美國調(diào)查公司VoiceLabs在本年初發(fā)布了《2017年語音報(bào)告》，報(bào)告中對目前美國智能語音市場進(jìn)行了調(diào)查，特別是亞馬遜Alexa和谷歌Google Home的開發(fā)者和消費(fèi)者。報(bào)告中預(yù)測2017年將有2450萬臺以語音為主要交互方式的智能硬件產(chǎn)品發(fā)貨，市場總量將達(dá)到3300萬臺，市場規(guī)模超過200億美元。

↑ 語音為主的智能硬件產(chǎn)品

隨著亞馬遜的智能音箱Echo銷量逼近千萬，蘋果的智能耳機(jī)AirPods登頂美國無線耳機(jī)市場榜首，亞馬遜Alexa在美國CES展上大放異彩，國內(nèi)各個科技公司也紛紛開始了進(jìn)入語音交互領(lǐng)域。

無論是IT科技巨頭阿里、百度、騰訊、科大訊飛等，還是陸續(xù)出現(xiàn)的思必馳、聲智科技、云知聲、三角獸、驀然、Rokid等創(chuàng)業(yè)公司，智能語音產(chǎn)品和語音助手成為競相追隨的熱門話題，儼然形成了一股全行業(yè)研究亞馬遜Echo的熱潮。根據(jù)聲智科技提供的數(shù)據(jù)，國內(nèi)已經(jīng)有超過200多家公司正在研發(fā)類似Echo的智能音箱。

然而，就在國內(nèi)科技公司還在模仿Echo之時(shí)，國外的科技巨頭已經(jīng)開始進(jìn)一步搶奪全球語音交互市場的控制權(quán)。無論是行業(yè)標(biāo)準(zhǔn)的定制，還是戰(zhàn)略專利的布局，抑或是音頻數(shù)據(jù)集的開放，以及各種產(chǎn)業(yè)生態(tài)聯(lián)盟的搭建，一切都在悄然的進(jìn)行中。

智能語音交互的行業(yè)標(biāo)準(zhǔn)之爭拉開帷幕

3月6日，微軟在其官網(wǎng)上發(fā)布了新版本的語音平臺測試標(biāo)準(zhǔn)，即2.1版本。微妙的是，就在微軟發(fā)布消息的同時(shí)，我們驚喜的發(fā)現(xiàn)，亞馬遜的官方網(wǎng)站上也已經(jīng)推出了其語音測試的最新標(biāo)準(zhǔn)，智能語音交互的行業(yè)標(biāo)準(zhǔn)之爭已經(jīng)開始“漸入佳境”。

微軟指出，目前語音平臺支持Windows 10中的所有語音體驗(yàn)，如Cortana和Dictation，而其最新的測試標(biāo)準(zhǔn)適用于所有使用微軟語音平臺的音頻輸入設(shè)備。其中，直接影響的設(shè)計(jì)參數(shù)，包括語音識別精度和語音處理算法的性能。目前，微軟還沒有把該測試標(biāo)準(zhǔn)作為設(shè)備認(rèn)證必不可少的環(huán)節(jié)。然而，隨著測試標(biāo)準(zhǔn)日益規(guī)范化，平臺用戶數(shù)增多，未來的結(jié)果一切都不言而喻。

↑ 測試環(huán)境搭建圖

區(qū)別于微軟，亞馬遜也為其所有采用Alexa開發(fā)的智能語音產(chǎn)品設(shè)立了相應(yīng)測試標(biāo)準(zhǔn)，然而，此測試并未公開，還是采用黑盒測試的方式，用戶需提交產(chǎn)品給亞馬遜進(jìn)行相應(yīng)測試。其產(chǎn)品通過認(rèn)證測試后，搭載Alexa的智能語音交互產(chǎn)品才可獲得Alexa認(rèn)證，并在Alexa Smart Home商店出售。

↑ 目前通過測試獲得認(rèn)證的企業(yè)

