本文转自乌镇智库（公众号：wuzhen-institute）
一直以来，科大讯飞被称为“人工智能第一股”，自5月开始，股价涨势迅猛，市值近千亿。然而近期，科大讯飞经历了“惊心动魄”的一周。8月27日，讯飞的股价开始了毫无征兆的闪崩跳水，8月27日-28日两个交易日累计跌幅10%，市值瞬间蒸发。
图为科大讯飞28日股票指数
质疑点
这一始料未及的股价震荡引起了多方对于科大讯飞质疑，以及对语音交互产业空前的巨大质疑。特别是，随后长江商学院薛云奎教授的一篇文章《科大讯飞业绩含金量低风险巨大》，再一次把语音交互产业，甚至人工智能，推上了风口浪尖。
薛云奎对科大讯飞的市值提出质疑，称科大讯飞是股市上的大公司，财报上的小公司。该公司2016年度的销售额为33.2亿，税后净利润为4.97亿。他就此提问：一家小公司何以在证券市场上卖出800亿至900亿的市值?
薛云奎分析认为，科大讯飞代表的是时下最热门的人工智能概念。它所拥有的核心技术是智能语音识别与合成，其产品已占到中文语音技术60%以上的市场份额，语音合成产品70%以上的市场份额，而在电信、金融、电力、社保等主流行业的份额更是高达80%以上。不过他话锋一转，“看生意的关键还是要看业绩，尤其是财务业绩。”
他认为科大讯飞的财务业绩是表面光鲜但含金量低，最后指出，公司利润不可持续，在其光鲜的增长背后，其实隐含了巨大的风险。
其实，这半年媒体对于语音交互产业的关注度非常高，一直以来看多和看空的声音争执不下。此次股市风波，又一次把这个问题摆在大家面前。
那么，此次科大讯飞的股价震荡是实属个案？还是真的是语音交互产业存在巨大风险？人工智能会再次遭遇新一轮凛冬吗？
语音交互行业虚景？
的确，在国内A股市场的科大讯飞，是近场语音交互行业的龙头企业。其优势在于概念先发、行业背景和地方支持。但是，即便是其技术，科大讯飞也不能代表语音交互整个行业。
因为在语音交互行业，还有很多互联网巨头，如百度、阿里、腾讯，以及创业公司，况且人工智能时代真正落地产业的是远场语音交互，而不是科大讯飞所擅长的近场语音交互。
除此之外，从市场和技术两个角度来看，大家看待这个新兴市场的时候也有点过于谨慎和悲观了。
首先，从市场的角度来看。从大格局来说，这个行业确实还没有形成规模，全球年收入也就在100亿人民币以内规模。但是语音交互天生有个优势，就是如果未来世界需要机器更加智能，那人机交互就是首要解决的问题，我相信大部分人无法忍受一个不懂人话的机器还叫智能。如果这个趋势我们达成共识，那么对于这个行业趋势的质疑就无法立足。
再从具体的点来看，语音交互辐射太多的人工智能相关产业，其实是个庞大的产业集群，刚刚兴起阶段，必然就需要一个突破口来落地。很明显的是，这个突破口应该是当前非常火热的智能音箱。全球几乎所有互联网巨头创历史的达成共识，聚焦于一个小小的智能音箱，这绝不是偶然，即便头脑发热，也不可能如此跟风。
其实智能音箱成为这个突破口，有着自身天生的优势：
音箱是在线音乐落地的天然载体，而在线音乐是刚需但正寻求突破的产业；
而且音箱形态本来没有触摸屏，不会让萌芽的语音交互被触摸交互所秒杀；
另外音箱是市场已经验证的成熟品类，恰好也处在从蓝牙音箱升级的风口。
这样看来，不管在智能音箱上怎么折腾，其实趋势风险都不会是太大，这就会让厂商将精力聚焦到产品打磨而不是研判趋势方面，更容易诞生用户口碑较好的产品。事实上，智能音箱的销量已经被市场证明了，Amazon的Echo销量已经过千万，而小米的小爱同学第一批产品公测就获得了超过百万用户的参与，这说明智能音箱的概念其实已经被用户所接受了。
图为亚马逊Echo
现在最需要解决的就是降低广大用户体验智能音箱的门槛，北美的亚马逊、谷歌、苹果在行动，韩国的三星也正式入局。近来，日本厂商索尼、松下也开始宣布抢进，在德国IFA上发布了智能音箱产品。国内除了创业公司，阿里和小米都在行动。所以说，恰恰是看到了这一点，小米能超越此前发货的众多智能音箱，未来销量脱颖而出也是大概率事件。
