一、AI驅(qū)動(dòng)硬件，顛覆用戶體驗(yàn)

1.AI錄音筆

雖然說(shuō)錄音筆是個(gè)小眾市場(chǎng)，但有了人工智能的加持，錄音筆變成了電商爆款。

我們今年出品了一款人工智能的加持的AI錄音筆，它在雙十一多個(gè)主流電商平臺(tái)上取得了單品銷(xiāo)量第一的成績(jī)，同時(shí)復(fù)購(gòu)率還很高。

相對(duì)傳統(tǒng)錄音筆來(lái)說(shuō)，我們的AI錄音筆不僅有雙麥克風(fēng)陣列，同時(shí)還有AI降噪、實(shí)時(shí)轉(zhuǎn)寫(xiě)文字、云端存儲(chǔ)和搜索、智能編輯、同聲傳譯等功能。

這款產(chǎn)品上線后，整個(gè)市場(chǎng)都改變了，索尼、愛(ài)國(guó)者、紐曼都加入進(jìn)來(lái)，成立了一個(gè)聯(lián)盟，而搜狗成了盟主。

根據(jù)我們的調(diào)查，我們的AI錄音筆上線之前，整個(gè)錄音筆市場(chǎng)銷(xiāo)量是逐年下滑的，市場(chǎng)保有量只有400萬(wàn)支。

從3月份我們上線第一代產(chǎn)品開(kāi)始，主流電商平臺(tái)的錄音筆搜索量開(kāi)始上升，到12月份我們發(fā)布了第二代產(chǎn)品，開(kāi)始一點(diǎn)點(diǎn)變硬，就像之前手機(jī)從功能機(jī)走向智能機(jī)一樣。而且，加上AI能力的注入，帶來(lái)的注定是顛覆式的體驗(yàn)。

2.AI時(shí)代個(gè)人硬件的趨勢(shì)

有了AI的注入，C端消費(fèi)品也發(fā)生了變化，這個(gè)變化主要有兩大趨勢(shì)。

① 變得更加便攜

以前放在桌上的PC機(jī)很大，隨后智能硬件開(kāi)始走向筆記本、iPad、手機(jī)，甚至開(kāi)始走向可穿戴，因此未來(lái)個(gè)人硬件的趨勢(shì)是越來(lái)越移動(dòng)化、便攜化。

② 擁有更強(qiáng)的IO能力

從以前的計(jì)算能力走向傳感器能力，并且基于AI的處理能力，將從人去適應(yīng)機(jī)器，變成機(jī)器適應(yīng)人，最終機(jī)器接管人的感官，成為人的助理。

AI對(duì)硬件會(huì)產(chǎn)生什么影響呢？對(duì)于未來(lái)10年路徑，我的暢想是智能硬件從手機(jī)走向手表、耳機(jī)，到未來(lái)走向眼鏡，這可能會(huì)逐漸改變我們以手機(jī)為中心的使用方式，比如眼鏡和耳機(jī)會(huì)取代手機(jī)作為我們接觸外界信息的通道。

硬件背后，是人去感知這個(gè)世界。

除了有圖像和聲音之外，很重要的就是語(yǔ)言，它是我們與世界交互的一種抽象方式。而且，只有人類(lèi)能夠處理語(yǔ)言。

亞里士多德曾講到，“語(yǔ)言是心靈印象的符號(hào)，是人類(lèi)思維的工具，是知識(shí)的載體。有了語(yǔ)言，人類(lèi)社會(huì)才能溝通交流。不管是我們生產(chǎn)的語(yǔ)言，還是計(jì)算機(jī)處理的語(yǔ)言，語(yǔ)言都是最難的一件事情，是人工智能皇冠上的明珠。”

圖靈測(cè)試中提到，機(jī)器能夠用語(yǔ)言與人交流，就代表它擁有智能。

今天我們的人工智能還不具有創(chuàng)造力和通用的推理能力，但是可以做這樣一個(gè)猜想：

只有當(dāng)機(jī)器掌握了語(yǔ)言之后，它才能夠完整地?fù)碛袆?chuàng)造力和推理能力。

不會(huì)講話的機(jī)器，你會(huì)認(rèn)為它智能嗎？當(dāng)然不會(huì)。因此，語(yǔ)言在智能當(dāng)中極其重要，這也是人與動(dòng)物的重大區(qū)別。

