美國投資機(jī)構(gòu)Mangrove Capital Partners本周發(fā)布了2019年“語音技術(shù)報(bào)告”。報(bào)告題為“語音：歡迎下一代的顛覆者”，分析了語音助理服務(wù)的日益普及，并對(duì)2020年Siri的動(dòng)向做出了有趣的預(yù)測(cè)。
以下為編譯整理的報(bào)告全文：
在過去多年的鍵盤輸入和點(diǎn)擊手機(jī)屏幕之后，我們正在回歸到最初的“用戶界面”：語音。雖然我們尚未感受到語音技術(shù)帶來的全部影響，但這種技術(shù)正在改變我們與數(shù)字世界互動(dòng)的方式。
重要的是，這種轉(zhuǎn)變影響的遠(yuǎn)遠(yuǎn)不止是查看天氣預(yù)報(bào)，獲取音樂，以及設(shè)置鬧鐘。語音帶來了平臺(tái)和用戶界面的轉(zhuǎn)變，足以與網(wǎng)頁和智能手機(jī)相媲美。作為人工智能和機(jī)器學(xué)習(xí)的入口，語音技術(shù)將通過強(qiáng)大的新方式為我們提供服務(wù)。
在Mangorve，我們相信，語音將成為未來10年決定性的主題之一。除了用數(shù)字服務(wù)影響各行各業(yè)以外，語音技術(shù)還將培育出新一代的科技公司。與人工智能一起，語音技術(shù)將從根本上改變?nèi)撕蜋C(jī)器的關(guān)系，給下一代軟件創(chuàng)造巨大價(jià)值。
向語音的轉(zhuǎn)移
自2011年蘋果推出Siri以來，語音技術(shù)已經(jīng)取得了長足發(fā)展。隨著機(jī)器學(xué)習(xí)的發(fā)展，我們?cè)谡Z音識(shí)別（語音轉(zhuǎn)文字）和自然語言處理（識(shí)別文本中的指令）兩方面都獲得了相當(dāng)大的進(jìn)步。事實(shí)上，語音系統(tǒng)的單詞識(shí)別準(zhǔn)確率已超過95%，這意味著它們已經(jīng)具備了與人類相仿的語言理解能力。相對(duì)于打字，語音產(chǎn)品提供了更自然、更便利、更高效的溝通形式。因此，語音注定將成為最主要的人機(jī)互動(dòng)接口。
根據(jù)Juniper Research的數(shù)據(jù)，目前市面上已有25億個(gè)語音助理存在。隨著科技巨頭爭(zhēng)相加入競(jìng)爭(zhēng)，越來越多家庭正在啟用語音服務(wù)。在美國，家用智能音箱的總數(shù)2018年大幅增長78%，從6670萬臺(tái)增加至1.855億臺(tái)。亞馬遜在這個(gè)市場(chǎng)的份額達(dá)到64.6%。Canalys預(yù)計(jì)，全球范圍內(nèi)智能音箱的裝機(jī)量到2023年將增長至5億臺(tái)。
2023年，語音助手?jǐn)?shù)量將超過全球人口
語音也在成為智能家居和物聯(lián)網(wǎng)的入口。亞馬遜宣布，已有4500個(gè)品牌提供2.8萬款支持Alexa的智能家居設(shè)備，包括電視機(jī)、炊具和機(jī)器人吸塵器。除了進(jìn)入家庭場(chǎng)景之外，語音助手也在進(jìn)入萬豪等酒店的房間，并且在汽車信息娛樂系統(tǒng)中也很受歡迎。亞馬遜正在與多家汽車公司展開談判，有報(bào)道稱亞馬遜的車內(nèi)產(chǎn)品Echo Auto預(yù)售訂單已超過100萬。Echo Auto提供全方位的免提體驗(yàn)，包括打電話、導(dǎo)航，以及操控智能家居設(shè)備。
語音技術(shù)也在超越語言障礙。目前谷歌的服務(wù)已經(jīng)支持30種語言，甚至可以同時(shí)理解用戶所說的多種語言。有趣的是，在中國語音服務(wù)的普及更快，阿里巴巴在中國的智能音箱市場(chǎng)處于領(lǐng)先。
