IDC最新報告：阿里語音AI登頂中國No.1

乾明 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

沒錯，阿里并非先發(fā)的語音AI，現(xiàn)在中國市場份額第一。

7月14日（周二），IDC發(fā)布《中國AI云服務(wù)市場半年度研究報告》顯示，阿里語音AI以44%的市場份額，超過百度云、騰訊云、華為云、AWS、微軟Azure等云服務(wù)廠商，成為第一。

從IDC報告的具體內(nèi)容來看，阿里語音AI這個No.1，得益于其在智能語音、對話式AI、機(jī)器學(xué)習(xí)三大領(lǐng)域的實力：

智能語音領(lǐng)域產(chǎn)品數(shù)量、市場份額、API調(diào)用量三項第一；對話式AI領(lǐng)域市場份額、API調(diào)用量兩項第一；機(jī)器學(xué)習(xí)領(lǐng)域獲得市場份額第一。

這還只是現(xiàn)狀。

IDC還預(yù)測，2020年中國人工智能市場規(guī)模將會接近20億美元，巨大的市場規(guī)模，作為市場領(lǐng)導(dǎo)者，阿里將會有更多的表現(xiàn)空間。

然而，對于這樣的一份成績單，阿里巴巴達(dá)摩院語音實驗室負(fù)責(zé)人鄢志杰，并不“感冒”。

在他看來，IDC報告中的數(shù)字并不重要，更值得關(guān)注的是背后的趨勢：語音AI技術(shù)的商業(yè)價值，已經(jīng)在市場上得到了初步體現(xiàn)。

他說，阿里巴巴之所以有這樣的成績，不僅僅有過去5、6年時間的技術(shù)積累為基礎(chǔ)，還在于AI上云的過程中，找到了“落地”秘訣。

中國No.1的語音AI，如何后發(fā)先至？

相比90時代就搞語音的玩家，阿里的語音AI之路，不算早。

阿里開始大力度、嚴(yán)肅地研發(fā)語音AI技術(shù)，起于2014年底，標(biāo)志性事件是“神秘部門”iDST（數(shù)據(jù)科學(xué)與技術(shù)研究院）成立。

在此之前，相關(guān)的研究只是零散地分布在各個業(yè)務(wù)線之中。

2015年，鄢志杰在微軟亞洲研究院工作7年后，加入阿里iDST，負(fù)責(zé)語音技術(shù)的研發(fā)工作。

當(dāng)時，語音AI技術(shù)主要用于阿里內(nèi)部業(yè)務(wù)，比如淘寶、天貓的等電商體系客服中心的需求。

因為之前沒有研究積累，鄢志杰需要帶隊從0到1，為阿里打造一個能用、好用的語音AI系統(tǒng)。

雖然困難，但也好在沒有“歷史包袱”，他可以放開手去做。

在阿里豐富的應(yīng)用場景下，阿里語音AI的后發(fā)優(yōu)勢顯現(xiàn)出來。

比如2016年開始備受關(guān)注的latency-controlled BLSTM（LC-BLSTM） 模型，從學(xué)界到阿里率先實現(xiàn)落地，只用了幾個月的時間。

而且不僅僅只有單純的落地，還有面向應(yīng)用的優(yōu)化。

在阿里版本的LC-BLSTM模型中，不僅降低了傳統(tǒng)BLSTM模型延遲嚴(yán)重的問題，精度同樣不差。

相關(guān)論文也得到了學(xué)術(shù)界的認(rèn)可，在2017年經(jīng)過同行評審，發(fā)表在了IEEE旗下ICASSP（聲學(xué)語音和信號處理國際會議）上。

之后，阿里語音AI進(jìn)一步發(fā)展，不斷涌現(xiàn)出新的研究成果，被ICASSP、DSP等語音領(lǐng)域國際頂尖會議收錄。

2019年2月28日，MIT將阿里巴巴語音AI技術(shù)評為2019年“全球十大突破性技術(shù)”。

MIT認(rèn)為，阿里巴巴已擁有比谷歌更好的AI語音技術(shù)，可以完成復(fù)雜的人類對話功能，甚至可讀懂人類的潛在意圖。

阿里巴巴也是唯一上榜的中國科技公司，其他的突破技術(shù)分別是“腸道顯微膠囊”、“定制癌癥疫苗”、“人造肉漢堡”、“可穿戴心電儀”、“無下水道衛(wèi)生間”等等。

突破仍在繼續(xù)。2019年7月，阿里發(fā)布新一代語音合成技術(shù)KAN-TTS，首次將該數(shù)字提高到97%以上。

阿里達(dá)摩院介紹，KAN-TTS已經(jīng)實現(xiàn)主流場景風(fēng)格聲音的全覆蓋，可針對通用場景、客服場景、童聲場景、英文場景和方言場景，提供41種高品質(zhì)的聲音，例如溫柔、甜蜜、嚴(yán)厲等風(fēng)格。

而且還具備多方言、重口音語音識別，全雙工語音交互，智能語音流式響應(yīng)等技術(shù)能力。

鄢志杰說，它已經(jīng)能夠?qū)崿F(xiàn)擬人程度更高的交互效果，整個過程幾乎聽不出是AI在跟人交互。

想要推動技術(shù)落地，技術(shù)強(qiáng)是根本，但找到商業(yè)價值和模式更加重要。

在鄢志杰看來，這是阿里語音AI技術(shù)發(fā)展到現(xiàn)在最難的一個點，也是其能夠得到市場認(rèn)可的關(guān)鍵。

自學(xué)習(xí)，阿里語音AI的落地秘訣

2017年初，阿里開始推動AI技術(shù)上云對外輸出，語音AI作為阿里內(nèi)部廣泛應(yīng)用且成熟的技術(shù)，成為“先鋒”。

語音AI上云后，阿里對外輸出的第一個項目，是為浙江高院提供庭審速記能力。

拿下行業(yè)頭部用戶，是推動AI技術(shù)落地時最常用的一種手段。

其不僅能夠產(chǎn)生“標(biāo)桿效應(yīng)”，吸引更多的人采用技術(shù)，而且還能在這個過程中，快速汲取行業(yè)Know—How，來完善技術(shù)方案，更好地復(fù)制到其他相似場景中。

