智能語音是人工智能技術(shù)的重要組成部分，包括語音識別、語義理解、自然語言處理、語音交互等。

當(dāng)前，人工智能的關(guān)鍵技術(shù)均以實現(xiàn)感知智能和認(rèn)知智能為目標(biāo)。語音識別、圖像識別和機器人視覺、生物識別等目前最火熱的領(lǐng)域，主要解決的是感知智能的需求，就是使得人工智能能夠感知周圍的世界，能夠“聽見”或者“看到”。

自然語言理解、智能會話、智能決策、人機交互等技術(shù)更加側(cè)重的是認(rèn)知智能的領(lǐng)域，解決“聽懂”、“看懂”，并且根據(jù)學(xué)習(xí)到的知識對人類的要求或者周圍的環(huán)境做出反應(yīng)的能力。

在關(guān)鍵技術(shù)層中，語音識別、自然語義理解（Nature Language Process， NLP）、機器學(xué)習(xí)領(lǐng)域的關(guān)鍵技術(shù)在人工智能技術(shù)當(dāng)中居于重要地位，是人機交互技術(shù)的基礎(chǔ)。

圖表 1 語音交互流程圖

智能語音應(yīng)用場景廣闊，市場規(guī)模始終保持高速增長

智能語音技術(shù)在經(jīng)濟社會中應(yīng)用場景持續(xù)擴展，目前已被廣泛應(yīng)用于教育、醫(yī)療、客服、個人語音助手等行業(yè)市場和個人用戶等領(lǐng)域。中國智能語音市場已形成了包括上游的基礎(chǔ)設(shè)施制造（芯片、傳感器、算力）、中游的技術(shù)實現(xiàn)（語音合成、語音識別、語義理解等）以及下游的眾多應(yīng)用服務(wù)（家居、客服、教育等）的完整產(chǎn)業(yè)鏈結(jié)構(gòu)。

智能語音技術(shù)在整個產(chǎn)業(yè)鏈中起到了承接的作用，將人工智能的技術(shù)低層產(chǎn)業(yè)化，并在智能家居、可穿戴設(shè)備、機器人等行業(yè)落地，是整個人工智能產(chǎn)業(yè)鏈中的關(guān)鍵一環(huán)。

圖表 2 智能語音行業(yè)產(chǎn)業(yè)鏈

根據(jù)中國信息通信研究院的數(shù)據(jù)顯示，2018年中國人工智能市場規(guī)模達230億元，智能語音所占市場份額為22%，約50.4億元。

在整個人工智能產(chǎn)業(yè)中，智能語音產(chǎn)業(yè)化程度相對成熟，是所占份額比例較大的細分領(lǐng)域，由2014年的8.5億元人民幣發(fā)展至2018年的50.4億元人民幣，整個行業(yè)始終保持著高速發(fā)展，并將在未來持續(xù)保持下去。預(yù)計到2023年，智能語音行業(yè)市場規(guī)模將突破100億元人民幣。

圖表 3 2014-2018年中國智能語音行業(yè)市場規(guī)模及增速（單位：億元）

智能語音技術(shù)以其廣闊的產(chǎn)業(yè)化應(yīng)用席卷人們?nèi)粘Ｉ詈凸ぷ鞯姆椒矫婷?，其產(chǎn)業(yè)規(guī)模的大幅提升主要源于兩方面的驅(qū)動支持。第一，大數(shù)據(jù)、云計算等技術(shù)的快速發(fā)展使得智能語音技術(shù)的應(yīng)用不斷成熟，能夠滿足政府、金融、家電、汽車等多領(lǐng)域垂直行業(yè)的應(yīng)用需求。

第二，各國政府、相關(guān)行業(yè)及資本都持續(xù)關(guān)注智能語音技術(shù)的研發(fā)和產(chǎn)業(yè)化。作為戰(zhàn)略性和前瞻性的重要新興產(chǎn)業(yè)，語音交互技術(shù)始終是世界各國科學(xué)界和投資界的關(guān)注焦點，各國都力爭率先取得關(guān)鍵技術(shù)突破，占據(jù)產(chǎn)業(yè)先機位置，以取得智能語音產(chǎn)業(yè)的領(lǐng)導(dǎo)權(quán)。中國、美國、歐洲、日本等國政府均專門立項予以重點扶持，并投入重金設(shè)立專項計劃。

圖表 4 多方驅(qū)動智能語音產(chǎn)業(yè)規(guī)模升級

相比西方國家，語音識別技術(shù)和自然語言處理技術(shù)在中國的發(fā)展尤其迅猛，很大程度上是由自身的獨特因素所導(dǎo)致。如用戶規(guī)模較大，以及中文難以手寫等。

（1）用戶群體龐大：作為人口大國，中國有著更大的用戶基數(shù)，且人均資源少，可用機器替代的崗位數(shù)量多于其余國家，有著廣闊的增長空間。如在客服領(lǐng)域，在中國每個客服需要處理的業(yè)務(wù)數(shù)量遠大于西方國家，智能語音識別技術(shù)能夠很好地解決類似問題。

