云知聲CEO黃偉在智能家居、汽車、醫(yī)療和教育領(lǐng)域的應(yīng)用布局

在6月28日“第三屆媒體未來科技峰會”舉行前夕，科技進行了系列人物采訪，云知聲專注于物聯(lián)網(wǎng)人工智能服務(wù)，一起來聽聽云知聲CEO黃偉在智能家居、汽車、醫(yī)療和教育等領(lǐng)域的應(yīng)用布局，以及他對人工智能的看法。

當(dāng)你還無法察覺的時候，很多改變?nèi)祟惖男录夹g(shù)已經(jīng)在無聲無息中蛻變、成長，誕生于上世紀50年代的人工智能就扮演著這樣的角色。

“互聯(lián)網(wǎng)女皇”瑪麗·米克爾在報告中大篇章的描述了語音識別交互帶來的改變，人工智能成為科技發(fā)展的重頭戲已經(jīng)毋庸置疑，物聯(lián)網(wǎng)場景下的應(yīng)用需求在不斷擴大，智能語音技術(shù)在智能家居、智能汽車、教育等領(lǐng)域的應(yīng)用逐步深入，帶動著智能語音產(chǎn)業(yè)規(guī)模的持續(xù)快速增長。

黃偉表示，PC互聯(lián)網(wǎng)時代，聯(lián)網(wǎng)設(shè)備主要是PC，移動互聯(lián)網(wǎng)時代，聯(lián)網(wǎng)設(shè)備主要是手機或平板。而到IOT時代，一切設(shè)備都可能聯(lián)網(wǎng)，IOT聯(lián)網(wǎng)最大的特點是沒有屏幕，不像手機平板那樣以觸碰為主，第二，設(shè)備離人比較遠，這時候我們就希望用一種完全自然的，像人和人對話的方式來控制它們，所以，語音識別就成了解決這一痛點的最佳方案。

那么，語音技術(shù)成熟以后如何讓產(chǎn)品落地，黃偉有著自己的看法：數(shù)據(jù)和算法的結(jié)合給語音技術(shù)帶來了巨大的推動，一下把中國的中文語音識別性能拉到了工業(yè)化應(yīng)用的臨界點，云知聲延續(xù)平臺策略，提出了“云端芯”生態(tài)體系，目前已經(jīng)在家居、汽車、醫(yī)療和教育等領(lǐng)域有廣泛應(yīng)用。（定西）

以下內(nèi)容為科技根據(jù)專訪內(nèi)容整理：

記者：云知聲創(chuàng)立于2012年，相對而言還比較年輕，給我們聊聊云知聲的創(chuàng)業(yè)路程吧？

黃偉：云知聲大概2012年6月份成立，時間不算短，但也不算長，到這個月29號剛好是我們成立四周年。云知聲成立之初，那個時候智能設(shè)備不多，并且大家還沒有養(yǎng)成用聲音或者圖像交互的習(xí)慣，所以我認為我們的機會來了。

九月份我們發(fā)布了國內(nèi)第一個完全免費的開放平臺，當(dāng)時，做到業(yè)內(nèi)中文語言識別準(zhǔn)確率最好的是80%左右，那就意味著100個字里面有20個字是錯的，這樣的用戶體驗是比較糟糕的。另外，那時候大家都沒有養(yǎng)成使用微信語音聊天的習(xí)慣，所以我判斷，用戶的習(xí)慣養(yǎng)成是最重要的事情，而不是趕緊利用這個技術(shù)去授權(quán)，也能夠讓更多的行業(yè)客戶和終端客戶切入進來，切入進來就意味著數(shù)據(jù)，步入深度學(xué)習(xí)時代，在統(tǒng)計模型架構(gòu)的時候還是數(shù)據(jù)驅(qū)動的，有足夠多的數(shù)據(jù)，就意味著系統(tǒng)有升級的可能性，所以我們當(dāng)時采用免費開放平臺的策略。

