【AI生態如何從軟到硬】專訪胡郁：不能把訊飛只看成語音公司

新智元報道

作者：胡祥傑

【新智元導讀】6月28日，訊飛開放平台「萬物一聽」智能硬體新品發布會在深圳舉行。本次發布會訊飛最新的硬體產品「MORFEI 麥克風」、二麥DSP晶元降噪方案及光學麥克風與眾多開發者和合作夥伴見面。這是訊飛在硬體開放上的一次大動作，科大訊飛執行總裁胡郁表示，我們不能再把科大訊飛僅僅看成是一家語音技術公司，它更是一家平台型的公司，此前胡郁一直強調的「混合正交生態系統」，此次硬體上的開放，正是這一構想的重要組成部分。新智元在大會現場對胡郁進行了專訪，請看詳細報道。

6月28日，訊飛開放平台「萬物一聽」智能硬體新品發布會在深圳舉行，本次新品發布會除了揭曉硬體方面的新品——「MORFEI 麥克風」、二麥DSP晶元降噪方案及光學麥克風外，發布會現場，科大訊飛執行總裁兼消費者BG總裁胡郁、科大訊飛消費者BG副總裁於繼棟、科大訊飛研究院副院長王海坤、中國智能家居產業聯盟秘書長周軍、國美物聯公司總經理徐燕松等業界領袖也為大家帶來了精彩的分享。

智能硬體的開發有三大痛點：體積大；成本高，不僅硬體成本，還有軟體成本；功耗大。據科大訊飛消費者BG副總裁於繼棟介紹，本次科大訊飛發布的智能硬體產品，就是著眼於解決這三大難題。本次發布會上，科大訊飛重點介紹了公司三大硬體產品：

1. 二麥DSP晶元降噪方案

科大訊飛在本次發布會發布了二麥DSP晶元降噪方案，據介紹，晶元大概芝麻粒大，它主要解決的是高度集成的問題。通過高度集成提供一個非常低功耗的方案。這塊晶元體積和功耗都是業界領先水平。

它現在可以廣泛用在更小體積的一些硬體產品。在小體積的智能硬體里，大家都比較關心功耗問題，該晶元的待喚醒功耗是 2mW，喚醒後功耗是 6mW，拿目前主流的硬體設備舉例，手機日常使用時的平均待機功耗是 200mW，無線耳機的電池容量一般在 100mW，相比來看，這款晶元的功耗對手機或者耳機的功耗幾乎沒有什麼影響。

除了功耗之外，在識別效果上通過二麥的優化，在三米內的識別率可達到95%，最新AEC技術可以消除50dB的回聲，在-35dB的信噪比下可輕鬆喚醒。

如果有這樣的一個DSP之後，整個方案就可以用在小型的智能硬體上。最近智能手錶，包括無線耳機，都是現在非常非常熱的領域。通過這種DSP的方案，能夠幫助這些對功耗比較敏感的公司實現非常好的語音交互識別體驗，包括提供比較好的喚醒。

2. 成品：「MORFEI 麥克風」

新智元在發布會現場了解到，這個成品的麥克陣列是現在業界最小的雙環8麥立體型陣列，可以全方位360度無差異呈現，其理念是希望融合到生活中的各個場景里去。 有以下幾個特性：

3. AIUI的開放平台

AIUI開放平台提供了豐富行業定製內容、信源以及上萬種第三方業務技能，使開發者可直接配置使用，開發應用更加簡潔方便。以控制空調舉例，說法的詞條達到了1260種，基本涵蓋了所有對空調的指令。同時AIUI開放平台頁提供自定義功能，開放私有語義的能力，包括自定義技能，自定義問答、自定義實體。在高度開放和寬鬆的開發環境下，開發者的應用將擁有高度的個性化，從而滿足市場上各類不同的需求，可見即可說個性化也是AIUI一大亮點特性，在人機交互時，AIUI會實時上傳交互界面的內容，生成短時間生效的個性化數據，作為熱詞被識別引擎和語義引擎載入，大大提升交互的成功率。

