本
文
摘
要
编者按：在二十一世纪新十年开启之际，搜狐科技正式推出《中国创新公司100》系列榜单及报道，围绕5G、AI，以及芯片、制造、零售、出行、社交、企业服务等领域内的技术创新和商业模式创新，对优质创新公司及相关行业进行深度价值挖掘。
目前，处于第三波浪潮的AI正在迎来加速发展，AI技术不断突破，进入应用规模爆发的临界点。2020年，AI还跻身“新基建”七大领域，成为各行各业数字化、智能化升级的重要基础设施，大量布局AI的科技巨头和创业公司逐渐开始涌上潮头。
在AI掀起的第四次工业革命中，谁能脱颖而出？继芯片系列榜单后，搜狐科技《中国创新公司100》正式推出AI领域榜单，首期聚焦智能语音领域及代表公司。未来的一段时间内，我们还将围绕计算机视觉、机器人等细分领域进行系列策划报道，并举办主题沙龙活动，敬请期待。
出品 | 搜狐科技
作者 | 梁昌均
编辑 | 杨锦
6月17日，搜狐科技《中国创新公司100》正式发布中国智能语音企业榜单。根据技术水平、经营状况、融资进展等核心指标，并结合业内专家审定，评选出国内智能语音行业20家代表企业。国内智能语音行业市场格局如何，这些上榜企业在技术布局和应用落地方面有何进展？榜单深度解读揭晓答案。
要点提炼：
1、全球智能语音市场呈现明显集中趋势，国内市场相对分散，且由本土企业主导；
2、榜单中初创企业达到14家，合计披露融资额近120亿元，头部企业获资本追捧；
3、技术融合发展是行业趋势，机器学习/深度学习、知识图谱、AI芯片等是榜单企业在智能语音之外普遍布局的技术；
4、智能语音应用在消费级市场以语音助手为代表，企业级市场以智能客服为代表，电信、金融、电商、教育、医疗、汽车是竞争相对激烈的领域。
本文共计5000余字，阅读大约需要10分钟。
国内市场本土企业“唱主角”
语言是人与外界沟通最重要的纽带，被称为人工智能皇冠上的明珠。智能语音的核心是处理自然语言，即以口头语言（语音）和书面语言（文字）为研究对象，对其进行识别、理解及生成，从而使机器具备能听会说、能理解会思考的能力。
智能语音涉及多类型学科，主要包括声学信号（如声源定位、语音增强、回声抵消等）、模式识别（如声纹识别、语音识别、语种识别等）、自然语言处理（自然语言理解、自然语言生成等），以及语音合成等细分技术，囊括感知智能和认知智能两大层面，其中语音识别和自然语言处理位居人工智能七大关键技术，也是人机语音交互变革的核心支撑性技术。
智能语音主要技术方向 资料来源：华西证券
人类对智能语音的探索始于上世纪50年代，迄今已逾70年。语音识别是最早进行研究的技术，2016年语音识别准确率在深度神经网络的帮助下达到95%，被视为首次基本达到人类水平，智能语音也加速进入技术迭代、产品升级、商业化落地的爆发期。
人工智能之父艾伦·图灵提出的“图灵测试” 一般被认为是自然语言处理思想的开端。自然语言处理，是指用计算机对自然语言（如汉语、英语）的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、分析、理解、生成等的操作和加工，马斯克等联合创建的OpenAI发布超大的自然语言处理模型GPT-3是该领域的代表成果。
目前，全球智能语音语义市场已相对集中，龙头占据主要份额。据中商产业研究院、广证恒生等机构数据，在全球智能语音语义市场中，Nuance、谷歌、苹果、微软、科大讯飞等头部企业占有80%以上市场份额。不久前，微软斥资160亿美元（约 1022亿元人民币）收购 Nuance的交易已获美国反垄断批准，完成后市场规模将进一步集中。
据Frost & Sullivan预测，去年我国智能语音行业市场规模约为254亿元，预计2024年将达到490亿元。但相对全球，我国智能语音语义市场格局比较分散。IDC在去年12月发布的《中国人工智能软件及应用（2020上半年）跟踪》报告显示，在智能语音语义应用市场，科大讯飞、百度、阿里市场份额靠前，思必驰、智臻智能等明星创企也占有一定市场份额。但前述企业合计占据份额仅有40%左右，市场竞争仍比较激烈。
我国智能语音行业市场规模增长情况（亿元） 资料来源：Frost & Sullivan
同时，受限于中英文语义理解差异（叠加方言影响），以及中文语音语料资源匮乏等因素，海外智能语音巨头，比如Nuance、微软、苹果等市场规模较小，本土企业占据主导地位。IDC预计，随着应用场景在AI产业规模化中的重要性不断提升，未来BATH类公司将占据更高市场份额。