各類受歡迎應(yīng)用的出現(xiàn)令人聯(lián)想到App Store發(fā)展的早期。亞馬遜Alexa提供的功能包括為新媽媽提供母乳喂養(yǎng)支持，鼓勵(lì)孩子們刷牙，幫助用戶鍛煉，指導(dǎo)足球隊(duì)，以及指引人們?nèi)绾味\告。
語音電商的崛起
由于亞馬遜Alexa直接關(guān)聯(lián)至全球最大的電商平臺(tái)之一，語音購物也在初步發(fā)展。亞馬遜已經(jīng)看到，Alexa平臺(tái)的電商交易在2018年假日季同比增長至三倍。沃爾瑪近期也推出了基于谷歌語音助手的在線生鮮購物服務(wù)，支持購物者通過谷歌Home、智能手機(jī)或智能手表將產(chǎn)品添加到購物車。
根據(jù)Juniper的數(shù)據(jù)，在美國和英國，語音電商的規(guī)模將從2018年的20億美元增長至2022年的400億美元。有趣的是，語音電商最熱門的三大商品品類都是低價(jià)商品：生鮮雜貨（20%）、娛樂（19%）和電子（17%）。
亞馬遜精選”的重要性
因此對(duì)零售商來說，獲得“亞馬遜精選”的地位將會(huì)比以往更加重要。根據(jù)OC&C戰(zhàn)略咨詢公司的數(shù)據(jù)，亞馬遜購物者中有85%最終會(huì)選擇亞馬遜推薦的商品。不過目前外界仍然不清楚，具體商品要如何才能獲得這樣的推薦。
語音電商的興起
無論是在線上還是線下，語音技術(shù)已經(jīng)在指引消費(fèi)者購物?？煜窂S商正在探索，基于語音體驗(yàn)，對(duì)于制作雞尾酒和品嘗威士忌等場(chǎng)景，可以如何提升產(chǎn)品定位和用戶忠誠度。
你不會(huì)再感到孤單
重要的是，語音服務(wù)正在從事務(wù)性向?qū)υ捫赞D(zhuǎn)變。這種趨勢(shì)的最終結(jié)果很難完全被理解，但你可以考慮這一點(diǎn)：你永遠(yuǎn)不會(huì)再感到孤單，無論是在與Alexa說話，還是與另一個(gè)人或人工智能說話。人工智能的第一次浪潮使用算法去建立推薦引擎，提供訪問互聯(lián)網(wǎng)服務(wù)，例如谷歌、亞馬遜和Facebook的快捷方式。而第二次浪潮則是幫助企業(yè)利用結(jié)構(gòu)化數(shù)據(jù)去優(yōu)化決策流程。類似Palantir的公司開始崛起，它們挖掘大量結(jié)構(gòu)化數(shù)據(jù)，找出人眼和人腦難以發(fā)現(xiàn)的信息關(guān)聯(lián)性。
人工智能的第三次浪潮正在到來。人工智能獲得了眼睛、耳朵和無數(shù)其他感官，從而可以收集從來沒有過的新數(shù)據(jù)，隨后使用這些數(shù)據(jù)推動(dòng)更復(fù)雜的流程自動(dòng)化。與此同時(shí)，我們也在從基于命令的靜態(tài)流程轉(zhuǎn)向動(dòng)態(tài)流程。這是計(jì)算領(lǐng)域的結(jié)構(gòu)性變化，將徹底改變我們體驗(yàn)軟件，與軟件交互的方式，模糊了數(shù)字世界和現(xiàn)實(shí)世界之間的關(guān)聯(lián)。
隨著人工智能系統(tǒng)在對(duì)話中變得更熟練，收集關(guān)于人們及其周圍世界的更多數(shù)據(jù)，它們將可以了解情景信息。人類通常可以不費(fèi)力地掌握這些關(guān)聯(lián)信息，并將其應(yīng)用在對(duì)話中。情景信息將幫助人類和機(jī)器以更自然的方式互動(dòng)和協(xié)作。而隨著體驗(yàn)的優(yōu)化，變得更有用，他們將會(huì)更加頻繁的互動(dòng)，而機(jī)器也將掌握更多知識(shí)。