值得一提的是，本次發布會上，訊飛還首次發布了聲學結構認證體系。在形成成品的時候，由於每個硬體的設計、結構都不一樣，必須要有聲學結果的認證，才能達到最好的產品效果。於繼棟說，我們希望提供業界最專業的聲學結構認證體系，認證維度廣，精度高，為開發者提供最權威的認證，樹立行業的聲學結構標準。這也是訊飛開放平台帶給開發者的福音，讓開發者都可以集成訊飛最好的產品效果。

但從語音技術來說，科大訊飛無疑是中國AI行業中的龍頭企業。數據顯示，科大訊飛在中國智能語音市場上的佔有率超過了70%。值得注意的是，從2015年開始，隨著軟體技術，包括演算法模型上的突破性進步，科大訊飛開始強調「軟硬體結合」的道路。

以面向開發者和商業合作夥伴的訊飛開放平台為例：

訊飛開放平台2010年10月28日發布，其前身是語音開放平台。根據科大訊飛提供的數據，這一平台，現在為止已經凝聚了將近 40 萬的開發夥伴，他們開發出了將近35萬的應用，這些應用已經覆蓋到了 10 億的活躍終端上。

從上圖可以看到，2015年以前，科大訊飛的開放平台上釋放的一律是軟體上的能力。

該平台在硬體上的發展的典型例子是：2015年，科大訊飛第一次在業界提出了麥克風陣列的概念，帶來了二麥、四麥、八麥的陣列。現在為止已經通過這樣的形式，深入服務了超過3000家智能硬體的合作夥伴，在科大訊飛平台註冊的智能硬體開發者已經接近5萬，佔到業界的80%。2016年6月底，科大訊飛發布了AIUI，其六麥的環形功能現在已經廣泛地用在了90%的機器人的產品上，包括電視。

本次發布會上，科大訊飛一直在強調的一個詞是「軟體到軟硬一體化方案」。

胡郁在接受媒體的採訪時指出，我們不能再把科大訊飛僅僅看成是一家語音技術公司，它更是一家平台型的公司。

去年年底，在科大訊飛的年度發布會上，胡郁首次提出了「混合正交的商業生態」一詞。在本次發布會的演講中，他再次對這一概念進行了解釋：「我們設想了一下將來人工智慧會是什麼樣的生態，我們希望創造出自己的產品跟大家合作，將來每個公司都會有自己的人工智慧大數據，但這些公司的商業方向可能會不一樣，科大訊飛是平台型廠商，我們在這個平台上提供人和機器交互最好的方式，而每個產品每個機器人的公司，每個教育的公司，或者每一個具體的到每一個細分行業的公司，他們有他們的方向。我們希望在這種新的生態下能夠共享經驗、知識、數據和利益。這樣我們能夠一起創造一個混合的商業生態，我們在這個過程中共同得到收益，共同給最終用戶創造最好的價值。」

科大訊飛不是國內唯一一家提出搭建生態系統的人工智慧企業，甚至也不算唯一一家希望構建語音技術生態的企業。除了訊飛之外，至少百度與騰訊都曾提出過打造人工智慧和語音技術生態的構想。

根據新智元此前的報道，百度COO陸奇就曾公開表示，百度的總體人工智慧生態布局是基於百度大腦的，百度大腦是一整套的核心能力和核心演算法，將語音識別、圖像識別、視頻識別、自然語言處理、大數據、用戶畫像等種種核心能力組裝在一起，給同行業的創業者、創新者賦能。具體到語音上，更重要的一個布局是DuerOS，這是有史以來第一次讓自然語言成為一個全方位的人機交互的界面。陸奇的構想中，DuerOS會無處不在，它可以在任何一個器件上，在任何一個場景上，在任何一個環境中，跟任何一個人都有交互的能力。

