出品 | © 探客Tanker

作者 | © 行者

编辑 | © 蛋总

2018年5月15日，谁人宣称“因担忧新产物会把人吓尿而要求锤粉穿纸尿裤来到场公布会”的老罗，如愿以偿在能容纳10万人的鸟巢，端出了自己心目中的“办公神器”——锤子TNT。

但这场引人关注水平颇高的公布会，事后被许多人看作是老罗做产物中的“麦城”之一。尤其是他在现场为各人演示TNT事情站中语音控制以及输入功效时，频繁呼叫却没有任何反映或者系统错误频出，已经成为老罗搞的公布会中为数不多的“翻车梗”。

不外，老罗一直被业内认为是个爷们。会后他不停地向各个互助方致歉，认为是自己产物司理的技术整理和准备水平不够，“现场没有把互助方最优质的技术展现出来”。

而就在这场“翻车”的公布会竣事两年六个月后，其时向锤子手机与TNT操作系统提供语音服务的云知声，正式向科创板提出了IPO申请。

听说该消息传出时，正在认真直播带货还债的老罗，在私下饭局上也对曾经的互助同伴表现了恭喜。

但后面就没有然后了。

2020年12月13日，云知声IPO文件宣布还不到一个月，科大讯飞在投资者交流平台上表现，云知声关于其语音病历市场、家电智能语音模组领域占有率高达70%的表述严重失实。科大讯飞对投资者回复中称，无论是在深度、广度照旧营收规模上，科大讯飞在医疗、家电语音应用领域的智能语音应用，均远超云知声。

这就是所谓“科大讯飞打假事件”的开始。而这条新闻爆出后，业内对云知声上市的前景纷纷不再看佳。

有意思的是，就在这半年多的时间内，与云知声和科大讯飞同处AI语音赛道的其他几家独角兽，纷纷探寻资本市场。

最新的消息显示，以语音通信和智能语音识别为卖点的PaaS企业容联云，在2021年2月9日乐成赴美上市，上市当日收盘股价上涨200%。再加上最近被爆炒火热的Clubhouse，被证明背后的语音服务提供商就是2020年6月在美国上市的声网。

种种迹象讲明，AI智能语音这个赛道，当下正迎来一场混战。

1、“被硬刚”的云知声

据官网先容，云知声靠语音起家，医疗语音交互系统是其“成名作”。云知声宣称，其语音识别率为97%至98%。

在提交IPO申请前，云知声完成了8轮融资，投资方包罗启明创投、高通创投、浙大联创投资、京东、奇虎360、中金公司、东方证券和中国互联网投资基金等，上市之前的估值已凌驾12亿美元。

2020年11月3日，云知声向上交所提供了招股书，申请在科创板上市。凭据招股书披露，智能语音交互产物是云知声营收的主要泉源，2017年至2019年的孝敬占比均凌驾60%。而在2020年上半年，智能语音交互产物的营收占比降至28.15%，低于智慧物联解决方案67.17%的营收占比。

从数额上来看，云知声智能语音交互产物2017年至2019年与2020年上半年的营收划分为5926.07万元、1.56亿元、1.37亿元、2383.73万元，先增后降。云知声表现，该板块收入下滑主要原因是智能语音模组出货量大幅下降。

2020年上半年，其实现营收8468.93万元，净亏损1.06亿元。

此次发作争议的，就是招股书中关于市场占有率的问题。云知声援引灼识咨询数据称，其通过与格力等白电巨头互助，市场占有率高达70%；在智慧医疗领域，其语音病历录入系统优势职位显著，市场占有率高达70%，病历质控系统逐渐发力，现在市场占有率约30%。

2020年12月11日，有投资者在互动平台就此向科大讯飞提问，科大讯飞在回复投资者提问时表现，云知声关于其语音病历市场占有率高达70%的表述严重失实。同时，科大讯飞还从笼罩医院数量、收入及公/私有云等维度枚举详细数据对比，以佐证其看法。

科大讯飞表现，以笼罩医院数量来比力，云知声在2017年至今年上半年的四个陈诉期划分为10、36、91和112家，科大讯飞同期划分为11、77、264和489家。而从收入看，云知声上述时期智能语音病历收入划分为170.96万、926.39万、1628.91万和895.48万元，科大讯飞同期划分为664.28万、2937.27万、3554.48万和3571.11万元。

