5月27日消息，物聯(lián)網(wǎng)人工智能服務(wù)公司云知聲CEO黃偉于26日下午出席華興資本主辦的“一π即合·華興π對”CEO 峰會，在人工智能論壇上與啟明創(chuàng)投和聯(lián)想之星等知名投資機(jī)構(gòu)一起暢聊人工智能的行業(yè)與未來。
黃偉表示，雖然AlphaGo點(diǎn)燃了科技圈和投資界對人工智能的熱情，但人工智能(AI)真正能火起來是天時地利人和，核心上有兩個技術(shù)原因：那就是海量數(shù)據(jù)的積累和運(yùn)算能力的突破。
第一點(diǎn)， 互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的發(fā)展使得我們今天具備了以前不敢想象的海量數(shù)據(jù)，我以前在摩托羅拉當(dāng)時做產(chǎn)品的時候，當(dāng)時每個語言版本的容量只有100個小時。而今天，像云知聲的平臺每年有2億次調(diào)用，每天有幾百億的數(shù)據(jù)，這是過去一個大公司所有的數(shù)據(jù)量的幾十甚至上百倍。
第二點(diǎn)， 第二， 以前我們在實(shí)驗室做研究的時候，你會發(fā)現(xiàn)計算容量不夠用，以前計算用PC，但是我們現(xiàn)在有GPU集群，運(yùn)算能力達(dá)到了一個突破。
不過，黃偉同時也認(rèn)為，人工智能要想替代人類，路還很長。“ AlphaGo就是一個順勢而為的事情，但是這個事情只是證明技術(shù)的發(fā)展到了一定階段肯定會有突破，但是這個突破并不是以后所有的事情都可以被機(jī)器所代替。當(dāng)然這個臨界點(diǎn)是在逐步逼近的，二十年以后我相信大多數(shù)今天的職業(yè)都會被機(jī)器人所替代。 ”
以下是論壇問答環(huán)節(jié)的文字實(shí)錄：
主持人：大家好，我是華興資本的英航，請嘉賓自我介紹一下。
黃偉：大家好，我是云知聲的黃偉，云知聲是2012年成立的，我們是一個專注物聯(lián)網(wǎng)人工智能服務(wù)的公司，核心技術(shù)是智能語音識別和語義理解。會場旁邊有一位漂亮的小姐一直在敲字，講話的過程當(dāng)中可以把文字實(shí)時記下來，這就是語音識別技術(shù)。我們現(xiàn)在除了語音識別技術(shù)之外還有語義理解：我不光知道你講的是什么內(nèi)容，還知道你講的什么意思。另外，我們還具備遠(yuǎn)距離信號的捕捉、降噪等各方面的技術(shù)。
基于這些技術(shù)，我們構(gòu)建了云端芯一體的產(chǎn)品體系，不光有云端服務(wù)，我們還能把技術(shù)應(yīng)用在芯片里面。這個技術(shù)在今天已經(jīng)在智能家居、智慧醫(yī)療、教育等方面進(jìn)行了落地，有很多人不知道云知聲是做什么的，我們躲在很多企業(yè)的后面，比如說樂視、華為，我們是這些企業(yè)背后的服務(wù)商。云時代的來臨，我相信云知聲會迎來一個很好的發(fā)展機(jī)會，我們希望通過迭代更新的技術(shù)為我們企業(yè)提供更好的服務(wù)。
主持人：謝謝黃總。
主持人：科技行業(yè)投資前些年有幾個項目從融資速度來講大家沒有那么熟知，最近跟AlphaGo斗勝炒得很火，但是國際上一些技術(shù)試點(diǎn)和垂直應(yīng)用方面，想在此問一下各位嘉賓，從國際和國內(nèi)的差距來看，我們現(xiàn)在有哪些差距，或者說我們國內(nèi)的有適合機(jī)會在哪里?
