聲智科技：用智慧科技改變生活

陳孝良和團(tuán)隊(duì)一直在聲學(xué)領(lǐng)域悉心耕耘，讓聲智科技走出了自己的發(fā)展曲線。

假如你在國(guó)外戴上AI耳機(jī)，它不僅能幫你翻譯菜單，還能教你實(shí)時(shí)用外語(yǔ)問(wèn)路……你會(huì)為這樣一款耳機(jī)買(mǎi)單嗎？從Walkman、CD播放器、MP3、iPod、Siri、智能音箱，到今天的AI手機(jī)、AI耳機(jī)……聲學(xué)技術(shù)一直以來(lái)都是消費(fèi)電子產(chǎn)品發(fā)展的關(guān)鍵點(diǎn)之一。如今，隨著AI技術(shù)的快速發(fā)展，聲音正成為人機(jī)界面交互的新前沿，在聆聽(tīng)和對(duì)話之間，重塑我們和世界的互動(dòng)方式。

誕生于2016年5月的北京聲智科技有限公司（以下簡(jiǎn)稱“聲智科技”），便是一直在“聲學(xué)+AI”交叉領(lǐng)域的探索者。創(chuàng)始人兼董事長(zhǎng)陳孝良博士畢業(yè)于中國(guó)科學(xué)院聲學(xué)研究所，曾擔(dān)任中科院聲學(xué)研究所副研究員和信息化辦公室主任，聲智科技的創(chuàng)始團(tuán)隊(duì)全部來(lái)自中國(guó)科學(xué)院聲學(xué)研究所。

這是一家典型的科學(xué)家創(chuàng)業(yè)型公司。

在聲音交互領(lǐng)域迅速成長(zhǎng)

聲學(xué)在全球范圍內(nèi)都屬于比較小眾的學(xué)科，過(guò)去主要服務(wù)于國(guó)防和軍工領(lǐng)域，比如潛艇聲吶和魚(yú)雷等相關(guān)技術(shù)。在軍事上，聲學(xué)的一個(gè)關(guān)鍵應(yīng)用就是如何用聲吶更好地探測(cè)，以及如何避免被別人用聲吶探測(cè)到。

采訪中，陳孝良介紹，水下環(huán)境中聲波是唯一能夠保持信號(hào)長(zhǎng)距離傳輸且不快速衰減的通信和傳感手段。光學(xué)信號(hào)和電磁波在空氣中是主要通信手段，但在水中它們的信號(hào)由于水體的吸收和散射會(huì)快速衰減。這就是為什么當(dāng)你潛水的時(shí)候會(huì)發(fā)現(xiàn)，在10米以下的水域，基本上漆黑一片，因?yàn)楣鈺?huì)快速衰減?！霸谙M(fèi)領(lǐng)域，我們也用到了許多聲學(xué)技術(shù)，包括錄播客用到的麥克風(fēng)、音響，在電影院聽(tīng)到的音效、聽(tīng)歌的MP3格式等，這些都是聲學(xué)領(lǐng)域的典型應(yīng)用。”

陳孝良和團(tuán)隊(duì)一直在聲學(xué)領(lǐng)域悉心耕耘，讓聲智科技走出了自己的發(fā)展曲線。2016年3月，隨著人工智能AlphaGo圍棋對(duì)弈戰(zhàn)勝李世石，全球人工智能行業(yè)迎來(lái)了一波新的高潮。圍棋長(zhǎng)久以來(lái)被視為棋牌運(yùn)動(dòng)中“人類智慧的最終堡壘”，而AlphaGo的勝利，讓社會(huì)大眾重新認(rèn)識(shí)到人工智能發(fā)展的潛力和前景。此后，人工智能、深度學(xué)習(xí)、自動(dòng)駕駛等一系列前沿技術(shù)引發(fā)廣泛關(guān)注。

聲智科技正是誕生于這樣的熱烈氛圍之中。在人工智能大潮中，聲智科技創(chuàng)始團(tuán)隊(duì)結(jié)合自身在聲學(xué)所的積累，以智能語(yǔ)音作為未來(lái)人機(jī)交互的切入點(diǎn)。陳孝良和團(tuán)隊(duì)發(fā)現(xiàn)，世界不是聲音或圖像的單一維度，而是多感官融合的場(chǎng)景，聲光電熱力磁等都會(huì)成為人機(jī)交互的入口。未來(lái)所需要的真正的服務(wù)體驗(yàn)，不光是單一技術(shù)維度的領(lǐng)先與突破，更需要一個(gè)融合的狀態(tài)。這也構(gòu)成了聲智科技從語(yǔ)音角度向多技能、多模態(tài)融合角度的成長(zhǎng)路徑轉(zhuǎn)變。

