专访云知声CEO黄伟：如何打造人工智能「云端芯」生态闭环

云知声 CEO 黄伟

　　一、云知声的技术研究

　　2012年底，我们把深度学习应用到了语音识别。我们今天的技术架构都在使用增强学习。

　　机器之心：这几年深度学习带来了语音识别的巨大进步，云知声是何时开始这方面研究的?

　　黄 伟：2012 年 12 月底，我们把深度学习应用到了语音识别里，而且把它开放出来提供给第三方。这源于 2011 年，我去佛罗伦萨参加国际语音会议 Interspeech，当时和微软研究员俞栋就深度学习的交流给了我很大信心，后来，云知声在 2012 年 6 月份成立，9 月份我们发布语音识别平台，之后紧跟着 10 月份我们就开始做深度学习。

　　那 时，几乎很少有创业公司敢于尝试这个领域，而且我们当时的资源也很匮乏，我们自己用了一个普通的服务器，然后又买了几块 GeForce 显卡，其实我们很早就开始用 GPU 了。2012 年年底，我们的深度学习系统将当时的识别准确率从 85% 提升到了 91% 。随后在 2013 年 2 月份，我们做了微信上的第一个语音输入插件，由于我们使用深度学习带来了准确率的明显提升，所以这款插件的用户体验非常好。

　　虽 然我们很早把深度学习用于语音识别，但其实只是一个起步，当时公司刚刚成立几个月，不可能积累很多数据，所以当时我们的训练数据只有 800 小时，后来随着我们不断增加训练数据，今天我们的识别准确率已经能达到 97% ，属于业内一流水平，在噪音和口音等情况下性能也比以前更好。

　　机器之心：云知声近期主要在做哪方面的研究?比如说自然语言处理方面?

　　黄 伟：我们还是有些超前意识的，今年 1 月份，就在 AlphaGo 火爆之前，我们就成立了 AI Lab，为什么可以做?首先，2012 年我们开始做深度学习，今天我们人工智能所有的应用层面，图像识别、人脸识别、语音识别、机器翻译和语音合成，所有的技术框架都基于深度学习，只是数字信 号不一样而已。所以对我们来说，我们要从语音拓展到其他领域没有任何问题，但只是说我们现在要意识到人工智能是未来，现在我们要做这样的布局，这种布局不 光是指你意识方面的改变，同时围绕这个目标你还要做人才储备和资源投入。从这方面来说，从去年开始我们一直对研发投入非常重视，每年在研发上的投入占到了 50% ，今年我们的研发投入预算和去年比超过了3倍。今年公司规模和团队规模也在扩大，我们还会在硅谷设立办公室，同时还会在一些新的技术方向进行储备和投入。

　　关 于自然语言处理，我们在 2013 年 9 月份就发布了语义云平台，到目前为止我们在语言理解方面支持的领域超过 50 个，从 2013 年开始我们就在做这个事情。包括给乐视及其他厂商提供的解决方案里，都会包含信号处理的降噪部分、语音识别部分、语言理解部分、用于用户反馈的语音合成部 分、以及用户画像和声纹识别等，我们提供的是完整的解决方案。

　　只 是说，今天的语言理解我们还需要做的更好一些，比如以前做一些简单对话，那后面你会做一些复杂对话或者多种对话，这个需要我们不断投入。从技术来看，我们 在语言理解方面，以及我们今天的技术架构都在使用增强学习。因为我们平台每天会产生大量数据，我们会对这些历史数据进行总结。但增强学习可以对未来数据进 行预测。对于一个人工智能系统，你不能总是等犯错之后再去纠正。从这个角度来讲，增强学习是对未来一种行为的预测。这大大提升了我们对数据的利用效率。

　　二、云知声的发展模式和产品思路

　　未来一切智能都是从芯片开始的，芯片的智能化一定是通过云端实现的，云端智能渗透到用户里也一定是通过芯片实现。

　　机器之心：云知声自一开始就坚持平台策略，这种发展模式背后主要有哪些思考?

　　黄伟：我们是做公司，而非研究院，所以说技术指标只是 KPI 之一，我们还需要一些商业模式和产品模式的探索。

　　我 们早在 2013 年就确定了平台战略，因为我认为人工智能的前提是感知智能，你一定要先完成数据的感知，那我们的平台就是一种最好的收集数据的方式。当年 App 大行其道，我需要非常费力的去给很多投资机构解释为什么我要做平台，而不是 App 。原因在于：1)用语音识别技术去做 App 意味着我要有 80% 甚至更多时间精力放在和产品有关的事情上，但任何一个公司在初创期精力都是有限的，你不可能同时有研究院、工程院，还有产品部门。2)做 App 之前要明确语音在手机上是不是刚性需求?其实直到今天，我本人也都依然对此持怀疑态度，我认为手机是以触碰为主，语音为辅的。3)我们认为平台战略的 B2B2C 方式是一种最快到达用户的方式，既然语音在手机端不是刚性需求，那你不要指望它有多少自然下载量和活跃用户，更不能指望它给你贡献多少有用数据。但 B2B2C 这个方式就可以帮你和应用场景结合，产品由你的合作方来做，用户由产品渠道来获取。这样的话，你就可以尽快的把用户规模和基数扩大。

　　在采取了平台战略后，我们的发展非常快，2013 年时已经积累了接近 10,000 家合作伙伴，和搜狗、乐视、华为等国内众多知名公司建立了合作关系。如果不是靠平台而是自己做 App 的话，我们是不可能达到这样一个量级的。

　　机器之心：云知声的产品思路是怎样的?是如何提出「云端芯」产品战略的?

　　黄伟：上面讲的是云知声关于未来发展模式的探索，在产品方面我们也一直在思考。最近你会发现，包括出门问问的李志飞、Face++的印奇等，这些做了3-4年公司以上的创始人都不会再过分强调技术了。所以我要讲的是，公司怎样在产品方面找到一个适合自己的通道。

　　其 实我们在 2013-2014 年往外走时发现了一些问题。首先，并不是所有用户的场景都是联网的，联网不能解决所有问题;其次，SDK 的粘性比较弱，用户的切换成本较低。也无法为用户提供一种非常好的体验，因为软件能实现的功能毕竟是有限的，它可以模拟，但有时候必须要用硬件，甚至芯片 级的去支持，软件是做不到的。基于这个问题，我们在 2014 年开始思考，未来的语音智能，甚至是人工智能是从哪儿开始的，以前我们的想法是把它放在云端，用户的数据回传然后在云端进行识别，麦克风和传感器等都是用 户的，但后来发现这中间是很容易割裂的。所以，经过这样的思考我们认为，未来一切的智能其实都是从芯片端开始的，芯片的智能化一定是通过云端实现的，云端 智能渗透到用户里也一定是通过芯片实现。芯片既像一个耳朵(收集信息)同时也承担了大脑的一部分功能。如果我们用 CPU 来模拟大脑功能的话，那我觉得大脑一定是由不同功能的 CPU 组合在一起的。从这个角度来讲，那人工智能也应该留在某种芯片上面实现一部分智能，这个芯片既像传感器(Camera和麦克风等)，同时它也是大脑的一部 分。

　　这就是我们在 2014 年上半年确定的事情，在业内最早提出了云端芯的产品战略，云是智能，端是交互，芯片就是传感器和一部分智能。