目前，阿里智能庭審語音識別覆蓋超過全國20個省的8000間線下法院，覆蓋率近50%?；ヂ?lián)網(wǎng)庭審覆蓋15000余間線上法庭，覆蓋率超過90%。

IDC報告也給出了分析稱，通過前期的行業(yè)布局，阿里云在法院、呼叫中心、電信運營商領(lǐng)域的客戶認(rèn)知度也處于第一位，領(lǐng)先其它云服務(wù)廠商。

不過，這樣的AI落地模式也存在弊端——依賴項目推進(jìn)，不僅需要大量的人力資源，效率并不高。

如何找到一種更高效的落地方式，是整個行業(yè)都面臨的挑戰(zhàn)。

同樣是在2017年，阿里語音AI團(tuán)隊在與客戶共創(chuàng)的時候受到啟發(fā)，基于“定制AI”打造出了語音自學(xué)習(xí)平臺，面向沒有技術(shù)研發(fā)實力的客戶提供語音原子能力、行業(yè)模型等服務(wù)。

鄢志杰將其形容為“傻瓜相機(jī)”式的產(chǎn)品。

阿里提供針對聲學(xué)模型和語言學(xué)模型的定制訓(xùn)練流程，用戶在安全環(huán)境中灌注行業(yè)數(shù)據(jù)，可以在完全不了解語音語言算法的情況下，快速、便捷地定制自己的語音模型。

在落地過程中，也展現(xiàn)出了效力。比如疫情期間，湖北的智能疫情機(jī)器人使用阿里語音AI自學(xué)習(xí)平臺，湖北口音語音識別率從62.5%提升至94.4%。

IDC在報告中總結(jié)稱，語音語義領(lǐng)域，用戶重視的是服務(wù)，能不能滿足客戶的個性化需求十分重要。

阿里語音AI能夠?qū)崿F(xiàn)大面積落地，在法院、呼叫中心、電信運營商領(lǐng)域的客戶認(rèn)知度處于第一位，擁有教育、金融、互聯(lián)網(wǎng)、交通、餐飲、通信、醫(yī)療等各行各業(yè)5萬家客戶，秘訣正在于此。

現(xiàn)在，鄢志杰正在致力于將語音AI技術(shù)拓展到更多的場景中，供給無處不在的智能語音。

在他看來，整個語音AI的價值才剛剛開始呈現(xiàn)，市場還處于早期發(fā)展階段，未來將會有更大的發(fā)揮空間和價值。

比如，如果在強(qiáng)噪音、多人交互的情況下，實現(xiàn)更高準(zhǔn)確率的識別，比如語音和NLP技術(shù)的結(jié)合，實現(xiàn)語音翻譯、語音摘要技術(shù)等等。

而且隨著新基建機(jī)遇到來，語音AI與云結(jié)合，還會有更大的前景。

被集成，阿里的“基建式”打法

2020年4月20日，阿里云宣布未來3年規(guī)劃：再投2000億，用于云操作系統(tǒng)、服務(wù)器、芯片、網(wǎng)絡(luò)等重大核心技術(shù)研發(fā)攻堅和面向未來的數(shù)據(jù)中心建設(shè)。

阿里到底如何做？具體做什么？想要達(dá)到什么樣的效果？阿里語音AI無疑給出了直觀體現(xiàn)。

一方面基于阿里達(dá)摩院，從未來商業(yè)價值出發(fā)，提升技術(shù)層面上的能力，進(jìn)行前瞻性研發(fā)布局。

另一方面在于阿里云平臺的能力建設(shè)，供應(yīng)更強(qiáng)的算力，為技術(shù)對外輸出提供堅實支撐。

再往底層芯片上面，平頭哥也在積極布局，前不久已經(jīng)實現(xiàn)含光800商用，通過阿里云對外輸出。

……

一系列動作背后，也不難發(fā)現(xiàn)阿里的目標(biāo)所向——打造基礎(chǔ)設(shè)施，供應(yīng)給有需求的客戶，甘愿被集成，幫助他們來打造成落地的應(yīng)用，服務(wù)更多人。

鄢志杰說，阿里內(nèi)部有一個口號是“達(dá)摩院技術(shù)零時差上云”。阿里語音AI技術(shù)，就是其交出的答卷之一。

1999年，阿里巴巴在杭州成立之時，定下了公司的使命：讓天下沒有難做的生意。

這也成為了阿里孵化出淘寶、支付寶、天貓、菜鳥等等一系列產(chǎn)品的出發(fā)點，打造出了輻射數(shù)億人的阿里經(jīng)濟(jì)體。

現(xiàn)在，經(jīng)濟(jì)發(fā)展的驅(qū)動力逐步發(fā)生改變，AI、大數(shù)據(jù)為核心的新興技術(shù)，在“生意”中變得越來越關(guān)鍵。

阿里巴巴，同樣正在用自己的行動踐行使命：讓天下沒有難得到的技術(shù)。