【盖世直播】刘俊峰：智驾趣行 未来已来

科大讯飞股份有限公司汽车业务部总经理 刘俊峰

先说两个感谢，两个抱歉，第一个是感谢盖世汽车网给我们这样的机会，再跟大家有一个交流的机会，聊聊我们对于车内语音交互的一些想法。第二就是感谢这个行业中那么多的合作伙伴，这些年对于讯飞的支持和对讯飞的关爱，我们希望自己能够做的更好，其实会议的报告很精彩，但是因为一些个人会议的安排，我没有在上午及时赶过来，也错过了跟老朋友交流的机会。

另外一个抱歉，就是今天穿的比较休闲，因为会议时间依托在托，没有时间换一个像样的演讲的服装，在这跟大家像模像样地沟通一下，其实这两天在车展上看到了很多跟前几年不一样的变化，比方说，很多新车发布时，都会把智能网联或者到汽车智能化作为一个核心亮点去发布。

第二个，在谈到车联网的时候，人家谈到多少年的这种呼叫中心的解决方案，终于有人不怎么说了，因为那样的分析已经是二三十年前的模式，那我们因为在汽车的主要研发环节上受控于外方，没有办法走出自己个性化模式，所有问题被这样的一个概念其实侵袭非常长的时间，而且影响深远，不否定会在车联网这种模式上的一些价值，但是它绝对不是所有车联网应该构成的模型，刚才张总在谈到对于整个行业分析的时候，看到了一个大家的风范，一个让我感觉到就是蔚来汽车，他在做自己产品化的同时能够为整个行业的发展去来提前，我们在行业的发展过程中是需要一些先导者和先知者的。

第二的话，就是他的内容确实是井井有条，让我们从一层一层能够了解到蔚来汽车以及这些先知者对于行业趋势的判断和想法，智能就是人工智能这个概念，这两年也被翻得比较火，当然提人工智能这样的一些技术路线或者是在提到人工智能跟车的关系，跟服务的关系会有千变万化的说法和想法。

讯飞，其实在语音交互这一块做了有将近20年，那我们从公司成立那天就投入在智能语音，尤其是“中文智能语音在中国产业化落地”这一目标上，当时1999年公司成立之初，也是一直在强调说，我们一定要做中文语音产业的领导者，因为中文这个语言是跟文化息息相关的，是跟我们的生活息息相关的，是跟人和人之间的交流息息相关的，那我相信一定会有一些差异，就是如果是中国人做，还是外国人做中文，这是一点。

第二，其实人工智能产业的爆发语音和语音技术的变革也是一个非常关键的一点，它是在认知这个程度上，能够让机器听懂，并且能说出人能听懂机器的语言，这个是很关键的，尤其在车上，在车上我们一直在强调如何让人在车内脱离掉驾驶过程之中的安全风险，我相信大家在交互的过程之中，现在还有很多人在拿手去来操作手机，因为有可能会拖动这个地图的画面，有可能去操作一些微信，也有可能打电话，这种问题怎么样的去破局怎么样子，能够让它零点三秒或者是一秒之内的安全隐患不见了？我们是不是可以能够有科技的方式解决掉它。

我一直在辩论，就是手势识别。手势识别这样模式是不是在车内是一个真正的使用的方式或者是一个非常安全的方式，那大家可以能够去想到有可能因为手势操作，而且有可能会因为手术操作之后的那种反馈带来一些未知的安全感换和操作风险，我不是抨击它，就是我们在辩驳一个技术能不能够用在一个产品化、量产化的方向的时候，先要把他的利害得失想清楚吗？那他有没有可能被替代触屏为什么不行？按键为什么不行？语音是不是不行？那再有就是在这个技术路线过程之中，产业链的融合产业链的融合和产业链的简单拼接，这是绝对有质的区别的，从车联网谈了这么多年的一个概念，到移动互联网那作为中国全球最大的互联网人群，这两种融合从习惯上，从产业上，从模式上有没有一些质的变化，我们会领先全球多少？这些都是我们需要去来提前考虑的问题。