語音交互市場專利布局競爭更為激烈

一直以來，一旦掌握行業(yè)標(biāo)準(zhǔn)制定的主導(dǎo)權(quán)也就掌握了整個市場的控制權(quán)。與其有同樣魅力的便是專利。當(dāng)今的激烈市場競爭中，專利早已經(jīng)成為市場競爭的一柄利劍。

從1月19日國家知識產(chǎn)權(quán)局公布的數(shù)據(jù)顯示：過去的2016年，我國國家知識產(chǎn)權(quán)局共受理發(fā)明專利申請133.9萬件，同比增長21.5%，這已經(jīng)是我國第6個年頭專利受理量居世界首位。同時(shí)，國外專利的申請情況也保持良好的增長勢頭，2016年通過《專利合作條約》（PCT）途徑提交的國際申請4.50萬件。然而，雖然專利整體保持良好的發(fā)展態(tài)勢，但是，在語音交互領(lǐng)域國內(nèi)的專利布局與國外尚存差距。

眾所周知，語音交互涉領(lǐng)域廣泛，是一門多項(xiàng)技術(shù)融合的交叉學(xué)科，涉及到信號處理、模式識別、概率論與信息論、發(fā)聲機(jī)理和聽覺機(jī)理、神經(jīng)網(wǎng)絡(luò)，語音識別，機(jī)器學(xué)習(xí)等。其中，語音以及音頻的編解碼（G10L），電數(shù)字?jǐn)?shù)據(jù)處理（G06F），電話通信（H04M），這三個領(lǐng)域?qū)＠鄯e數(shù)量最多，比例高達(dá)80%。

從德溫特世界專利索引數(shù)據(jù)庫平臺收錄的自1963年以來全世界40多個專利機(jī)構(gòu)的基本發(fā)明的數(shù)據(jù)來看，語音識別的相關(guān)專利約2萬件。

↑ 根據(jù)CNKI自1985年后收錄的中國專利的數(shù)據(jù)來檢索關(guān)鍵詞語音識別情況

其中，截止到2015年，僅“語音識別”累積專利申請量方面來看，前五位的為IBM，NEC，微軟，Nuance和東芝，分別為749件，508件，506件，415件，406件。而從2010年至2015年的語音識別專利的申請量來看，除了IBM被Google替代，降至第7名，其他幾位仍然保有專利數(shù)量的優(yōu)勢，排名順序是Nuance，谷歌，微軟，東芝，NEC，分別為206件，178件，141件，102件。

巨頭形成的專利防御攻勢仍然迅猛，而業(yè)界所關(guān)心的后起之秀也來勢洶洶，2010至2015年，僅“語音識別”方面，谷歌布局專利178件、蘋果布局專利25件、亞馬遜布局專利33件。

對于國外的科技公司來說專利之間的斗法更加劍拔弩張，專利壁壘正在逐漸形成。從《中國知識產(chǎn)權(quán)報(bào)》發(fā)布的數(shù)據(jù)來看，截止至2017年1月，蘋果公司在語音領(lǐng)域的專利申請量為695件，而谷歌公司為1261件。從語音領(lǐng)域?qū)＠季址矫婵矗瑑杉夜驹谡Z音領(lǐng)域的技術(shù)除了自主研發(fā)外，還通過并購語音類相關(guān)企業(yè)或者收購語音技術(shù)相關(guān)專利來加強(qiáng)專利儲備。

2013年蘋果公司收購語音識別公司NovaurisTechnologies。經(jīng)過收購，蘋果公司獲取了該公司的4件語音專利。通過這4件專利，蘋果Siri由可通過簡單識別單個詞句來理解上下文，發(fā)展到通過識別超過2.45億個短語來輔助理解上下文的功能，從而大幅度提升語音系統(tǒng)的理解力。

為了應(yīng)對蘋果公司帶來的激烈競爭，谷歌公司采用了專利“圍剿”戰(zhàn)術(shù)。2013年，谷歌公司收購了Wavii公司的一件專利，該專利技術(shù)使得谷歌公司的語音搜索識別正確率提高了25%。同年，又收購了SR Tech Group公司的兩件關(guān)于語音識別的專利，并購入雅虎公司的一件名為“背景會話上下文搜索技術(shù)”的專利，通過購買專利，谷歌公司擁有了完整的語音識別引擎。