因此，科大讯飞认为云知声的市场数据有问题，对此云知声并未做出回应。

终止IPO后，云知声总司理黄伟业对外透露表现要“先生长业务，再看看”，他认为停止审核主要是公司业务生长的思量，希望抓紧时间把业务做佳。但云知声并不会放弃IPO，未来会适时思量重启IPO的推进计划。

2、科大讯飞的强势

这场风浪中的另一个到场者科大讯飞，其实在AI语音赛道，是一个让其他竞争者苦苦追赶的“领头年老”。

1999年就已经进入这个领域的科大讯飞，许多语音识此外行业尺度都是这家公司到场制定的，整个行业的生长路径也基本上遵循着这家企业的技术实现通道。

要害是，联合10年后泛起的AI算法，科大讯飞在语音识别和相关领域的科研投入很是大，所获取的结果和专利，是其他行业企业无法相比的。

天眼查相关数据显示，科大讯飞在智能语音方面的专利凌驾1900件，软件著作权凌驾673件，这两个数字不仅让同行无法相比，还远高于此次风浪中的云知声——云知声现在拥有594件专利和57件著作权。

因此，业内其实有个说法：在语音识别领域想要厥后者居上的玩家，若无跨越式突破能力，最佳别轻易入局，究竟科大讯飞早已筑起专利墙。

另外，与越来越多到场这个行业的企业开始寻找细分市场来做突破差别，科大讯飞基本上从各个方面临语音识别以及图文识别、视频识别等方面，做了最深度的研发，并已经推出很是成熟的产物。

而财报数据显示，停止2020年11月30日数据，科大讯飞累计笼罩终端用户数凌驾30.2亿，企业应用方面，科大讯飞实现了396项B端的接入服务，已经接纳科大讯飞技术的企业凌驾200万家。

据艾媒咨询《2020年上半年中国人工智能工业专题研究陈诉》显示，在智能语音赛道，科大讯飞整体实力远超同行业其他竞争者，领跑第一梯队，尔后是百度、阿里云和思必驰等。

据「探客Tanker」视察，2020年疫情对科大讯飞的影响很大，尤其是在线集会的兴起，引发了B端用户对科大讯飞产物的关注。

为了利便远程办公，2020年科大讯飞在云集会中已通过精准语音识别为1000余家企业单元服务100万次远程视频集会，准确率最高可达97.5%。这些数字背后，其实意味着这种技术服务已成科大讯飞对B端产物的重要收入泉源。

而培育多年的B端市场现在成为科大讯飞提升自己业绩的期望，也是其2020年市场拓展上升最快的板块。这也是为什么云知声IPO文件公布后，科大讯飞会对市场数据那么敏感的原因。

2021年2月3日，科大讯飞召开最新财报通气会，相关信息显示，2020年度科大讯飞的累计净利润为12.29亿元至13.93亿元，同比增长50%至70%。

但凭据之前几个季报和半年报的数据可以推算，扣非后的真正净利润数据会比力低，应该在两亿元以内。究竟，三季报时科大讯飞实现归属于上市公司股东的净利润和扣除非经常性损益的净利润划分为5.54亿元和8395.23万元。

这在一定水平上说明，AI智能语音这个赛道，现在还没有一个能快速增长的商业模式，哪怕是科大讯飞也照旧处于业务的探索期，整个行业都还在对新的业务偏向举行探索和实验，这其实也意味着AI语音行业蕴藏着新时机。

3、竞争者的变通

2020年6月在美上市的声网，以及刚刚完成上市的容联云，被业内人士认为是“智慧的企业”。

一方面，它们并没有在科大讯飞、百度和搜狗等竞争对手聚焦的语音识别赛道上，花费太大的精神。究竟现在在这个领域，不管是商用的集会记载识别照旧医用的病历录入等细分市场，还处于早期的开发阶段，成熟度并不高。

另一方面，掌握语音传输和识别技术的声网和容联云，看到了“声音交流”在互联网商业应用的前景。因此，与其说它们是主做语音识此外公司，倒不如说它们酿成了两个“把所有跟语音相关的能力封装起来为第三方赋能”的平台型公司。

