高始兴解读智能语音，并对其未来做出预测

《IT经理世界》杂志专访思必驰CEO高始兴，2016年06月出版。

语音作为人机交互的重要方式，要能够形成一个闭环——信息搜索，服务获取，任务达成。

除了调侃解闷，语音作为人与智能设备的交互方式之一，现在能做什么？

思必驰创始人、CEO高始兴拿起手机，没有直接解锁屏幕，而是按下一个语音键说，“给浩然发短信”，一秒钟左右，手机里传来温柔女声“短信内容写什么”，“告诉他我已经到北京了，明天会到深圳，我们见个面，帮我订机票”。

原本我们发短信或者打电话，都得先解屏手机，再点击“短信”或拨号，数个步骤后才能完成，而思必驰提供的这个针对智能硬件的解屏语音产品，即便设备没有可触摸的屏，发短信／打电话也相当便捷。

“你再想想，未来搜索会怎么‘搜’？”高始兴很有兴趣采访先从这个话题开始。在他看来，会影响到未来搜索的主要因素有几个：

一是整个硬件时代的迭代，从PC互联网到智能手机移动互联网，再到智能硬件的物联网，硬件端已经发生了翻天覆地的变化；相应地，人机交互的媒介也变化巨大，从键盘、鼠标，到触屏，再到语音、手势、虹膜等；在这样的大背景下，未来用户的搜索会越发的场景化，搜索的目的从传统的信息查询，转变为服务的获取、任务的完成。

思必驰希望能够实现的是，语音作为人机交互的重要方式，要能够形成一个闭环——信息搜索，服务获取，任务达成。

装上“大脑”

高始兴相信，搜索再往下走，特别在智能硬件端、在物联网上，语音交互一定是核心人机交互手段之一。“语音是唯一能传递复杂信息的交互手段，人脸、虹膜、手势，现在来看还只能够作为身份验证，或者做一个简单的搜索，要输入复杂的信息一定是通过语音。”

在感知智能时代，语音交互更多的是简单的语音识别，加自然语言理解，能够实现简单的搜索和控制；在认知智能时代，人机交互时机器更懂用户，懂用户的历史、懂用户的上下文，而且机器听不懂可以去问，允许用户打断，允许用户纠正，机器既有耳朵又有嘴巴更有大脑。这些是在感知智能时代做不到的。

高始兴和思必驰团队认为，在垂直领域里面，机器的认知智能应该能做到，听不懂会问、知道怎么问、问什么，核心目的是帮用户快速地完成任务，这是人机对话的下一个阶段，也是思必驰要做到的事情。

高始兴介绍，思必驰现在主要做两款产品：

一是AIOS（AISpeech Operating System）人机对话的智能操作系统，把思必驰全面的语音技术整合到操作系统里，把人机对话逻辑整合进去，把后端服务比如高德导航、音乐、天气、聊天等服务整合进去，基于现在主流的操作系统，开发者（智能硬件方向上的合作伙伴）基于思必驰AIOS的标准化接口再做相应开发，让智能硬件产品能说会道，拥有了人机交互的能力；

一是核心硬件模组的研发，比如智能芯片、麦克风阵列，这样能配合思必驰的AIOS软件，因为有些场景里的语音交互需要硬件的配合，才能让交互的体验、交互的效率更好。比如声源定位，就需要环形麦克风阵列这样的硬件支持。

去年10月，苹果收购了一家英国软件创业公司VocalIQ，加强Siri语音助手服务。高始兴称其为“全球做人机对话最棒的公司”。而该创业公司的创始人之一俞凯，就是高始兴创业思必驰的搭档。

“苹果为什么要收购它，为了加强对话。未来通过语音和智能硬件物联网之间进行人机交互的体验，就应该像在智能手机上一样。”高始兴说，不恰当地把智能硬件物联网的爆发类比做智能手机，手机在功能机时只是通信的工具，打电话发短信，交互非常难，但是在智能机时代，触摸交互非常爽，在智能手机上可以听音乐看视频可以购物，能够承载丰富的场景，更多的服务涉及到生活的方方面面，“人机能够对话起来，是实现这种美妙体验的第一步”。

力出一孔

语音交互技术不可能一蹴而就地去到那美丽新世界。

高始兴认为，语音交互技术的发展需要经历：基础的语音技术的提升，比如语音识别技术如何能够解决降噪、远场等问题，在场景化里的语音技术还需要提升，如何更准确地声源定位，做到更好的回声消除等；全面的语音技术的应用，人性化的语音合成比如名人的声音、家人的声音，基于语音的情绪识别等，让人机的语音交互更加友好；多模态的交互技术的结合，比如如何结合人脸识别、虹膜识别、手势识别等。

这三个语音交互技术的发展方向，思必驰都在做，不敢也不能对任一个方向有所放松，这是智能硬件物联网时代，实现真正具有认知能力的人机交互界面所必须具备的。

对于思必驰这样的创业公司来说，它的专注体现在，专注于智能硬件的语音交互，主要是针对车载、智能家居、机器人等智能硬件产品做垂直领域下的对话式交互。

思必驰已于2015年10月和12月，相继推出针对车载产品的AIOS For Car智能对话操作系统和针对机器人的环形“6+1”远场麦克风阵列。思必驰的合作代表型案例包括小米蓝牙语音体感遥控器、海尔馨厨冰箱、乐橙“小乐”机器人、捷渡中国“远界”智能后视镜等。

一个创业公司要成功必须要专注，力出一孔。高始兴介绍，剑桥商学院管理学硕士毕业后，曾从事过基于语音技术的汉语语音纠正、英语语音测试等方向的创业，也就是之前的思必驰。2014年把教育事业部分拆出去，成立了“驰声科技”，2015年被网龙全资收购。2014年全面转型之后，思必驰将精力和资源主要放在智能硬件领域的语音交互技术方面。

在车载、智能家居、机器人三个智能硬件方向上，是均匀着墨，还是看市场成熟速度？高始兴认为，从底层技术上，这些语音交互技术的应用场景有很多共同的问题要解决，当然在不同场景里应用是有差异化，产品化速度和市场成熟速度也会不太一样，车载市场会更快成熟一些，智能家居次之，机器人未来市场很大但是现在落地比较难。

高始兴相当推崇亚马逊的智能音箱Echo，亚马逊视为“家中的智能语音中心”型产品，其战略重要性堪比Kindle。高推崇Echo，一方面是其语音交互技术已经做得很棒；二是它已经打通了服务，能做一些人机对话；三是它已经初步构成了一些交易闭环，已经可以声纹支付。今年亚马逊在美国超级碗大赛期间的广告，主角就是Echo。

高始兴和思必驰团队想做的，就是，让中国一个个智能硬件设备，都能成为Echo，给每一款智能硬件装上耳朵嘴巴和大脑。而现在，是刚刚开始。