大公司爭奪資源的「生態爭奪戰」 正在打響，而硬體上的開放和開源，已經成為各個「生態」之間爭奪的另一個根據地。

2017年6月初，科大訊飛慶祝了自己18歲的生日，圓滿地完成了從大學生創業到國內頂尖 AI 公司的「成人禮」。

「成人禮」過後，訊飛喜訊頻傳：6月21日，摩根士丹利資本國際公司(MSCI)宣布，從2018年6月開始將中國 A 股納入 MSCI 新興市場指數。A股市場169隻股票及53隻A+H股入選MSCI，其中 AI 代表型公司海康威視、科大訊飛入選。6月26日科大訊飛股價大漲 8.21%，報收於36.39元，市值達到505.34億元。截止6月29日，其股價已經漲至40.05元。6月27日，由麻省理工學院（MIT）主辦的《技術評論》在京發布了「2017年度全球50大最聰明公司」榜單。該榜單中共有9家中國公司上榜，其中，首次上榜的科大訊飛名列第6名。

科大訊飛近年來的成功不是偶然，18年前以語音技術為基礎從校園創業走出的他們，在最新的人工智慧熱潮中走在了前列。在本次最新智能硬體發布會結束後，科大訊飛執行總裁兼消費者BG總裁胡郁接受了媒體專訪。在與新智元的對話中，他談到了科大訊飛最新的硬體開放戰略、公司業務重心的戰略布局以及公司在激烈的競爭中得以生存並發展壯大的根基與原因。

新智元：胡郁總，您好！我想請問您一個問題，咱們這次發布會上發布的是硬體上的開放平台，這個是不是一種硬體上的開源？是否意味著科大訊飛的開放之路在從軟體向硬體的轉化？

胡郁：人工智慧向智能硬體的擴展，已經是這幾年一直存在的事情。幾年前我們就在考慮如何能夠讓硬體的開發者和硬體的廠商能夠更容易地集成語音交互人工智慧的手段。以前最開始訊飛開放平台上，主要是手機APP的使用，大家知道手機上跟語音應用相關的硬體其實在手機上本身就完成的，所以說手機原來的硬體就可以滿足這樣的需求。

但是在智能硬體上，到玩具機器人到車載，它是不一樣的，有很多新的需求。而在過去的幾年過程中，因為硬體標準的不一致，導致整個語音應用的兩個問題，一個是開發的過程非常的複雜，這中間涉及到整個硬體電路的設計，晶元的選擇，還有介面如何進行等等。另外就是最終用戶體驗不一致，不同公司採用不同的介面做出來的系統差別很大。所以我覺得將硬體和軟體進行高度融合很有必要。我們這次發布的晶元和整個集成化硬體的組件，它其實是一個組件，是我們覺得解決以上兩個問題的主要的手段。

準確地說，我倒不覺得這是一種開源的做法，它提高了集成效率和不同人群所使用的解決方案的作用。我認為，這也是必經道路。

新智元：對於一家公司來說，硬體上的壁壘比軟體高嗎？

胡郁：更準確的說，這是一種需求。從技術複雜性上來講，軟體肯定要在一個平台上才能運行，並且在智能硬體中，這會比原來的手機或者PC平台上要複雜，所以它裡面用到的核心技術也需要更多一些，不像原來只要有這個語音計算的介面就可以了，它需要解決很多晶元上各種各樣的問題，麥克風陣列各方面的問題。所以，你說的沒錯，壁壘門檻比原來純軟體要高一些。

新智元：去年年底你在公司的角色有了一個轉變，擔任了消費者事業部的總裁，科大訊飛之前給大家的印象是一家To B的公司，那麼這段時間以來，科大訊飛的發展有什麼變化嗎？

胡郁：其實我們現在有越來越多的產品，面向的都是最終端的消費者。比如我們原來叮咚音箱，以及後來的阿爾法蛋機器人，最近我們的曉譯翻譯機賣得也很火等等。我們還有一系列面向最終用戶的產品，將來都會陸續問世。

但是我們最終的目的並不是說我把所有的面向最終消費者的產品都做了，我們還是希望通過做這些消費級別的產品能夠把語音交互和後台的內容以及信息打通，將來我們的服務不僅僅是跑在自己的硬體上，我相信可以跑在很多不同的硬體上。以叮咚音箱為例，我們提供的服務不僅僅用在這款音箱上，還有索尼很多外面的廠商等等，我們都有合作，我們也跟他們這些硬體品牌進行合作。所以我們最後會促進所有的硬體，只要他們需要跟人交互的，我們都會在各方面支持他們。所以總體上我們是一個平台型的公司，但是在某一些具有標誌性的硬體上我們會先做出來展示給大家看，這個東西應該做成什麼樣，比如音箱。

