人工智能語音語言行業(yè)市場規(guī)模分析及技術(shù)趨勢預(yù)測
1、人工智能語音語言行業(yè)應(yīng)用及市場規(guī)模分析
人工智能語音語言技術(shù)即實(shí)現(xiàn)人與機(jī)器以語言為紐帶的信息處理技術(shù)，人機(jī)對話通過對聲音信號的音頻采集與信號處理將語音轉(zhuǎn)化為文字供機(jī)器處理，在機(jī)器進(jìn)行語音識別與語義理解后、再進(jìn)行對話管理、自然語言生成并通過語音合成技術(shù)將文本語言轉(zhuǎn)化為聲音進(jìn)行輸出，最終形成完整的人機(jī)語音語言交互。
人工智能語音語言市場的產(chǎn)業(yè)鏈可依據(jù)關(guān)鍵技術(shù)拆分為六大環(huán)節(jié)，各個環(huán)節(jié)又可以進(jìn)一步歸集為聲學(xué)、語音感知、語言認(rèn)知三大模塊。
人工智能語音語言行業(yè)內(nèi)的大部分公司只專注于產(chǎn)業(yè)鏈的單個或部分環(huán)節(jié)，少有公司能擁有覆蓋產(chǎn)業(yè)鏈各環(huán)節(jié)的技術(shù)、產(chǎn)品與服務(wù)，當(dāng)前國內(nèi)人工智能語音語言行業(yè)的公司大約有 400 余家，僅有極少數(shù)可以實(shí)現(xiàn)全產(chǎn)業(yè)鏈覆蓋。
在疫情的催化下，各行業(yè)智能化應(yīng)用迎來需求拐點(diǎn)，進(jìn)入需求爆發(fā)期。預(yù)計 2030 年消費(fèi)級應(yīng)用場景總的發(fā)展空間將超過 700 億元。智能家居、智慧駕駛、智能辦公等企業(yè)級場景在疫情的催化下加速發(fā)展，市場需求不斷擴(kuò)大，發(fā)展空間預(yù)計即將達(dá)到千億規(guī)模。
智能語音語言技術(shù)使得人類的生產(chǎn)及生活方式逐步改變，基于智能語音語言技術(shù)的人機(jī)交互產(chǎn)品在接收用戶的聲音等信息后，能將用戶意圖轉(zhuǎn)換為機(jī)器可以理解和進(jìn)一步處理的內(nèi)容，從而幫助用戶解決問題或完成特定任務(wù)。其中，對話式機(jī)器人可以降低人力成本，減輕人工工作量，提高工作效率，解決用戶客服、營銷、質(zhì)檢、呼入、呼出等需求；搭載人機(jī)對話交互功能的消費(fèi)級智能硬件，例如智能家電、智能車載、智能可穿戴設(shè)備等，能夠通過語音語言交互的方式，提供更豐富的設(shè)備交互功能，提升設(shè)備操控便捷性。
2021年我國對話式人機(jī)交互核心產(chǎn)品的市場規(guī)模達(dá)到91.50億元，帶動相關(guān)產(chǎn)業(yè)經(jīng)濟(jì)規(guī)模達(dá)742.6億元，預(yù)計 2025 年核心產(chǎn)品規(guī)模達(dá)到 237 億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模達(dá)到1,525 億元。
2019-2026年中國人機(jī)交互核心產(chǎn)品及帶動相關(guān)產(chǎn)業(yè)規(guī)模
人工智能與實(shí)體經(jīng)濟(jì)的結(jié)合越來越多，與應(yīng)用場景的深度結(jié)合將產(chǎn)生更大的商業(yè)價值，近幾年，人工智能語音語言技術(shù)在各行業(yè)的應(yīng)用已十分廣泛，下游領(lǐng)域包括家電、汽車、消費(fèi)電子、金融、物流、房產(chǎn)、政務(wù)、醫(yī)療等。2020 年智能語音語言技術(shù)在各垂直行業(yè)應(yīng)用的核心產(chǎn)品規(guī)模達(dá)到 57.70 億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模達(dá) 317.70 億元，預(yù)計 2025 年核心產(chǎn)品規(guī)模達(dá)到 159.10 億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模達(dá)到 875.10 億元。
2、智能語音語言行業(yè)技術(shù)趨勢
近年來，行業(yè)內(nèi)智能語音語言算法不斷更新迭代，基礎(chǔ)性能持續(xù)增強(qiáng)，通用識別準(zhǔn)確率等已不再是智能語音語言行業(yè)發(fā)展的核心挑戰(zhàn)，語音語言技術(shù)逐步由以語音感知為主，向綜合感知、認(rèn)知、知識計算的全鏈路對話系統(tǒng)方向拓展。