直到2013年底之前，我們延續(xù)了這種平臺策略，也不斷的研發(fā)創(chuàng)新，2012年10月份，在當(dāng)時少有人涉足的深度學(xué)習(xí)領(lǐng)域，我們的深度學(xué)習(xí)引擎部署上線，而且提供給第三方服務(wù)，中文語音識別的準(zhǔn)確性從當(dāng)時業(yè)內(nèi)的80%多一點，一下提升到91%，極大的改善了用戶體驗。

在2013年春節(jié)前后，我們推出了微信上的語音輸入插件，APP就是基于我們的深度學(xué)習(xí)引擎開發(fā)的，準(zhǔn)確率非常高，上線一周就沖到了蘋果排行榜第一位。數(shù)據(jù)和算法的結(jié)合給語音技術(shù)帶來了巨大的推動，一下把中國的中文語音識別性能拉到了工業(yè)化應(yīng)用的臨界點。

截止到2013年底，云知聲平臺上的接入伙伴有接近1萬家，創(chuàng)業(yè)以來，我們基本上打通了之前所設(shè)想的數(shù)據(jù)驅(qū)動技術(shù)迭代的過程，同時，云知聲的技術(shù)能力也獲得了行業(yè)用戶一致的認可。

下一步，我們開始考慮商業(yè)落地，2013年底的時候智能硬件、智能眼鏡等等比較火熱，硬件智能化是未來勢不可當(dāng)?shù)内厔?，但我們相信硬件智能化一定不是靠硬件本身，他的智能化更多的是體現(xiàn)在云端，自下而上從硬件向云端服務(wù)。

另外一點是平臺如何落地，早期通過SDK分發(fā)的方式，這對創(chuàng)業(yè)公司來說是最經(jīng)濟、成本最節(jié)約的方式，但是他會伴隨很多其他的問題，智能化的服務(wù)也應(yīng)該滲入到終端硬件里面去，滲入到芯片里面去。

（ 云知聲“云端芯”生態(tài)圖 ）

在這些思考背后，我們于2014年初提出了“云端芯”，這個概念今天被業(yè)內(nèi)很多人接受，同時，2014年完成了公司內(nèi)部的架構(gòu)調(diào)整，成立了IOT事業(yè)部，引入高通作為戰(zhàn)略投資方，我們希望未來在芯片端發(fā)起人工智能服務(wù)。

時間到了2015年的時候，個人的機會已經(jīng)不是特別多了，線上的渠道資源都被BAT這種巨頭所控制，其實很難有一種顛覆性的產(chǎn)品，但我們認為移動互聯(lián)網(wǎng)其實也面臨一種可能性的顛覆，這個顛覆就是我們今天所說的物聯(lián)網(wǎng)。

PC互聯(lián)網(wǎng)時代，聯(lián)網(wǎng)設(shè)備主要是PC，移動互聯(lián)網(wǎng)時代，聯(lián)網(wǎng)設(shè)備主要是手機或平板，到IOT時代，可能一切設(shè)備都可能聯(lián)網(wǎng)，IOT聯(lián)網(wǎng)最大的特點是沒有屏幕，不像手機平板以觸碰為主，第二，這個設(shè)備離你比較遠，這時候我們就希望用一種完全自然的，像人和人對話的方式來控制它們。

當(dāng)時設(shè)計了一個比較創(chuàng)新的產(chǎn)品模式，我們稱它為“智能化的語音模組”，實現(xiàn)它要克服很多技術(shù)上的難題，首先要把交互的距離從10公分變到5米之外，你要面對很多現(xiàn)實的問題，比如房間里面的混響，或者距離比較遠，聲波信號的衰減，或者這個設(shè)備正在播放音樂，你如何去打斷它，它在休眠，你如何喚醒它等等，我們?yōu)榱嗽O(shè)備的智能化程度更高，也往后端補充了自然語言理解知識圖譜，還整合了很多互聯(lián)網(wǎng)服務(wù)資源的聚合，希望用戶通過IVM這個產(chǎn)品能夠和它的設(shè)備之間，像人和人之間對話一樣，可能我們希望未來任何一個設(shè)備都是機器人，但并不一定是人的形態(tài)。

