智能語音技術是人工智能的研究領域之一，其原理涉及聲學、語言學、數字信號處理、計算機科學等多個學科，研究周期長、投入成本大，技術壁壘高，全球和中國語音市場基本形成寡頭壟斷格局。隨著智能語音產業(yè)的快速發(fā)展，產業(yè)競爭進一步加劇，吸引IT巨頭和中小創(chuàng)業(yè)團隊爭相進入，和傳統語音技術提供商共同角逐智能語音市場。
一、基本形成寡頭壟斷格局
就全球市場而言，谷歌、蘋果等IT巨頭的強勢進入，加上傳統語音技術廠商長期的技術和用戶積累，市場基本上形成了寡頭壟斷格局。2012年，Nuance、谷歌、微軟、蘋果、IBM、科大訊飛五家龍頭企業(yè)占據超過95.0%的市場份額。其中，Nuance自2005年與ScanSoft公司合并后，成為全球最大的語音技術廠商，憑借自身先進的語音識別、自然語言理解技術以及優(yōu)秀的語音解決方案，占有全球62.0%的語音市場。截至2012年底，其在全球擁有超過100家分公司或辦事處，業(yè)務覆蓋美國、英國、澳大利亞、奧地利、加拿大、德國、印度、中國等30多個國家和地區(qū)，業(yè)務涉及醫(yī)療保健、手機及消費者、企業(yè)服務等多個領域。谷歌憑借搜索方面的優(yōu)勢，通過對智能語音技術的持續(xù)大規(guī)模投入，將其應用在移動搜索、可穿戴設備等領域，后來居上，占據18.9%的市場份額。微軟作為較早從事智能語音技術研究的企業(yè)，其語音服務器在政府、金融、醫(yī)療、制造業(yè)等領域均得到應用。近年來，微軟將其語音技術在游戲、即時翻譯、Windows Phone等產品中推廣應用，市場份額不斷擴大，達到6.6%。蘋果長期以來致力于智能語音技術研發(fā)及其在電子終端上的應用和推廣，早在1984年就推出了第一臺會說話的計算機Macintosh，于2010年收購Siri，2011年推出了內置語音助手軟件Siri的iPhone 4s，成功掀起了智能語音產業(yè)熱潮。2012年，蘋果憑借Siri迅速搶占全球智能語音市場，占據近4.2%的市場份額。IBM是最早進入語音領域的企業(yè)之一，通過在語音識別和機器翻譯產品方面的持續(xù)發(fā)力，占據超過4.0%的市場份額�？拼笥嶏w作為中文智能語音的引領者，占據全球約3.2%的市場份額。
圖1 2012年全球智能語音企業(yè)市場份額
資料來源：工業(yè)和信息化部電子科學技術情報研究所
在中國智能語音市場，鑒于中國傳統文化和中文的特殊性，且得益于國內科研院所、企業(yè)扎實的研究基礎，中文智能語音技術處于國際領先水平，形成了一批優(yōu)秀智能語音企業(yè)，提供面向多領域、全行業(yè)的智能語音技術及服務，核心技術包括語音合成、語音識別、語義理解、聲紋識別等多個方面，業(yè)務涉及移動互聯網、智能家電、智能客服等多個領域，覆蓋教育、汽車、金融、醫(yī)療等多個行業(yè)，以科大訊飛、百度、Nuance、捷通華聲為代表的寡頭壟斷格局基本形成。其中科大訊飛憑借多年的技術和用戶積累，以54.3%的市場份額穩(wěn)居行業(yè)龍頭的位置。百度憑借在互聯網領域的優(yōu)勢，后來居上，成功在智能語音市場占據了重要位置，市場份額達到13.0%。百度自2010年進入智能語音領域以來，其語音搜索用戶已經占據其移動搜索用戶的1/10。蘋果憑借Siri與iPhone系列產品的綁定銷售，占據中國約11.7%的市場份額。Nuance憑借其雄厚的技術實力和強大的市場拓展能力，以5.4%的市場份額在中國市場仍占據一席之地，但其市場份額已經出現一定下滑，這主要是受制于中文智能語音的技術門檻。目前其在中國的主要市場為移動互聯網和車載市場。如為蘋果Siri提供技術支持，以及為寶馬、奔馳等進口汽車廠商提供智能語音技術支持。但其在呼叫中心等傳統領域的市場份額大幅下降，目前主要依靠華為、思科等硬件廠商仍占有少量份額。捷通華聲、中科信利、中科模識作為行業(yè)的先行軍，憑借其雄厚的技術背景，繼續(xù)在智能語音市場占據重要位置。