其实在这样一点上，中国真的是走在了世界的前端，因为硅谷也去，欧洲也去，以色列也去，在对于人工智能技术，从产业应用的这个角度破局，中国其实走得很快，我们可以能够去假设很多的事情，比方说我们手机上已经有很多的智能推荐了，因为中国的移动互联网的人数太多，数据量够大，我们可以做得非常精准，也有可能就是语音交互，我认为这一点的话，我们足以有自豪的本钱，就是在中文语音交互的技术的领先性上，我们真正能够说是走在世界前端的，这一点的话绝对不虚的，另外就是在讨论大数据以及商业模式变现，我们如果要是接触到一些硅谷的创业公司或者是硅谷的一些研究机构，在讨论这个事情的时候，我们顿然感觉好像退后了3到4年，这个是有的，还是得益于中国在产业的变化和产业的进展上面。

刚才讲人工智能，其实人工智能已经开始改变我们的生活了，周总在微信端跟我说，这次大会也是采用了科大讯飞的听见系统，那他就已经取代掉了，我们原来坐在那边的那几个人就是叫速记，我们在标准普通话这个前提下，语音识别的准确度可以能够达到95%以上，而且在过程之中把标点符号以及角色的拆分全部都做好了，它是可以能够去取代一个书记员75%的那样的一个个体成本的，而且效率比它高，结果还比较好。

大家如果关注科大讯飞，可以看到昨天我们跟协和医院和中国医学科学院来去签了一个战略合作协议，这一点的话就是我们用机器来去看人的CT的片子，我们在片子之中可能有两百张片子，只会挑那么一两个关键位置的，就来判断你有没有这个问题，但是机器它是同一时间可以全部看完，而且可以能够给你一个基于历史数据和整审判结果和诊断结果的推荐的处理模式，以后有可能就有一天，这一天也应该不会太远，如果你去医院去做CT的时候，没有一个机器人或者是一个机器的智能系统，在那个医生旁边，他说的话你会觉得你不相信他，因为它没有一个很全的数据量，还有就是像教育，现在一直在强调尊师重道老师叫因材施教。

但是大家如果有孩子的话，可以看一下，现在的孩子也是在被填鸭式的教育，科大讯飞在教育这个行业，尤其在K12这个领域，我们做得非常深入，我们真正可以能够做到因材施教，就是因为每个学生在它了解知识体系的深度、广度和对于这个事情的判断反馈是不一样的，像我说这样一句话，大家都可能理解深度不一样，那他也在改变那这个变化的过程，我们能不能够看到它最快的一种途径，让它接受它最薄弱的那个知识点，然后把它不会的题目推荐给他来去吸收学习，而不是一而再再而三的推荐那些他非常熟，已经非常无聊的那样的一些知识点了这些地方都在改变。

还有就是我们看一看这些领域，从智能家居，你可以能够回到家用一个中控设备来控制家里面的灯光、空调、窗帘、加湿器、咖啡机，这些东西都是已经出现了手机汽车以及穿戴式，还有那些机器人现在市场上基本上百分之七十的机器人的交互方案都是科大讯飞提供的，所以你们看到的样子也都一样的，交互的感觉也都一样的，整个技术的迭代也在慢慢的进展之中，用机器加人工的方式让那个机器会更好玩。它真的是在变化，而且在中国发生了更快的变化。

谈人工智能就必须谈这三件法宝，第一是要有核心算法，要看他是不是真正掌握一个方向这样的一些核心算法。第二个的话，他有没有一个真正成规模的云计算的平台，那在这个平台上可以能够自主的去学习迭代。第三个就是有没有足够的用户量形成真正规模化的数据，这种规模化的数据能够让机器自学习，通过机器+人的方式，告诉机器你不会的地方，那些地方是这个意思，它下次见到就是已经可以懂了。

大家如果有用到我们的讯飞语音输入法可以去体会一下，在关联到你的账户系统之后，今天有可能会写错的词，过了几天他就已经可以写对了，就是因为全国现在有七个亿，可能已经突破了十个亿，有十个亿的智能手机已经装了讯飞语音输入法，这些人在说到相同问题的时候，我们如果在后台发现它是错了，会用人工的方式把它标记出来，我们现在全网络有将近20万的用UGC的方式来帮我们去标定的，那样的一些线下的，我们的合作伙伴它会拆解数据，之后的话把那些错误的标签再给它改过来，这个就是用人的知识系统来帮助机器。