除了解決技術(shù)方面的困難外，如何去說服客戶接受這種新的交互形式也比較重要，當(dāng)然首先要能夠接受很嚴格的產(chǎn)品測試，從2014年底到2015年我們做了很艱苦的工作，最后的結(jié)果是比較理想的，我們是國內(nèi)第一個把人工智能芯片開發(fā)出來，而且保障了廠商能夠批量出貨的企業(yè)。

另外，我們認為車聯(lián)網(wǎng)是一個非常大的機會，車是家居的延展，是家移動的部分，在車的場景下，因為安全考慮，用戶一般不方便用眼睛看，也不方便用手去觸控，最便捷的方式就是靠耳朵和嘴巴，這就要求在開車的環(huán)境下能夠做非常好的交互體驗，又快又準(zhǔn)，并且自然，也能夠把服務(wù)資源聚合起來，我們從2014年底投入這個方向，在2015年終的時候開始接觸國內(nèi)互聯(lián)網(wǎng)后裝的廠商客戶，基本上到目前為止，云知聲的方案已經(jīng)占了60%的市場份額，首先通過這種方式把家居的客戶和車載的客戶打通，有聲聞識別技術(shù)，還可以通過虛擬帳號把用戶之間的關(guān)系打通。

云端服務(wù)是我們?nèi)斯ぶ悄芊?wù)的一個基礎(chǔ)形態(tài)，從2012年成立開始，我們就累積了廠商客戶已經(jīng)超過3萬家，而且每天大概語音調(diào)用的請求量已經(jīng)超過1億次，我們是國內(nèi)前三大平臺，而且云知聲是除了百度、訊飛之外，唯一的非上市公司。

醫(yī)療也是云知聲發(fā)展的重點方向，我離開摩托羅拉之后，在Nuance公司工作了一段時間，在它的業(yè)務(wù)里面很重要的一塊就是醫(yī)療，醫(yī)生不再是用手寫或者是電腦輸入，一方面極大的提升了醫(yī)生的工作效率，也把病情的診斷、病情的問詢、包括診斷都記錄下來，這為后面的醫(yī)療大數(shù)據(jù)提供非常大的便利。

我們已經(jīng)與協(xié)和醫(yī)院合作，去年在大概有4個科室上線試運行，協(xié)和醫(yī)院給出的4個報告，平均的醫(yī)療識別準(zhǔn)確率超過95%，而且每個醫(yī)生每天的工作效率提升了38%，這是一個非常驚人的數(shù)字，從經(jīng)濟效應(yīng)上來講，醫(yī)生可以提高效率，意味著可以看更多病人，更多人不需要排隊等待。目前，確定和云知聲合作的醫(yī)院已經(jīng)有幾十家之多。

我們從一個數(shù)據(jù)驅(qū)動的技術(shù)平臺，升級到云端芯產(chǎn)品戰(zhàn)略，以及在戰(zhàn)略之下，選擇在家居、車載、醫(yī)療這些領(lǐng)域商業(yè)化落地，到目前為止，我們可能算是中國國內(nèi)的人工智能創(chuàng)業(yè)公司里面產(chǎn)品化能力和商業(yè)化能力最強的公司之一。

記者：正如你所說，云知聲在產(chǎn)品研發(fā)、商業(yè)化落地方面都起步較早，選擇方向時背后有哪些思考，目前是否符合預(yù)期？接下來云知聲的研發(fā)以及商業(yè)化有何具體計劃？

黃偉：云知聲是一個比較穩(wěn)定的團隊，取得這些成績離不開我們的背景和基因，今天人工智能非常熱了，很多人關(guān)注，甚至很多人投入到人工智能的行業(yè)，但其實很多人忽略了一點，人工智能曾經(jīng)非常冷，很長一段時間我們不講從業(yè)者，可能連高校院所的人才培養(yǎng)都非常匱乏，這導(dǎo)致哪怕BAT開出很高的薪資，也很難找到不錯的人才。