圖2 2012年中國智能語音市場份額
資料來源：工業(yè)和信息化部電子科學技術情報研究所
二、傳統技術企業(yè)依托科研院所仍居主導地位
以學帶研、以研促產、產學研用密切結合是智能語音產業(yè)發(fā)展最為典型的特點。作為科研驅動型行業(yè)，智能語音技術研究最早起源于貝爾實驗室，斯坦福、卡內基梅隆等學校的研究為智能語音產業(yè)發(fā)展奠定了堅實的基礎，蘋果Siri的雛形便是源自于斯坦福研究院聯合麻省理工學院、卡內基梅隆大學等多家機構承擔的美國國防高級研究計劃局（DARPA）的CALO項目。Nuance也是源于斯坦福研究院的STAR實驗室。
在中文智能語音市場，基本形成了基礎研究與產業(yè)應用協同發(fā)展的局面。圍繞科研院所形成的傳統技術廠商呈現高度集聚發(fā)展的特性，依托科研院所的技術優(yōu)勢，他們在行業(yè)中仍居主導地位。以中國科學院聲學所、中國科學院自動化所、中國科技大學、清華大學、北京大學、社科院語言所為代表的科研院所作為最早從事智能語音及相關技術的研究機構，長期以來專注于語音理論研究和技術研發(fā)，形成了領先的中文智能語音技術體系。一方面，他們自己成立智能語音控股公司，形成了真正的產學研一體化，如中科院自動化所的中科模識、中科院聲學所的中科信利、清華大學的得意音通。另一方面，他們與企業(yè)結成了廣泛的合作關系，為其提供技術支持，如百度與中科院聲學所在2010年初就聯合成立了百度—中科院聲學所聯合實驗室。另外，這些科研院所培養(yǎng)出來的人才也逐漸成為技術領軍人才，成為產業(yè)發(fā)展的中流砥柱。
圖3 主要傳統語音技術企業(yè)及其支撐科研院所
資料來源：工業(yè)和信息化部電子科學技術情報研究整理
2010年，科大訊飛推出語音云服務，并憑借在語音識別和語音合成及行業(yè)應用等方面深度的積累，2012年收入7.8億元，其中語音及相關業(yè)務收入超過5.3億元，合作伙伴超過2000家，語音云用戶超過3億。捷通華聲、中科信利、中科模識等企業(yè)具有在語音領域多年的技術和用戶積累，是智能語音產業(yè)的中堅力量。捷通華聲是最早成立的智能語音企業(yè)之一，憑借其在語音合成、手寫識別等智能人機交互技術方面的優(yōu)勢，與三大運營商、華為、中興等多家企業(yè)達成合作，業(yè)務領域覆蓋金融、電信、航空等多個領域。中科模識是中科院自動化所的經濟實體，自動化所依靠模式識別國家重點實驗室，在語音識別領域具有近30年的研究歷史。目前有各類研發(fā)人員近100多人，研究范圍涉及語音識別、語音合成、對話管理和理解、多語言翻譯等。中科信利是中科院聲學所的經濟實體，聲學所是中國聲學研究的奠基單位之一。公司目前擁有研發(fā)隊伍130余人、授權發(fā)明專利42個。公司長期專注語音識別研究，注重研究與實用相結合，除與百度合作之外，還通過把語音技術授權給騰訊、阿里巴巴、YY語音、UCweb、聯想、長虹、步步高、諾亞舟、索貝、大洋等客戶，其語音技術服務的用戶群體迅速擴大。
三、IT巨頭強勢進入搶占語音信息流入口
伴隨著智能語音發(fā)展的熱潮，通過主導智能語音技術服務而擁有信息技術應用和語音信息流的關鍵入口成為IT企業(yè)競爭的熱點和焦點。近年來，以谷歌、蘋果、微軟、百度、騰訊、搜狗為代表的IT巨頭紛紛通過自主研發(fā)和合作研發(fā)推出自己的語音產品，加大對語音市場的爭奪。