目前，中國的語音識別企業(yè)專利布局還主要是在國內(nèi)，國際領(lǐng)域的專利布局情況和國外企業(yè)對比，確實(shí)還存在巨大差距。不過，國內(nèi)企業(yè)的知識產(chǎn)權(quán)意識也越來越強(qiáng)烈，百度，科大訊飛，聲智科技等在近幾年的專利申請上也有不錯的作為。

對比于市場銷量帶來的直接經(jīng)濟(jì)效益，知識產(chǎn)權(quán)的價(jià)值還不能充分體現(xiàn)。然而，在提高公司效益，搶占市場，保持公司可持續(xù)發(fā)展時(shí)，知識產(chǎn)權(quán)的價(jià)值不可小覷，專利作為企業(yè)不得不向公眾透露以獲取獨(dú)占權(quán)的關(guān)鍵信息，對其進(jìn)行詳細(xì)、周密、綜合的分析，可以從中獲得巨大的商業(yè)價(jià)值，特別是在國際市場競爭中。

谷歌開放音頻數(shù)據(jù)集，用意不言而喻

3月8日，谷歌開放了一個大規(guī)模的音頻數(shù)據(jù)集 AudioSet。該數(shù)據(jù)集包含了 632 類的音頻類別，收集了2084320 條人工標(biāo)記的每段 10 秒的YouTube視頻中的聲音剪輯片段（包括 527 個標(biāo)簽）。

這些特定音頻是使用基于元數(shù)據(jù)，上下文（例如，鏈接）和內(nèi)容分析的搜索來標(biāo)記的。聲音內(nèi)容十分廣泛，包括人類的聲音和動物的聲音，各種類別樂曲的聲音和每天日常環(huán)境中的各種聲音等。谷歌聲稱：此次開放這個數(shù)據(jù)庫的目的就是為了滿足學(xué)術(shù)研究的需求。

從此前ImageNet廣泛數(shù)據(jù)集的開放效果來看，大部分識別圖像中的目標(biāo)研究已經(jīng)從中獲益。而此次，對于利用AudioSet公開數(shù)據(jù)集訓(xùn)練機(jī)器學(xué)習(xí)模型的語音識別研究者或者技術(shù)公司來說，無疑是獲益匪淺。然而目前，國內(nèi)的科技巨頭還沒有開源音頻數(shù)據(jù)集的動作，哪家公司可以有魄力的貢獻(xiàn)資源，我們還要翹首以待？

組建產(chǎn)業(yè)聯(lián)盟，試圖瓜分市場蛋糕

毫無疑問，通過語言交流獲取知識是人類最有效的學(xué)習(xí)方式。從PC時(shí)代的鍵盤鼠標(biāo)過渡到移動互聯(lián)網(wǎng)的觸屏操控，下一個AI時(shí)代，無疑將會是以語音、體感等多種感知融合的新的獲取方式，而語音交互作為天然的人機(jī)交互入口，勢必是對信息生態(tài)與未來生活的一種重構(gòu)。

誠然，語音交互涉及了非常復(fù)雜的技術(shù)鏈條，包括了聲學(xué)處理、語音識別、語義理解和語音合成等核心技術(shù)。需要產(chǎn)業(yè)鏈上下游相互合作，需要產(chǎn)業(yè)伙伴相互合作。目前，美國頂尖的科技公司，INTEL、ARM、谷歌、亞馬遜、Facebook等都紛紛牽頭成立了自己的產(chǎn)業(yè)聯(lián)盟。

隨著智能語音交互領(lǐng)域不斷發(fā)展，國際化的競爭也會日趨激烈。如何積極搶占全球智能語音交互的主導(dǎo)權(quán)？必然是組成產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)盟，把握國際標(biāo)準(zhǔn)的制定、積極做好專利戰(zhàn)略布局，才能緊抓國內(nèi)外同步創(chuàng)新的契機(jī)，不再重復(fù)PC和移動互聯(lián)網(wǎng)時(shí)代的遺憾。