關(guān)鍵基礎(chǔ)算法層面，在可控環(huán)境和簡單結(jié)構(gòu)化知識源條件下，語音及語言處理技術(shù)的性能已經(jīng)表現(xiàn)良好，達(dá)到產(chǎn)業(yè)化水平，但在復(fù)雜真實(shí)環(huán)境和自然非結(jié)構(gòu)化語言及知識處理方面，與產(chǎn)業(yè)需求仍然有不小差距。在感知技術(shù)方面，業(yè)內(nèi)研究逐步轉(zhuǎn)向聚焦突破高噪聲、多干擾、端側(cè)低資源等真實(shí)復(fù)雜自然場景；在認(rèn)知及知識計算方面，聚焦理解式的知識問答、對話理解及管理技術(shù)，以及專業(yè)領(lǐng)域的深度知識結(jié)構(gòu)化，進(jìn)一步增強(qiáng)面向垂直領(lǐng)域信息智能化的知識圖譜、對話問答、閱讀理解、翻譯等能力。另一方面，個性化、場景定制化、私有化部署等需求已經(jīng)成為傳統(tǒng)產(chǎn)業(yè)進(jìn)行智能化改造和數(shù)字化升級的普遍需求，比如個性化的聲音復(fù)刻、新語義領(lǐng)域的問答對話、為保護(hù)隱私的私有化識別部署等。支撐這一需求的小數(shù)據(jù)遷移學(xué)習(xí)和自主學(xué)習(xí)算法及其在語音語言處理各個領(lǐng)域的結(jié)合，也是智能語音及語言行業(yè)算法技術(shù)發(fā)展的趨勢。
（1）全雙工語音出現(xiàn)，人機(jī)交互朝著更自然、更順暢的方向發(fā)展
全雙工是通信學(xué)科中的一個術(shù)語，意為允許數(shù)據(jù)在兩個方向上同時傳輸，應(yīng)用在智能語音語言行業(yè)，即為實(shí)時的、雙向的語音信息的交互，這是人們進(jìn)行即興自由交互情境下的對話模式。區(qū)別于單輪交互與多輪交互，全雙工可以做到“邊聽、邊想、邊說”，在接收語音信息的同時進(jìn)行思考，并實(shí)現(xiàn)動態(tài)的預(yù)估，進(jìn)而以更快的速度進(jìn)行回答，使人機(jī)交互更自然、更流暢；同時，全雙工語音還可做到節(jié)奏控制，根據(jù)用戶回答內(nèi)容的重要性，決定打斷還是繼續(xù)傾聽，是先完成上一個問題還是先回答用戶的追加問題；此外，全雙工語音還能進(jìn)行場景理解，識別用戶當(dāng)前是否在與 AI進(jìn)行對話，并根據(jù)不同對象、不同場景進(jìn)行音量、語氣等方面的調(diào)節(jié)。未來，智能語音語言的應(yīng)用場景越發(fā)多樣化，應(yīng)對的環(huán)境狀況越發(fā)復(fù)雜，全雙工語音的優(yōu)勢將會越發(fā)凸顯，并成為智能語音語言行業(yè)的主流交互方式。
（2）優(yōu)化人機(jī)交互體驗(yàn)，多模態(tài)交互成為必然趨勢
人類在交互過程中并非孤立地依據(jù)聲音、表情及動作中的單項(xiàng)進(jìn)行溝通與交流，而是綜合視覺、聽覺、觸覺甚至嗅覺來進(jìn)行有效的溝通。同理，要使機(jī)器做到更加逼真的“擬人化”，就需要通過語音、視覺、文本等信息結(jié)合的方式來推動人機(jī)交互的優(yōu)化與升級。應(yīng)對人機(jī)交互場景化應(yīng)用不斷拓展的市場需求，多模態(tài)、智能化的完整解決方案可以更好地應(yīng)對不同場景的復(fù)雜變化，多模態(tài)交互成為行業(yè)發(fā)展的必然趨勢。
（3）以對話交互為核心的認(rèn)知和知識計算成為智能信息服務(wù)的重要技術(shù)趨勢
在各類智能信息軟硬件爆發(fā)式增長的大背景下，對話式語言認(rèn)知智能，尤其是對話理解和管理技術(shù)，將成為感知與認(rèn)知系統(tǒng)級融合的關(guān)鍵技術(shù)，極大影響用戶體驗(yàn)。另一方面，針對垂直領(lǐng)域的復(fù)雜結(jié)構(gòu)化數(shù)據(jù)庫、各類知識文檔等多種形態(tài)的原始知識源，進(jìn)行知識結(jié)構(gòu)化和知識圖譜構(gòu)建，形成可控人機(jī)理解式交互的知識源，支撐知識問答和對話，支持人類決策，將是面向信息服務(wù)智能化的知識計算的發(fā)展方向。
（4）芯片研發(fā)日益關(guān)鍵，端側(cè)智能與云側(cè)智能雙輪驅(qū)動 AI 深度應(yīng)用
目前基于深度學(xué)習(xí)的智能算法通常運(yùn)行于具有強(qiáng)大計算能力的云計算中心，而相比于云計算，邊緣計算將資源和服務(wù)下沉到網(wǎng)絡(luò)邊緣端，從而帶來更低的帶寬占用、更低的時延、更高的能效和更好的隱私保護(hù)。專用芯片往往是場景化或針對特定功能的，成本和效率大大優(yōu)于通用芯片，可以進(jìn)一步提高產(chǎn)品端側(cè)的計算效率，并提升針對特定應(yīng)用場景的優(yōu)化適應(yīng)能力。未來，人工智能語音芯片的發(fā)展將進(jìn)一步推動智能語音語言產(chǎn)品在各垂直行業(yè)領(lǐng)域商業(yè)化落地。 |