這樣的良性循環(huán)意味著，在未來3到5年內(nèi)，計(jì)算機(jī)的對(duì)話能力將變得更復(fù)雜，更具變革性。與其將我們的時(shí)間花在鍵盤打字和智能手機(jī)觸控上，我們可以很方便地與無所不在的人工智能交談。重要的是，我們與軟件互動(dòng)的方式將被永久改變：表單將會(huì)消亡，接觸點(diǎn)將變成“監(jiān)聽點(diǎn)”。
這就可以解釋，為何全球最大的科技公司向語音技術(shù)進(jìn)行了大筆投資。語音技術(shù)帶來了平臺(tái)和用戶界面的改變，這足以媲美此前的網(wǎng)頁和智能手機(jī)，而不同之處僅僅只是，用戶向語音的轉(zhuǎn)移不需要任何訓(xùn)練。對(duì)于這種未來主導(dǎo)性的平臺(tái)，大型科技公司不容有失。因此，亞馬遜已有超過1萬名員工從事Alexa項(xiàng)目，而亞馬遜也是對(duì)語音技術(shù)創(chuàng)業(yè)公司最熱衷的投資方之一。
語音優(yōu)先界面的黎明
語音技術(shù)的影響非常深遠(yuǎn)，每家公司都需要重新考慮如何與用戶進(jìn)行互動(dòng)。這不僅僅是調(diào)整SEO（搜索引擎優(yōu)化）等方面的工作，或是開發(fā)自己的Alexa“技能”或谷歌的“操作”。
企業(yè)最終需要提供能感知情景、語音優(yōu)先的界面。能建立用戶認(rèn)知和情感連接的企業(yè)將可以更好地吸引用戶，而如果只是用預(yù)設(shè)腳本去被動(dòng)響應(yīng)用戶問題，那么企業(yè)將處于明顯的劣勢(shì)。嚴(yán)重依賴通知去驅(qū)動(dòng)應(yīng)用使用的科技公司可能需要重新審視策略。消費(fèi)者對(duì)于那些用太多通知去打破“聲音門檻”的公司（例如LinkedIn）不會(huì)再有太多耐心。
最熱門的移動(dòng)應(yīng)用成為了今天的主導(dǎo)平臺(tái)，而最能吸引用戶的語音優(yōu)先界面將會(huì)成為明天的主導(dǎo)服務(wù)。很難預(yù)測(cè)理想的界面應(yīng)該是什么樣，但下一代Airbnb、Monzo和Uber的出現(xiàn)很可能只要3到5年。
無屏幕手機(jī)，例如Light Phone的出現(xiàn)向我們展示了未來，這樣的手機(jī)不依賴于我們了解并喜愛的移動(dòng)應(yīng)用?？紤]到語音服務(wù)的學(xué)習(xí)曲線很短，能明顯減少用戶的使用障礙，因此可以很合理地假設(shè)，在我們注意到全部潛力之后，語音經(jīng)濟(jì)將快速發(fā)展。
語音時(shí)代的工作
在我們與軟件交互的過程中，所花費(fèi)時(shí)間最長的場(chǎng)景就是工作。因此可以合理假設(shè)，在工作場(chǎng)景我們將會(huì)看到最明顯的變化。盡管我們可能仍然需要與屏幕互動(dòng)，但鍵盤很可能會(huì)變成多余的。畢竟，普通人每分鐘可以用鍵盤輸入40個(gè)單詞，但卻可以說出150個(gè)單詞。
無所不在的人工智能可以支持我們?nèi)粘９ぷ髦械脑S多任務(wù)和流程，例如回復(fù)電子郵件，整理會(huì)議信息，向團(tuán)隊(duì)成員發(fā)布信息，以及用數(shù)據(jù)更新相關(guān)系統(tǒng)等。這也可能意味著，我們將不再被捆綁在辦公桌，不必再久坐不動(dòng)。
更進(jìn)一步，無所不在的人工智能可以注意到效率最高的員工，并告知他人他的工作方式，從而優(yōu)化工作產(chǎn)出。能持續(xù)識(shí)別高績效者的特定策略，并將最佳績效建議分發(fā)給網(wǎng)絡(luò)中其他人的人工智能學(xué)習(xí)循環(huán)已經(jīng)開始出現(xiàn)。這些優(yōu)化網(wǎng)絡(luò)不是為了取代人工，而是依靠人類去學(xué)習(xí)并優(yōu)化流程。人類仍然會(huì)處于循環(huán)中。
