性等；三是由競爭關(guān)系決定。企業(yè)最后采取什么樣的商業(yè)模式，都需要根據(jù)這幾個因素來綜合決定。

▲ 清華大學(xué)人工智能研究院聽覺智能研究中心主任鄭方教授

對于目前智能語音行業(yè)的生態(tài)，鄭方提到，雖然巨頭在資金、人才、數(shù)據(jù)、算法、算力上都占據(jù)了優(yōu)勢，但隨著第三代人工智能的到來，小企業(yè)仍有一定發(fā)展空間，把方向找對，把力量用對，就能夠在競爭中處于有利地位。

他還呼吁，語音行業(yè)在中國仍然屬于一個小眾行業(yè)，要想做得好就要避免惡性競爭。一方面，語音企業(yè)需要找到自身定位，避免重復(fù)投入；同時技術(shù)研發(fā)人員和用戶之間也要達成比較好的互動，前者專注在技術(shù)層面創(chuàng)新，后者則在場景方面有創(chuàng)新，兩個結(jié)合起來才能形成比較好的生態(tài)。

他指出，目前市場上出現(xiàn)了一種不良競爭的情況，用戶在發(fā)現(xiàn)提供商比較多后，就會通過讓企業(yè)“內(nèi)斗”壓價，壓得很低甚至沒有利潤。他認為，這會使得企業(yè)沒有錢做研發(fā)，最后受損的是整個市場。

以下是鄭方教授分享實錄（經(jīng)刪減整理）

目前智能語音處在什么樣的發(fā)展階段？不同技術(shù)存在很大的差異，對于這種差距怎么看？

鄭方：語音處理技術(shù)包含很多分支，語音識別、語音合成、聲紋識別、情感識別，信號分類等等。不同的技術(shù)處于不同的發(fā)展階段，語音合成、語音識別，目前相對比較成熟，但也有很多問題需要解決，比如口音問題，比如低資源的語種問題。音頻情感識別、聲音信號健康診斷等新技術(shù)，還在進行研究。

但相對已經(jīng)成熟的分支存在一個問題，就是同質(zhì)化比較嚴(yán)重。方法同質(zhì)化，帶來惡性競爭。原因在哪兒？我們有時候過多跟蹤別人的技術(shù)，而疏于做深度分析。

不少觀點提到，單一的技術(shù)無法讓 AI 企業(yè)在激烈的市場環(huán)境中生存發(fā)展起來，那智能語音應(yīng)該怎么去做融合發(fā)展？

鄭方：不同的問題可能需要用不同的技術(shù)綜合來解決，比如身份認證，尤其網(wǎng)上遠程或者無監(jiān)督情況下的身份認證，可能會用到聲紋識別、語音識別、鑒偽、情感識別等技術(shù)。市場真正需要的是解決問題的綜合方案，要利用它的特點找到不同的技術(shù)來融合。這個融合應(yīng)該是“能解決問題的融合”，不能“為融合而融合”。

現(xiàn)在很多 AI 企業(yè)包括智能語音企業(yè)會出現(xiàn)很多轉(zhuǎn)型，比如最開始只是做語音技術(shù)，后來開始去做 AI 芯片、操作系統(tǒng)等，怎么看待這種嘗試？

鄭方：從我個人來看，對技術(shù)也好，對產(chǎn)品也好，應(yīng)該術(shù)業(yè)有專攻，堅定不移地做技術(shù)改進，不斷升級突破。但在企業(yè)發(fā)展過程中，根據(jù)一些戰(zhàn)略的需求或者市場的需求，做一些主動的轉(zhuǎn)型，這是應(yīng)該的，也是可取的。但有些轉(zhuǎn)型，我覺得是在資本的壓力下做的一種被動轉(zhuǎn)型。如果一個主要做算法研究的人去搞芯片，他其實沒有那方面的特長，非要做，為什么呢？因為收入滿足不了投資方的需求，被迫做轉(zhuǎn)型，這種不可取，雖然可以理解。

AI 企業(yè)經(jīng)過轉(zhuǎn)型后大概形成四種商業(yè)模式：賣技術(shù)、賣產(chǎn)品、賣服務(wù)、賣解決方案。智能語音企業(yè)如何選擇適合自身的商業(yè)模式，哪種模式會更容易跑通？

