作者： 滄海一粟

“互聯網女皇”瑪麗· 米克（ Mary Meeker ），周三發布了2016《互聯網趨勢》報告，這也是瑪麗連續21年發布此類報道，這次發布依然引起了全球互聯網界節日般的討論和沸騰。

筆者作為一個智能語音行業從業者，對女皇在報告中說的這些趨勢，已經在今年年初就感受頗深，這份報告與其說是預測，更像是一份階段性總結。不過，這并不妨礙這份報告體現的趨勢正確性。

作為人工智能領域落地最為成熟的技術，“語音” 毫不意外的出現在這份報告之中，語音助理服務的崛起和機器人、交通運輸的未來并列成為女皇最為看好的幾個行業和領域。那么，女皇為何看好智能語音？

語音 應該 是最有效的計算輸入形式

女皇認為，語音應該是最有效的計算輸入形式。因為對于消費者，語音可以快速溝通、簡單方便、個性化并且無需鍵盤。

美國的人機交互從1830年~2015年里經歷了觸覺1。0——觸覺2。0——觸覺3。0——語音的四個階段變化，最新的語音交互，以手機上的Siri 和聯網/音響上的語音（亞馬遜Echo ）為典型代表。

不久之前的谷歌I/O 大會上，最亮點產品是類似于亞馬遜 Echo 的 Google Home ，其內置了 Google Assitant 語音助手。而在即將召開的 2016 蘋果開發者大會 WWDC 上， iOS 10 最大亮點很可能會是 Siri 。語音將代替“鍵盤+ 鼠標 ” 成為下一代主流物聯網人機交互方式，已經主流趨勢。

而針對語音界面本身，它具有三個特點：第一，隨時訪問，這筆分層圖形用戶界面要容易操作；第二，成本低+ 尺寸小，僅僅需要麥克風、揚聲器、處理器以及聯網功能即可，特別適合物聯網環境；第三，需要自然語言識別及處理技術。

語音識別 的 技術 難點 ： 識別率+ 延遲

而在語音識別率方面，目前包括百度、谷歌等主流平臺在單詞語音識別準確率方面都已經超過90%，像國內科大訊飛、云知聲等智能語音識別企業普遍識別率也都在96%以上。

不過，百度首席科學家吳恩達指出，假如語音識別準確率從95%上升到99%，所有人都會從現在的極少使用轉變為一直使用。大多數人低估了95%與99%準確率之間的區別。云知聲CEO黃偉此前也業內表示，目前的大數據不能稱之為真正的大數據，是因為數據質量和識別率不夠高，一旦識別率達到99%，就可以實現不用人工干預的數據。這樣的大數據才真正有價值。

另外，延遲也是制約智能語音應用的一個技術難點。“沒人愿意會一個回復等待10秒。除了準確率之外，延遲是生產語音系統的另一大關鍵指標。” 吳恩達在這份報告中指出。

不過，從鍵盤進化成麥克風才剛開始。報告中指出，移動語音助手使用率快速上升，2013 —— 2015 年，美國智能手機用戶使用語音助手的比例已經從30%上升到了65%。谷歌2016 年語音搜索量較2008年增長了35倍以上，較2010年增加7倍以上。百度語音從2014年第二季度起至今，語音輸入增長4倍以上，輸出增長26倍以上。

對谷歌、百度等巨頭來說，還有一個更嚴重的消息，語音 正在侵蝕搜索份額。在美國，安卓上語音搜索占了20%，百度上語音搜索占了10%，而且份額還在擴大。百度首席科學家吳恩達預計，五年后，所有搜索中至少50%位圖像搜索或者語音搜索。

解放雙手 和眼睛 ， 并” 永遠在線 “

報告中披露，2016年美國人使用語音的主要原因是解放雙手和眼睛的交互，而應用最多的場景則是“Home” ，也就是智能家居場景、其次是車載和在路上。

語音即計算界面平臺。巨頭們也正在搭建這樣的平臺，第三方開發者迅速涌入。比如，亞馬遜Alexa 語音服務，通過OEM和開發商集成的方式，已經有十多個實現的案例，應用在家具、汽車和手機領域。而亞馬遜對Alexa 語音平臺的目標，則是更快、更方便的在亞馬遜上購物。說白了，就是搶占入口。

美國亞馬遜客戶擁有Echo 的比例同比由2%上升至5%， CIRP 數據顯示，發售至今已售出約400萬臺Echo 。

我們再看國內的智能語音行業的應用，國內做智能語音識別業務的公司大概可以分為三類：第一類是BAT ， BAT 都圍繞自己的原有核心業務開展語音搜索功能。比如百度針對語音搜索、阿里針對電商、騰訊針對社交；第二類，是科大訊飛、云知聲這樣的垂直領域的to B公司，在垂直行業內扎根很深。比如訊飛是針對教育、會議，云知聲是針對家居、車載和醫療；第三類就是to C 的公司，比如出門問問、Rokid和Vinci ，他們通過toC的爆款產品來實現語音功能。

對此 ，女皇說： 計算行業 的拐點 ， 通常都是后知后覺 。2015年iPhone銷量或許已經碰到了天花板，與此同時亞馬遜Echo 銷量開始起飛？

一個偉大的時代已在我們身邊悄悄走來。

文章作者： 滄海一粟，轉載請注明。