一個(gè)值得關(guān)注的案例是Chorus.ai，該服務(wù)能加入通話，同時(shí)就有效回復(fù)做出提示。Chorus.ai并不是給銷售電話提供預(yù)設(shè)的腳本，而是會(huì)分析團(tuán)隊(duì)成員的不同方法，帶來更積極的成果，并鼓勵(lì)創(chuàng)造性。
通過讓人類變得更聰明、更高效，新一代的SaaS（軟件即服務(wù)）產(chǎn)品將可以收取更高的訂購費(fèi)用，從而成為更具價(jià)值的一代企業(yè)軟件。
從虛擬人物到虛擬醫(yī)生
虛擬KOL莉兒米克拉（Lil Miquela）
我們已經(jīng)看到，虛擬KOL逐漸興起。例如，來自洛杉磯、19歲的虛擬KOL莉兒米克拉（Lil Miquela）在Instagram上積累了150萬粉絲，目前已經(jīng)參與過Calvin Klein等知名時(shí)尚品牌的營銷活動(dòng)。
位于舊金山的創(chuàng)意工作室Fable正在虛擬人物方面邁進(jìn)更多一步。該公司的虛擬人物具有完整的互動(dòng)能力，并且有自己的個(gè)性。很快，我們就能創(chuàng)建人工智能全息伴侶，例如《銀翼殺手》中的喬伊。喬伊由Wallace Corp制造，可以成為“你想看到的全部一切”。
虛擬人物很可能會(huì)改變娛樂和客服的表現(xiàn)形式，與此同時(shí)在給老年人和其他需要幫助的人群提供服務(wù)方面也可以扮演關(guān)鍵角色。畢竟，被認(rèn)為孤獨(dú)的人群健康下降的風(fēng)險(xiǎn)要高出59%，而社交孤立也是造成抑郁癥的最常見原因之一。
總部位于巴塞羅那的Safe365作為由科技驅(qū)動(dòng)的社區(qū)和互助網(wǎng)絡(luò)已經(jīng)吸引了許多老年人。語音產(chǎn)品提供了對(duì)用戶非常友好的方式，監(jiān)控健康和認(rèn)知能力，并提供關(guān)于鍛煉和服藥的提醒。
事實(shí)上，語音和人工智能最終有可能完全取代醫(yī)生。K Health已經(jīng)開發(fā)了一款人工智能，將數(shù)千名醫(yī)生的經(jīng)驗(yàn)結(jié)合在一起，以做出準(zhǔn)確的診斷。借助語音技術(shù)，人工智能還可以像人類醫(yī)生一樣給病人提供安慰。
對(duì)語音技術(shù)融資的分析
根據(jù)我們的分析，對(duì)語音創(chuàng)業(yè)公司的投資正在加速。語音技術(shù)創(chuàng)業(yè)公司今年已融資7.86億美元，遠(yuǎn)遠(yuǎn)超過2018年的5.81億美元以及2017年的2.98億美元。這樣的融資增長表明了市場(chǎng)的信心，即語音技術(shù)將帶來變革。融資的規(guī)模也在大幅上升，2019年到目前為止平均交易規(guī)模是3000萬美元，而2018年和2017年分別為1800萬美元和1750萬美元。
語音技術(shù)創(chuàng)業(yè)公司融資情況
娛樂和播客是已經(jīng)吸引了大量興趣的領(lǐng)域之一。Spotify收購了播客創(chuàng)業(yè)公司Gimlet和Anchor，總共花費(fèi)3.37億美元。這個(gè)領(lǐng)域其他值得關(guān)注的創(chuàng)業(yè)公司還包括制作語音優(yōu)先收費(fèi)內(nèi)容的Sybel。
按國別或地區(qū)，語音技術(shù)公司融資情況
與此同時(shí)，從2015年成立以來，亞馬遜Alexa基金已經(jīng)進(jìn)行了72筆投資。過去18個(gè)月中，該基金投資的創(chuàng)業(yè)公司涉及娛樂、健康、教育、交通、電商、酒店和SaaS等行業(yè)。這表明，亞馬遜相信語音技術(shù)將改變一系列行業(yè)。
