上個月月底，阿里巴巴宣佈，其人工智能核心團隊iDST再添一名大牛：前Polycom聲學設計和信號處理首席工程師馮津偉，將擔任智能語音交互團隊研究員。消息一出，媒體紛紛議論，馮津偉加入的阿里iDST是個什麼樣的組織?馮津偉又為什麼會選擇阿里巴巴？接下來這家市值4000多億美金的公司又在佈局什麼？或許，這次簡單的人事招聘不像我們想象得那麼簡單。
神秘的阿里巴巴iDST
眾所周知，馮津偉加入的是一個叫阿里巴巴iDST的組織。iDST翻譯成中文——數據科學與技術研究院，在組織架構上,分屬於阿里雲。據公開資料介紹，這個阿里內部頗為神秘的組織是阿里紐約上市活動結束後在硅谷宣佈成立的一個新部門。換而言之，馬雲在2014年上市之後，就開始著手準備把阿里切換到技術與數據驅動的軌道上。
如果說彼時的阿里管理層只是在籌劃和儲備人才，“確立阿里巴巴集團在未來數十年的領先地位”，那麼三年後達摩院的成立正是這一動作的戰略延伸。換個角度看，在宣佈成立達摩院之時，阿里已經在高精尖技術領域默默耕耘了3年。
事實上，在阿里巴巴iDST成立之初，大數據、人工智能、深度學習就是最重要的研究領域。而與國際上一些為了研究而研究的機構不同，阿里巴巴iDST更擅長前沿科技與商業應用的結合。總而言之，這是一個能讓高端技術落地的部門。
馮津偉為什麼會選擇阿里？
事實上，近年來阿里iDST的語音識別系統在語音識別的建設並非一張白紙。阿里語音技術在法庭庭審識別、智能客服、視頻審核和實時字幕轉寫、聲紋驗證、物聯網等多個場景中已經得到成功應用。據公開資料顯示，2016年浙江省105家法院在使用的語音識別系統就是由阿里雲提供技術支持，能快速、準確的完成庭審記錄，承擔書記員的角色。除此應用場景之外，阿里Alios、阿里小蜜以及手淘，現在都已經應用到阿里雲的語音識別系統。
由此可見，在近幾年語音識別技術的大規模商用崛起的大背景下，馮津偉正面臨一個難得的機會，無疑阿里巴巴不錯語音技術基礎以及商業化上的優勢會為他提供更大的舞臺。
另外，目前阿里iDST內部有五個跨越全球的語音小組，分佈在北京、杭州、西雅圖、硅谷、新加坡五個城市，聚集著世界一流的科學家與工程師。不可否認，阿里巴巴優秀的語音識別核心團隊也是打動馮博士入職阿里的一個點。
跨界招人，阿里到底要做什麼？
事實上，人工智能的發展讓語音識別再次呈現上升之勢。在美國政府關於限制發放簽證的“Technology Alert List”中，語音識別與核武器、火箭技術等同在“黑名單”中。由此可知，先進的語音識別對企業乃至國家層面的重要性。而一個完整的語音識別系統需要通過前端的聲學設計，進行信號的採集、處理，再通過後端的相關算法進行識別。任何一個語音產品要投入使用，最主要的挑戰依然是端上語音信號的採集和處理。
再看看馮津偉博士，這位頂級工程師已經在聲學與信號處理領域紮根 17 年。在寶利通期間，他曾主持開發基於麥克風的陣列視頻跟蹤系統，即在多人視頻會議時，攝像頭能基於方位和距離，精確定位發言人。此項技術沿用至今而且仍是業界標杆。
大勢所趨，像阿里這樣一傢俱備國際視野的公司不可能忽略語音識別技術的作用，要想在這個領域有所突破，沒有比引入一個該領域的標杆性人物來得更直接的方法了。
事實上，比起許多公司空談人工智能，無論是從阿里現有業務契合性還是從延展性來講，引入馮津偉都顯得阿里在人工智能的佈局上更為務實。
“現在的智能音箱實際上跟著亞馬遜 Echo 走的很多，但阿里巴巴不一定會沿著它的老路，”新加入阿里的馮津偉最近很火的智能音箱時這樣表示，“我們甚至可以引領行業。”同時這位跨界大牛也展示了他對阿里智能語音產品的信心。
誠然，短期看來，馮博士的加入讓阿里巴巴從源頭到鏈條的最後一環，從聲學設計、到前端信號處理，到 AI 識別算法三大模塊，在每環技術都有了自己的獨立研發團隊。另一方面，阿里這次在聲學領域的人才儲備會讓阿里的現有的語音識別業務和傳統行業的聲學設計經驗做到無縫銜接。這對包括天貓精靈在內的阿里智能語音產品來講，絕對是個利好。
從長遠來看，語音識別技術的提升必然有助於阿里搶佔人工智能時代的入口。畢竟,與智能計算機進行語音交流，並讓其明白我們在說什麼，這是人類長期以來夢寐以求的事情。為什麼現在許多互聯網大公司都在做智能語音音箱？本質上他們都在搶佔互聯網的“語音”入口。阿里雲iDST技術總監初敏就認為，語音交互將會成為數據智能的第一個爆發點，“下一輪的入口之爭將再次出現”。以搜索為例，隨著語音識別技術的成熟，“搜索框”的地位必然會受到動搖，部分手動輸入內容講被語音輸入取代，甚至是顛覆。
因而，可以肯定的是，阿里已經在思考並著手探索下一代人機交互方式。語音識別技術正是阿里叩開下一個互聯網入口的敲門磚。
閱讀更多 阿里八卦 的文章