我是比較幸運的，以前在中國科大念書的時候就學(xué)這個專業(yè)，當(dāng)很多師兄弟畢業(yè)就轉(zhuǎn)行的時候，我加入了摩托羅拉，摩托羅拉在兩千零幾年的時候還是一個非常重要的科技巨頭，他們對人機交互、人工智能是非常關(guān)注的，我在摩托羅拉的那幾年，完成了一個從學(xué)生到工程師的轉(zhuǎn)變，以前我們團隊開發(fā)的引擎支持了摩托羅拉大概20多款手機，全球出貨量接近3億臺，這種經(jīng)驗是今天很多從業(yè)者沒有經(jīng)歷過的。

2009年我加入盛大，在盛大工作了兩年多，假如以前我在摩托的經(jīng)歷更多是從技術(shù)看技術(shù)，在盛大的經(jīng)歷讓我更多的從用戶來看技術(shù)，所以我們之所以最開始選擇平臺化戰(zhàn)略，是因為非常清楚的知道技術(shù)不可能日新月異的去發(fā)展，一定是一個理論框架從出現(xiàn)到成熟，是緩慢的過程，中間靠什么填補呢？數(shù)據(jù)。

至于說為什么我們選擇從芯片去切入，依然還是從技術(shù)如何落地，技術(shù)如何提供更好的用戶體驗，技術(shù)如何更好的滿足用戶需求這些方面考慮的，可能很多人滿足于或陶醉于在技術(shù)上的一點點提升，但是你有沒有想過技術(shù)的目的是什么？這一點我們算想的比較多，所以我們選擇在一個比較超前的時間點，用一個比較穩(wěn)健的方式做這個事情。

技術(shù)平臺型的公司成功概率是最大的，而不是說一開始就做一個音箱或者做一個機器人，這樣的好處也有，大家可以很快讓別人知道你在干什么，弊端也一定有，因為你不能保證每個產(chǎn)品都是爆品，而且一定會分散很多資源投入產(chǎn)品本身，而忽略了技術(shù)積累，深度學(xué)習(xí)剛剛進入這個時間點，技術(shù)的儲備是非常重要的，我們把公司全部的資源拿進來，投入到研發(fā)，我認為這對公司未來的長遠發(fā)展是非常重要的一步，華為之所以成功，是因為華為從成立的第一天起，技術(shù)研發(fā)就非常投入，厚積薄發(fā)，華為在以前這么多年的技術(shù)積累之上，稍微有一點互聯(lián)網(wǎng)思維，不能說百分之百成功，但基本上他的成功概率會大很多，技術(shù)的積累是最難被替代、最難被復(fù)制的，這對云知聲來說是非常重要的根基。

我相信深度學(xué)習(xí)也好，人工智能也好，依然處于相對原始的階段，這個階段所有的大公司、小公司全力以赴的去投入去研發(fā)，我們做的工作還有很多。

記者：近些年，無論是資本還是人才都在不斷地進入人工智能行業(yè)，人工智能還處在發(fā)展初期就已經(jīng)成為了紅海，你是否同意這樣的觀點？

黃偉：我覺得任何一個方向被大家所關(guān)注，尤其是被資本市場所關(guān)注之后，一個必然的結(jié)果就是大家都會來做，我覺得這是很正常的現(xiàn)象，其實我并不是特別在意這個情況，我經(jīng)常和做投資的朋友開玩笑，我說當(dāng)人工智能出現(xiàn)的時候，你更應(yīng)該關(guān)注那些在幾年前就在做的公司，因為他們真的不是跟風(fēng)，他們真的是以這個為方向和目標(biāo)的。

我相信人工智能這個方向還是跟我們以前APP等運營的方式不太一樣，那些方向基本上團隊有很強的執(zhí)行力，注入資源的話成功幾率是比較大的，但是人工智能是技術(shù)儲備非常深的一個方向，這個方向還真不是靠人鋪，或者靠錢砸就能出來，一定是有積累的團隊，而且對這個方向有情懷的團隊才真正有可能勝出。