二、語(yǔ)言AI的發(fā)展趨勢(shì)

我們會(huì)看到，以語(yǔ)言為核心變成了人工智能發(fā)展路徑的關(guān)鍵節(jié)點(diǎn)。我們做輸入法、做搜索，其實(shí)都是在處理語(yǔ)言，都是為了幫大家更好地表達(dá)、更好地獲取信息。

1.語(yǔ)言的自然交互和認(rèn)知問(wèn)題

關(guān)于語(yǔ)言，我有兩部分內(nèi)容要分享給大家：

第一，自然交互。

自然交互讓人跟機(jī)器之間能夠用語(yǔ)音、圖像、手勢(shì)等各種方式產(chǎn)生交流，其中用到了語(yǔ)音、圖像技術(shù)，也包括視覺(jué)技術(shù)。

第二，認(rèn)知問(wèn)題，我們叫做知識(shí)計(jì)算。

基于語(yǔ)言，機(jī)器能夠進(jìn)行問(wèn)答和對(duì)話，機(jī)器翻譯是認(rèn)知技術(shù)入門(mén)的門(mén)檻。有了更好的感知技術(shù)，機(jī)器會(huì)從手機(jī)走向新的智能硬件；有了更好的認(rèn)知技術(shù)，機(jī)器對(duì)知識(shí)會(huì)產(chǎn)生理解和推理，尤其是在垂直領(lǐng)域擁有問(wèn)答的能力。

智能硬件新的硬件形式與新的對(duì)話和問(wèn)答能力，未來(lái)會(huì)走向智能助理，這也是整個(gè)AI行業(yè)在產(chǎn)品層面上最明珠的地方。

蘋(píng)果大概在2006年就開(kāi)始推出智能助理，到今天Google、百度、阿里、小米做這樣的音箱產(chǎn)品，核心都是在做智能助理。但是從外殼上來(lái)說(shuō)，我認(rèn)為并不是最好的方向。

在知識(shí)計(jì)算之后，我們強(qiáng)調(diào)一個(gè)核心觀點(diǎn)，就是機(jī)器做閱讀理解之后做問(wèn)答，傳統(tǒng)的搜索是通過(guò)關(guān)鍵詞給你10條鏈接，隨著技術(shù)的進(jìn)步，我們整個(gè)處理能力會(huì)從詞變成句子、段落、篇章，用戶的表達(dá)也可能會(huì)轉(zhuǎn)換成句子，機(jī)器的閱讀理解也會(huì)走向篇章和整個(gè)文章體系，這是技術(shù)進(jìn)步帶來(lái)的機(jī)會(huì)。

首先，人聲分離，如果是兩個(gè)人在對(duì)話，機(jī)器要能識(shí)別不同的人，能動(dòng)態(tài)地去判斷是第一個(gè)人還是第二個(gè)人。

其次，機(jī)器要能夠識(shí)別掌聲、笑聲或其它聲音，幫助我們理解內(nèi)容。

最后，中英文混合是非常難的事情，從傳統(tǒng)的深度學(xué)習(xí)網(wǎng)絡(luò)數(shù)據(jù)中得不到一個(gè)混合的模型，所以要在機(jī)器中加入一些特定知識(shí)，來(lái)改變這個(gè)系統(tǒng)。

傳統(tǒng)的硬件是用麥克風(fēng)矩陣實(shí)現(xiàn)的，用多個(gè)麥克風(fēng)進(jìn)行中間的數(shù)字計(jì)算、信號(hào)處理。今天依靠人工智能，我們有了新的方法，我們的工程師在現(xiàn)實(shí)場(chǎng)景中對(duì)4萬(wàn)種噪音進(jìn)行了學(xué)習(xí)，使得機(jī)器有能力分辨噪音。