新智元：也就是2C的目的最終目的還是2B。

胡郁：只要能給消費者帶來好的體驗，我可以2C，也可以2B，這都是我們的目標。

新智元：根據網上的報道，昨天《麻省理工科技評論》公布了全球50家最「聰明」的公司榜單，科大訊飛排中國第一，超過了BAT等大型互聯網公司，你個人如何看待這種「聰明」上的超越？

胡郁：幾個角度，第一個角度就是我們的根基還是技術創新型公司，所以我們在技術上的執著更甚，你看這幾年我們不斷地，包括我講的人工智慧的概念，還有人工智慧的認識，以及對於交互，現在我們最核心的領域，不斷地有新的概念和產品的發布。這可以看出來，科大訊飛在技術上非常執著。

第二點，科大訊飛在將人工智慧應用於整個行業的時候，從兩個角度去做，一方面我們做面向最終消費者的業務，包括我們今天發布的很多新產品，希望能夠深入到千家萬戶中去，這個過程還在進行。

另外一方面，科大訊飛涉及到很多的行業，比如醫療、教育、法院、智慧城市等各方面，其實它是進入到國家的很多戰略性的領域，我們為國家戰略落地做了很多工作。所以我想這也是MIT TR 考慮到人工智慧不僅僅是作用到最終用戶，它也作用到很多行業，這個角度來講我們也是更加全面，在不同的體系里都會使用到我們的人工智慧，而不是僅僅把人工智慧應用在某些點上。

人工智慧有很多東西可以講，但很多人還是關心最近我們取得哪些方面的進展。我們都知道人工智慧的三次發展浪潮。第一次跟我們基本上沒啥關係。有一個門檻就是2000年左右的時候，大家都知道2000年左右學人工智慧的人出來找不到工作，所有公司都恨不得做自己的互聯網公司。但因為大數據的積累，人工智慧在深度神經網路學習的情景下迎來了第三次浪潮，這次我們中國非常幸運，因為我們有很強的互聯網和移動互聯網的產業積累，也就是在2010年科大訊飛第一次發布了今天的訊飛開放平台的前身。

這個情況下我們看到弱人工智慧，也就是工業上人工智慧需要的三大法寶：深度神經網路、大數據、漣漪效應。其中最重要的是將我們的技術、人工產品用戶嫁接在一起進行迭代。大家知道深度神經網路是微軟研究院的鄧力研究員，他是我們中科大的校友，在2009年左右和當時多倫多大學的教授一起做了一個合作，把這個技術用在語音上，取得初步成功以後，當時世界上並沒有太多人相信他們，這個成果能夠顛覆當時在語音識別中的模型。所以在去年新智元舉辦的《世界人工智慧大會》上鄧研究員就說世界上兩個公司相信他的產品，一個是谷歌，一個是科大訊飛，我們當是還是切到了這個範圍，並且快速在後面幾年把深度神經網路不斷地應用於合成、識別、翻譯等多個方向。去年微軟研究院有一個報告，提到了最新用於視覺識別的用於語音識別取得成功的這家公司分別是谷歌、微軟和科大訊飛，所以我們在這方面一直處於世界前沿方面，我們也發展出了非常多的幫助。

這就是利用卷積神經網法讀語譜，這也是語音識別的主流，大家想知道它的原理是什麼，經過科學表明，很多盲人為什麼聽力特別好？因為他的視覺神經中一部分被借過來用於聽力，所以他們的聽覺能力好於常人。這方面我們取得了非常好的效果。訊飛輸入法現在有1.2億的月活用戶，過去一年當中，隨著人數不斷增加，它的錯誤率不斷下降，每年有30%的持續下降，這讓我們看到它將來可以超越人類本身。

