编者按：最近，大大小小的厂商都加入了智能音箱战局。那么，智能音箱是不是一门好生意，这会成为硝烟弥漫的战场还是歌舞升平的乌托邦？为此，动点科技近期推出了专题【智能音箱的理想国】，我们将从硬件、评测、市场、投资人和它背后的人工智能、语音识别等方面进一步呈现它。作为此次专题系列文章之三，本文会从创业者的角度带大家来一起解读智能音箱。
智能音箱作为语音智能当下的主流前沿，包括BAT在内的互联网公司都在这一市场一决雌雄。而专注语音识别的灵伴科技作为技术型公司剑走偏锋，聚焦B端市场，独创的AIssS（人工智能及服务）理念，将人工智能转化为劳动力。
不急于尝鲜智能音箱领域
前几天，朋友圈热传了一篇名为《创业公司做智能音箱为什么九死一生》的文章，其中阐述的观点正中灵伴科技CEO陈博的下怀，他认为创业公司若要落地智能音箱产品，基本等同于“冒死”、“躺枪”和“做炮灰”。
两年前，陈博说过，脱离了噱头和概念才是产品的未来，如今看来，在人工智能初期阶段，这种浮躁现象并未得到改善。“BAT为了布局，是可以长期烧钱的，而一些公司为了跻身智能音箱领域，拿别家的技术东拼西凑，安上自己的壳子，用户体验不理想。”
从人机交互的技术角度来看，语音识别、语音合成和语音理解三要素缺一不可，“用户对智能音箱的需求不只是用来播放音乐，他可能会问天气怎么样，帮我查一个地址或订单”。那么，智能音箱语音交互的第一步骤就是识别声音源，需要麦克风阵列的支持，“亚马逊Echo的用户体验好，主要是在麦克风阵列的突破。”
陈博提到，国内成熟的麦克风阵列产品和提供解决方案的公司并不多，有些公司正处于技术攻关阶段。特别是传统技术的很有限，要保证识别准确率，这就意味着不能“吃老本”，必须在核心技术上进行创新。
一直以来，语言理解是语音交互始终绕不过去的话题。陈博解释说，深度学习会让机器变得越来越聪明，将大量的语料数据导入后，会针对这些数据进行学习和训练，但为什么语言理解仍然不理想，是因为文本数据在不同的场景变化太大，很难靠语料收集达到一个很好的结果，这其中包含大量的语言省略、指代和缩写的问题，“譬如我说昨天太好玩了，机器肯定不知道我所指代的事情。”
而创业公司的一大硬伤是缺乏资源，“譬如音乐的版权，播放无版权的音乐会不会被对方告。”陈博表示，亚马逊、Google、苹果做智能音箱，是因为它们有自己的生态圈，智能音箱只是其中的一个环节，恰恰智能音箱又是人机交互的一个入口，所以会有更多的互联网公司涌入这个赛道，“可能前两款产品很弱，第三款产品就完善了，这是一个长期的布局，如果创业公司也这么玩，可能能在第一款产品就死掉了”。
陈博定义的灵伴科技专注技术而不做产品，他把灵伴看作自媒体，自媒体以内容为王就可以生存下去，因此，“创业公司一定是To B的玩法，不是To C做音箱这种消费产品，在某一领域创造你的产品价值，深耕这一领域，就必然会带来现金流。”
摸着石头过河
2014年2月，陈博带领团队在中关村创建了专注语音交互的灵伴科技，其中不乏清华北大的博士，核心研发团队先后在2012年和2013年SIGNAN中文信息处理国际评测，简体中文句法分析两项任务均获得第一名；“Blizzard Challenge”国际语音合成大赛的第一名。正是对比赛的感悟才促成他们创业的落实，“我们最初参加比赛仅仅是证明自己的技术，后来认为做研发最终还是要服务于产业，如果研发项目不能落地成为产品、成为服务，那你的研发没有任何意义”。
创业和研发无法相提并论，研发上钻研算法即可，而对创业来讲，主要依靠产品的综合能力、市场和渠道的能力。
陈博坦言，灵伴团队过去走过不少弯路。2016年年初曾面向C端做了一款App——众摇。具体说来，用户在观看电视广告时，通过启动众摇App，摇晃手机，系统会自动识别广告声音，并向用户手机再推送一个相关广告，最后给用户一个现金红包作为回报。团队希望通过大小屏的互动增加商业价值，以此为基础实现盈利。
