IDC最新報告：阿里語音AI登頂中國No.1

乾明 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

沒錯，阿里并非先發的語音AI，現在中國市場份額第一。

7月14日（周二），IDC發布《中國AI云服務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等云服務廠商，成為第一。

從IDC報告的具體內容來看，阿里語音AI這個No.1，得益于其在智能語音、對話式AI、機器學習三大領域的實力：

智能語音領域產品數量、市場份額、API調用量三項第一；對話式AI領域市場份額、API調用量兩項第一；機器學習領域獲得市場份額第一。

這還只是現狀。

IDC還預測，2020年中國人工智能市場規模將會接近20億美元，巨大的市場規模，作為市場領導者，阿里將會有更多的表現空間。

然而，對于這樣的一份成績單，阿里巴巴達摩院語音實驗室負責人鄢志杰，并不“感冒”。

在他看來，IDC報告中的數字并不重要，更值得關注的是背后的趨勢：語音AI技術的商業價值，已經在市場上得到了初步體現。

他說，阿里巴巴之所以有這樣的成績，不僅僅有過去5、6年時間的技術積累為基礎，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、嚴肅地研發語音AI技術，起于2014年底，標志性事件是“神秘部門”iDST（數據科學與技術研究院）成立。

在此之前，相關的研究只是零散地分布在各個業務線之中。

2015年，鄢志杰在微軟亞洲研究院工作7年后，加入阿里iDST，負責語音技術的研發工作。

當時，語音AI技術主要用于阿里內部業務，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。

雖然困難，但也好在沒有“歷史包袱”，他可以放開手去做。

在阿里豐富的應用場景下，阿里語音AI的后發優勢顯現出來。

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

而且不僅僅只有單純的落地，還有面向應用的優化。

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

相關論文也得到了學術界的認可，在2017年經過同行評審，發表在了IEEE旗下ICASSP（聲學語音和信號處理國際會議）上。

之后，阿里語音AI進一步發展，不斷涌現出新的研究成果，被ICASSP、DSP等語音領域國際頂尖會議收錄。

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

MIT認為，阿里巴巴已擁有比谷歌更好的AI語音技術，可以完成復雜的人類對話功能，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”、“無下水道衛生間”等等。

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

阿里達摩院介紹，KAN-TTS已經實現主流場景風格聲音的全覆蓋，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種高品質的聲音，例如溫柔、甜蜜、嚴厲等風格。

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

鄢志杰說，它已經能夠實現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。

想要推動技術落地，技術強是根本，但找到商業價值和模式更加重要。

在鄢志杰看來，這是阿里語音AI技術發展到現在最難的一個點，也是其能夠得到市場認可的關鍵。

自學習，阿里語音AI的落地秘訣

2017年初，阿里開始推動AI技術上云對外輸出，語音AI作為阿里內部廣泛應用且成熟的技術，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。

拿下行業頭部用戶，是推動AI技術落地時最常用的一種手段。

其不僅能夠產生“標桿效應”，吸引更多的人采用技術，而且還能在這個過程中，快速汲取行業Know—How，來完善技術方案，更好地復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%。互聯網庭審覆蓋15000余間線上法庭，覆蓋率超過90%。

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

不過，這樣的AI落地模式也存在弊端——依賴項目推進，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，是整個行業都面臨的挑戰。

同樣是在2017年，阿里語音AI團隊在與客戶共創的時候受到啟發，基于“定制AI”打造出了語音自學習平臺，面向沒有技術研發實力的客戶提供語音原子能力、行業模型等服務。

鄢志杰將其形容為“傻瓜相機”式的產品。

阿里提供針對聲學模型和語言學模型的定制訓練流程，用戶在安全環境中灌注行業數據，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，也展現出了效力。比如疫情期間，湖北的智能疫情機器人使用阿里語音AI自學習平臺，湖北口音語音識別率從62.5%提升至94.4%。

IDC在報告中總結稱，語音語義領域，用戶重視的是服務，能不能滿足客戶的個性化需求十分重要。

阿里語音AI能夠實現大面積落地，在法院、呼叫中心、電信運營商領域的客戶認知度處于第一位，擁有教育、金融、互聯網、交通、餐飲、通信、醫療等各行各業5萬家客戶，秘訣正在于此。

現在，鄢志杰正在致力于將語音AI技術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，市場還處于早期發展階段，未來將會有更大的發揮空間和價值。

比如，如果在強噪音、多人交互的情況下，實現更高準確率的識別，比如語音和NLP技術的結合，實現語音翻譯、語音摘要技術等等。

而且隨著新基建機遇到來，語音AI與云結合，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年規劃：再投2000億，用于云操作系統、服務器、芯片、網絡等重大核心技術研發攻堅和面向未來的數據中心建設。

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

一方面基于阿里達摩院，從未來商業價值出發，提升技術層面上的能力，進行前瞻性研發布局。

另一方面在于阿里云平臺的能力建設，供應更強的算力，為技術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，前不久已經實現含光800商用，通過阿里云對外輸出。

……

一系列動作背后，也不難發現阿里的目標所向——打造基礎設施，供應給有需求的客戶，甘愿被集成，幫助他們來打造成落地的應用，服務更多人。

鄢志杰說，阿里內部有一個口號是“達摩院技術零時差上云”。阿里語音AI技術，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、菜鳥等等一系列產品的出發點，打造出了輻射數億人的阿里經濟體。

現在，經濟發展的驅動力逐步發生改變，AI、大數據為核心的新興技術，在“生意”中變得越來越關鍵。

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。