“當人們徹底解放了雙手之後，就會有神奇的事情發生。”聲智科技戰略合夥人兼CSO李智勇告訴融中財經。

2014年，亞馬遜發佈Echo後，國內掀起一陣智能音箱的熱潮，它與Siri最大的不同就在於，解決了遠場語音交互問題。所謂遠場智能語音，簡單來講，當我們坐在客廳沙發上的時候，對著某項家居產品說出一句指令（播放一首歌），就能讓電視或機頂盒做出反應。

“Echo出來之後，中國各類科技公司開始對這類智能產品紛紛做出新的期待，大家都不明白未來的智能生活會什麼樣子，但都明白這是新的趨勢，就像當年iphone出現時一樣！”

成立於2016年的聲智科技，專注聲學和人工智能的融合創新，主要提供SoundAI Azero智能操作系統和服務，以及深度結合應用場景的人工智能技術和產品解決方案。像騰訊王者榮耀機器人、小米小愛音箱、天貓精靈魔盒、百度智能音箱、華為榮耀YOYO音箱、聯想MINI系列、360智能攝像頭、360兒童故事機和陪伴機器人、小米小沐智能馬桶蓋等多款市場大熱產品，均搭載了聲智科技SoundAI Azero智能操作系統。

當音箱、機頂盒、機器人等設備越來越頻繁地出現在我們的日常生活中，加入語音交互技術後，我們只要“動動嘴”就可以控制一切，不管是音樂電影等內容娛樂，還是開啟或關閉控制等基礎操作，小巧的智能設備們在生活中越來越多的被利用著，而舒適自然的用戶體驗，便成為想要挖掘這一市場的科技企業目標。

賽道擁擠、競爭慘烈

智能語音技術的研究是以語音識別技術為開端，可以追溯到20世紀50年代。而伴隨近幾年人工智能產業的持續火熱，以及大量資本進入，在智能語音賽道上不僅誕生了大批明星企業，市場規模也在急劇擴大。相關數據統計顯示，2017年全球智能語音市場規模達到110.3億美元，同比增長30%。2018年，僅中國智能語音市場規模就突破100億元。

現在，我們看到的市場上絕大多數消費類電子設備，幾乎都加上了語音功能，涉及到基礎操控、內容選擇、遊戲辦公等眾多場景，而機器想要實現智能，首要問題就是要聽懂人所說的話。

從智能語音交互的應用場景來看，其主要在兩個維度率先實現落地，一個是以智能音箱為核心的智能家居市場持續快速發展，二是正面臨產業互聯網轉型的傳統行業，如金融、電力、電信等售前、售後服務中也在更多使用語音交互技術。

按照美國市場調研分析公司Cnanalys報告，全球智能音箱安裝總數將從2018年的1.14億部增長到2019年的2.079億部，增幅達到82.4%。隨著移動互聯網、智能家居、汽車、醫療、教育等領域的應用帶動，預計2019年中國智能語音市場規模將突破200億元。也正是因為市場如此巨大，競爭才十分激烈。

只有全棧技術不行，還要有規模化產品驗證

從2011年Siri橫空出世，各大公司加入語音助手陣列，到亞馬遜發佈Echo，打響以智能音箱為代表的語音交互硬件時代第一槍，如今的市場已經被各大廠商的智能語音產品和語音操作平臺所佔據，而對用戶而言，交互體驗始終才是首要的選擇標準。

“我們經常聽到一些‘可怕’的新聞報道，某種智能音箱半夜突然響起、自己說話放起歌曲等情景，這些都是與語音交互相關技術有密切聯繫的。”

李智勇對融中財經介紹，整體語音交互技術鏈條上包括有五個關鍵的技術點——喚醒、麥克風陣列、遠場語音識別、自然語言處理以及語音合成技術（TTS）。不同的點難度不同。對喚醒來講，必須解決喚醒率，降低誤喚醒率；而麥克風陣列需要不同的硬件匹配對應的環境。如果一個點解決不好，體驗就不會好。“把體驗和服務做到極致，是我們要做的事情。”

截至目前，聲智科技自主研發的SoundAI Azero智能操作系統已經廣泛落地於智能家居、汽車、安防、教育、醫療等行業，並經過了數十億次人機交互真實場景的規模驗證，可為家居、辦公、車載、可穿戴等20+場景和設備提供高效的人機交互和智能決策能力，並默認集成了信息查詢、影音娛樂、IOT控制等200+項常用技能與服務。

以360小水滴智能攝像機為例，聲智科技為其提供了消費級智能安防解決方案，包括雙工通話，語音識別，嬰兒哭聲識別，異常聲音檢測等技術，賦予了智能攝像機雙工通話和聲音監控能力。小米生態鏈產品“小沐”智能馬桶蓋搭載了聲智科技為其定製的“在線+離線”融合的遠場喚醒識別合二為一的語音交互技術。

再比如，聲智為“堅果”智能投影儀提供的遠場語音降噪、識別、喚醒技術，搭配4麥麥克風陣列，在家居噪聲環境下依然可以實現無障礙喚醒，一句“堅果堅果”可在5m範圍內實現呼叫並下達指令，語音直接搜索影音資源、生活資訊等內容，控制暫停、播放、快進快退等功能，更可以語音切換正投、背投兩種投影方式，真正實現人聲遠程自由操作。

整體來講，從最初選擇智能音箱，幫助像小米（音箱）這類企業生產行業的標杆性產品，到後來將語音交互產品品類擴大、場景擴充，再把單獨的語音技術集合成完整系統。聲智科技正在構建並打造自己技術特色的服務和壁壘。

