人工智能語(yǔ)音語(yǔ)言行業(yè)市場(chǎng)規模分析及技術(shù)趨勢預測

1、人工智能語(yǔ)音語(yǔ)言行業(yè)應用及市場(chǎng)規模分析

人工智能語(yǔ)音語(yǔ)言技術(shù)即實(shí)現人與機器以語(yǔ)言為紐帶的信息處理技術(shù)，人機對話(huà)通過(guò)對聲音信號的音頻采集與信號處理將語(yǔ)音轉化為文字供機器處理，在機器進(jìn)行語(yǔ)音識別與語(yǔ)義理解后、再進(jìn)行對話(huà)管理、自然語(yǔ)言生成并通過(guò)語(yǔ)音合成技術(shù)將文本語(yǔ)言轉化為聲音進(jìn)行輸出，最終形成完整的人機語(yǔ)音語(yǔ)言交互。

人工智能語(yǔ)音語(yǔ)言市場(chǎng)的產(chǎn)業(yè)鏈可依據關(guān)鍵技術(shù)拆分為六大環(huán)節，各個(gè)環(huán)節又可以進(jìn)一步歸集為聲學(xué)、語(yǔ)音感知、語(yǔ)言認知三大模塊。

人工智能語(yǔ)音語(yǔ)言行業(yè)內的大部分公司只專(zhuān)注于產(chǎn)業(yè)鏈的單個(gè)或部分環(huán)節，少有公司能擁有覆蓋產(chǎn)業(yè)鏈各環(huán)節的技術(shù)、產(chǎn)品與服務(wù)，當前國內人工智能語(yǔ)音語(yǔ)言行業(yè)的公司大約有 400 余家，僅有極少數可以實(shí)現全產(chǎn)業(yè)鏈覆蓋。

在疫情的催化下，各行業(yè)智能化應用迎來(lái)需求拐點(diǎn)，進(jìn)入需求爆發(fā)期。預計 2030 年消費級應用場(chǎng)景總的發(fā)展空間將超過(guò) 700 億元。智能家居、智慧駕駛、智能辦公等企業(yè)級場(chǎng)景在疫情的催化下加速發(fā)展，市場(chǎng)需求不斷擴大，發(fā)展空間預計即將達到千億規模。

智能語(yǔ)音語(yǔ)言技術(shù)使得人類(lèi)的生產(chǎn)及生活方式逐步改變，基于智能語(yǔ)音語(yǔ)言技術(shù)的人機交互產(chǎn)品在接收用戶(hù)的聲音等信息后，能將用戶(hù)意圖轉換為機器可以理解和進(jìn)一步處理的內容，從而幫助用戶(hù)解決問(wèn)題或完成特定任務(wù)。其中，對話(huà)式機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(hù)客服、營(yíng)銷(xiāo)、質(zhì)檢、呼入、呼出等需求；搭載人機對話(huà)交互功能的消費級智能硬件，例如智能家電、智能車(chē)載、智能可穿戴設備等，能夠通過(guò)語(yǔ)音語(yǔ)言交互的方式，提供更豐富的設備交互功能，提升設備操控便捷性。

2021年我國對話(huà)式人機交互核心產(chǎn)品的市場(chǎng)規模達到91.50億元，帶動(dòng)相關(guān)產(chǎn)業(yè)經(jīng)濟規模達742.6億元，預計 2025 年核心產(chǎn)品規模達到 237 億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規模達到1,525 億元。

2019-2026年中國人機交互核心產(chǎn)品及帶動(dòng)相關(guān)產(chǎn)業(yè)規模

人工智能與實(shí)體經(jīng)濟的結合越來(lái)越多，與應用場(chǎng)景的深度結合將產(chǎn)生更大的商業(yè)價(jià)值，近幾年，人工智能語(yǔ)音語(yǔ)言技術(shù)在各行業(yè)的應用已十分廣泛，下游領(lǐng)域包括家電、汽車(chē)、消費電子、金融、物流、房產(chǎn)、政務(wù)、醫療等。2020 年智能語(yǔ)音語(yǔ)言技術(shù)在各垂直行業(yè)應用的核心產(chǎn)品規模達到 57.70 億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規模達 317.70 億元，預計 2025 年核心產(chǎn)品規模達到 159.10 億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規模達到 875.10 億元。

2、智能語(yǔ)音語(yǔ)言行業(yè)技術(shù)趨勢

近年來(lái)，行業(yè)內智能語(yǔ)音語(yǔ)言算法不斷更新迭代，基礎性能持續增強，通用識別準確率等已不再是智能語(yǔ)音語(yǔ)言行業(yè)發(fā)展的核心挑戰，語(yǔ)音語(yǔ)言技術(shù)逐步由以語(yǔ)音感知為主，向綜合感知、認知、知識計算的全鏈路對話(huà)系統方向拓展。

