12月初發(fā)布的《2017-2018中國智能語音產(chǎn)業(yè)白皮書》顯示，2014年至2018年，中國智能語音產(chǎn)業(yè)規(guī)模由30億元增長至159.7億元，增速高達(dá)530%。雖然，科大訊飛和百度分別以44.20%和27.80%占據(jù)市場份額前兩位，但仍在這一不斷極速擴(kuò)張的浪潮中不斷迎來新晉者的挑戰(zhàn)，而產(chǎn)業(yè)格局也正在悄悄發(fā)生變化，向更多極化發(fā)展。

智能語音市場的“三大拍案驚奇”

中國的智能語音市場很怪，明明每家企業(yè)都說自己的產(chǎn)品準(zhǔn)確率很高，但是誰也不敢明確自己就是第一。不但沒有統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，就連自己的測試標(biāo)準(zhǔn)也完全不公開，成為一大拍案驚奇；

拍案驚奇二，雖說各家做語音的時(shí)間有長有短，然而技術(shù)層面并沒有拉開差距。久到深耕行業(yè)近二十年的科大訊飛，近到語音行業(yè)新秀云知聲、依圖科技，同樣都在數(shù)據(jù)方面達(dá)到了一個相似的百分比。綜合技術(shù)數(shù)據(jù)和應(yīng)用效果來看，各家企業(yè)非但沒有拉開明顯差距，連究竟孰高孰低竟也不太好分辨；

拍案驚奇三，與市場的一片繁榮相比，智能語音產(chǎn)品非常繁雜，但使用體驗(yàn)、終端用戶的接受程度和商業(yè)市場的變現(xiàn)能力卻一直和行業(yè)預(yù)期存在差距，特別是消費(fèi)者似乎對于智能語音產(chǎn)品并不感冒，這并非是使用習(xí)慣一個方面的原因。

智能語音市場正迎來“三足鼎立”新格局

作為大哥和二哥的訊飛和百度，既然無法短時(shí)間內(nèi)解決“三大拍案驚奇”，市場會自然的引入新力量來平衡和解決怪現(xiàn)象。而在短期內(nèi)可以看到的變化，即是智能語音市場將會迎來“三類玩家”新格局：干的最早的訊飛，家底最厚的BAT，以及實(shí)力黑馬的新秀。

玩家一：“大師兄”科大訊飛

跑在第一名的，永遠(yuǎn)會有被趕超的壓力。在智能語音領(lǐng)域，科大訊飛就是這樣。作為中國智能語音的奠基者，訊飛以19年的行業(yè)深耕，做出了大量的數(shù)據(jù)積累和行業(yè)經(jīng)驗(yàn)，使其在中文語音合成、語音識別、口語評測等多項(xiàng)技術(shù)上都擁有國際領(lǐng)先的成果。

但百密一疏的是，訊飛并沒有用技術(shù)和應(yīng)用成果，打造出有效的行業(yè)壁壘，并以“老大哥”的身份樹立中文智能語音行業(yè)的標(biāo)準(zhǔn)，構(gòu)建明確的行業(yè)準(zhǔn)入門檻。否則，可能也就不會有憑借體量優(yōu)勢來彌補(bǔ)技術(shù)上差距去硬搶老二位置的百度了。

玩家二：流量派BAT

憑借在互聯(lián)網(wǎng)時(shí)代積累的大量資本，BAT在每個科技領(lǐng)域都可以稱為“玩家”。但是，與依靠人工智能技術(shù)起家，做應(yīng)用，打市場的AI垂直類企業(yè)不同，BAT更多的是以流量導(dǎo)向和滿足龐大用戶群體驗(yàn)和創(chuàng)新需求為導(dǎo)向去做AI開發(fā)。更形象點(diǎn)來說，在AI這個領(lǐng)域，AI垂直企業(yè)是“技工貿(mào)”企業(yè)，而BAT是“貿(mào)工技”企業(yè)。

既然有如此差別，那么就可以很清晰的看出，以流量和用戶體驗(yàn)為導(dǎo)向的BAT解決的是錦上添花的市場需求，并非雪中送炭的強(qiáng)需求，通俗來說BAT玩語音可能不會很認(rèn)真。

玩家三：技術(shù)黑馬依圖、云知聲

最近，AI公司依圖科技，宣布進(jìn)入語音市場，并且在最權(quán)威的中文數(shù)據(jù)集AISHELL-2中達(dá)到了96.29%的準(zhǔn)確度，成為業(yè)內(nèi)第一個敢于亮出測試數(shù)據(jù)集標(biāo)準(zhǔn)的企業(yè)，并且用“實(shí)力”而不是“數(shù)字”領(lǐng)先所有其他廠商。

依圖科技科學(xué)家認(rèn)為：語音識別的準(zhǔn)確程度存在著兩條“紅線”，代表著實(shí)際應(yīng)用的兩道門檻。一條為字錯率15%的紅線，超過這條紅線，應(yīng)用的感受度極差，可以稱作不可用。而另一條則是3%的紅線，小于這條紅線的水平在實(shí)際應(yīng)用可以滿足大部分的日常需要，而目前距離這條紅線、尤其是在復(fù)雜場景的情況下，還相距甚遠(yuǎn)。

智能語音從技術(shù)突破開始，到應(yīng)用、終端和場景的不斷突破，再到回歸技術(shù)，漸成業(yè)內(nèi)共識。應(yīng)用、終端和場景帶來的大量應(yīng)用數(shù)據(jù)，更為機(jī)器學(xué)習(xí)、深度學(xué)習(xí)帶來了技術(shù)突破的充分土壤，這也是為什么以依圖科技為代表的技術(shù)型公司能夠在智能語音領(lǐng)域快速趕超的原因所在。同時(shí)，語義識別的加入、知識圖譜的構(gòu)建和技術(shù)的快速迭代，也為智能語音技術(shù)進(jìn)入3%紅線、甚至達(dá)到更高識別率帶來可能。

云知聲創(chuàng)始人梁家恩也認(rèn)為，目前還沒有一個較為成功的語音產(chǎn)品，真正的語音產(chǎn)品尚未出現(xiàn)。國外諸多廠商如谷歌，蘋果也都認(rèn)為語音行業(yè)的發(fā)展和變現(xiàn)還有很長的路要走。

技術(shù)，場景與流量，是決定整個語音領(lǐng)域走向的三大要素：技術(shù)決定場景應(yīng)用的革新性和深度，場景決定資本和應(yīng)用的流向，流量決定整個行業(yè)發(fā)展的廣度。對行業(yè)水平的三個拷問一方面指出目前行業(yè)的存在的不確定性，另一方面解決三個問題也將為行業(yè)的發(fā)展帶來新的機(jī)遇。

在語音識別發(fā)展的道路上，老玩家與新黑馬必會在全新的賽道上一較高下，而決定這場比賽勝負(fù)的關(guān)鍵，也許就在今天行業(yè)的浪潮之中。