其实在这三个法宝之后，还有一个非常重要的叫行业专家，你知道这样的一个数据怎么样子能够变成结构化、系统化，可学习，可以去做后台的推荐和后面的这种知识库的迭代。

我们看一下16年，讯飞在这跟语音语义知识系统相关这一块的进展，第一个我们已经拿了国际合成大赛的第一名11年了，那讯飞的技术也是唯一一个连续这么多年跨语种、跨系统，可以能够做到大于四分的系统。第二个Chime，也是一个国际性的比赛，在16年的时候是谷歌做承办，我们只能参加三项，我们参加了三项冠军，而且还有一项我们破了世界纪录，就是6+1环麦。他是让机器能够把人的声音听得更清楚，指向性更好，涉及到你所有的声音，包括声音的特质，那如果让机器能够理解，你先得让他听到你在6+1环麦上多年的2.9的分数，而且我们有信心会继续保持第三个班得瑞，这个比赛是以后要替代图灵测试的，这个比赛就是一个逻辑的判断，他通过纸面的意思，爸爸没法举起它的儿子，因为他很重，具体它的儿子，它很虚弱，问谁虚弱？这样的一个逻辑判断，那正常来讲的话，50分都可以吗？那讯飞是唯一一个过50分的。第四个，知识图谱和搜索，这个比赛就是给你了几个文章，它们之间有一定的相关性，发现它的相关性，最后给他一个正确答案，这个比赛上我们还是拿了第一，所以又想到了前两天这个开复老师喷我们的，说讯飞只是能够识别了，没有办法去来做理解其中的背景我也不想多谈了，但是我们是扎扎实实，从听清听到到听懂，而且还能够去配合合作伙伴做出正确的动作。我们开放平台从2010年到现在已经七年了，每一天的使用次数已经突破了31个亿，线上和线下所有交互次数大家用到滴滴打车，京东高德就是这样的。一些第三方的爱普集成了讯飞语音之后的话，每一天的交互次数突破了31个亿，而且各种的开发伙伴已经有将近了30万，也就是说类似于像高德、大众点评、京东，这种开发伙伴已经有将近30万上，现在已经有十几万。这个是源源不断的，给我们迭代数据的。

去年讯飞有两个点比较火，第一个是我们的年度发布会，11月23号我们发布了很多新的东西，包括讯飞听见、讯飞小翼。第二个比较火的点，就是老罗的锤子手机的发布会，那个里面老罗用了大概家近20分钟的时间来说讯飞多好，说讯飞的语音做好，我们一分钱都没有花，而且还帮它做了一个音库，可以让它做声音商品化。在这个世上我们看一下讯飞语音输入法，没装的赶快装吧，一分钟400字。在这个输入的准确度上，讯飞语音输入法仍旧是当今世界上做语音输入最准确的一个输入法，不信过来挑一下。

再有，我们去年的时候发布了最新的语音合成的语音合成算法，会更巨人具有拟人化，更具备他声音的质感，大家可以听一下。

大家可以听到，看不重要，可以听到就是这样的一些声音有多少个明星在里面，然后到底像不像？因为我们每个人的听感可能都不一样，整体来讲已经非常接近我们在印象之中的那个他了。这个其实就是在我们用DN的算法不断的持续迭代，TS的整个技术的模型上已经开始自学系了，而且我们自学习的速度会非常快，有很多的语料进来也有很多的这种文本的迭代，每一个声音，现在最小的模型，我们就只要几十句话，如果当然做到这么好的声音品质可能要上千句，如果我们把它做成声音商品化，我们的配音阁就是做声音商品化的，这个市场会非常有意思，刚才张总在讲到多种商业模式变现里面其实我们愿意去来花几块钱买一个林志玲的声音，或者是买一个自己身边的人的声音，对于技术来讲已经不是什么难点了。

