丰禾研究丨人工智能语音细分行业研究简述1、 人工智能语音是通过语音实现人与机器交互的技术，其产业生态可以分为基础层、技术层和应用层。基础层侧重基础支撑平台的搭建，技术层侧重核心技术的研发，应用层更注重应用发展。 2、 人工智能语音行业发展特征 （1） 技术和应用的交替上升使得人工智能落地应用迎来新的发展机遇，2022年市场有望达到367亿元。 （2） 人工智能交互方式，由原来的单一交互向智能语音+机器视觉的多模态深度交互发展。 （3） TO B用户需求是围绕业务痛点的解决方案。因此面向TO B提供人工智能技术公司生态资源特别重要，会具备明显竞争优势且用户粘性更强。 一、人工智能语音行业基本介绍 1、人工智能语音行业的定义 智能语音是以语音实现人与机器进行交互的技术。语音技术是将接收到的语音信号通过特征提取和分析识别转化为文字的过程，是实现人工智能产品“听得见”人类指令的技术基础，其应用和自然语言处理、语音合成技术常常形成闭环。 2、人工智能语音生态分层 智能语音产业生态可以分为基础层、技术层和应用层。其中，基础层侧重基础支撑平台的搭建，技术层侧重核心技术的研发，应用层更注重应用发展。 上游基础层主要包括智能语音计算能力等相关的基础设施搭建及海量数据，包括服务器、芯片、模组等硬件，以及数据和计算资源。 中游技术层包括支撑引擎和语音技术两部分，支撑引擎指深度学习、开源模型、语音开放平台等算法平台服务，语音技术主要有语音识别、语义理解，还有一些细节的技术，如声纹识别、语种识别、语音合成、音色转换、语音增强、语音唤醒、声源定位等，这些都是在语音处理方向要使用到的支撑技术，是智能语音向产业转化的技术支撑，降低智能语音应用门槛。 下游应用层即 C 端和 B 端两种方向。2B 代表的领域主要由客服、教育、医疗、金融等，2C 的领域应用代表有可穿戴设备、虚拟助理、家庭机器人、无人驾驶等。智能语音应用层在 C 端要做的就是要提升客户体验，更加人性化的服务于客户（移动设备、汽车、家居）；在 B 端，要提升效率，采用智能化的处理方法解决效率问题。 二、人工智能行业发展趋势 1、技术和应用的交替上升使得人工智能落地应用迎来新的发展机遇，2022年市场有望达到367亿元 从技术层面来看，算法、算力的突破带来的人工智能技术的跃升。自2016年起智能语音使用深度神经网络方法使得机器语音识别准确率达到98%的水平，逐步强化人工智能的基础设施地位，准确率的提升使得语音技术落地场景不断增加，加速其贯穿重构社会生产生活，不断催生新产品、新模式、新业态。同时应用落地带来的实用高质量数据反过来帮助训练智能语音系统，使得语音识别准确率进一步提高。 数据来源：艾瑞咨询 从应用层面看，随着落地应用的增长智能语音市场将持续高速增长。随着智能家居、智能汽车、智能家电等新兴产业正从概念化阶段向商业化阶段发展，传统的手控方式已体现不出在控制和交互上的方便、快捷、智能等要求，语音控制和交互是必然手段。在智能家居方面，作为人机自然交互的前提之一，语音识别是智能家居的发展趋势；此外，像VR、机器人等新兴产业的相关的技术和产品需求也不断涌现，为智能语音技术及应用层企业带来新的市场机遇。据赛迪顾问数据统计，2019年中国智能语音市场规模达到144.4亿元，保持高速增长；预计未来三年智能语音市场规模仍将保持25%以上的增长速度，预计2022年将达到367.3亿元。 数据来源：赛迪顾问
2、智能语音由原来的单一交互向智能语音+机器视觉的多模态深度交互发展 多模态人工智能交互是指在智能语音的基础上与机器视觉技术进行深度融合，使机器对文字、声音、图片、视频等多模态的数据和信息进行深层次多维度的语义理解。多模态识别的主要将通过语音识别、人脸识别、表情分析、唇动状态、眼球跟踪、手势识别、触觉监控等智能人机交互手段综合识别人的情绪、疲劳状态、复核验证人的身份。相对于单独的语音智能，多模态人工智能够更加精准、主动和个性化地提供人机交互。而在企业级和公共级场景下仅做语音转文字和简单的结构化，不能甄别有效信息、语义结构分类不理想等将是限制语音应用落地的最大问题，而多模态人工智能交互在此类场景下具备明显优势。 3、TO B用户需求是围绕业务痛点的解决方案。因此面向TO B提供人工智能技术公司生态资源特别重要，具备较强竞争力且用户粘性更强 第一，人工智能交互本质是定制化服务，具有生态资源优势的企业在产品应用落地上具有竞争力（快速产品落地及迭代、终端客户体验更好）。一方面，人工智能技术特点需要随着客户内容及需求升级不断提供定制化服务，同时需要对接大量内容资源(影视娱乐、教育、健康等)，具有生态资源优势的企业在产品应用落地上更具优势。另一方面，设备商与技术提供方、内容方进行深度合作建立生态，配合响应度高能够快速完成产品落地及迭代，产品语音应用功能更完善为最终客户带来更好的体验，提升市场竞争和产业链条中的优势。 第二，生态圈有利于人工智能公司在细分垂直领域积累高质量数据（教育、健康、娱乐等细分优质数据），而高质量数据有力于提升垂直业务能力，同时垂直业务能力的提升将优化终端产品能力，进一步提升市场竞争力。随着人工智能行业的发展，落地场景更加细分垂直，部分通用化、浅层化的智能产品和服务将难以较好地满足各行业日益垂直化、专业化、场景化、细分化的赋能需求，同时人工智能语音采用深度神经网络学习算法，细分场景下更精细化、高质量的数据有助于人工智能公司优化产品和服务，以加速其技术的商业化应用提升自身能力满足客户需求。 第三，生态优势有利于人工智能公司在客户侧建立智能语音或机器视觉平台，平台建立后客户粘性强。由于人工智能技术特点，开放平台只能满足客户基本需求，为了更好的为客户进行服务提高交互体验与内容服务深度，技术公司需要先建立智能语音或机器视觉平台与客户业务侧进行深度对接，因此进入门槛高。具有生态圈优势的企业因具备整体解决方案的能力硬件+技术+内容，生态圈内企业相互配合更容易在客户侧建立平台。而在平台建立后客户替换成本高，与客户粘性强后续产品销售及持续合作有保障。