黃偉：AlphaGo這個事大家如果不感興趣的話以為它是個騙子或者是忽悠，我2004年從科大博士畢業(yè)，讀書的時候我們學(xué)校里有哪個教授是做神經(jīng)網(wǎng)絡(luò)的，或者是做大數(shù)據(jù)挖掘的，大家一般都認(rèn)為是這個方向是沒有前途的，因為基本上學(xué)生畢業(yè)就得轉(zhuǎn)方向。在過去十多年里面融資非常難，我們真實(shí)經(jīng)歷過這個事，冷板凳坐了很長時間。
雖然AlphaGo點(diǎn)燃了科技圈和投資界對人工智能的熱情，但人工智能(AI)真正能火起來是天時地利人和，核心上有兩個技術(shù)原因：那就是海量數(shù)據(jù)的積累和運(yùn)算能力的突破。
第一， 互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的發(fā)展使得我們今天具備了以前不敢想象的海量數(shù)據(jù)，我以前在摩托羅拉當(dāng)時做產(chǎn)品的時候，當(dāng)時每個語言版本的容量只有100個小時。而今天，像云知聲的平臺每年有2億次調(diào)用，每天有幾百億的數(shù)據(jù)，這是過去一個大公司所有的數(shù)據(jù)量的幾十甚至上百倍。
第二， 以前我們在實(shí)驗室做研究的時候，你會發(fā)現(xiàn)計算容量不夠用，以前計算用PC，但是我們現(xiàn)在有GPU集群，運(yùn)算能力達(dá)到了一個突破。
不過，人工智能要想替代人類，路還很長。AlphaGo就是一個順勢而為的事情，但是這個事情只是證明技術(shù)的發(fā)展到了一定階段肯定會有突破，但是這個突破并不是以后所有的事情都可以被機(jī)器所代替。當(dāng)然這個臨界點(diǎn)是在逐步逼近的，二十年以后我相信大多數(shù)今天的職業(yè)都會被機(jī)器人所替代。
今天這個時間點(diǎn)講中國和國外的差距，我覺得有兩個方面，一個方面是在原創(chuàng)技術(shù)，我相信中國還是走在前面的，無論是在圖象還是語音，我們可以看到很多最源頭的創(chuàng)新，多半是歐美，當(dāng)然是以美國為主。但是在實(shí)用性方面，我個人認(rèn)為我們應(yīng)該是比歐洲領(lǐng)先的，云知聲參加過幾次全球最頂尖的語音評測，包括IBM等都在里面，云知聲拿過很多次全球第一名，說明我們至少在工程實(shí)驗方面至少不比國外差。再比如說我們參加圖象會議還是語音會議，你會發(fā)現(xiàn)有一半都是華人，但是從這個角度來講，我們今天在技術(shù)人才隊伍這一塊，中國已經(jīng)做得非常不錯了。
另外一點(diǎn)，在人工智能方面，中國的機(jī)會非常大。20世紀(jì)70年代應(yīng)用在統(tǒng)計領(lǐng)域，70年代做了一個4000次的識別系統(tǒng)，一直到在李開復(fù)做出這個語音識別系統(tǒng)之后又研究了30年，一直到2011年，基于統(tǒng)計模型的云識別依然在不斷的更新，只不過說我們從以前只能識別4000個詞到現(xiàn)在識別幾萬個詞，在這個框架下不斷的進(jìn)步，我相信今天之后我個人認(rèn)為這個云框架依然會延續(xù)，算法也會不斷地優(yōu)化和迭代，但是算法優(yōu)化的前提是什么?數(shù)據(jù)。中國是一個人口大國，以前數(shù)據(jù)量少得可憐，只有不到100小時，而且還是請人關(guān)在一個小房間里去錄。這個和同聲傳譯不一樣，今天的IT時代我們可以通過各種手段實(shí)時每天獲取大量的數(shù)據(jù)，中國有這種基礎(chǔ)，我相信有這個數(shù)據(jù)量做依托，在跟隨式的技術(shù)方面我們并不比全國任何一個國家的技術(shù)差，我相信中國國家在技術(shù)、創(chuàng)新和產(chǎn)業(yè)升級方面會做得越來越好。