關(guān)鍵基礎算法層面，在可控環(huán)境和簡(jiǎn)單結構化知識源條件下，語(yǔ)音及語(yǔ)言處理技術(shù)的性能已經(jīng)表現良好，達到產(chǎn)業(yè)化水平，但在復雜真實(shí)環(huán)境和自然非結構化語(yǔ)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)內研究逐步轉向聚焦突破高噪聲、多干擾、端側低資源等真實(shí)復雜自然場(chǎng)景；在認知及知識計算方面，聚焦理解式的知識問(wèn)答、對話(huà)理解及管理技術(shù)，以及專(zhuān)業(yè)領(lǐng)域的深度知識結構化，進(jìn)一步增強面向垂直領(lǐng)域信息智能化的知識圖譜、對話(huà)問(wèn)答、閱讀理解、翻譯等能力。另一方面，個(gè)性化、場(chǎng)景定制化、私有化部署等需求已經(jīng)成為傳統產(chǎn)業(yè)進(jìn)行智能化改造和數字化升級的普遍需求，比如個(gè)性化的聲音復刻、新語(yǔ)義領(lǐng)域的問(wèn)答對話(huà)、為保護隱私的私有化識別部署等。支撐這一需求的小數據遷移學(xué)習和自主學(xué)習算法及其在語(yǔ)音語(yǔ)言處理各個(gè)領(lǐng)域的結合，也是智能語(yǔ)音及語(yǔ)言行業(yè)算法技術(shù)發(fā)展的趨勢。

（1）全雙工語(yǔ)音出現，人機交互朝著(zhù)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(gè)術(shù)語(yǔ)，意為允許數據在兩個(gè)方向上同時(shí)傳輸，應用在智能語(yǔ)音語(yǔ)言行業(yè)，即為實(shí)時(shí)的、雙向的語(yǔ)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(huà)模式。區別于單輪交互與多輪交互，全雙工可以做到“邊聽(tīng)、邊想、邊說(shuō)”，在接收語(yǔ)音信息的同時(shí)進(jìn)行思考，并實(shí)現動(dòng)態(tài)的預估，進(jìn)而以更快的速度進(jìn)行回答，使人機交互更自然、更流暢；同時(shí)，全雙工語(yǔ)音還可做到節奏控制，根據用戶(hù)回答內容的重要性，決定打斷還是繼續傾聽(tīng)，是先完成上一個(gè)問(wèn)題還是先回答用戶(hù)的追加問(wèn)題；此外，全雙工語(yǔ)音還能進(jìn)行場(chǎng)景理解，識別用戶(hù)當前是否在與 AI進(jìn)行對話(huà)，并根據不同對象、不同場(chǎng)景進(jìn)行音量、語(yǔ)氣等方面的調節。未來(lái)，智能語(yǔ)音語(yǔ)言的應用場(chǎng)景越發(fā)多樣化，應對的環(huán)境狀況越發(fā)復雜，全雙工語(yǔ)音的優(yōu)勢將會(huì )越發(fā)凸顯，并成為智能語(yǔ)音語(yǔ)言行業(yè)的主流交互方式。

（2）優(yōu)化人機交互體驗，多模態(tài)交互成為必然趨勢

人類(lèi)在交互過(guò)程中并非孤立地依據聲音、表情及動(dòng)作中的單項進(jìn)行溝通與交流，而是綜合視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)甚至嗅覺(jué)來(lái)進(jìn)行有效的溝通。同理，要使機器做到更加逼真的“擬人化”，就需要通過(guò)語(yǔ)音、視覺(jué)、文本等信息結合的方式來(lái)推動(dòng)人機交互的優(yōu)化與升級。應對人機交互場(chǎng)景化應用不斷拓展的市場(chǎng)需求，多模態(tài)、智能化的完整解決方案可以更好地應對不同場(chǎng)景的復雜變化，多模態(tài)交互成為行業(yè)發(fā)展的必然趨勢。

（3）以對話(huà)交互為核心的認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(lèi)智能信息軟硬件爆發(fā)式增長(cháng)的大背景下，對話(huà)式語(yǔ)言認知智能，尤其是對話(huà)理解和管理技術(shù)，將成為感知與認知系統級融合的關(guān)鍵技術(shù)，極大影響用戶(hù)體驗。另一方面，針對垂直領(lǐng)域的復雜結構化數據庫、各類(lèi)知識文檔等多種形態(tài)的原始知識源，進(jìn)行知識結構化和知識圖譜構建，形成可控人機理解式交互的知識源，支撐知識問(wèn)答和對話(huà)，支持人類(lèi)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，端側智能與云側智能雙輪驅動(dòng) AI 深度應用

目前基于深度學(xué)習的智能算法通常運行于具有強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(lái)更低的帶寬占用、更低的時(shí)延、更高的能效和更好的隱私保護。專(zhuān)用芯片往往是場(chǎng)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)品端側的計算效率，并提升針對特定應用場(chǎng)景的優(yōu)化適應能力。未來(lái)，人工智能語(yǔ)音芯片的發(fā)展將進(jìn)一步推動(dòng)智能語(yǔ)音語(yǔ)言產(chǎn)品在各垂直行業(yè)領(lǐng)域商業(yè)化落地。