記者：你作為人工智能行業(yè)的從業(yè)者，覺得人工智能走進千家萬戶還需要多長的時間？可不可以幫我們預(yù)測一個全面爆發(fā)的時間點？

黃偉：我覺得應(yīng)該很快，就拿我們?nèi)粘Ｉ顏碇v，語音已經(jīng)成了車載設(shè)備的標(biāo)配，今年任何一個廠商，如果你推出任何一款車載產(chǎn)品，比如后視鏡導(dǎo)航儀，假如不帶語音功能的話，這個產(chǎn)品很難賣出，它已經(jīng)成為了標(biāo)配，第二，從家居里面，以樂視為例，樂視已經(jīng)出庫的幾百萬臺TV里面，已經(jīng)用了云知聲語音交互的方案，從去年到今年陸陸續(xù)續(xù)我們會發(fā)現(xiàn)更多的產(chǎn)品，無論是格力、美的、華帝，你會發(fā)現(xiàn)里面都帶有云知聲的方案，我相信這是趨勢，可以很清楚的看出，并不是說什么時候人工智能進入我們的生活，其實這個事情正在發(fā)生。

記者：如果人工智能未來擁有了更強大的認知甚至是情感的話，大家還比較擔(dān)憂，你怎么看這方面的問題，我們與人工智能要如何相處？

黃偉：在技術(shù)方面我可能會相對保守一些，我認為這個擔(dān)憂有點過于杞人憂天了，因為今天工業(yè)界里面大家做的所有努力，是利用這個技術(shù)來替代人的一部分工作，讓人類解放出來，這個目的絕對不是說要顛覆人類，迄今為止，我們基本上做的所有的人工智能的技術(shù)多半集中在感知智能，或者一部分認知智能，真正的情感方面，技術(shù)是做不到的，但技術(shù)的進步，20年、50年以后會發(fā)展到什么狀態(tài)，這個我很難做預(yù)判，相信至少在我有生之年，我認為機器具備情感不太可能。

記者：云知聲一直專注于B2B2C領(lǐng)域，以后會不會有推出自己產(chǎn)品的計劃？

黃偉：產(chǎn)品看怎么定義，其實我們從2014年確定好這種產(chǎn)品戰(zhàn)略體系之后，我們從2015年就有很多產(chǎn)品出現(xiàn)在市場上，當(dāng)然了，這不是我們自己品牌的產(chǎn)品，我們的定位還是一個技術(shù)方案提供商，我們更多的是躲在大公司后面，比如樂視、華為以及其它大的廠商后面，包括格力、美的、海爾、華帝等等，在未來我們云知聲可能會結(jié)合我們技術(shù)的特點和優(yōu)勢，推出云知聲自己品牌的產(chǎn)品。

記者：云知聲的產(chǎn)品思路是怎樣的，是如何提出“云端芯”產(chǎn)品戰(zhàn)略的?

黃偉：我先從技術(shù)的角度講，其實這也是一步步來的，因為最開始我們只是希望通過一個云端SDK的方式，植入到用戶的APP里面，能夠幫助用戶具備語音交互能力，但是你發(fā)現(xiàn)在某些產(chǎn)品之下，其實云端SDK能力是不夠的，比如我們在某些設(shè)備上操控，操控體驗的要求希望是又快又準(zhǔn)，假如說都需要走云端來回的話，那必然達不到效果，出于這種考慮，我們把一部分能力從云端遷移到終端。

簡單的控制在本地做，相對復(fù)雜的搜索在云端做，這樣端云結(jié)合形成一種比較好的互補，你會發(fā)現(xiàn)單純靠本地的離線引擎也不能滿足要求了，比如說一些可穿戴設(shè)備，或者在一些不插電的設(shè)備上面功耗就變得非常高，如果依然只是有一個離線軟件，但是要常駐內(nèi)存，那必然會帶來一個功耗的巨大消耗，另外假如我這個設(shè)備離的比較遠的話，你怎么去喚醒他，打斷他？到最后你必然要把一部分能力放到芯片當(dāng)中去，必須和芯片結(jié)合，你才可能會實現(xiàn)。這是從技術(shù)到用戶體驗的角度來講。