2018年，聲智科技推出SoundAI Azero（壹元人工智能開(kāi)發(fā)框架），并在2019年進(jìn)一步升級(jí)。據(jù)介紹，該框架是基于聲智科技的遠(yuǎn)場(chǎng)聲光融合、多模態(tài)識(shí)別（聲音、文字、圖像、手勢(shì)等）、推理和翻譯、推薦搜索等技術(shù)的AioT（人工智能物聯(lián)網(wǎng)）基礎(chǔ)開(kāi)發(fā)框架，也是聲智科技得以迅速發(fā)展的核心技術(shù)。2019年，成立僅4年的聲智科技被工業(yè)和信息化部評(píng)為第二批國(guó)家級(jí)專精特新“小巨人”企業(yè)，可謂發(fā)展勢(shì)頭迅猛。

聲智科技在業(yè)內(nèi)快速成長(zhǎng)主要得益于兩方面：一是企業(yè)長(zhǎng)期對(duì)自主研發(fā)能力的注重，二是其核心技術(shù)在重點(diǎn)場(chǎng)景的落地應(yīng)用。

“小模塊”切入大場(chǎng)景

“技術(shù)的領(lǐng)先性是企業(yè)必須追求的，否則就會(huì)失去競(jìng)爭(zhēng)的最大優(yōu)勢(shì)。我們認(rèn)為，技術(shù)的窗口期只有3～6個(gè)月，隨后就會(huì)更新迭代?！甭曋强萍悸?lián)合創(chuàng)始人兼首席知識(shí)官常樂(lè)說(shuō)。

聲智科技成立以來(lái)，持續(xù)加大研發(fā)投入?；诙嗄B(tài)人工智能操作系統(tǒng)和核心算法，目前聲智科技已具備遠(yuǎn)場(chǎng)人機(jī)交互、聲紋采集分析、數(shù)字接觸追蹤、多模態(tài)感知、小樣本決策、多技能數(shù)字人等一系列核心技術(shù)。

技術(shù)從來(lái)都不應(yīng)該是空中樓閣。目前，大量人工智能企業(yè)還處于虧損狀態(tài)，其自身的“造血”能力也備受關(guān)注。常樂(lè)認(rèn)為，人工智能企業(yè)的底層技術(shù)需要與真實(shí)場(chǎng)景相結(jié)合，從而在市場(chǎng)空間實(shí)現(xiàn)“造血”。值得注意的是，在開(kāi)拓應(yīng)用場(chǎng)景的過(guò)程中，聲智科技往往能夠在大場(chǎng)景中發(fā)現(xiàn)“小模塊”的切入點(diǎn)。例如，在健康領(lǐng)域，疫情期間，聲智科技先以核酸檢測(cè)信息化作為切入點(diǎn)，基于SoundAI Azero人工智能開(kāi)發(fā)框架開(kāi)發(fā)出北京核酸檢測(cè)信息統(tǒng)一平臺(tái)、一站式疫情防控健康管理平臺(tái)等，大大提升了核酸檢測(cè)效率。此后，聲智科技相繼推出“零接觸”AI電梯系統(tǒng)、AI數(shù)字人紅外測(cè)溫系統(tǒng)，并依托SoundAI Azero人工智能開(kāi)發(fā)框架承擔(dān)了包括北京、云南全省以及河北、河南部分地級(jí)市的防疫數(shù)字平臺(tái)建設(shè)，包含大規(guī)模核酸檢測(cè)、新冠疫苗接種、多點(diǎn)疫情監(jiān)測(cè)預(yù)警、社區(qū)聯(lián)防聯(lián)控等功能。

也正是在前期的持續(xù)積累下，2022年北京冬奧會(huì)期間，聲智科技承擔(dān)了包括“冬奧核酸應(yīng)檢盡檢決策系統(tǒng)”“冬奧核酸‘聲智門(mén)’”“冬奧賽事綜合保障組指揮調(diào)度平臺(tái)”以及“冬奧大腦——冬奧人員信息分析系統(tǒng)”在內(nèi)的4項(xiàng)冬奧基礎(chǔ)設(shè)施，為賽事提供了相關(guān)綜合保障服務(wù)。