鄭方：模式的好壞有三方面的決定因素。第一取決于市場需求，痛點和癢點。痛點是解決基本的最受關(guān)注的問題，癢點就是想要做一些突破創(chuàng)新的東西。第二，由技術(shù)來決定，技術(shù)是否成熟，是否具有一定的領(lǐng)先性，能不能解決實際問題。第三，由競爭關(guān)系決定，廠商之間的競爭關(guān)系是什么樣的程度，如果競爭比較激烈，可能帶來相互壓價或者惡性競爭。

企業(yè)最后采取什么樣的商業(yè)模式，都是根據(jù)這幾個因素來綜合決定的。比較成熟、市場也覺得比較容易接受的技術(shù)，那就可以用產(chǎn)品或服務(wù)的模式直接銷售。一些不太成熟的，如用聲音看病，那就可能用技術(shù)驅(qū)動，在雙方合作的過程中去完善它，根據(jù)不同情況采取不同的模式來做可能比較好。

很多互聯(lián)網(wǎng)巨頭都在布局智能語音，如何看待和這些巨頭的競爭，希望智能語音行業(yè)能夠形成怎樣的生態(tài)？

鄭方：巨頭在資金、人才、數(shù)據(jù)、算法、算力上都占據(jù)了優(yōu)勢，小企業(yè)是不是就沒有空間了？我覺得不是。人工智能進入到第三代，就是把前兩代的知識和數(shù)據(jù)結(jié)合起來，研究可解釋性，研究魯棒性（系統(tǒng)的穩(wěn)健性）。但是可解釋性不是完全靠大數(shù)據(jù)能解決的，有些問題并不依賴大數(shù)據(jù)，反而是用小數(shù)據(jù)解決的。這個可能是巨頭們不一定有的優(yōu)勢，小企業(yè)把方向找對，把力量用對，就能夠在競爭中處于有利地位。

需要特別強調(diào)一點的是，我們要維護一個良好秩序，技術(shù)人員（如科研機構(gòu)、科技公司）專注在技術(shù)層面創(chuàng)新，用戶企業(yè)（如銀行等）則在場景方面有創(chuàng)新，兩個結(jié)合起來才能形成比較好的生態(tài)，要杜絕惡性的競爭。

語音行業(yè)在中國仍然屬于一個小眾行業(yè)，要想做得好就要避免惡性競爭，企業(yè)都找好自己定位，在擅長的方面做得好、做到精、做到第一，甚至國際上拿到 NO.1，避免重復(fù)投入。企業(yè)之間也需要良性競爭，現(xiàn)在有一種不好的情形，用戶一旦發(fā)現(xiàn)技術(shù)、產(chǎn)品或服務(wù)提供商多了，就會通過讓這些企業(yè)“內(nèi)斗”來壓價，壓得很低甚至沒有利潤，企業(yè)沒錢做研發(fā)，最后受損的是整個市場。在價格方面，用戶應(yīng)該有正確的觀念和判斷，就像不能用拖拉機的預(yù)算去買奧迪。

在智能語音發(fā)展過程中，應(yīng)該如何保護用戶的個人隱私？

鄭方：這需要多方努力才能解決，首先用戶要有保護自己隱私的意識，在這個前提下還需要兩方面的努力。第一是法律法規(guī)。我們國家最近剛剛頒布了《數(shù)據(jù)安全法》，對數(shù)據(jù)保護做了要求，也需要推進標(biāo)準(zhǔn)規(guī)范。以后哪些數(shù)據(jù)能傳，哪些不能傳，數(shù)據(jù)怎么留存，留存多長時間必須銷毀，是否要得到用戶的明示同意等，這些都要有明確規(guī)范。

第二，對企業(yè)一定要有技術(shù)上面的要求。企業(yè)應(yīng)該有一些社會責(zé)任感，在做技術(shù)研發(fā)的時候，從源頭階段就要按照規(guī)范來做，做到從采集、傳輸、存儲、使用到最后銷毀的全生命周期都能保證用戶隱私得到保護。

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。