专访云知声CEO黄伟：如何打造人工智能「云端芯」生态闭环(2)

　　其 实在那之前我对此也不是特别清晰，在 2014 年之前，我更多的还是想说怎么把技术做好，后来从 2012 年到 2014 年差不多两年多的时间里，我们的基础语音识别引擎已经步入正轨，后面只是算法的调试和数据的积累，把平均识别准确率继续提升，还有语音识别应用领域的拓 展。这些都没有太多不确定性了。

　　具 体到「云端芯」，我们的服务是有「云端芯」三种，1)我们的技术有芯片级技术，比如说冷唤醒和打断等;2)到一个终端软件的交互层面，比如开车时万一网络 不好，我们还有纯离线的方案;3)还有一些复杂的请求是走云端。所以，我们给客户提供的解决方案都是芯端云，并不是只卖一个芯片或者云端 SDK 之类，我们是把这个产品体系打通的。

　　机器之心：在确定了「云端芯」的产品战略后，首先选择了哪几个重点应用方向?

1)智能家居和车载

　　IoT 的交互看起来很简单，但实际上面临着很多难以解决的问题，这是在手机端做语音识别所接触不到的，因为手机经过多年进化语音设备已经比较成熟，都是麦克风阵 列，降噪也做的比较好，而且都是近场通话。对于智能家居来说，1)家庭中的冰箱空调等设备离用户比较远，存在声波衰减的问题。2)客厅卧室是封闭环境，会 因为声波多次反射产生混响。如何在这种复杂的情况下，依然能够有很好的信号捕捉能力和环境噪音抑制能力。此外，如果考虑要在产业中落地，那就一定要考虑功 耗和成本等，在资源消耗和你想达到的表现之间永远是不匹配的。

　　要解决其中的每一个点都面临着非常大的挑战，比如亚马逊 Echo 上多麦克传感器的供应商，那家公司只做这个就是一家独角兽公司了。云知声付出了巨大努力，花了一年多时间去重点解决这些问题，在 2015 年回顾时已经做得很不错了。

　　去 年上半年，我们和乐视合作了第三代智能交互电视，用户可以用只有一个按钮的语音遥控器来代替传统遥控器，我们把 AI 芯片放在了电视机里，上面还包含了麦克风阵列，一般客厅的正常范围有 3-5 米，你可以把它想象成一个远讲的 Siri ，这是国内第一家推出来的。现在，除了乐视，我们的 AI 芯片和格力、美的、华帝、海尔、海信等都进行了合作，海信发布的智能空调三大标准中的智能语音交互部分用的也是我们的方案。今年家博会上，格力、美的等六 家较大家电厂商有五家带着使用我们 AI 芯片的样机来参展。

　　另 外，车载也是一个很重要的方向，它是家庭环境的延展，如果说在家居里面我们考虑更多跟硬件相关的东西，包括稳定性和功耗等，那么在车载场景下我们考虑更多 的是交互性，因为开车的场景很特殊，双手被占用，如何在这种情况下把交互做到流畅就非常重要了。我们在 2014 年底确定做车载后，在 2015 年初我们开始大力投入研发，6 月份正式小批量出货，截止到去年 12 月份，在整个中国的车载后装市场，比如像行车记录仪、导航仪、后视镜和 HOD 等，我们的设备超过了100万台，在车载后装市场上拥有 60% 以上的市场份额。

　　2)医疗

　　首 先，医疗是个很大的市场;其次，中国很多疑难杂症没有攻克有一部分原因是我们的病例本身没有电子化。虽然现在医院有 HIS 系统，内科有电子病历模板，但外科等多个科室是没有病例电子模板的，依然需要医生去打字。那更不用说一些需要操作设备的情况，比如说我在做手术，那我的术 中诊断谁来记录?此外，中国医院还承担着科研任务，这需要数据，但现在很多病例都没有数据化。我们现在就在和国内顶尖医院合作，完成对医疗数据的感知问 题。我们做的系统是医生和病患对话的实时转写，从医患之间的病症交流到医生最后的处方病历，医生可以全部口述，我们系统的完成对整个医疗行为的记录和存 储。

　　我 们这方面投入了很多研发资源来做，医疗有它的技术难点，语音识别是分领域的，你的引擎之前在日常对话、交通和音视频搜索里面做得非常好，但你放到医学领域 就一团糟。因为医学里有太多专有名词，很多名词非常拗口。我们在引擎上做了很多方面的优化，到今天为止，我们的准确率达到 95% ，因为你达不到这个指标，转录之后还要医生花很多时间去纠正的话，医生就会抵触。此外还有其他方面，比如专门定了医疗麦克风，满足医院场景的专业需求，在 产品设计的细节方面也需要考虑，比如麦克风位置怎么放?如何不干扰它?是移动式的还是放在桌子上?

　　从 未来价值来看，这套系统有助于以后做医疗大数据挖掘等其他很多工作。同时它在当前也拥有很大的经济价值。去年第四季度，这套系统在协和医院四个重点科室上 线试用了一个季度，最后协和医院的评估报告显示平均每天每个医生节约两个小时。目前每个病人的平均就诊时间是几分钟，那两个小时就意味着协和的医生每天能 多看几个病人。这套系统今年会在协和医院全院推广。

　　3)教育

　　我 们推出了语音评测服务云，针对国内常见的哑巴英语现象，我们开发了一套口语评测引擎，它不仅会对你的整体打分，还能指出某句话中的哪个单词发音不准，并告 诉你准确发音。这套系统可以作为学校和英语教育培训中的一个很重要的辅助工具。我们的教育云上线半年，每天的调用量超过六千万次，按照每个学生每天 10-20 次的使用频率，那几本上每天的活跃用户是几百万以上。目前，在教育领域，拓维、全通、沪江、好未来、一起作业等都是我们客户。