（2）中文難以手寫：與其他語系的文字相比，中文的手寫較為繁瑣，語音相比打字是一種更為自然的輸入方式。且漢語句法和語法相對簡單，沒有虛擬語氣和條件語句，降低了語音識別的難度。

中國智能語音行業(yè)發(fā)展現(xiàn)狀：市場集中度高，參與者不斷涌入

隨著人工智能和語音交互等概念的日益火熱，國內(nèi)各類企業(yè)紛紛涌入智能語音市場，以產(chǎn)業(yè)內(nèi)合作的方式，將語音技術(shù)植入產(chǎn)品或應(yīng)用于相關(guān)業(yè)務(wù)場景，開放語音生態(tài)系統(tǒng)，構(gòu)建全產(chǎn)業(yè)生態(tài)鏈。以企業(yè)性質(zhì)作為劃分標(biāo)準(zhǔn)，中國智能語音行業(yè)的參與企業(yè)可分為以下四類：

（1）行業(yè)經(jīng)驗豐富的專業(yè)語音公司。在深度學(xué)習(xí)算法大規(guī)模應(yīng)用前，就已開始從事這個領(lǐng)域的專業(yè)語音公司，如科大訊飛和小i機器人，專注在垂直領(lǐng)域并深耕多年，具備豐富的行業(yè)知識。

（2）AI初創(chuàng)公司。如思必馳、云知聲、出門問問，此類公司主要關(guān)注多用途的云平臺和某些特定的垂直領(lǐng)域，如智能汽車或智能家居，并集中研發(fā)智能語音技術(shù)在這些領(lǐng)域的應(yīng)用。

（3）中國本土互聯(lián)網(wǎng)公司。如百度、阿里、騰訊等為代表，主要推出移動端消費者語音產(chǎn)品。所使用的多用途云平臺源自其自身的核心產(chǎn)品，如騰訊的微信。

（4）海外互聯(lián)網(wǎng)公司。如亞馬遜、蘋果、Nuance等，近年來通過并購等手段，夯實核心技術(shù)，開放應(yīng)用平臺，擴展以AI為核心的生態(tài)系統(tǒng)。如亞馬遜公布的開源深度學(xué)習(xí)和機器學(xué)習(xí)工具DSSTNE，微軟的開源AI平臺Project Malmo等。

主要參與廠商：在全球市場方面，2018年全球智能語音行業(yè)市值超過150億美元，Nuance、谷歌、蘋果、微軟和科大訊飛作為排名前五的廠商，市場份額合計占比超過80%。

在中國智能語音市場，科大訊飛以44%的市占率高居榜首，2018年，中國智能語音市場排名前五的廠商是科大訊飛、百度、蘋果、Nuance和小i機器人，合計占據(jù)了85%的市場份額，行業(yè)整體呈現(xiàn)高集中度。

圖表 5 2018年全球智能語音行業(yè)市場份額（左）2018年中國智能語音行業(yè)市場份額（右）

競爭格局：馬太效應(yīng)凸顯，頭部企業(yè)壟斷市場

智能語音行業(yè)作為技術(shù)先導(dǎo)型的新興行業(yè)，具有顯著的馬太效應(yīng)與較高的行業(yè)壁壘。行業(yè)發(fā)展初期，技術(shù)領(lǐng)先型企業(yè)占據(jù)市場先機后，會通過數(shù)據(jù)與資源的積累在后繼競爭中占據(jù)更大的競爭優(yōu)勢，導(dǎo)致后來者短期內(nèi)難以趕超的局面。

圖表 6 智能語音行業(yè)主要壁壘

由于行業(yè)壁壘高且具有馬太效應(yīng)，在中國范圍內(nèi)看來，僅有少數(shù)廠商在智能語音市場具備較強競爭力。一類是傳統(tǒng)語音技術(shù)廠商，如科大訊飛，擁有長期技術(shù)和用戶積累。另一類是以BAT為代表的IT巨頭，憑借在互聯(lián)網(wǎng)端的優(yōu)勢迅速搶占了語音信息流入口。

2010年后，各大IT巨頭紛紛通過自主研發(fā)或并購/參股的方式深入布局智能語音產(chǎn)業(yè)，不采用傳統(tǒng)的技術(shù)授權(quán)、技術(shù)解決方案提供、技術(shù)維護等業(yè)務(wù)模式，推動技術(shù)免費、增值服務(wù)收費成為新型商業(yè)模式，打破了以科大訊飛等為代表的傳統(tǒng)語音技術(shù)廠商一家獨大的局面，并不斷對消費者的交互習(xí)慣產(chǎn)生影響。

另一方面，隨著深度學(xué)習(xí)的引入和發(fā)展，智能語音的算法紅利正逐漸消失，自2010年深度學(xué)習(xí)首次引入語音識別后，配合計算能力的提升和海量語音語料數(shù)據(jù)的積累，識別準(zhǔn)確率得到大幅提升。科技巨頭對于深度學(xué)習(xí)算法及機器學(xué)習(xí)框架的開源使得智能語音技術(shù)的調(diào)用變得更為簡單，模塊化的設(shè)計顯著降低了應(yīng)用部署和實施的門檻，在此大環(huán)境下，智能語音產(chǎn)業(yè)由一家獨大演變?yōu)槎喾礁偁幍母窬帧?/p>