大家在听到各种这种小的导航仪的时候，里面有人有各种的音库，听上去就不是人生的录音的那种的话都是讯飞做的，然后最大的节点变化，是在2011年就是我们的语音云发布，我们在语音云发布之后，我们把它集成在了车载的整个的系统性的解决方案里面，在11年的时候推出了哈瑞的这样的一个语音交互解决方案，也就是说那个时候车机开始联网，联网的比例逐渐提升，在过程之中有的地方语音的访问是用云端的，但是很多的时候我们是要依靠本地端的，那在2012年因为当时没有办法解决，进来的声音是比较干净的，我们就必须得去寻找各种的声音。合作伙伴把我们需要的好声音录进来，但是找遍全球，除了贵的基本没好的，所以在2012年我们前期投入了将近两年时间，把降噪模块车过去的降噪模块干出来了，那一下子整个改变了车内语音交互的质量，就是人真正让机器能够听懂了、听到了、听清了，然后在2013年，我们支持了全国POI的统一搜索，4000多万的POI可以能够随便去说一个你想去的地方，而且不管是云端还是本地都可以支持，2015年我们把DNA的模型深度优化，推出了3.0，那2016年我们发布了AIUI for car，在我们的公司11月23号的发布会上，那是一个代差级的，跟现在的云交互，有代差级的差距的一个未来产品，可以能够做到多轮交互智能打断，而且场景化的交互，这个产品我们在今年年底会做一定的产品化的推广。

其实在过程之中我们受过很多苦，就是在语音交互的过程之中，大家可能看到讯飞现在有很多的车上都在用了，而且很多的车量产之后也还不错，我们一年要做一百大概一百二三十个车型和平台开发项目，但是每一个输出的质量都不一样，效果也不一样，是因为系统底层有很多的限制，刚才还跟张总在讨论这个问题，如果我们拿自己的手机和笔记本来比较这样的一个市场的话，他根本没有人去做英特尔做的事情，那系统底层的芯片驱动以及每一家都是不一样的，尽管我可能合作是一个车厂，但是他下面可能跟了十几个供应商，我就要做十几遍，每一家的供应商，他的技术状态不一样，就导致了我的技术方案不一样，直接影响了最终的交互效果，这是一个死循环，所以我们挑出来之后的话，一边要做好语音一边的话我们来研究一下，你在整个车上把语音的交互体验做到最极致，把我们自己的技术用在我们自己的系统产品里面，我们要学会跟我们的客户去来做交付，做到哪一步。我们的合作界面非常清楚，我给你的东西和你想要的东西应该就是一个东西。

刚才讲过了，端家云家本地这种结构是讯飞一直在坚持的，就是我们用硬件的保证来去听清楚车内用户的声音以及车内以后更多的声音，云是为了让数据迭代，能够提供更好的效果端是为了在没有网络的时候你仍旧可以任意说，到现在为止，我认为这样的一个技术方案，他还是足以能够立到市场的最前沿的，不信拿出来挑，我们在宝马、奔驰、大众、丰田、长安、广汽我们在座所有的奔驰麦克所有的场景的奔驰发给都没有输过。我们是扎扎实实做这个事情，在车内做一个好交互的产品，配合我们的合作伙伴真正把交互体验效果做到极致。

大家可以在车展时候，很多豪车品牌和一些语音交互方案就它的交互是不是真的很透彻的，是不是可以能够真正做到全球化的，是不是可以能够支持你任意自由说的？那有可能一两百万的车，甚至几十万的车，你要想说跟它说个人话它都听不懂，我昨天在星期六上面非常失望，因为后面做了boss的一个项目总监，他跟我说那个车上有34个高科技，能够实现分区划的声音的播出也能够实现主动降噪，但是语音识别效果语音识别的交互效果就是很烂，大家可以能够在手机上和已经在我们做的一些产品上面，都可以能够支持我要去皇冠假日酒店，帮我导航到虹桥机场，或者直接说虹桥机场它也会带你去，因为它懂你说的那是一个POI，但是你试一试现在很多车上那样的一个效果是不是你期待的那个样子，这是非常痛苦的。就是我们因为受着外国诸强的压迫，尤其汽车行业已经这么多年，那外国的厂商它的选择与教务系统的时候，它并没有充分考虑到中国用户的实际使用，但是现在这个事情是在变化的中国的市场，尤其卖车的市场太好了，我们可能不被重视，所以中国很多的自主的品牌能够揭竿而起，能够做的很争气，在研发、在外形设计，在一些概念的领先性和实际产品的速度上都要好于很多的外资企业，那这个地方不得不说，中国自主品牌真的走着一条自主创新、自强不息的一条路，所以我们现在把中文做好，我们帮大家交一棒，这一棒的话绝对能够挣点气。