“众摇”可以实现3秒内的场景互动，陈博回忆说：“技术团队当初花了很大精力来做优化，众摇App推广的3个月后，摇动次数的最高峰值是一天300万次，我们平台的支撑做得都很好“。
但团队的顶层设计过于理想化。
其一，团队没有认识到电视在家庭场景中被日益淡化，传统有线电视节目正在被互联网电视盒子取代，用户更偏好于收看点播节目，而非电视直播，造成用户规模先天不足。
其二，灵伴从广告商支付的资金拿出一部分，作为红包来刺激用户使用，短期内可以支撑，长期来看，创业公司没有那么多钱可以挥霍。
其三，创企项目PK不过一个生态，摇一摇只是其中一环，最重要的是靠线下商家来做支撑，这需要吸纳大量的人力来发力运营，创业公司必须大量融资，向美团、大众点评一样去做地推，还要不断的烧钱，抢占市场。
最终，短暂上线5个月的众摇App被灵伴团队亲自关停，这次的大胆试错，坚定了灵伴最初的规划方向。
上线智能社会服务云平台，正确率达95%
结合自身优势和企业定位，灵伴科技推出了国内首家“睿思AlaaS”智能社会服务云平台，陈博习惯称之为“呼叫中心”。其通过智能融合“语音交互技术”和“云呼叫平台”打造的“虚拟劳动集市”，“雇佣”虚拟坐席机器人为客户提供在线语音交互服务。这套方案已经成功应用于保险公司、银行、电商平台证券公司等场景。
举例来说，用户购买了保险后，虚拟机器人会选择时间对其进行电话回访，向用户确认身份，询问是否投保，条款是否知晓等等。陈博向记者介绍，保险行业整体的业务量主要集中在第一季度，二三季度是淡季，淡旺季业务量的波峰波谷相差几十倍，“不可能因为业务量激增进行大规模招聘，到了淡季再进行裁员”，基于这一行业特征，灵伴顺利的与多家合作方签约，通过上线这项服务，话务员的工作压力得到明显削减。
陈博谈到，目前智能客服以文本客服为主，但并没有体现出产品价值，文本客服虽然取代传统的FAQ（Frequently Asked Questions）页面，并且有很大的体量，但文本客服其实是被“激活”出来的，“譬如用户想要投诉，文本客服就无法解决这一问题，最后还是会打人工客服，所以我们上线呼叫中心，就是切实解决用户的问题”，这也是产品价值所在。
至于潜在的竞争对手，陈博并不过多担忧，“呼叫中心”是服务于B端的项目，目前BAT还没有涉足该领域”。他同时表示：“这是一个需要深耕的领域，每个行业的呼叫中心都要具备不同的专业知识，而这些专业知识就是这个行业的壁垒，所以我们深耕这一领域，就能实现产品价值。”
近一两年来，深度学习技术获得突破以后，行业整体的技术门槛下降，但距离成熟技术相比还有很漫长的路要走。陈博表示，“睿思AlaaS”目前的正确率达到90%，针对特定场景进行再优化可以实现95%的精准度，这一数字已经处于人机交互的行业前列。
灵伴科技目前已和保险、银行、运营商等展开深度合作，短期主要以出售服务的方式为主，预计公司将在年底实现收支平衡，明年实现盈利。今年下半年，灵伴科技将发布其自主研发的麦克风阵列，产品线定位在B端市场，针对不同的产品规格，提供适用于智能机器人、智能音箱等产品的麦克风阵列解决方案。未来，灵伴还将在智能医疗、汽车伴驾、智能硬件等方向展开布局。
历时3年时间，灵伴已成长为技术成熟型公司，近60人的团队，技术岗占比80%。眼下，灵伴科技将侧重于市场、产品方向，并进行相关岗位的人才招募，是公司的业务拓展和。
资金方面，陈博透露，灵伴将于下半年启动B轮融资，融资金额不会低于A轮。2014年，灵伴获得了千万级别的天使投资，2015年A轮融资近亿元，具体数字对方暂未透露。
题图来自123RF
