報告主要內容概覽

• 全球智能語音產業（發展歷史，現狀，商業模式，競爭圖景）

• 中國的智能語音產業（現狀，相關政策，競爭圖景）

• 語音識別技術細分市場（智能汽車、智能手機，PC，智能家居，可穿戴設備。該部分還羅列了一些語音識別公司的名單）

• 7家外國和中國語音識別相關公司（自動化領域中語音識別業務和應用）

360度詳解智能語音市場格局

在大數據、移動互聯網、云計算以及其他技術的推動下，全球的智能語音產業已經步入應用的快速增長期。

2010年前后，科技巨頭，例如谷歌、微軟和蘋果、科大訊飛紛紛強化在語音市場上的參與，全球的語音市場逐漸從一家獨大發展成為競爭市場，雖然從整體上看，該市場依然被巨頭牢牢把控。數據顯示，2015年，語音識別領頭羊公司Nuance依然牢牢占據著市場份額第一的寶座，占有率為31.1%，但是已經呈現出明顯的下滑趨勢。而谷歌、微軟、蘋果和科大訊飛則獲得了迅速的增長，全球市場份額分別為20.7%、13.4%、12.9%和6.7%。

中國智能語音產業獲得了前所未有的發展。Research and Markets估算認為，2015年，中國的語音市場規模為46.8億人民幣，比前一年增長53.1%，占世界的12%。

根據中國工業和信息化部電子科技信息情報研究所數據顯示，2013年，全球智能語音產業規模整體達33.7億美元，同比增長38.1%；2014年較2013年同比增長41.0%，產業規模大幅提升。預計到2017年，全球智能語音產業規模將達112.4億美元，復合年均增長率達35.1%。

語音產業從最初的萌芽到技術突破，再到產業化階段以及目前的快速應用階段，已經形成了相當成熟的產業。簡單看來，世界智能語音產業發展歷程可分為四個階段

第一階段是技術萌芽階段(20世紀50～70年代)，以孤立詞和少詞匯量句子識別，并通過關鍵詞匹配實現簡單命令操作為主要內容，ATT貝爾實驗室開發的Audrey語音識別系統是其主要標志。Audrey能夠通過跟蹤語音中的共振峰，識別10個英文數字，正確率高達98%。

第二階段是技術突破階段(20世紀80年代)，語音識別和自然語言處理技術有了較大進展。智能語音技術研究由傳統的基于標準模板匹配的技術思路開始轉向基于統計模型(HMM)的技術思路，并再次提出了將神經網絡技術引入語音識別問題的技術思路。

第三階段是產業化階段(20世紀90年代到21世紀初)，智能語音技術由研究走向實用并開始產業化，以1997年IBM推出的ViaVoice為重要標志。自此，智能語音產品開始進入呼叫中心、家電、汽車等各個領域。比如，上世紀70年代由美國國防部遠景研究計劃局資助的，旨在支持語言理解系統的研究開發工作的計劃DARPA，進入90年代后，研究重點已轉向識別裝置中的自然語言處理部分，識別任務設定為“航空旅行信息檢索”。

第四個階段是快速應用階段(2010年以后)，以蘋果Siri的發布為重要引爆點，智能語音應用領域由傳統行業開始向移動互聯網等新興領域延伸。在一些發達國家，大量的語音識別產品已經進入市場和服務領域并取得很好的效果。

快速應用階段打開了市場的大門，消費者也可以看到琳瑯滿目的產品出現，而隨著其他技術的發展，比如近年來全面開花的眾多人工智能技術不斷獲得突破，語音技術的市場發展潛力也在進一步擴大。

高級的智能呼喚高級的語音

不難看到，語音技術在人工智能的發展中占有絕對重要的地位，它既是機器輸出語言，也就是“說話”的前提，也是機器輸入，也就是“聽”的保證。簡單地說，前者設計語音合成后者涉及語音識別，這都是智能語音的關鍵技術。

舉例來說，在科技領域，聊天機器人時下是一個火熱的話題，國外很多科技媒體都預言，聊天機器人大有取代App乃至取代搜索成為互聯網入口之勢。至少亞馬遜的Echo發布一年多便占領了語音控制智能家居的入口。同時，Facebook力推Messenger，谷歌也要憑借其強大的人工智能技術推出一款結合搜索的智能助理，微軟有定位于專用商務助理的Cortana，IBM的Waston積蓄已久，在醫療、環境、能源等行業都有動作。

微軟聊天機器人Cortana

谷歌、Facebook、微軟、IBM等國外企業正在積極推進智能語音技術的研發及應用，以智能語音為切入點積極布局整個人工智能領域。語音交互作為人機交互的重要演進方向，從感知智能到認知智能，基于深度神經網絡等方法，以語音語言為切入的認知計算將是人工智能發展的必然路徑。因此，語音交互技術在服務機器人博弈中扮演著十分重要的角色。