但是当前市场的智能音箱又有点过热了，众多的创业公司也挤入巨头们竞争的主赛道，很多时候媒体也夸大了智能音箱的作用。
智能音箱现存思考
提到最近大火的智能音箱，我们最好再思考以下几点：
（1）不要把智能音箱看作什么人工智能的入口，这显然夸大了智能音箱的重要性，人工智能是物联网的智能化，物联网天然就要去中心化。人工智能时代，我们的入口绝对不再仅仅只有PC、智能手机或者智能音箱，而应该有更多的入口出现，比如智能电视、智能盒子、智能汽车、智能耳机，甚至智能冰箱、智能摄像头等。智能音箱，更准确的定位应该是人工智能的突破口，迄今为止，大众真正有了一款可以解放双手自由操控的机器，这对于远场语音交互具有划时代的意义，或许还将引起更多一连串的反应。
（2）不要抛开具体产品PK什么技术，或者凭空发布一些数据误导大众。语音交互领域的巨头和创业公司应该说各有技术特点和优势，而且技术本身就是一个迭代的过程，专注的厂商更具有技术优势。况且，语音交互产业其实已经从近场过渡到远场，其技术架构已经迭代进化了。远场语音交互技术最大的困难就是解决真实场景的复杂性，这不是实验室炫技的技术，而是需要经过市场打磨和用户认可的技术。
（3）远场语音交互技术从用户体验链条上来看，包含远场唤醒和远场识别两大功能，麦克分阵列技术只是服务于这两个功能。远场唤醒需要关注唤醒率和虚警率，而远场识别主要关注识别率。各家技术的差异度并不是那么巨大，比如唤醒率，安静状态下大部分都可以达到90%以上。但是仅仅这个参数是不够的，因为人类天生处在复杂环境，比如人类习惯的噪声场景下唤醒率和虚警率能怎样呢？那么又该如何定义这些噪声？当然还有更多复杂的问题需要解决，比如方言问题？小孩子问题？老人问题？老外说中文又该怎么办？这还不涉及语义理解，如果穷举下去，我相信技术人员会崩溃，但是这就是未来我们要解决的事情，人工智能才刚刚开始，可能需要几代人的努力。
（4）智能音箱产业是一个市场巨大的产业，而且由于音箱品类的本质属性，很难出现只有几家垄断的情况。这事实上也是产品厂商相对平台厂商的无奈，平台可以垄断，但是产品很难垄断。比如智能手机，即便苹果如此强势，仍然还有三星、华为、小米、Vivo、Oppo等，智能音箱的市场其实更加碎片化。但是有一点倒不能忽视，就是产品很容易出现头部厂商垄断份额或者利润的情况，比如苹果就垄断了智能手机的利润。
另外，从技术方面来看，语音交互市场是否存在巨大风险呢？
技术层面风险
其实，从技术方面来看，我们刚才也提到，语音交互已经从近场发展到远场，主要是解决真实场景的复杂性，这是声光电热力磁都要面临的问题，否则技术永远都只能放在实验室或者PPT上炫技。应用于市场的技术，从来都不是最领先的技术，而是最为成熟的技术，也是打磨最好的技术。
远场语音交互其实已经迈过了这个坎，其中最为关键的两项技术：麦克风阵列和远场语音识别其实都已经相当成熟。麦克风阵列技术属于声学领域范畴的技术，更加偏重于物理，这个技术其实在声学领域已经发展了几十年，其原理和方法并没有突破理论的边界。
图为麦克风阵列技术
而远场语音识别，其模型和算法也都是机器学习的成熟技术，大部分场景的复杂性其实依赖麦克风阵列解决，其核心是用海量数据弥补麦克风阵列的不足。因此，当语音交互行业从近场迈入远场领域，并不存在技术上的不可逾越，这就规避了技术导致的趋势风险，这很重要，因为很多新兴行业未能崛起就是因为技术上还存在重大缺陷。
但是，不存在技术鸿沟，不是说远场语音交互没有技术壁垒，恰恰相反，正是因为技术的升级导致了竞争格局的重新洗牌。技术总是会产生类似的效果，比方说显示领域经历了CRT、LCD、LED、OLED的技术升级，而这种升级诞生了很多新巨头，同时也导致了一些巨头的没落。同样，手机领域从电话、寻呼机、功能机、智能手机的技术升级，也导致了类似的结果。
因此，语音交互领域从近场到远场的技术升级，也给很多初创的公司留下了很大的想象空间。但是，这对于创业公司来说也并非都是利好，因为这意味着竞争的加剧，即便科大讯飞也是如此。
