【中國智能制造網(wǎng) 訪談】提到云知聲，業(yè)內(nèi)人士通常會同時想起國內(nèi)的科大訊飛、思必馳和捷通華聲以及國外的Nuance。云知聲以語音技術(shù)起家，4年團隊發(fā)展過200人。根據(jù)公開報道顯示，云知聲2014年底完成B輪融資，估值2億美金。然而CEO黃偉坦言，在語音技術(shù)路線選擇上各家公司差異不大。要在國內(nèi)相對惡劣的競爭環(huán)境和資本寒冬中生存下去，云知聲正全力押注IoT賽道，在車載后裝、家居、醫(yī)療等應用場景優(yōu)化產(chǎn)品細節(jié)，提高激活量和使用頻次，爭取更多客戶訂單，努力提高營收。　　
　　【技術(shù)與研發(fā)】谷歌等開源平臺鑄劍，云知聲扎實落地苦練劍法
　　
　　語音識別領(lǐng)域LSTM-CTC技術(shù)效果好，效率提升40%。
　　
　　百度、訊飛、云知聲等各家企業(yè)技術(shù)路徑相似，差異在于針對不同場景優(yōu)化不同細節(jié)。
　　
　　【記者】和國際巨頭以及科大訊飛相比，云知聲的語音技術(shù)什么不同？
　　
　　【黃偉】坦率來講，業(yè)內(nèi)一線的公司包括Google、百度、科大訊飛等使用的技術(shù)都差不多。因為現(xiàn)在學術(shù)、技術(shù)層面的溝通是相對非常充分的。比如，語音識別領(lǐng)域，效果好的就是LSTM-CTC。以前用的統(tǒng)計模型，以幀來做優(yōu)化單位，會糾纏到局部細節(jié)里，但LSTM-CTC以整句優(yōu)化為目標，忽略一些中間細節(jié)，不糾纏于對幀的處理，解碼效率會提高很多。工業(yè)界看來，采用這種技術(shù)之后，語音識別的效率會比以前提升40%以上。云知聲近也剛剛做了引擎的升級，跟以前相比，語音識別平均的錯誤率下降了20%到40%，這些都是新技術(shù)帶來的幫助。無論百度、訊飛，還是我們，都可以follow前沿的技術(shù)，在技術(shù)路線方面不會有太大偏差。但不同在于，基于每家公司對算法的理解程度不一樣，加上面向的應用場景不同，針對不同場景的優(yōu)化細節(jié)會不太一樣。
　　
　　【記者】云知聲會不會采用例如Google開源的資源？
　　
　　【黃偉】云知聲有些東西確實使用開源的資源，沒必要全部模塊自己寫。像Google、Facebook等，他們在鑄一把劍，我們來練劍法。但Google、Facebook開源的基本上是離線部分，我們拿來做模型訓練，它實際上是一個是開發(fā)工具，并不是一個商業(yè)產(chǎn)品。真正要上線的產(chǎn)品一定是靠自己寫的。
　　
　　【記者】作為一家AI技術(shù)公司，云知聲的技術(shù)儲備如何？
　　
　　【黃偉】硬件基礎(chǔ)設(shè)施上，我們在國內(nèi)北京，上海、廣州和成都4個城市布有機房，今年新添置的GPU花費大概在200多萬，累計下來硬件研發(fā)上的花費有1、2千萬，不包括第三方服務。另外，我們也在逐步地使用一些第三方的服務，比如說阿里云，他們也逐漸開放了GPU的云服務資源。
　　
　　人才方面，公司工程師占比78%，核心團隊博士占比超過45%。云知聲開始的創(chuàng)始人都跟我背景相近，CTO梁家恩是我以前盛大的同事，也是科大的師弟，另外幾個創(chuàng)始人，比如康恒以前也是一起共事過，基本都是從學術(shù)界到工業(yè)界一直在做這塊的。后面，我們也在不斷引入多元化人才加入，有很多海歸，不是說海歸一定比我們強，而是在這個領(lǐng)域里，需要中國跟美國的技術(shù)人才在一起，在國內(nèi)產(chǎn)業(yè)格局理解和國際前沿跟蹤方面有個良好的呼應。
　　
　　【記者】云知聲每年在研發(fā)上的經(jīng)費有多少，占多大比例？
　　
　　【黃偉】我們每年成本差不多幾千萬，研發(fā)投入占到總支出的70%。
　　
　　【產(chǎn)品與業(yè)務】AllIn物聯(lián)網(wǎng)AI,投注車載、家居、醫(yī)療三大領(lǐng)域