毫不遜色的中國造智能語音

國外科技巨頭在語音上一如既往的強勢，可以說，語音已經成為必爭之地。而語音識別領域，中國并不落后于發達國家，不少技術處于國際領先地位。

早期的中國語音技術公司主要依靠國內科學研究機構在市場上立足，但是，一些新的初創公司卻是通過資本迅速地在智能語音產業獲得了一席之地。中國的語音市場主要被三家大的公司，即科大訊飛、百度和蘋果占據。根據Research and Markets的報告，2015年，三家公司在中國所占的市場份額加起來達到了79%。為了在激烈的市場競爭中獲得先機，中國的智能語音玩家紛紛涌入細分市場，比如智能汽車、智能家居和可穿戴設備。

科大訊飛屬于從語音識別起家，現正在向人工智能轉型，也是目前國內最有影響力的語音技術公司，在2008年的時候就已經掛牌上市，目前市值接近500億，根據2014年語音產業聯盟的數據調查顯示，科大訊飛占據了超過60%的中國市場份額，而上文提到，Research and Markets的報告顯示，科大訊飛和百度以及蘋果一起，占了整個中國語音市場的79%，可以說，科大訊飛絕對是中國語音市場上的龍頭企業。要知道，目前所有省份的口語評測用的都是科大訊飛的引擎。

在語音識別技術上，在2015年寶馬組織的全球語音識別比賽中，科大訊飛獲得第一名。截至2016年3月底，飛智能語音與人工智能平臺為包括QQ、高德地圖、滴滴出行、攜程、大眾點評、新浪微博等在內的13萬+合作伙伴提供服務，覆蓋終端用戶數超過7億，在線日服務量達15億次。

習近平在安徽考察期間與科大飛的營業廳服務機器人“小曼”進行了親切交談

就在剛剛過去的4月底，習近平在安徽考察期間觀看了人工智能機器人展，其間與科大訊飛最新推出的營業廳服務機器人“小曼”進行了親切交談。據了解，小曼基于科大訊飛領先的語音交互技術進行開發，具有語音喚醒、聲源定位、回聲消除、語音打斷等功能，作為營業廳服務機器人，小曼在嘈雜的環境里能通過語音進行自然交互為客戶提供業務引導、查詢等服務。此外，通過云端調取科大訊飛在智能客服領域積累的數據，小曼能夠為用戶提供全面精準的客戶服務。可以預計，隨著小曼在銀行、運營商、保險等營業廳的推廣應用，將節省人力成本、緩解客服壓力，為用戶提供更好的體驗，引領智能客服行業新一輪的變革。

國內另一家比較有代表性的語音技術公司是百度。百度2010年與中科院聲學所合作研發語音識別技術，但是市場發展相對緩慢。2014年，百度重新梳理了戰略，請來了人工智能領域大師吳恩達，正式組建了語音團隊，專門研究語音相關技術，由于有百度強大的資金支持，到目前為止收獲頗豐，斬獲了近13%的市場份額。百度已經把語音技術運用到公司的其他前沿產品中，比如讓其名聲大噪的無人車項目，以及個人助手服務機器人“度秘”當中。

其他互聯網公司，也搭建起自己的語音識別引擎，主要應用于搜狗輸入法，效果還不錯。騰訊的微信也建立了自己語音識別引擎，用于將語音轉換為文字。阿里，愛奇藝，360，樂視等等也都在紛紛涉足語音識別，但這些大公司更多的是自研自用，基本上技術上泛善可陳，業界也沒有什么影響力。

除了這些老牌互聯網公司，國內也涌現了一批有代表性的語音識別創業公司，比如云之聲、出門問問、思必馳，廈門天聰。

用戶習慣仍是一大障礙

雖然整個語言市場展現出熱鬧且繁榮的跡象，眾多科技公司也確實在強化語音技術的研究，并大力推向市場化應用，但是目前看來，用戶體驗以及消費者習慣仍是語音市場發展的兩大主要障礙。

《2015 中國智能語音產業發展白皮書》（以下簡稱“白皮書”）強調了語音產業重要性，但是也做了提醒由于“互聯網+”、大數據、深度學習等技術的發展，進一步增強了人機之間的相互依賴；然而，當前受限于技術成熟度和用戶使用習慣，語音交互并未成為真正幫助人們操控設備的工具；使用場景的深耕、語音技術的“下沉”以及交互技術的融合將成為語音真正從“產品標配”走向“場景標配”的重要因素。