TOP20中14家为初创企业
从此次上榜的20家智能语音企业来看，国内智能语音企业主要分为三类：以百度、阿里为代表的互联网科技巨头；以科大讯飞为代表的技术服务商；以思必驰、云知声等为代表的深耕于垂直领域和细分场景的初创企业，这类企业最多，达到14家。
据艾媒咨询统计，截止2019年底，我国人工智能创业项目中处于语音识别和语义分析赛道的企业超过250家，占比达10%，但其中仅有30多企业已完成B轮后融资，也就是说有87%的企业尚处于发展前期。此次上榜的14家初创企业，均完成B+轮后融资。
榜单的14家初创企业融资情况 资料来源：天眼查
具体来看，有8家企业处于D轮后融资，包括思必驰、云知声、出门问问、智臻智能、捷通华声、中译语通、乐言科技、普强信息；其中思必驰在去年8元完成Pre-IPO融资，云知声去年11月冲刺科创板，但今年2月主动撤回申请，上市终止。捷通华声、智臻智能都曾是新三板挂牌企业，目前均已摘牌，不排除未来登陆A股的可能性。
从融资额度来看，这14家企业披露的融资金额合计超过117亿元，其中云知声、出门问问、思必驰融资金额最多，分别达到20亿元、17亿元、13亿元，合计占到总额的比重接近43%，显示资本对头部企业的追捧明显。不少企业还获得巨头青睐，如思必驰、智臻智能、乐言科技获得阿里投资，京东持有云知声近4%的股份，捷通华声也获得百度加持。
应用多面开花，巨头抢占智能音箱入口
榜单第一梯队企业中，成立于1999年、脱胎于中科大实验室的科大讯飞，是我国智能语音产业的领头羊，尤其在语音识别领域占据绝对地位。2017年科大讯飞作为智能语音行业代表，成为首批国家新一代人工智能开放创新平台。
在技术研发上，科大讯飞强调源头创新、自主研发，目前形成以感知智能+认知智能两大研发方向，在语音合成、语音识别、语音评测、图文识别、医学影像、机器翻译、自然语言理解等多个核心技术方面均有突破。近年来，科大讯飞的技术团队规模稳定占比在60%以上，研发投入也持续增长，去年占营收比已接近17%。
科大讯飞最近五年营收和研发投入情况 资料来源：公司财报
在应用落地上，科大讯飞也逐渐摆脱外界质疑，形成2B+2C双轮驱动、软硬件齐头并进的业务模式，覆盖智能硬件、开放平台、教育、城市、医疗、汽车、金融、运营商、工业等领域。2019年科大讯飞营收首破百亿，去年进一步增长至130亿元；净利润近14亿元，同比增长66%。
搜狗也是AI领域的创新者，其在2016年提出了“自然交互+知识计算”的长期核心战略，持续推进语音听写、语音翻译、语音交互等技术研发。目前，搜狗主要布局AI硬件和AI交互录音，推出录音笔、手表等产品，并具备搜狗分身、搜狗同传、搜狗知音等技术和平台。
近年来，搜狗在以语音为主导的人机交互领域，推出了多款“数字人”产品。从全球AI合成主播，到全球首个3D AI合成主播，再到全球首个手语AI合成主播，是搜狗在语音交互和分身技术上的不断突破。
此外，互联网科技巨头也是智能语音领域不可或缺的角色，此次入榜的阿里、百度和小米便是其中的代表，主要业务分别体现在天猫精灵、小度和小爱同学上。天猫精灵是阿里云智能事业群于2017年发布的AI智能终端品牌，去年1月升级为独立事业部，成为阿里巴巴布局AIoT及内容生态领域的核心平台。
阿里、百度、小米智能语音业务平台情况 资料来源：官网
小度是百度旗下人工智能助手，并开发了语音操作系统DuerOS。今年3月，小度智能助手月语音交互总次数达66亿次。去年9月底，百度将小度拆分独立融资，百度资本及CPE战略领投，IDG资本跟投，融资后估值200亿元。
小爱同学是小米旗下的人工智能语音交互引擎，搭载在小米手机、小米AI音箱、小米电视等众多小米生态链设备中，月活跃用户突破7000万（截止去年3月）。去年11月，小爱同学5.0正式发布，从语音助手升级为智能生活助手。
智能音箱是这三大企业争相布局的焦点，而依靠补贴攻城、低价策略的互联网玩法，国内智能音箱市场格局集中。据IDC数据，去年中国智能音箱市场销量3676万，维持三强争霸局面，阿里、百度、小米合计市场份额超95%，其中阿里天猫精灵位居第一（约35%），百度紧随其后（约33%）。但在带屏智能音箱市场上，百度以超63%的市场份额遥遥领先，阿里和小米合计为36%。
