为什么语音的方向是在企业市场
从 2016 年到 2018 年，我会在不同的场景下看到下图或类似下图的变形：
这是有着「互联网女皇」之称的 Marry Meeker 在其互联网报告里一张图，就像这幅图的标题所言，在人类人机交互的时间线上，基于语音的交互正在成为未来。
2016 年开始，中国智能音箱市场正式开启，无论是先入场的阿里、百度还是后续的小米、华为，上面这幅图所阐释的理论、类亚马逊 Echo 的产品设计、低廉的价格以及对万物互联的各种承诺，都让语音与智能音箱牢牢绑定在一起，迅速成长为一个颇为热闹的市场。
但热闹的市场背后，消费者与厂商们并没有获得「应有的价值」，一方面，智能音箱天然是一种固定设备，这极大限制了其应用场景；另一方面，语音技术依然很傻，用户对智能音箱的期待与技术不合格之间的差距，使得用户很难建立起使用语音交互的习惯。
而对于厂商来说，赔钱赚吆喝的行业规则根本无法持续。
Meeker 指出了技术发展的未来趋势，但现状是，从苹果、亚马逊到阿里巴巴，这些当下中美最强大的技术公司，即便可以做出一台台所谓的智能音箱，但它们更像是语音数据收集工具，还需要更强大的机器或者廉价的人类劳动力，去解决「听见」、「听懂」的问题。
语音技术本质上不仅是要解决机器获取人声，更是要「识别」与「理解」，就目前来看，机器的语音识别准确率已经超过了人类，这既是智能音箱厂商前几年反复强调的技术突破，也为接下来语音在其他场景的应用提供了基础。
从宏观层面上分类，语音技术在消费市场和企业市场的应用场景与需求截然不同。
首先，在消费市场，从智能音箱到手机语音助手，这些语音交互场景都是开放式的，换句话说，机器所需要处理的是一个完全没有规则的交互逻辑，由此也给语音语义理解带来巨大困难。
比如第一代 Siri 出现的时候，人们迫不及待地想知道这个被乔布斯「钦定」的应用到底有多大威力，「调戏 Siri」一度成为全球性的话题，但很快，Siri 就被「玩坏」了，越来越多的用户发现，Siri 实在是太「傻」了，不仅功能单一，而且还无法真正理解人类复杂的语言体系。
其次，企业市场的语音应用场景更垂直化，以在线教育为例，利用语音合成和 VR 技术，可以构建起虚拟名师的形象，这个过程里的语音技术，其处理的需求都是集中在在线授课场景中，相对简单。
另一个值得关注的场景是医疗领域的语音电子病历，这里涉及到语音输入、识别等过程，最终形成结构化的病例数据，电子病历之外，包括导诊机器人在内的众多医院设施都具有语音交互的潜力。
这个市场有多大呢？下面是两张对比图，今年被微软 197 亿美元收购的语音技术公司 Nuance，其 2018 年医疗业务营收达到 9.9 亿美元，而 2019 年中国语音市场中的医疗健康细分领域规模只有 4 亿元人民币，预计 2022 年才能达到 10 亿元。
呼叫中心与客服也是一个典型场景，我曾在微软收购 Nuance 之后推断微软会将呼叫中心作为语音技术的发力点；在中国，大量的语音客服出现在电商、电信的业务推广甚至售后服务之中。
与其他企业市场类似，企业市场的语音玩家们也高度集中，上周，IDC 的一份报告也透露，2020 年疫情冲击下，语音语义软件的需求进一步向头部公司集中，其中阿里在该领域增长态势最为迅猛，年增速高达 96.6%，超过百度 59.8% 和科大讯飞 24.3% 的增幅。
综上来看，语音技术还在不断发展之中，并且更多的应用创新出现在企业市场，通过「语音+行业知识」的结合，在降低成本的同时，提升客户体验，才是一项 AI 技术落地的关键，至于智能音箱或语音助手，距离成为你我心目中的萨曼莎（电影《Her》里的语音机器人）还有很长一段路。
|