主持人：人工智能火了之后，民間好多說法說美國大片里很多人工智能都實(shí)現(xiàn)了，很快就無所不能了，但是現(xiàn)實(shí)當(dāng)中很多方面還達(dá)不到那么美好。那目前到底發(fā)展到什么程度了?哪些能做到，還有哪些更遠(yuǎn)預(yù)期達(dá)不到的?學(xué)習(xí)場景里面真正能夠在商用或者是線上能用?希望大家進(jìn)行探討。
黃偉：我們一方面要看到大數(shù)據(jù)對人工智能帶來的推動和愿景，但同時我們要非常清醒的認(rèn)識到現(xiàn)在的大數(shù)據(jù)不是真正的大數(shù)據(jù)。一方面，今天的麥克風(fēng)是不是足夠好，比如說我離著很遠(yuǎn)的時候這個麥克風(fēng)能不能采集到很清晰的聲音，或者說晚上的時候一旦能夠很清晰的看到，這個物理方面還有局限性。第二，對機(jī)器人本身，既使是上面這些全達(dá)到了，但是都需要人工干預(yù)的，這個就意味著我們今天對大數(shù)據(jù)的利用效率是非常低的，這個一方面需要一些云上的突破，我今天這些訓(xùn)練數(shù)據(jù)能不能不需要人類干預(yù)，直接拿過來就可以用，但是我們現(xiàn)在在做這方面的努力和嘗試。如果說你的準(zhǔn)確率只有70%，100個字會錯30個字，那對不起這個數(shù)據(jù)顯然是不能用的，我們行業(yè)里都可以把它識別語音做95%、96%以上，如果我們做到98%、99%，意味著100個字里面錯一兩個字的話，這個不需要什么干預(yù)了，可以直接拿來用，這樣的話這個系統(tǒng)就真正進(jìn)入一個加速的運(yùn)營狀態(tài)，這是我對余總的補(bǔ)充。
我們小時候看的一些電影，有很多技術(shù)我們現(xiàn)在已經(jīng)在用了。我記得我看過一個電影，一個大亨坐在車?yán)锩妫懊娴娜税戳税胩燔嚥粏樱缓笏f了一句“開始點(diǎn)火”，然后車就動了，這就是語音識別。其實(shí)今天這個技術(shù)已經(jīng)開始用了，包括前一段時間渣打銀行已經(jīng)在使用語音識別技術(shù)，民生銀行的客服系統(tǒng)用的是云知聲的系統(tǒng)。很多時候科幻其實(shí)并不遙遠(yuǎn)，至于說一些更加玄幻一點(diǎn)的電影，人和機(jī)器可不可以談戀愛?這個稍遠(yuǎn)一些。
黃偉：其實(shí)這個人工智能分幾個階段，感知、認(rèn)知和通用人工智能。比如說我們通過麥克風(fēng)，通過攝像頭，通過其他的一些傳感器收集信號，這個是我們對物理世界的感知。沒有感知就沒有認(rèn)知，而且人工智能到最后不是分散性的，比如說我們做語音智能和圖象智能，但是人腦智能是一個綜合智能，不光是基于聽到的、看到的，可能還有基于多種情況，綜合在一起。情感是另外一種層次，所以我覺得在過去看到很多的東西現(xiàn)在已經(jīng)出現(xiàn)，但是還有一些事情會發(fā)生。客觀一點(diǎn)，今天相對比較確定性的是動作機(jī)器人很快就會替代人類工作了，更高的是一個情感層面的可能還需要一段時間，大家看沒看過一個大片叫《絕密飛行》?它是講無人機(jī)的，那個片子非常不錯，它就是講一個無人戰(zhàn)斗機(jī)，里面有人也可以無人，但是整個的操作性你可以理解為一個交互，甚至這個戰(zhàn)斗機(jī)還有情感，這個就是中國和美國下一代的戰(zhàn)斗機(jī)，一定是這種形式。科幻電影里面的已經(jīng)發(fā)生，在未來也即將發(fā)生。
主持人：剛才說的都是特別向上的、朝氣蓬勃的內(nèi)容。我們再來探討一下商業(yè)，感知類的內(nèi)容包括語音識別和圖象識別，如果直接2C，用戶量比較少，沒有一定的載體可能就會擱淺。如果2B的話給他提供這個功能，但是2B的廠商都是大廠，配件的能力或者是供應(yīng)商的價格(比較高)，所以從人工場景的商業(yè)模式方面想聽聽創(chuàng)業(yè)者和投資人的看法，未來我們應(yīng)該怎么做?