我們也看到這中間大數據發揮了巨大作用，因為我們現在在訓練訊飛超腦項目的時候，模型的迭數目和需要更新的參數也非常巨大，不過很好的是現在超算已經能幫我們提供比較好的計算平台。在這個過程中，2014年開始的訊飛超腦計劃，讓我們從能聽會說到能理解會思考。

我們去年取得的成績，一個是美國CHIME的遠場英文識別大賽，世界上很多頂尖機構也參加了，科大訊飛在三項比賽中都取得了第一名的成績，而且我們相對上一年提高了將近100%，這是遠場識別效果，而且是對英文的，所以可以看到我們在這方面技術的熟練程度。

去年美國舉辦的知識圖譜的比賽，用中文、英文和西班牙語描述的很多內容我們要找出他們之間的對應關係，包括邏輯之間、人物之間的對應關係，這方面我們也拿到了第一名和第二名。但也充分證明了我們在這方面進步很快。

另外就是要代替圖靈測試的一個新的測試，大家知道圖靈測試是測什麼，就是有一個計算機和人跟你對話，但你不知道哪個是人哪個是計算機的時候，就算是通過圖靈測試了。但後來發現計算機可以作弊，比如，在你問它：「你多大了？」機器人說：「你猜一猜」。

後來大家覺得需要更加嚴格的測試，就是測常識，因為常識對人類來講很容易，但對計算機非常具有挑戰性。它測的是什麼？這上面本來應該顯示的是兩句話：爸爸舉不起兒子，因為他太重了，還有一句話是爸爸舉不起兒子，因為他太虛弱了。這樣一個十歲的小孩可以輕鬆拿到90分，但計算機最好的成績，我們是第一名也只能達到60分。所以這樣嚴格的測試，對人工智慧真正的進步非常有好處。

除此之外，今年我帶領的863機器人高考項目，也參加了高考。整個測試可以告訴大家一些成績，150分的語文和數學卷子，數學考了110，語文考了90 。

人工智慧到底能在哪些方面應用？我們覺得人工智慧能改變人類的兩個方面，通俗地講，一方面是改變了我們人類生產的很多產品，比如手機、電視、汽車、機器人，我們改變了產品本身；另外一方面利用人工智慧，就像我們國家智能製造2025提到的，我們可以改變生產過程，這不只是硬體，也可以是服務，比如我們改變了生產教育內容的過程，我們改變了在醫療裡面生產醫療保障體系的過程。而如果你要改變一個產品或者服務的生產過程，最周期的是這個過程中的很多專家，能不能學習這些專家的知識，並且使這個生產過程得到改變，這是我們人工智慧起到的能夠優化整個行業的切入點。

如果人工智慧能改變我們的產品，最重要的一點就是交互，從過去的幾十年來我們看到每一次IT產業的變革，硬體、軟體、操作系統和人機交互的方式都會發生變化。語音是人和人之間交互最直接的方式，我今天在台上用語音大家聽得最方便的。但是這裡面有一個非常有意思的觀察，我不知道大家注意到沒有，我們的人獲取的信息中，80%來自於我們的眼睛，但前提是你要有東西可看。

這裡面非常有意思的是我們的機器是有顯示屏的，而顯示屏能把豐富的信息顯示出來，而被人的眼睛所接收。但如果反過去，我們人類是沒有顯示屏的。我們人類輸出想法最自然便捷的方式是語音，但機器對於語音的理解已經達到了已經可以對話的水平。而機器對於圖像的理解還不行，反正我們人類還沒有顯示器給它看。所以這種情況下我們看到，越來越多的各種各樣的交互智能硬體有的是只用語音進行交互，而有一些要配合畫面來進行。在這樣的交互情況下，語音其實成為我們跟機器之間溝通最自然便捷的方式。

兩年前我們發布了AIUI，包括今天我們將發布的全新的產品，就是對這個理念最好的詮釋，新產品能夠抗噪，能夠遠場識別，我們希望在這個過程中越來越好地支持更多開發夥伴作出更好的產品。