李智勇稱，

面對激烈的市場競爭和角逐，我們必須有過硬的技術，但並不是說有全棧技術就好，還要經過大規模的產品驗證；此外，創新企業還必須要明確自己擅長的技術特點究竟是什麼。“因為客戶多，產品品類多，有些需要數據驅動的東西，如果沒有數據識別率會很低。聲智對複雜的聲學環境處理更加擅長，而且我們有針對場景的數據處理能力。”

專注系統化和平臺化，連接產業上下游

從2018年上半年開始，國內數家語音技術創業公司陸續推出了AI語音專用芯片。雲知聲發佈面向物聯網領域AI系列芯片UniOne以及第一代“雨燕”；出門問問在北京也發佈AI語音芯片模組問芯Mobvoi A1；隨後Rokid在杭州發佈AI語音專用芯片KAMINO18。

但聲智對於芯片的態度卻是：“AI芯片解決特定產品問題，而通用芯片解決通用問題。這屬於不同人選擇做不同的事。聲智科技的路線類似於亞馬遜，不同的設備接進來要有不同的協議，不同的技能開發也有不同的協議，我們的原則是在設備端往簡單了做，而其他更多複雜的東西搬到雲上。

”李智勇對融中財經強調。

有人認為，目前“端”上的計算量是不足的，為了解決AIoT問題所以需要專用芯片，這在某些場景下是成立的。比如視覺識別，有時候帶寬不夠，傳輸量不夠，尤其是實時的3D數據，需要端上處理部分數據。但在聲智，雲端已經可以實現基本的數據處理。

比如，要求播放劉德華的歌，歌單裡可能20首歌，下一首的維護是在端上還是在雲上？我們就會把這些東西都放在雲上，設備端搜到下一首的時候，只負責播放，我們認為更多的東西應該是放在雲上。“聲智科技要做中國版的Alexa。”

除此之外，當市場上眾多人工智能領域獨角獸紛紛做起產業投資，企圖擴展生態時，聲智科技的選擇再一次顯得“另類”。

“本質上講，聲智科技有很好的技術，接下來要做的是系統化和平臺化。我們希望服務更多廠商，但這距離生態化還很遠。”李智勇告訴融中財經，聲智科技還是一家創業公司，創業公司的資源、人力都是有限的，企業如果想把服務做到極致就必須特別專注，不可能面面俱到。

“我們定位是以技術為主的平臺服務商，未來，我們上游要鏈接各類設備廠商，比如手機、平板、音箱以及白色家電、電視盒子、機器人、VR/AR等設備，下游要連接的則是像歌曲、相聲、天氣預報、新聞等通用內容廠商，涵蓋各種生活化智能場景。這是很難的一條路，但我們必須這麼做。平臺必須是連接兩端，他們有產品，我們有的則是技術和服務。”

升級的老設備，才是未來更大的市場

從遙控按鍵到觸屏控制再到語音交互，事實上改變的並不僅僅是人們的控制方式，而是在重新構建人和機器的全新關係。談到這兩年的市場變化，李智勇稱，主要體現在兩方面。

首先，從用戶角度來看，人們對於語音交互的接受度越來越高，交互次數和輪次也越來越多，這是用戶習慣改變的過程。“從技術到產品再到體驗是一種循環。從行業來看，第一個循環是音箱打造的，從用戶知道這個東西到習慣的建立，之後產品品類進一步擴寬，致使用戶體驗越來越好，這是體驗循環放大的一個過程。”

其次，從產品端看，語音交互產品的創新，一類是新設備的出現，包括智能音箱、VR/AR等，增速最快的就是智能音箱和airpod耳機，兩者都是語音交互驅動的。而另一類是基於老設備的升級創新，語音作為新的功能被加進去之後出現的“新物種”，比如智能燈、智能馬桶、智能手辦，而這才是一個新的巨大市場，增長曲線更加明顯。

“與此同時，5G時代的到來，也讓很多東西變成現實”李智勇告訴融中財經。

“移動互聯網發展到當下階段，紅利漸漸消失，在這種時間節點上，從業者其實是痛苦的，因為產品想要獲得新的快速增長很難。任何事物發展到一定階段，一定會有新的東西來打破原有的平衡。而很多人現在迷茫的是，這個新東西到底是什麼？特別哲學地講，我們相信，這個世界是持續往前的，不是靜止不動的。”

上市是自然結果，先把技術和服務做紮實

天眼查顯示，2018年12月，聲智科技完成2億人民幣B輪融資，由毅達資本領投，峰瑞資本、正居資本跟投，這也是聲智科技四次融資中金額最大的一次。2016年12月，聲智曾完成1600萬Pre-A輪；2017年10月完成近億元A輪融資，而公司成立之初便獲得過峰瑞資本的天使投資。

對於投資方選擇，“我們最關注的其實是戰略認同，投資人認可我們正在做的這件事的未來價值”。當問到新一輪的融資時，李智勇也透露，除了雙方對市場的認知匹配為第一優先級外，聲智科技堅持關注國內資本市場。

“對未來上市而言，聲智科技還是會優先選擇國內上市，比如科創板。”

上市是企業發展到一定階段的自然結果。“但對我們而言，現在首要任務是把技術和服務做紮實，一定程度上，上市是一個自然結果。不能反過來講，為了上市我們要做什麼特別的事情。坦率講，市場和行業要向前走，必須有人真真實實解決一些問題”。