黃偉：你這個問題不光在人工智能領(lǐng)域存在，在所有方面都會遇到。這個跟中國整個商業(yè)環(huán)境有關(guān)系，人們的認(rèn)知就是軟件不值錢、技術(shù)不值錢，雖然我是搞技術(shù)的，但是我買正版軟件的次數(shù)不多，我相信很多中國人都是這樣的，但是我相信這個行業(yè)會變得更好，包括中國的互聯(lián)網(wǎng)創(chuàng)業(yè)已經(jīng)從以前的運(yùn)營模式創(chuàng)新、產(chǎn)品創(chuàng)新到今天的技術(shù)創(chuàng)新，我相信我們每個人包括我們的客戶都會越來越意識到這個價值，愿意為這個去買單。
作為很多創(chuàng)業(yè)公司來講的話，云知聲到下個月剛好四周年，我們一路上跌跌撞撞走過來，我們對這個感觸特別深，我們幾個創(chuàng)始人都是博士畢業(yè)，技術(shù)人員比較看重的是技術(shù)本身，但最后再好的技術(shù)也需要價值的體現(xiàn)。技術(shù)發(fā)展是一個比較長的周期，中間是有一些階段性的可以落地的，你可以選擇一些落地的產(chǎn)品去做，在這個過程當(dāng)中我們也做了很多的市場探索，以前最開始我們是SDK的分發(fā)，一方面做用戶體驗不一定非常好，就像靠軟件不能去感知問題的，你不能給用戶提供特別好的體驗，用戶當(dāng)然不愿意買單了。去年我們推出了一個硬件模組，一方面我們能夠提供更好的用戶體驗，哪怕這個設(shè)備離我很遠(yuǎn)，我一說話就解決了，哪怕在放音樂我讓你停、換一首歌都能響應(yīng)，用戶體驗會更好。除了前面講的低功耗、高性能之外還有很高的指標(biāo)，低成本。我們是怎么做的?我們就兩個麥克風(fēng)，八個麥克風(fēng)成本太貴了。只用兩個麥克帶來的挑戰(zhàn)是什么呢?技術(shù)難度非常大。八個麥克風(fēng)就意味著我有更多的信號源進(jìn)來，我有更多的空間處理。如果我給你一個信號，里面又有人說話，又有背景音樂，不能分開的。我們希望把成本降低，這是一個前提條件，但這個其實(shí)對我們的技術(shù)挑戰(zhàn)更大。當(dāng)然云知聲不是說做一個低成本的硬件模塊，我們認(rèn)為這是我們的中間目標(biāo)，一方面我們做一個低成本、低功耗、高性能的模組提供給我們客戶，一方面可以給我們帶來收入，一方面可以感知數(shù)據(jù)幫助我們進(jìn)一步優(yōu)化引擎，優(yōu)化系統(tǒng)。整個公司就能進(jìn)入一個良性循環(huán)的過程，這是我對這個問題的看法。
黃偉：我覺得做技術(shù)類創(chuàng)新還是以2B比較好，因為我從2012年到現(xiàn)在一直有人跟我說你怎么不做APP?你怎么不做單品?對我來講，如果我去做一個APP或者一個單品的話，那我很多的精力會花在產(chǎn)品設(shè)計上，或者保持每周一次的迭代，這個不是我的強(qiáng)項。它這里有太多不確定的因素，但是技術(shù)一定要迭代，目前的時間段是大家在積累數(shù)據(jù)、積累技術(shù)一個非常關(guān)鍵的周期。如果這個時候不是把資源百分之百都投入到技術(shù)儲備和研發(fā)，那我的競爭是沒有的。人工機(jī)器人基礎(chǔ)之上做什么東西?太多種了，我認(rèn)為把技術(shù)做好，我們相信未來更多的公司在我們之上可以把更多的產(chǎn)品做出來。我們要把基礎(chǔ)性的工作做好。