这也就是这两家公司都勉力推崇的PaaS模式。

固然，它们的重点在于语音的智能传输上，如何使用最便捷的手段、用最小的流量、通过占据最少资源的方式，将最清晰的语音传输到用户的手中是它们技术追求的目的。

与腾讯集会和ZOOM差别，这两家公司没有自己的使用场景，而是把所有的功效都封装成一个个的API接口，提供应第三方调取来获取相关的能力。

而容联云更进一步，这个平台还将文字图片传输的能力也联合在内，可以为用户提供类似软件内社交的能力，例如跟其他用户在平台上的相同、或者与客服的直接对话等功效。

虽然取了巧，但这两家公司确实到达了现在中小互联网企业生长中的一个痛点，那就是对于许多基础的互联网技术，初创企业急需使用但又没能力投入大量的资金举行研发。

所以，声网在上市前IPO的历程中，曾向投行分析师讲明自己公司的生长前景是使用智能语音传输与识别技术，搭建有利于物联网企业生长的基础设施。

（图 / 摄图网，基于VRF协议）

此外，由于中国市场的另一个特点是：对云通讯体现出较大需求的是行业大客户，而这些行业大客户对尺度化的产物不太伤风，他们大多愿意选择有定制化能力的服务商。因此，容联云在此之外还提供云呼叫中心（CC）、定制化的统一通信与协作服务（UC&C）等中大型客户需要的语音业务。

所谓云统一通信与协作，这类服务包罗了即时通信IM、视频集会、电话集会及直播等服务。这种基于云的UC&C解决方案通过一个集中式门户来支撑业务通信和协作所需的多种通信功效，如即时通讯、音频、视频集会和电话，支持公有云、私有云等多种部署模式。

而这个业务对两家新上市的智能语音企业来说，其实就是它们新的业务突破口，而且与科大讯飞、百度和搜狗等这些巨头企业在智能语音赛道并没有形成直接竞争，反而是一个互利互补的关系。

这也是为什么这两家企业在最近一年内突飞猛进的原因。

4、为什么是智能语音？

这两年里，AI行业在中国掀起了一轮接一轮的投资热潮。但与那些逐渐寂静下去的细分赛道差别，现在仍在市场中活跃的AI细分赛道里，智能语音算焦点的一个。

原因特别简朴。

当前，国际上对于人工智能基于算法实现的焦点理论没有告竣一致的认知。究竟相关人工智能领域应对的无一不是很是庞大繁琐的状况，在量子盘算机并没有投入使用的状态下，靠现有的盘算能力无法使用算法来实现真正的人工智能。

而在中国，各家独角兽们生长中或多或少都遇到这个问题。中国人的解决措施是：派人教会系统。

这个“通过人工穷举种种可能发生的体现形式，然后让盘算机记载再举行算法的执行”的历程，就是所谓的“数据标注”。与已经成为全球最大的AI市场相一致，在安徽、山东一带，也已成为全球最大的数据标注基地。

这些从事数据标注的人，被称作这个行业的“新民工”。

固然，人类在社会运动中时刻都市发生意外，为相识决这些意外带来的变化，AI领域的各个独角兽必须保持大规模的数据标注团队。

因此，有人开顽笑说，人工智能真的就是“人工”智能。也因此，2020年国际上就已经有科学家对外表现，现在已经实现的其实都是“伪”人工智能。

在这种历程中，语言由于焦点词汇的可控性以及增量样本的易输入性，逐渐成为穷举法应对AI智能的一个尺度案例。

因为每当用户使用科大讯飞的语音识别技术时，其每次纠正语音输出的效果，都意味着在动态资助科大讯飞的语音处置惩罚数据库积累样本和数据。而这种自动通过用户的使用来校准人工智能准确度的方式，在其他赛道实现起来的成本太高或者推广力度要增加许多。

因此，智能语音成为当下仅存且还可保证强大市场活性的人工智能产物领域。

（图 / 摄图网，基于VRF协议）

不外，这中间还存在庞大的问题。

究竟，人工智能最基础的理论并没有获得事实上的证明。许多被刊发出的理论仍然处于推论阶段，而着急的市场已经在使用这些理论构建产物，这被看作是基于算法的人工智能现在最大的BUG。

在科学界看来，许多突发的信息扰动会造成莫名其妙的失误，这点想完全用纯算法解决，险些不行能。

如果有新的突破性技术泛起，从底层理论和算法上完成蜕变，那或将对海内现在成型的AI工业带来无法估量的厘革。而在这方面，现在海内的关注度显着不够。

正如恒河之砂，搭不起万丈高楼一样。这种“穷举”的人工智能，如果不迭代，会出大问题。

倘若，“一刹那”能重来一次，也许多伦多大学的杰弗里·辛顿教授不会在2006年，对外公布自己的那三篇关于深度学习的论文。

因为他没想到的是，仅仅一个源自实验室的设想，如今已酿成了凌驾千亿美元的大生意并生长得超乎了人们的想象，尤其在资本市场汹涌澎拜的中国。

*文中题图来自：摄图网，基于VRF协议。