通過(guò)這些服務(wù)，聲智科技的AI技術(shù)不斷向外延展，找到了更多的應(yīng)用場(chǎng)景。

大模型帶來(lái)新交互

陳孝良介紹，目前，聲智科技已經(jīng)實(shí)現(xiàn)了三個(gè)目標(biāo)：一是，他們解決了復(fù)雜場(chǎng)景下的聲學(xué)問(wèn)題，成功讓智能音箱脫離手臂距離的束縛，成為真正的遠(yuǎn)場(chǎng)交互設(shè)備。二是聲智科技構(gòu)建了完整的AI聲學(xué)處理架構(gòu)，從聲學(xué)處理到語(yǔ)音識(shí)別、語(yǔ)言處理，再到內(nèi)容服務(wù)和TTS（Text-to-Speech，文本轉(zhuǎn)語(yǔ)音）合成，整個(gè)鏈條被打通了，為后續(xù)的智能設(shè)備迭代奠定了基礎(chǔ)。同時(shí)，聲智科技提高了語(yǔ)音識(shí)別的精度。三是聲智科技成功將延遲控制在用戶可以接受的范圍內(nèi)，保證了精度、延遲和距離的平衡。

“我們要確保對(duì)話服務(wù)的延遲在1.5秒左右，比如說(shuō)用戶發(fā)出命令后，音箱開(kāi)始播放音樂(lè)的時(shí)間不能超過(guò)2秒，否則用戶就會(huì)感到明顯的延遲，影響體驗(yàn)?！标愋⒘颊f(shuō)。

7月31日，聲智科技在北京舉行了一場(chǎng)AI媒體溝通會(huì)，以“大模型·新交互”為主題。會(huì)議現(xiàn)場(chǎng)，聲智科技公布了AzeroGPT 的算法技術(shù)升級(jí)成果，并發(fā)布了兩款新品——AI交互新品“千面智語(yǔ)”和國(guó)內(nèi)首款“AI 配飾”——“FairyClip 聲智珍珠耳夾式耳機(jī)”。

這款耳機(jī)證明了AI大模型在可穿戴設(shè)備上落地應(yīng)用的可能。耳機(jī)內(nèi)置的專屬AI助理，能夠隨時(shí)響應(yīng)用戶的指令，不僅可以實(shí)現(xiàn)轉(zhuǎn)寫(xiě)、翻譯、內(nèi)容生成等針對(duì)辦公學(xué)習(xí)場(chǎng)景的功能，還針對(duì)運(yùn)動(dòng)健康、日常生活需求，提供健康數(shù)據(jù)檢測(cè)、助眠音頻以及生活事項(xiàng)提醒等功能。

“未來(lái)人工智能與聲學(xué)技術(shù)的結(jié)合，將會(huì)創(chuàng)造出更完美的交互智能體。”陳孝良說(shuō)。智能耳機(jī)可以無(wú)時(shí)無(wú)刻地陪伴在你的身邊，它足夠全能，讓你的學(xué)習(xí)工作更高效；它還極具同理心，對(duì)你的了解甚至超過(guò)你身邊的任何人，能幫助你解決生活中遇到的各種問(wèn)題……

“用智慧科技改變生活?！薄诼曋强萍嫉钠髽I(yè)展廳，處處能夠體會(huì)到這句話的魅力，而它正是這家企業(yè)的愿景。

延伸

閱讀

創(chuàng)新音頻產(chǎn)品市場(chǎng)蓬勃發(fā)展

在新技術(shù)的發(fā)展浪潮下，適于特定人群和使用場(chǎng)景的創(chuàng)新音頻品類應(yīng)運(yùn)而生。這使用戶與智能音頻產(chǎn)品之間的交互更加智能化。目前，創(chuàng)新音頻產(chǎn)品的主要應(yīng)用領(lǐng)域包括智能音箱、交互式產(chǎn)品、智能穿戴產(chǎn)品等。

在智能音箱領(lǐng)域，隨著大語(yǔ)言模型的發(fā)展，智能音箱可以視作以語(yǔ)音交互為界面的新型家用計(jì)算設(shè)備和智力生產(chǎn)力的載體。2022年全球智能音箱市場(chǎng)規(guī)模達(dá)161億美元，預(yù)計(jì)2027年市場(chǎng)規(guī)模將增長(zhǎng)至259億美元。用戶獲取音頻內(nèi)容的方式由傳統(tǒng)的線下播放逐漸轉(zhuǎn)變?yōu)樵诰€流媒體播放，播放終端也由收音機(jī)、MP3等傳統(tǒng)音頻產(chǎn)品逐漸演化為智能手機(jī)、智能音箱等交互式產(chǎn)品。根據(jù) Statista 數(shù)據(jù)，在線音頻市場(chǎng)包括音樂(lè)、電臺(tái)（含在線電臺(tái)）及播客，預(yù)計(jì)2027年市場(chǎng)規(guī)模將達(dá)到1140億美元。另外，智能穿戴式產(chǎn)品市場(chǎng)保持蓬勃發(fā)展，預(yù)計(jì)2028年全球智能穿戴式設(shè)備市場(chǎng)規(guī)模將達(dá)到220 億美元。

（編輯 周靜 charm1121@sina.com）