资料来源：IDC
在语音为主导的人机交互发展趋势下，智能音箱实际上已经成为巨头布局智能家居的入口，这也是以智能音箱为代表的智能家居在近些年开始走向大众的原因。据eMarketer统计，中国智能音箱普及率仅有10%，相比美国26%的普及率，仍有广阔很大市场空间，中国市场潜在用户群体高达2.24亿。
IDC预计称，中国智能家居设备市场到2024年出货量将达到5.3亿台，相较2019年将增长155%。作为智能家居入口的智能音箱，仍大有可为。但如何通过打通语音交互、物联网、感应等技术，真正把握用户需求痛点，仍是不小挑战。
主流语音识别准确率达97%，智能助手和客服应用广泛
从发展程度上来看，语音识别是最为成熟、最先得到大规模应用的的AI技术。中国语音识别技术发展水平已与国外同步，如百度、科大讯飞、搜狗等主流平台识别准确率目前均达到97%以上。阿里巴巴的语音技术还超越谷歌，被MIT评选为2019年全球十大突破性技术。
自然语言处理则在2016年进入期望膨胀期，但由于进展未实现预期，自2019年后转入幻灭期，预期成熟时间仍有5-10年，其典型应用如数据解读、文本生成等，目前仍处于初步采用阶段。在这个领域，中国与美国则存在一定差距。
从此次榜单上的企业来看，语音识别和自然语言处理几乎是所有企业都有布局的技术。但语音识别等相对容易的单点技术的突破，已经难以支撑企业在竞争的红海中取胜。位居头部的5家企业除了语音识别、自然语言处理，还布局了其它多个AI技术，并致力于融合发展，多模态交互被业内认为是未来趋势。
另外14家初创企业还热衷于布局机器学习/深度学习（算法）、知识图谱（大规模语义网络）等技术，包括思必驰、出门问问、智臻智能、中译语通、竹间智能、追一科技、乐言科技、智齿科技、达观数据等。通过布局这些技术，可以进一步推动语音识别或自然语言处理的技术突破，如语音识别准确率的不断提升及其应用就离不开深度学习的贡献。
此外，作为算力设施的AI芯片也有多家企业进行投入。阿里、百度、小米均有在布局，如百度的智能语音芯片“鸿鹄”已在智能家居产品上量产出货；思必驰和云知声也有在研发AI芯片，作为其语音解方案重要的底层硬件设施，成为其发展战略的组成部分。
从总体应用来看，智能语音市场规模进展较快。清华大学数据显示，语音识别和自然语言处理是中国市场规模最大的两大AI技术应用方向，占比分别约为25%和21%，合计达到46%，超过计算机视觉市场规模（35%）。
从具体落地来看，消费级市场（2C）和企业级市场（2B）是两大主要模式。2C应用主要包括智慧生活、智能家居、智慧办公等场景，通过智能语音技术赋能各类终端，比如手机语音助手，阿里、百度、小米的音箱产品，科大讯飞、搜狗的录音笔产品等。有数据显示，2018年有近一半智能手机配有智能语音助手，Strategy Analytics预计，到2023年前将达到90%。
智能语音两大应用场景 资料来源：华西证券
相较而言，2B应用具有更高的垂直属性和壁垒，其中智能客服说是最为普遍的应用场景之一。榜单多数企业均通过提供相关解决方案或打造虚拟的在线机器人，为电信、金融、电商、政务等行业提供咨询接待、问题处理、智能推荐等业务。智臻智能是最早将AI赋能客服领域的企业，其推出的小i机器人深耕智能客服市场十余年，终端客户逾8亿。
捷通华声则是在国内率先推出智能语音助手、电话客服机器人、智能语音外呼机器人、实体智能语音机器人、实时智能语音分析系统的企业。乐言科技推出的乐语助人是一款面向天猫、淘宝等平台的新一代AI智能客服机器人，问题识别率达99%，咨询转化率提升15%。智齿科技则构建了包括呼叫中心、在线机器人和在线客服等产品，贯穿售前+售中+售后全流程，提供覆盖服务+营销+管理全场景的营销与服务解决方案。
教育、医疗和汽车也是较为普遍的应用领域。科大讯飞的第一大业务即为教育，在医疗领域也在持续布局，在车载语音领域拥有半壁江山；思必驰、云知声、出门问问、智臻智能、捷通华声、来也科技、竹间智能、追一科技、普强信息、智齿科技等企业都有布局这三个行业，智慧课堂、电子语音病例、车载语音等是核心应用场景。
总体来看，在智能语音技术不断突破的情况下，应用落地也在持续推进。但在已有应用场景的情况下，如何提升用户体验，推动交互变革，如何推动企业转型，实现降本增效，挖掘更多的应用场景，并能够规模应用，仍是行业内企业面临的共同挑战。