谷歌通過在語音領域的大力投入，以及其強大的知識圖譜和用戶積累，在語音市場占據重要位置，并率先掌握了全球語音信息流入口。截至目前，其智能語音技術在輸入法、語音控制、翻譯、網頁搜索等應用中進行了深度整合，于2010、2011、2012年相繼推出支持語音搜索等功能的Voice Action，Google Now、Google Search、谷歌眼鏡等產品，并開放了語音識別的API供開發(fā)者使用，在最新推出的Moto X中內置了隨時待命的語音助理。蘋果在2011年10月將語音助手Siri作為iPhone 4S的核心功能推出，力圖掌握移動互聯網信息流入口。2013年8月，蘋果成立自己的語音小組，試圖擺脫對Nuance語音技術的依賴，代表其正式進軍智能語音行業(yè)。微軟將智能語音技術與Windows操作系統和Windows Phone系統結合，把語音交互作為其核心交互模式，試圖將對信息技術應用和語音信息流入口掌控從桌面延伸到移動互聯網領域。同時，微軟實時語音翻譯軟件已具雛形，可實現26種語言互譯，這為其搶占全球語音市場占得先機。
國內如百度、搜狗、騰訊等IT巨頭先后涉足智能語音領域，并先后推出自己產品，力爭搶得智能語音信息流入口先機。百度2010年開始進行智能語音及相關技術研發(fā)，憑借其強大用戶積累，用戶規(guī)模迅速擴大。2010年9月，百度基于中科院聲學所語音識別技術在國內推出了第一個基于云端識別的移動互聯網應用--“掌上百度”，拉開了移動互聯網語音應用的序幕。2012年12月，百度推出自主研發(fā)的語音助手，截止到2013年6月，其語音搜索用戶已占其移動搜索總用戶的1/10。2013年8月，百度正式宣布將向開發(fā)者開放語音生態(tài)系統，此次的開放分三個層次，一是最底層的語音識別技術應用程序編程接口（API）的開放，包括合成技術、理解技術、認證技術、指紋技術等，開發(fā)者可以調用API實現語音識別功能。二是百度語音助手軟件開發(fā)工具包（SDK）開放，向開發(fā)者提供開發(fā)工具包，實際上是對語音識別標準化服務進行封裝，識別結果做關鍵詞抽取，搜索結果進行結構化數據返回，最終對接服務和應用。第三層的開放主要面向能力弱的開發(fā)者，將百度語音助手直接安裝在硬件上即可使用。9月，百度與三星達成合作，將其語音助手內置在智能手表Galaxy Gear上，為其進入智能穿戴設備領域奠定了基礎。搜狗于2012年12月正式推出語音助手，成為國內第一家涉足移動智能語音服務領域的搜索廠商。2013年2月，搜狗語音助手聯合微信開發(fā)首款微信語音應用——搜狗語音助手微信版。9月，搜狗語音助手接入搜狗知立方數據。2013年8月，騰訊為進一步提升用戶體驗水平和數據資源整合，在微信5.0中增加語音輸入功能，其語音團隊打造的語音技術成果正式亮相。隨后，網易聯合中國電信推出易信，強大的語音功能和優(yōu)質的效果成為其主要賣點之一。
四、中小創(chuàng)業(yè)團隊憑技術和產品創(chuàng)新快速成長
中小創(chuàng)業(yè)團隊借智能語音東風趁勢而起，以云知聲、紫冬銳意、光年無限、聚熵智能為代表的創(chuàng)業(yè)團隊憑借其較強的技術和產品創(chuàng)新優(yōu)勢迅速成長，并逐漸在市場中占據重要位置，發(fā)展?jié)摿^大。其中，云知聲作為智能語音領域的新銳企業(yè)快速成長，依托強大的語音識別和自然語言理解技術，僅一年就推出了自己的語音產品和語音云平臺，與搜狗、樂視等1000多家企業(yè)展開合作，業(yè)務遍及移動互聯網、車載、智能電視等多個領域。紫冬銳意以中國科學院自動化研究所技術為背景，2012年發(fā)布國內首個集成中英文語音識別、中英文語音合成、多語言翻譯技術的“紫冬語音云平臺”，同時發(fā)布國內首款基于云識別的同聲翻譯軟件——紫冬口譯。聚熵智能、光年無限等企業(yè)專注于自然語言理解技術和產品創(chuàng)新，通過與科大訊飛等傳統語音企業(yè)的合作，迅速搶占市場，已經在智能語音領域占據重要位置。據易觀數據，截止2013年5月27日，蟲洞語音助手、智能360的累計下載量已分別達到1325.3萬、1117.3萬。