3.語(yǔ)音合成

做技術(shù)的人都知道，以今天的AI能力，機(jī)器不會(huì)有非常精準(zhǔn)的認(rèn)知理解，大家聽(tīng)到的可能還是轉(zhuǎn)述師那種毫無(wú)情感的聲音，為了讓合成的聲音更加具有感情、更加像本人真實(shí)聲音，我們使用了一種新技術(shù)：聲音皮膚。在技術(shù)上，我們稱之為特征的提取能力。

比如，大家在得到聽(tīng)梁寧的課程，其實(shí)就是讓另外一個(gè)人讀一篇文章，再把聲音皮膚附到這個(gè)聲音里面來(lái)，使得合成的聲音可以表達(dá)他的情感，經(jīng)過(guò)合成之后，最后由梁寧來(lái)呈現(xiàn)。

這種做法能改善整個(gè)音頻節(jié)目的生產(chǎn)環(huán)節(jié)，表演者和生產(chǎn)者做到一定的分離，避免因?yàn)槿藛T離職、生病等帶來(lái)的各種不確定因素。

這種情況下，使得我們每個(gè)人在互聯(lián)網(wǎng)上不僅可以換成其它形象，也可以換成自己想要的任何一個(gè)聲音形象。

在生活中也有實(shí)際用處，年底馬上要開(kāi)年會(huì)了，如果你要表演唱歌，但是五音不全怎么辦呢？可以把你的聲音特征做一次提取，然后放到《藍(lán)精靈》歌里，會(huì)比你自己唱得好聽(tīng)。

這樣一些技術(shù)，使得在交互中間能夠做到人機(jī)結(jié)合，使得制作能力能夠放大。

4.從語(yǔ)音變聲到視頻合成

搜狗分身發(fā)展到現(xiàn)在經(jīng)歷了多次技術(shù)迭代，從最早給新華社做主持人，到給央視做主持人，再到第二代能夠讓它更豐富地表達(dá)；

第三代，能夠站起來(lái)有手勢(shì)；

到第四代之后就開(kāi)始做到了多語(yǔ)言、多場(chǎng)景的播報(bào)能力；

到了第五代之后開(kāi)始能夠做交互，比如平安普惠的保險(xiǎn)項(xiàng)目，服務(wù)人員已經(jīng)被機(jī)器取代了，實(shí)際你在保險(xiǎn)簽約的時(shí)候，是機(jī)器人跟你做交互回答。

我們將很快發(fā)布第六代產(chǎn)品，它將擁有大角度、大幅度的動(dòng)作能力。

這樣的技術(shù)是機(jī)器在取代人上面的一次重大應(yīng)用。所以，這里面我們可以看到，以語(yǔ)言為核心，背后配上語(yǔ)音、人的表情、肢體、唇語(yǔ)，是能夠使得人機(jī)交互實(shí)現(xiàn)更自然的狀態(tài)的。

在未來(lái)，也許不到10年時(shí)間，我們將會(huì)構(gòu)建這樣一條路徑：自然交互會(huì)從文字走向語(yǔ)音、圖像理解，大家看到的錄音筆、同傳、合成主播等，其實(shí)是在語(yǔ)音圖像的交互能力里面做增強(qiáng)，背后還是語(yǔ)言。

另外一條道路就是認(rèn)知能力不斷提升，使得從搜索走向、輔助醫(yī)療、輔助問(wèn)答以及合并語(yǔ)音圖像技術(shù)，最終走向行業(yè)終極的理想，就是每個(gè)人都擁有一個(gè)個(gè)人助理。

在一些垂直領(lǐng)域當(dāng)中，能夠幫你去做秘書(shū)的工作，或者是成為你的分身，跟世界進(jìn)行溝通。

我們也會(huì)持續(xù)布局語(yǔ)言AI下的產(chǎn)品，為大家呈現(xiàn)顛覆體驗(yàn)的個(gè)人助理，用機(jī)器幫助每一個(gè)人，讓表達(dá)、獲取信息更加簡(jiǎn)單。謝謝！