其實當(dāng)時提出云端芯的時候并不是說我們有多么英明，而是因為我們想好了場景是IOT，IOT一定會存在距離問題、功耗問題，為了解決問題，所以你必須把能力從云端變到終端，甚至到芯片端，是出于這種考慮，才有了云端芯的產(chǎn)品體系

記者：如何評價自己和自己的團隊？

黃偉：以前高中和讀本科，我是作為一個被動的學(xué)習(xí)者，因為我滿足于考試就OK了，可能對自己沒有太高的要求，讀博士之后我可能會對自己的要求比較高一點，因為我還愿意做一些新的東西，包括以前工作的時候我認為我是一個比較好的工程師，我對技術(shù)或者各方面的追求還是比較多的，另外，轉(zhuǎn)到管理者之后，我覺得創(chuàng)業(yè)以來我最大的突破就是我從一個技術(shù)人員變成一個商人，你必須從商業(yè)的角度看待很多問題。

我的團隊，因為我們認識都非常久，以前是師兄弟、老同學(xué)，彼此互相了解，包括各自的技術(shù)能力方面都非常認可，我也為我們團隊比較驕傲，我們能夠在相對比較早的時候出來做這件事情，公司成立4年以來，基本上每個人都能做出比較大的突破和改變，當(dāng)然每個人還有不足，但是我覺得我們團隊的成長速度我個人還是比較滿意的。

記者：消費升級形式下，大家對產(chǎn)品的要求不單單是在功能方面，有時候看對眼很重要，你做產(chǎn)品是視覺先行，還是功能先行？哪些優(yōu)先級更大？

黃偉：我覺得審美觀是非常重要的，因為很多人，比如我對產(chǎn)品的第一感官是來自外表，包括我們買一個手機，其實很多人選擇蘋果、華為、三星，除了他們里面芯片很強的功能，或者有非常流暢的軟件之外，我相信很多人還是被外觀所吸引，尤其是消費品，就像找女朋友一樣，可能第一眼緣非常重要，但是如果一個好的產(chǎn)品，進入用戶手里之后，如果你希望這個產(chǎn)品讓用戶經(jīng)常用到，我覺得還是離不開功能，我認為這兩者都非常重要，但是也許用戶在選擇一個產(chǎn)品的時候視覺會占了主導(dǎo)，但是在日后使用里面功能也會非常重要，我們可以看到今天這個世界上凡是做的非常好的一些產(chǎn)品，其實兩者都不能缺乏。

記者：媒體未來科技峰會即將于6月28號召開了，您在演講當(dāng)中會給我們帶來哪些內(nèi)容和驚喜？

黃偉：我也不知道我能不能給大家?guī)眢@喜，但是我希望我更多的是從一個創(chuàng)業(yè)者的角度上，能夠帶來我對人工智能行業(yè)技術(shù)也好，產(chǎn)業(yè)也好的一些見解和認識，我希望能夠給大家?guī)硪恍﹩l(fā)，當(dāng)然，也許我的觀點不一定對，但是我希望在媒體這個平臺上和大家能有一個交流的機會。

我希望媒體未來科技峰會能夠真正吸引到對這個領(lǐng)域關(guān)心的朋友們，讓大家能夠在這個平臺上就產(chǎn)業(yè)，就技術(shù)，包括資本，各個方面有一個通暢的溝通平臺，希望每個人，無論他代表資本市場，還是代表工業(yè)界，還是代表學(xué)術(shù)界，都能在這個平臺上發(fā)出自己的聲音，有助于大家能夠客觀的、冷靜的看待這個市場，這樣才有助于這個領(lǐng)域健康有序的發(fā)展。