我們的分析還顯示，在語音技術(shù)創(chuàng)業(yè)公司的融資活動(dòng)中，美國處于領(lǐng)先。美國此類創(chuàng)業(yè)公司獲得了超過10億美元的投資，而歐洲只有1.18億美元。這尤其值得關(guān)注，因?yàn)檎Z音技術(shù)代表著范式轉(zhuǎn)換。如果歐洲希望在下一代技術(shù)發(fā)展中建立自己的地位，歐洲的創(chuàng)業(yè)者和投資人需要快速做出響應(yīng)。
挑戰(zhàn)
語音技術(shù)領(lǐng)域最大的挑戰(zhàn)之一是隱私保護(hù)。微軟的數(shù)據(jù)顯示，41%的語音助手用戶對(duì)信任、隱私和被動(dòng)監(jiān)聽感到擔(dān)憂。谷歌Nest設(shè)備中被發(fā)現(xiàn)存在隱藏的麥克風(fēng)造成了不利影響，而亞馬遜申請(qǐng)專利“監(jiān)聽房間里的所有對(duì)話”也是如此。
如何回應(yīng)這些關(guān)切取決于科技公司，而蘋果在這方面的工作卓有成效。蘋果收購Silk Labs值得贊賞，后者開發(fā)在設(shè)備中運(yùn)行的人工智能軟件，而不必使用云計(jì)算平臺(tái)去處理數(shù)據(jù)。
蘋果在圍繞語音服務(wù)構(gòu)建生態(tài)方面進(jìn)展緩慢。實(shí)際上，蘋果1987年提出的“知識(shí)導(dǎo)航工具”給出了更明確的語音服務(wù)愿景。語音服務(wù)社區(qū)期望蘋果在2020年全球開發(fā)者大會(huì)（WWDC）上為開發(fā)者社區(qū)發(fā)布Siri操作系統(tǒng)，從而加速創(chuàng)新和普及。
Voicebot.ai的編輯和出版人布雷特金塞拉（Bret Kinsella）表示：“Siri操作系統(tǒng)對(duì)于鼓勵(lì)創(chuàng)新是有必要的。許多人認(rèn)為，蘋果需要匹配亞馬遜和谷歌語音助手取得的進(jìn)展。”
《機(jī)械姬》等熱門電影中提出的一個(gè)問題是，如果我們癡迷于機(jī)器人，愛上代碼而不是其他人，那么人工智能將成為人類的威脅。盡管對(duì)某些人來說這種說法聽起來很牽強(qiáng)，但約會(huì)模擬游戲已被證明非常受歡迎。在中國，名為《戀與制作人》的游戲在上線首個(gè)月下載量突破700萬。
盡管挑戰(zhàn)了我們對(duì)隱私保護(hù)的觀念，就人類與技術(shù)的關(guān)系提出了新問題，但我們?nèi)匀挥泻芏嗬碛蓪?duì)語音技術(shù)保持樂觀。這種技術(shù)將驅(qū)動(dòng)新的生產(chǎn)力提升浪潮，造福消費(fèi)者、企業(yè)和社會(huì)。并且，這也將幫助我們更好地照料老年人，同時(shí)讓全球7.74億不識(shí)字的人群可以使用互聯(lián)網(wǎng)。
語音時(shí)代的預(yù)測(cè)
- 鍵盤的消亡：我們不再需要打字，而是可以使用語音和手勢(shì)。鍵盤將在未來5到10年內(nèi)基本上消亡。
- 語音技術(shù)將帶來全新的產(chǎn)品門類，包括無屏幕智能手機(jī)。
- 品牌很快需要通過“聲音身份”來被識(shí)別，產(chǎn)品搜索將被徹底改變。
- 因?yàn)樵谑褂谜Z音服務(wù)時(shí)用戶不太能注意到具體應(yīng)用，因此硬件將重新變得比軟件更重要。
- 虛擬伴侶將變成現(xiàn)實(shí)，滿足你生活的全部需求。
- 蘋果將于2020年推出Siri操作系統(tǒng)，從而在語音經(jīng)濟(jì)中推動(dòng)巨大的創(chuàng)新。到2025年，語音經(jīng)濟(jì)的規(guī)模將達(dá)到1萬億美元，超過移動(dòng)應(yīng)用經(jīng)濟(jì)。
