解放千萬智能家居，度家給出語音控制的最優解_風聞

什麼是智能？

可以找到的回答有很多，不過近幾年逐漸有了統一的答案。

當你想要知道明天的天氣情況時，可以直接問家裏的智能音箱；當你開車時想要切換導航路線，可以直接説出新的目的地；當你感覺空調不夠涼爽的時候，也可以直接告訴空調把温度調低一些……

智能化的標準或許很廣泛，但語音交互已經是最基礎的門檻。

剛剛結束的2021雲智技術論壇上，百度智能雲將不小的篇幅留給了度家語音語義一體化平台。在語音能力逐漸成為“智能”的代名詞，並升格為IoT產品標配的大環境下，百度智能雲所謀為何？

01 技術的倖存者偏差

和機器“對話”似乎並不是什麼新概念。

早在上世紀80年代，語音識別就開始走出實驗室有了商業應用，儘管機器還只能識別單個詞彙，識別準確率也維持在相當低的水準，卻未能阻擋人們的嚐鮮心態，IBM的Via-vioce系統、微軟的Whisper系統、英國劍橋大學的HTK系統等先後誕生。

2010年是語音識別的轉折點，一些學者開始將深度學習技術引入到語音識別領域，語音識別的準確率不斷刷新紀錄。

到了2015年末，百度語音識別的準確率首次達到90%，等同於人類速記同樣一段對話的水平。Google在2017年6月宣佈語音識別的準確率達到95%，短短10個月後就被百度以97%的準確率超越。

技術被證實是產業繁榮的催化劑，語音識別的商業化就是直接的例子。

根據華西證券的調研報告，AIoT是大眾接觸消費者最普遍的渠道，目前智能語音已經應用於智能手機、可穿戴設備、智能車載、智能家居等產品，2020年的市場規模為241.1億元，預計到2023年市場規模將達到570.3億元。

語音技術的成熟以及語音市場的持續繁榮，是否預示着語音交互的用户體驗已經徹底告別嚐鮮期？

事實可能會讓人有些失望。心理學中有個概念叫倖存者偏差，如果把目光聚焦於百度這樣的技術派，語音交互已然邁向了新台階，但在相當比重的智能硬件產品中，諸如喚醒率偏低、識別率低、答非所問等現象仍然是一種常態。像百度這樣的頭部玩家仍在刷新紀錄，可很多主打語音控制產品還處於偽智能的階段。

02 度家給出的最優解

並不難對這一市場現象給出合理的解釋。

語音技術在消費級業務中的落地通常有兩種方式：一是將語音技術能力封裝為SDK或API，下游的客户或開發者可以直接調用，優勢在於成本較低，但技術能力因人而異；二是提供定製化的解決方案，即根據客户需求進行定製化、深度合作，在一定程度上保障了終端的用户體驗，缺點是成本偏高。

這大抵也是百度智能雲推出度家平台的原因所在，區別於上述兩種合作模式，度家語音語義一體化的思路讓外界看到了三重優勢：

首先，度家輸出的是軟硬一體的解決方案，集成了百度自主研發的鴻鵠芯片，在性能、兼容性、擴展性上打破了傳統方案的制約。

比如傳統芯片的平均功耗往往很高，而鴻鵠芯片將提取的語音特徵直接在雲端進行高精準識別，既保證了語音識別的準確性，平均功耗也只有100mw；鴻鵠芯片支持多達六路的麥克陣列語音信號，並支持deep peak、deep cnn語音喚醒以及百度最新的雙麥克模型波束算法，可以滿足設備喚醒後360度無死角識別；同時還能和各種安卓、linux芯片集成為onboard方案。

其次，語音語義一體化彌補了語義能力的短板，如果只有語音識別而缺少語義理解，折射到用户體驗上就是答非所問的尷尬。

除了流式多級截斷注意力模型、端到端建模等語音識別上的算法優勢，百度智能雲的另一個強項在於語義理解。在傳統的開發模式中，開發者想要讓理解語音的指令，需要花費很大的功夫理解意圖、詞槽、模板、特徵詞等等，度家平台的方案是語義物模型，開發者只需要理解設備屬性、控制動作、設備狀態等內容，進行簡單的配置就能驅動設備根據用户的語音指令作出正確的反應。

