今天下午，在第五屆世界互聯(lián)網(wǎng)大會上，搜狗發(fā)布了全球首個全仿真智能合成主持人。據(jù)搜狗CEO王小川介紹，與微軟小冰之類的虛擬主持人不同，這個“合成”主播除了聲音，還包括唇形及表情。

而在這次大會開幕前兩天，搜狗也發(fā)布其Q3財(cái)報(bào)。財(cái)報(bào)數(shù)據(jù)顯示，其Q3收入2．76億美元，同比增長7％，但2390萬美元的凈利潤則同比下滑23％。季報(bào)稱，這部分收入下降的原因在于，智能硬件產(chǎn)品的銷售下降，因?yàn)樗压窙Q定升級智能硬件策略，以更好地利用搜狗的人工智能能力并提高產(chǎn)品競爭力。而在這次世界互聯(lián)網(wǎng)大會的專訪中，王小川也對其人工智能布局、財(cái)報(bào)表現(xiàn)等問題言無不盡。

合成主播是一種“分身”的技術(shù)

記者：實(shí)際上虛擬主播已經(jīng)有過很多，搜狗這次跟微軟小冰之類的產(chǎn)品有什么不同？它會有什么應(yīng)用場景？

王小川：我們是一個合成主播，除了聲音、還有表情跟唇形，這是一種“分身”的技術(shù)，搜狗一直強(qiáng)調(diào)從助理、翻譯再到分身、問答，一脈相承的技術(shù)路線。

作為分身它的使用場景就會有很多。比如我們現(xiàn)在跟凱叔講故事正在談合作，以前是他來講故事，但是如果通過聲音表情合成有可能變成爸爸媽媽來講故事，應(yīng)用于教育場景。

記者：另一方面，從聲音模擬來看，搜狗的主播跟高德地圖里的林志玲有什么不同？

王小川：高德地圖用林志玲聲音做導(dǎo)航，需要錄入許多語料，并沒有學(xué)習(xí)過程。而我們需要很少的語料，比如說一個主播只需要錄入10分鐘的聲音就可以將其聲音特征模擬到其他的語音內(nèi)容中，這背后是我們有巨大的數(shù)據(jù)量支撐，才能實(shí)現(xiàn)前端更小的數(shù)據(jù)樣本。

記者：科大訊飛此前提過，翻譯的未來是“人機(jī)耦合”，語音識別不會取代同傳，您怎么看，合成主播是否會取代主播？

王小川：首先AI技術(shù)分為感知與認(rèn)知，在感知方面包括聲影圖像，機(jī)器可以跟人做到基本一樣，但認(rèn)知方面，涉及邏輯性及思考，機(jī)器現(xiàn)在做得很有限，這需要分層次看。

合成主播還是需要人的配合。最起碼新聞稿需要新華社的編輯去寫，它是單向輸入這個內(nèi)容。另外，實(shí)際上它是不理解稿子內(nèi)容的，只是表達(dá)視覺與聽覺，所以如果跟內(nèi)容強(qiáng)相關(guān)的表情可能做得不夠好。

關(guān)于財(cái)報(bào)：智能硬件不需要賺錢

記者：從財(cái)報(bào)看，醫(yī)療廣告是目前搜狗廣告收入占比最高的部分，但您提到要降低醫(yī)療廣告收入占比？

王小川：醫(yī)療上，我們首先要做到內(nèi)容權(quán)威，其次內(nèi)容優(yōu)先于廣告，降低醫(yī)療廣告收入也是為了差異化競爭，如果能讓用戶喜愛度提高，流量變大，收入也會進(jìn)一步提升。目前，我們的醫(yī)療廣告收入占比是低于百度的，我們的用戶查詢占比超過9％，是百度的兩倍，而從收入上看，我們是占比20％，而百度是30％。

記者：從智能硬件上看，作為我們AI一個體現(xiàn)的智能硬件收入?yún)s下降。

王小川：明年一季度我們也會做一些大眾化的智能硬件產(chǎn)品，但不是音箱，因?yàn)橐粝涞闹饕�競爭�?yōu)勢在于便宜，是資金驅(qū)動而不是技術(shù)驅(qū)動，我們會在生活工作方面做一些新的嘗試。

另外，不管大眾小眾，我們不依賴于智能硬件去賺錢。小眾產(chǎn)品，比如翻譯寶，我們做品牌；未來的大眾產(chǎn)品也是做用戶量，依賴于巨大的流量可以去做一些廣告之類的其他收入方式。

記者：那我們會做車聯(lián)網(wǎng)嗎？

王小川：這不是我們的優(yōu)勢。單純的AI是不能談賺錢的，它只是一種技術(shù)，不是商業(yè)模式，商業(yè)模式只有兩種，要么賣服務(wù)，向B端賣整套解決方案；要么賣產(chǎn)品，去造車。我們是一家2C公司，又沒很大的資金量造車。

記者：那比如說百度apoll這種開放平臺模式？

王小川：早期技術(shù)創(chuàng)新是來自于一個自我的封閉體系，就像當(dāng)初PC也是IBM把軟件、硬件之類的全做了。開放是一種商業(yè)模式創(chuàng)新，是促進(jìn)一個相對成熟的市場提高效率。從目前看，單純的一個OS平臺是不可能做無人駕駛的，因?yàn)闆]法建立自己的真正核心競爭力。