主持人：因為時間有限，請稍微點(diǎn)評一下，今年我注意到一些創(chuàng)業(yè)公司跟自己的投資人做了一個聯(lián)合的基金，所以我覺得很多傳統(tǒng)的企業(yè)也有一些關(guān)注，想聽聽觀點(diǎn)。
黃偉：我們自己有這樣的一些感覺和需求，因為我們是專注做智能語音的技術(shù)，有很多比我們更小的創(chuàng)業(yè)團(tuán)隊圍繞著這個技術(shù)，他也希望我們有一些比較緊密的關(guān)系，比如說有一些資本關(guān)聯(lián)，對我們來說的話我們也希望能夠看到一些比較好的團(tuán)隊，我們投一些在這方面，讓我們能夠在這方面有一些很好的體驗。我覺得這應(yīng)該是個方向，是有幫助的。
主持人：謝謝嘉賓聽這么長的時間，給嘉賓一個問題的時間吧。
提問：有一個問題我一直比較困惑，有不少企業(yè)在做圖象識別、聲音識別，基本上每家也都說自己的技術(shù)比別人要更好，我想請教幾位專家，到底在技術(shù)上的領(lǐng)先程度差異有多大?如果技術(shù)上的差異不大，比如說在某一個技術(shù)應(yīng)用產(chǎn)品上的話，把這個事長期做下去，品牌的優(yōu)勢、渠道的優(yōu)勢，一些傳統(tǒng)的廠商也會迅速得到這些東西，創(chuàng)業(yè)企業(yè)是不是能夠在這里面獲利?
黃偉：在語音和圖象上，在每個領(lǐng)域上都有幾撥公司在做，但是這里會分第一梯隊、第二梯隊，第一梯隊來說的話它的技術(shù)會比較接近，區(qū)別點(diǎn)就在于因為大家業(yè)務(wù)模式不一樣，對技術(shù)的優(yōu)化也不一樣。云知聲是屬于第一梯隊的，在第一梯隊里，百度的語音技術(shù)更多偏向于移動搜索，它的語言模型是朝著這個范圍去做的。再比如說微信下面也有一個團(tuán)隊它也做云技術(shù)，但是它優(yōu)化的目標(biāo)是聊天，因為業(yè)務(wù)模式不一樣，選擇領(lǐng)域不一樣，方向也不一樣。無論是語音識別、圖象識別，我們單純?nèi)ブv識別是沒有意義的，這個識別率一定是你在什么環(huán)境下、什么產(chǎn)品下，這個本身可能就是我們每個商業(yè)公司的一個選擇問題。
隨著我們在每個自己選擇的主戰(zhàn)場上不斷突破，在這個技術(shù)領(lǐng)域你的壁壘會越來越高。我重點(diǎn)做云端識別，有的公司可能做的是終端的識別，云知聲的低能耗和快速響應(yīng)，這個可以形成優(yōu)勢。
當(dāng)然不同梯隊之間是有差別的，對于同一梯隊的公司，技術(shù)識別準(zhǔn)確率上下可能就差零點(diǎn)一二個百分點(diǎn)，都是96.5%、96.6%左右，這個指標(biāo)反映的是你的技術(shù)能力，但是能力往哪發(fā)動這取決于公司定位。