最後，通過開源框架和訂製開發板的產品矩陣，幫助開發者進一步降低技術落地的時間和成本，加速語音技術的規模化應用。

譬如在硬件層面，度家和樂鑫聯合開發了集成鴻鵠芯片的開發模組，採用了雙麥克風的設計，可以在5米範圍內精準拾音，同時搭載了DeepPeak喚醒引擎、端到端建模技術和流式截斷的多層注意力模型，極大地提升了語音識別的準確度，並且擁有方言識別、中英文混合識別等能力。配合百度官方的開源框架，開發者在極短時間裏就能將智能語音應用於智能家居、智能機器人等產品。

在智能語音市場高速增長，而語音控制的用户體驗卻有些掉隊的局面下，度家的語音語義一體化方案可以説是當前的最優解。

03 萬物皆可語音控制

百度智能雲押注度家的野心也就不難理解。

一種解釋是智能語音市場的掘金空間。曾有人在2019年對AI市場進行細分，其中智能語音的市場佔比為22%，僅次於已經實現大規模商業化的機器視覺，倘若算上自然語言理解16%的市場份額，等待語音語義一體化的將是一個體量不輸於機器視覺的藍海市場，百度智能雲無疑有着充足的用武之地。

即使是在智能家居市場，行業也還處於起步階段。2020年空調的出貨量為5100萬台，智能語音的搭載率僅為15%，小家電市場在2020年的銷售額約為7000億元，可智能語音的搭載率卻不到1%。以電視市場高達70%的智能語音搭載率為準繩的話，僅智能家居行業就存在着毋庸置疑的機會。

如果只是從市場規模的維度審視度家，可能會低估百度的戰略佈局，何況還有一種站在長遠視角上的解釋。

綜合不同調研機構的報告，目前智能音箱在國內的月銷量穩定在300萬台左右，累計出貨量已經超過1億台。按照國內當前的城鎮化水平，智能音箱在城鎮家庭中的滲透率業已超過20%，等同於智能手機在2012年前後的滲透程度，也就預示着語音交互的市場教育有了初步的基礎。

在百度的戰略謀劃中，小度系列產品擔綱了消費者教育的角色，小度的屢屢破圈就是最直接的寫照。作為百度AI To B的核心渠道，百度智能雲自然扮演了智能語音向B端輸出的角色，進而從B和C兩端加速智能語音的市場滲透。

可以佐證的是：度家已經為TCL的高端電視提供音喚醒及識別服務，解決了TCL原有語音方案遠場喚醒效果不佳、抗外噪能力弱等痛點，重構了TCL高端電視的語音交互體驗，未來TCL會有更多的家電將搭載度家的服務；針對掃地機器人、集成灶等工作環境複雜難以語音控制的產品，度家通過端雲一體的方案消除了技術落地的瓶頸；即便是智能風扇、咖啡機等低成本的小家電上，在鴻鵠芯片的賦能下實現了控制場景下的自由説，不再侷限於劃定的指令詞。

就度家最新的動作來看，正在藉助端雲一體、開源框架、訂製硬件的綜合優勢，給予開發者足夠的自主權，進一步降低智能語音技術的應用和開發門檻，讓開發者們以極低的成本將智能語音移植到新產品中，以潛移默化的方式逐步消除倖存者偏差的現象。

畢竟人類大腦每天處理的信息中，聲音信息的佔比高達20%。作為人類和外界最重要的溝通紐帶，智能語音註定是人機交互的主流趨勢之一，萬物皆可語音控制將是屬於智能化時代的鮮明特徵。

04 寫在最後

確切地説，度家只是百度智能雲在IoT領域的落子之一。根據IDC發佈的報告，在中國AI公有云服務市場，百度智能雲市場份額連續四年排名中國第一。

正如2021雲智技術論壇蘇州站上所呈現的，端邊雲全面智能化的天工AIoT平台將AI能力和物聯網進行了深度融合，諸如美欣達等合作伙伴在百度智能雲的賦能下實現了低碳運營，AIoT視覺智能已經深入到工業質檢、智能製造、城市管理等場景中……

攜AI進場的百度智能雲，正進一步釋放了物聯網底層能量。