这个系统里面还支持了很多这种新的特性。比方说我要去虹桥机场，这个虹桥机场的话，可能会列出来很多的条目，在这个条目里面的能够补充，到底是2号楼还是停车场，那原来是要翻的，原来翻的原因是因为语音技术确实还没有实现到，能够随意打断的这个效果上，但是现在的话一次交互如果出现多于五个结果，你可以去补充来说我要去哪条路的停车场，可以说去哪个候机楼这个事，其实已经非常的有效了，大家不要把智能交互这个技术一下子想到了未来很远的时候，技术是要一点点的积累和迭代的，大家坐车其实这一块理解的更深，我们也希望一下子可以能够随便说说，之后他筐回来一个结果就对的，现在慢慢来，我认为在这条路上一定会产生质变的，这是一个量变迭代的过程。

第一次在车内实现了barge in，就是我们再也不用在交互过程中叨叨，把这个事说完之后，我说第二个或者是确认和取长补短，你只要是一眼瞄过或者是他就那一个结果直接说取消就好了，那讯飞提前了一年，比宝马的五系提前了一年，还有就是一定是要智能化交互的就是以后的机器，应该是他主动跟你说他因为有更强的机器学习和数据学习分析的能力之后，再基于了解你的基础之上主动提醒你，我们基于时间轴位置轴、个人轴和你的喜怒哀乐一定会有机器先帮你，确定这个时候你需要什么，然后它主动跟你轻轻地问一句说：“哥们，你要吃川菜”，那你只用说OK。我相信这样的一部在今年年底就可以能够看到，我们已经在美食音乐在一些导航习惯上面建造一个比较完整的属性的模型、

现在大家在跟语音输入法再说一句话，我们后面标签最大的可以能够达到1700个就是在学习，大家当哪一天账号系统整个打通的时候，我相信只要在不作恶安全有保证的前提下，我们可以能够提供给大家更好的语音交互的状态。

还有智能呼叫中心，这个是刚才我前面先喷了一遍，但是回到中心是有价值的，它有一些在2G的通道下网络不流畅的时候是可以能够提供服务的，但是绝对不是用人堆的，比方说像阿斯达，他现在有一千多个座席，但是一千多个坐席，每个人做一个导航的引导要两分钟，这两分钟对它意味着就是五块钱，这五块钱花在哪不行？我为什么非得要一年去交这个一千多块钱才能够付得付，才能够去获得到这样的一个难为给生靠的服务，这是一个很不合理的，我认为这个事情从智能语音上来讲也就三秒钟的时间，那交给我们也不一定消化五块钱的事情。

智能客服就是来解决智能呼叫中心的，它来解决两点，第一就是机器能听懂的话，直接机器返回了，不需要人参与。第二的话就是在质检系统那我得克服哪些时候跟着客户吵起来了，为什么吵？说了脏话了，关注了一个新的知识点，我不知道这样的话，通过语音的整个的营销分析系统，我们叫语音分析系统，这样的一个语音分析系统会根据就是这一天，所有的客服的作息，利用闲时的时间，这种几个小时就可以能够把几千的坐席的语音的服务量全部都给它做成文字化+结构化，那它的领班组长就很开心，因为它不用再去做这样的全检，它要去听一天得几千个人的话在开玩笑吗？但是用机器就可以完成给它做分解，而且能够发现这里面的客户的服务的质量、服务的问题以及售后的一些跟这件事的话已经在几大运营商银行全部都落地了。

我们在中国联通的中心的基地在合肥，就是为了跟讯飞在对接这个事情，中心刚刚上这套系统之后，在后面一个月之内就没有做主动宣传，我们帮他节省了27%的成本完毕，在我们主动宣传之后，现在已经可以帮他节省到40%的成本。我们是在节省过程之中发现商机和他一起来分润的。

