最近AI寒冬論再起，從圖像到語音再到自動駕駛這三個人工智能賽道輪番被詬病，特別是語音賽道，如今更是備受美元資本市場冷落。為什么會出現(xiàn)這個情況呢？我想主要還是大家當(dāng)前的認(rèn)知和信心問題，因為從實(shí)際商業(yè)化進(jìn)程來看，圖像和語音是人工智能領(lǐng)域早就規(guī)模商業(yè)化的領(lǐng)域，圖像主要是面向安防等行業(yè)的專業(yè)應(yīng)用，而語音主要是以智能音箱為代表的面向消費(fèi)電子的個人應(yīng)用，其他比如金融、醫(yī)療、零售、客服等AI應(yīng)用相對規(guī)模還是小一些，而自動駕駛更是需要時間，短期內(nèi)商業(yè)普及的可能性微乎其微。從最近五年的融資事例來看，人工智能的融資總額還在上升，但是已經(jīng)越來越集中于A輪以后的企業(yè)，也就是說資本更加看較為成熟的AI公司。

事實(shí)上，商業(yè)化進(jìn)程更快的技術(shù)率先遇到信心低谷也是正�，F(xiàn)象，畢竟技術(shù)和市場都存在一定的交叉周期，過早落地就意味著暴露出更多實(shí)際應(yīng)用的問題，這就需要資本低谷來消化技術(shù)爆發(fā)早期的泡沫，這總比一些技術(shù)或者產(chǎn)品的“見光死”要好很多。早期互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)也都經(jīng)歷了類似的階段，智能手機(jī)的孕育期也超過了十年并且更迭了一波巨頭才實(shí)現(xiàn)爆發(fā)前夜的積累，似乎有點(diǎn)符合股票市場的艾略特波浪理論。不過語音相對更加凄慘一些，基礎(chǔ)技術(shù)的研究差不多有60多年的歷史，直到最近幾年才有像樣一點(diǎn)的產(chǎn)業(yè)落地，而且語音相對圖像天生就沒有奪目的本領(lǐng)，語音賽道的低調(diào)讓人覺得沒有圖像賽道那樣炫目多彩。這一點(diǎn)其實(shí)就很不符合美元基金的審美邏輯，美元基金強(qiáng)調(diào)的是故事的性感，而且更加希望公司能夠登陸美股市場。當(dāng)然，換個角度來看，語音賽道并非一個燒錢的賽道，事實(shí)上燒錢的業(yè)務(wù)本身也有問題，技術(shù)的優(yōu)勢在于先發(fā)優(yōu)勢，只有唯快不破才能立于不敗之地，而資本只是幫助構(gòu)建壁壘的工具。這個世界有太多事情并不是燒錢就能獲得的，正確往往就是不容易。比如人工智能和區(qū)塊鏈，雖然區(qū)塊鏈的技術(shù)理念很好，但是太過于炒作并且只為牟利不顧道德，所以從全球關(guān)注趨勢來看，可以借用一句俗語“We know more than we can tell”來總結(jié)。

進(jìn)一步的說，聲音雖然承載了人類的思想和情感，但是圖像卻承載了人類的表象和直覺，顯然人類的第一印象，內(nèi)涵豐富遠(yuǎn)遠(yuǎn)比不上外表艷麗，這是人類基于生殖繁衍的本性追求，也是無可厚非。更讓人惱火的是，聲音天然還不具有群體示范效應(yīng)，比如在人數(shù)眾多的會場，演示圖像總是容易引起觀眾的驚嘆，而若是演示語音則一般都會是災(zāi)難，對觀眾（所以不叫聽眾）來說，“看”總比“聽”更容易High起來。何況我們?nèi)祟愐矝]很好解決聚眾場所的“雞尾酒會效應(yīng)”問題，這種場合下的智能語音體驗絕對是一塌糊涂。即便相對簡單的家居環(huán)境，做好遠(yuǎn)場技術(shù)也是難度極大的挑戰(zhàn)。到現(xiàn)在為止，我們也沒有很好解決遠(yuǎn)場通話和遠(yuǎn)場識別問題，這點(diǎn)大家可以從全球銷量累積已經(jīng)過億臺的智能音箱產(chǎn)品中得到驗證，可以肯定的是，智能音箱已經(jīng)應(yīng)用了最為先進(jìn)的技術(shù)，但是仍然遠(yuǎn)遠(yuǎn)達(dá)不到很多AI廠商所給大家描繪或者演示的體驗預(yù)期，事實(shí)上，短期內(nèi)也不可能達(dá)到。

上面提到了“遠(yuǎn)場”這一概念，這是借鑒的學(xué)術(shù)名詞，一般我們定義為1尺以上的距離，1尺大概是1KHZ單頻聲波的一個波長，也是一個手臂自由操控的距離，為什么要定義這一概念？主要是為了讓行業(yè)對新技術(shù)有一個新的認(rèn)知，遠(yuǎn)場語音交互技術(shù)主要是解決真實(shí)場景下舒適距離內(nèi)人機(jī)任務(wù)對話和服務(wù)的問題，舒適距離的意思就是不要太遠(yuǎn)也不要太近，太遠(yuǎn)就會讓人不自覺提高說話聲音，這增加了能耗容易讓人疲勞，太近了則會觸發(fā)人類的安全意識，天天趴在耳朵上說話也受不了。為了更加準(zhǔn)確定義場景，我們一般取5米作為標(biāo)尺，事實(shí)上3米之內(nèi)才是最好的距離。所以，遠(yuǎn)場這個概念就是希望加強(qiáng)人們對于語音可以釋放雙手這一最大魅力特性的認(rèn)知，遠(yuǎn)場就是語音新技術(shù)最為顯著的標(biāo)簽，這也是聲智對語音技術(shù)做出的主要貢獻(xiàn)之一。

但是，即便以遠(yuǎn)場語音交互技術(shù)為核心的智能音箱全球爆發(fā)，國內(nèi)更是在推出后一年時間就達(dá)到了2200萬臺的銷量，仍然還是面臨了很多質(zhì)疑和批評。這些質(zhì)疑主要集中在兩點(diǎn)：一是語音賽道的商業(yè)趨勢問題，二是應(yīng)對巨頭競爭的策略問題。實(shí)際上這兩個問題有些相悖，第二個問題已經(jīng)例證了第一個問題的尷尬，就是因為這個賽道太重要了，所以全球巨頭都在其中競爭，包括了這個時代最有錢的所有互聯(lián)網(wǎng)巨頭：亞馬遜、谷歌、微軟、蘋果、臉書、三星、百度、阿里、騰訊、華為、小米等等。