　　
　　IoT領(lǐng)域AI技術(shù)服務云知聲All-In，手機端非其業(yè)務重點。車載后裝、家居、醫(yī)療三領(lǐng)域為云知聲產(chǎn)品主要應用場景，目前幾乎無利潤。
　　
　　產(chǎn)品服務激活量及其使用頻次是重點評價指標之一，生產(chǎn)合同簽訂和實際落地出貨量是關(guān)鍵指標之二。
　　
　　【記者】云知聲的業(yè)務領(lǐng)域側(cè)重哪方面？
　　
　　【黃偉】我們的定位是專注物聯(lián)網(wǎng)領(lǐng)域的人工智能服務，所以主要在IoT領(lǐng)域做優(yōu)化，IoT領(lǐng)域的重點又集中在家居和車載兩方面，以及在這兩方面發(fā)展要整合的服務。比如，開車的時候，除了要對POI（pointofinterest）進行識別，用戶可能還有一些如歌曲娛樂、餐飲、加油站等周邊生活服務的需求，我們就要針對這些專門做優(yōu)化；此外，IoT領(lǐng)域，很多場景跟硬件有關(guān)，我們不能只做云端識別，還要做一些本地的、甚至低功耗的，這也是我們優(yōu)化的目標。
　　
　　【記者】為什么會定位在IoT領(lǐng)域？與訊飛這樣的巨頭相比有什么差異？
　　
　　【黃偉】云知聲從2012年9月開始做語音云平臺，發(fā)現(xiàn)了一些很有意義的數(shù)據(jù)：有一些用戶量很大的APP，其實語音使用的頻次并不多；反倒是一些硬件設(shè)備廠商，數(shù)量上雖然沒有軟件多，但語音的使用頻次很高。比如，今天樂視超級電視每天的語音激活幾乎是100%，每個用戶每天的語音使用頻次在幾十次以上，這是一個相對高頻的數(shù)字，但我們也會看到一些號稱用戶過億的APP，每天語音使用其實只有1%-2%。所以我們判斷語音并不是手機應用的剛需，再加上公司資源有限，所以從成立至今云知聲一直沒有在手機領(lǐng)域投入太多資源，而是專注在IoT領(lǐng)域。
　　
　　我覺得我們和訊飛大的差異就在于定位不一樣。訊飛毋庸置疑是偉大的企業(yè)，是我?guī)熜謩?chuàng)立的公司，我對他非常尊敬。訊飛的主營業(yè)務，集中在教育、運營商、金融、政府領(lǐng)域，所以會側(cè)重把人力和資源投入到這些方面。另外，訊飛是一家上市公司，要關(guān)注資源投入和收益產(chǎn)出比。坦率來講，今天IoT的業(yè)務幾乎是賠本的，所以我們跟訊飛技術(shù)都很，但是為了讓客戶買單的話，技術(shù)優(yōu)化目標不一樣，提供的service不一樣的，對客戶的服務水平也不一樣。整體而言就是資源投入上訊飛可能不會作為重點，但對云知聲來說IoT是ALLIN來做的事情，今天它的規(guī)模并不大，但我們更相信未來。不過，今年我們漸漸看到訊飛對這塊已經(jīng)開始重視了。
　　
　　【記者】云知聲目前在IoT領(lǐng)域的業(yè)務做得怎么樣？
　　
　　【黃偉】IoT領(lǐng)域來講，云知聲應該是國內(nèi)早落地的公司。去年IoT所有的語音收入幾乎是被我們拿的，差不多有幾千萬，今年可能會有幾個億，但總體來講市場規(guī)模并不大。我們是TOB的公司，站在客戶的身后，這方面對外界講得一直比較少，但比如說在汽車后裝車載市場，云知聲的車載語音交互方案已經(jīng)有近百家合作客戶，市場占有率，大概在60%至70%。
　　
　　【記者】為什么選擇后裝車載市場，又是如何挖掘這塊市場的？
　　
　　【黃偉】我科大畢業(yè)后在摩托羅拉工作，后來加入盛大，在加入盛大之前還有大半年在Nuance工作，就是負責車載，對車載的市場了解比較多。車載前裝市場，測試周期很長，流程非常嚴格，一般需要3-5年，流程都走完后發(fā)現(xiàn)一款車的銷量其實很少。就像今天我們花100多萬去買一輛好車，但發(fā)現(xiàn)電子設(shè)備都很落后，因為那是幾年前定裝的。對一個初創(chuàng)企業(yè)來說，做前裝性價比不高。