在過去的一年當中，我們的開放平台也獲得了很好的增長，我們開發夥伴達到了35萬，這中間我們看到的是包括在座的開發者、創業者積極的參與。

我們也開發了一系列的產品，包括科大訊飛的「聽見」，這些都幫助我們更好地探索在整個交互過程中去引領發展，我們希望把這些交互的體驗磨合得更好，然後把這些能力和後面的內容一起開放給所有的開發夥伴，包括我們在車載方面的進展。

科大訊飛並不僅僅是提供能力給最終端的產品，我們在改變整個行業方面也做了很大的工作，我們知道現在的教育、醫療、公檢司法等等行業里，專家人才成為緊缺資源。在教育領域我們讓機器可以模仿老師的行為，就是批改作業。為什麼我們現在要去最好的名校，因為裡面的老師資源最好，他們能夠給我們的孩子提供最好的輔導，但是老師是有限的，不可能每個老師對每個孩子都能進行精確的輔導。現在我們做的人工智慧可以讓機器來幫助老師批改作業。同時第二個我們能夠從每個孩子的不同作業反饋來看到他缺少的知識。第三步我們可以進一步地根據每個孩子缺少的知識點布置新的不同的作業。這樣一個學期下來，我們發現採用個性化因材施教的方法，成績提升非常明顯，這樣的智能化學習就是我們複製了在教育體系中最值錢的專家老師的經驗。

很多人問人工智慧會不會把我們的工作全部搶走？我們的想法是這樣的：大家都知道人類每個工作有非常多的技能，這些技能分不同的類型，比如下棋，隨著機器的運算智能、感知智能和運動智能不斷提高，這些完全信息公開的系統，機器一定能夠逐步地替代我們，只是需要一定的時間。

但在工作裡面有一些技能，比如當你要進行決策，當你要進行很多判斷，很多信息是不完整的。這些不完整的信息決策，機器只能對我們提供輔助。比如，教育醫療行業里，有很多原創性的，從0到1的創造性的事情，只有人類能做出來。我相信在機器擁有靈魂之前，它們很難或者永遠做不到這樣的事情。所以對人類來講，機器不是替換我們的工作，機器是逐步地在一個時間長度內替換我們某些技能，老師可以花更多時間輔導學生，輔導心靈、素質的發展，這會讓我們跟機器有很好的融合。

將來科大訊飛希望跟整個業界形成一種什麼樣的合作？其實如果我們現在要做人工智慧，不管是產品還是技術，它可能有兩種創新模式，我們把一種叫做源頭創新，一種叫系統創新，既需要中科大所在的合肥這樣的城市，讓基礎創新得到新的攀升；同時，也需要很多創業者，很多合作夥伴在北上廣深這些地方做快速的衝浪型的創新。如果能把這兩種創新模式集合在一起，我相信我們就一定能夠創造出讓世界都驚呼的好產品。

在這個過程中，科大訊飛自己的定位是什麼？我們希望成為一個技術創新性公司，我們會用互聯網思維來研究我們的核心技術，但我們希望我們能夠做到以下四點：

最後在人工智慧的情況下，我們設想了一下將來人工智慧會是什麼樣的生態，我們希望創造出自己的產品跟大家合作。將來每個公司都會有自己的人工智慧大數據，但這些公司的商業方向可能會不一樣。科大訊飛是平台型廠商，我們在這個平台上提供最好的人和機器交互方式。每個產品、每個機器人公司、每個教育公司，或者具體到每一個細分行業的公司，它們有自己的方向。但是，我們希望在這種新的生態下能夠共享經驗、知識、數據和利益。這樣我們能夠一起創造一個混合的商業生態，我們在這個過程中共同得到收益，共同給最終用戶創造最好的價值。

今天我們在這裡開這個發布會也是在這種目標的指引下，希望源源不斷地將核心技術和產品進一步提升成能夠直接讓大家使用的聚合化的產品。我也期待，將來我們一起能夠用我們的人工智慧技術，用我們剛才說到的爬山型和衝浪型結合的方式，用我們的源頭核心技術系統創新和產品創新、應用創新和微創新，共同打開人工智慧的新時代。

謝謝大家！