讯飞做车机了，刚才在跟张总在谈，但是我们不是为了做车机而做车机的，我们现在自己的生产体系在微创力，我们用微创力的生产来去为我们的合作伙伴提供一些更好的质量的保证，当然人机这里面的话我们自己完整的控制，包括工艺，我们有自己的硬件设计团队，更重要的其实就是为了说明白，我刚才讲到的为什么一台车机有千变万化的区别，都用的是两极端，但是效果就是不一样，因为底层很多东西是限制了效果的表现和发挥，我们把这个事情做穿了，软硬束缚运作，这个其实是一个非常理想化的，因为斑马这么做，我们都觉得他们高大上，可以能够不顾任何的收益投入这个事情，我刚才看周总的演讲，我看了十分钟，因为在来的路上，但是我们可以能够说现在还在一个过渡和转折的过程之中，因为一方面现在当今车厂的整个的T2的供应链是多元化的，那必须要让这样的一些多元化的合作伙伴能够进入到这个链条里面，包括大家不同的价值和它的作用。

第二，就是我们在过程之中也要去来把自己的产品体系打磨好，我们要分清楚跟大家以后去配合的对接的界面，能够提供你需要的好东西给你。

第三个，就是我们也要去来评估以后未来趋势中哪些硬件平台或者是哪些硬件的整个系统架构，在车内智能驾舱这个方向来临的时候，语音合成内的人际交互怎么样做得最好，那先答几个点，奇瑞和江淮我们今年的产品会上一个非常高的数量规模，讯飞语音也有几个现在走得快的量产的项目，像昨天刚刚发的江淮的S7，像这一个月之前吉利在发的新的博越3.0的系统，像新发地长安的cs95都是用的科大讯飞语音3.0的系统，那这里面有的大胆一点，现在新的GS8在他们展台的旁边，通过判断你的命令，我可以说你这三者，我是第一次见到这样的一个效果，因为原来都是在科幻片里面，大家也都在期待这一步的发生，但原来没有人做过，我们把这个事干到了，又做到世界第一。

它确实是可以能够把汽车作为你的一个伙伴，你的一个保镖，你的一个朋友，一个家人去来看待，但这一步确实还有长漫长的距离的，我们也是希望能够快速的用自己的努力来追上他。

飞鱼是刚才讲到，就是我们要去做整个车机的整个系统平台，然后把我们AIUIfor CAR真正能够在今年落地给它打的一个飞鱼的，它是跨界的，它是讯飞语音的一个谐音，他是一个能够能够从水里面出，然后再进入水里面的一只动物，我们想做一些跨界的变化的事情，然后最后再占三分钟的时间。

这是我们去年10月23号发布会里面飞鱼的整个的现场演示系统，请大家看一下。

（视频播放）

就在过程之中的话，大家可以能够看到跟现在的语音交互，在车内的语音交互已经有非常不多不同的地方了，但是现在还有两个问题，一个是流量的问题，一个是可能会有误唤醒的问题，因为他只是知识的储备和车内的噪音，还没有完全的全模型化，但是这是我们期待的，技术还会再进一步的优化和迭代，我们也不需要在每一个场景下都这么灵活，所以在优化的过程中我们一定会提升输出这样的一个产品，前两天跟一些车厂的领导在交流，他认为讯飞是一个做到了1只会说0.8的公司，而不是做到了1，我们要说到0.1-0.2的公司，因为我们面对的是实实在在的，我们2B的合作伙伴，我们必须要用自己诚意的非常扎实的交互工程化能力，来保证每一个效果都是可以落地的。

在这个过程里面，请大家相信我们一定会自己会用自己技术的努力和我们自己对于汽车行业的热爱，为大家提供更好的产品，谢谢大家，谢谢周总。

敬请关注盖世汽车“2017第九届全球汽车产业峰会”直播专题：

网站专题链接：http://auto.gasgoo.com/topic/2017summit/

手机WAP站专题链接：http://m.gasgoo.com/topic/2017summit/

提示：本文为现场速记，未经专家审核，请勿转载！