與我們競(jìng)爭(zhēng)的是國(guó)際上的語音識(shí)別王者賽輪思，前身為被微軟收購的Nuance。在車企的交互測(cè)試?yán)?，我們的系統(tǒng)效果全面領(lǐng)先賽輪思。同時(shí)，由于中國(guó)過去幾年在汽車出海上表現(xiàn)優(yōu)秀，本項(xiàng)目也經(jīng)歷了多語種的交互效果評(píng)測(cè)，國(guó)內(nèi)現(xiàn)在出海的汽車，其車載語音交互系統(tǒng)絕大部分選擇的是訊飛的多語種智能語音交互系統(tǒng)。

華為的評(píng)測(cè)在當(dāng)時(shí)主要是考慮面向歐洲的手機(jī)出海，所以它的評(píng)測(cè)項(xiàng)目主要是手機(jī)的語音助手。我們的主要對(duì)手就不再是賽輪思，而是谷歌；華為采取的同樣是端到端產(chǎn)品層面的測(cè)試。當(dāng)時(shí)評(píng)測(cè)了英語、法語、西班牙語、意大利語等語種，訊飛也都全面超過谷歌，最終由我們提供了整個(gè)系統(tǒng)。所以，在去年全球1024開發(fā)者節(jié)大會(huì)上，華為副董事長(zhǎng)、輪值董事長(zhǎng)徐直軍提到目前華為公司在全球所有使用的智能終端的語音技術(shù)，都是來自于科大訊飛，而且不僅僅是中文。

這些企業(yè)在產(chǎn)品層面的遴選都非常嚴(yán)格，既要求效果又要求效率，還有可靠性。他們卻不約而同地選擇訊飛，充分證明了我們站在客戶視角做出的端到端效果和體驗(yàn)很優(yōu)秀。

心智觀察所：我看到有提出多語種技術(shù)存在一個(gè)卡脖子的問題，請(qǐng)問這個(gè)問題的由來是硬件層面還是算法層面？然后，訊飛提出了一種多語種統(tǒng)一音素韻律體系，并提到一個(gè)基于語族分組的共享建模技術(shù)，請(qǐng)問這些技術(shù)又是一個(gè)怎樣的情況？

劉聰：某種程度上，這次的項(xiàng)目獲獎(jiǎng)與卡脖子非常相關(guān)，許多國(guó)產(chǎn)化項(xiàng)目其實(shí)都是在這個(gè)背景之下催生的。

卡脖子既包含軟件和硬件。硬件在剛才已經(jīng)講述了一些，例如從2019年斷供人工智能的關(guān)鍵芯片，后來愈演愈烈；2022年10月，美國(guó)再一次極限施壓，升級(jí)對(duì)華半導(dǎo)體管制，導(dǎo)致我們基本上無法購買任何美國(guó)生產(chǎn)的硬件。另外在芯片層面，隨著大模型的崛起，美國(guó)也進(jìn)一步加大對(duì)硬件層面卡脖子的力度。

在軟件層面，美國(guó)直接掐斷了多語種語音技術(shù)的支持，很多語種技術(shù)服務(wù)無法使用，使得我國(guó)每年龐大的手機(jī)、家電出口受限。當(dāng)然，訊飛的多語種技術(shù)也因此受到了很大的影響，訊飛在中文語音領(lǐng)域全球領(lǐng)先，在數(shù)據(jù)方面有多年儲(chǔ)備，但是我們當(dāng)時(shí)關(guān)注的60多個(gè)語種不可能都像中文這樣去投入：一是因?yàn)槎嗾Z種數(shù)據(jù)資源缺乏，很多語種沒有那么多數(shù)據(jù)；二是即使我們能夠獲得一些小語種的數(shù)據(jù)，但是每個(gè)語種的知識(shí)及語言專家都很難找，知識(shí)匱乏。

為了應(yīng)對(duì)小語種智能語音系統(tǒng)構(gòu)建所面臨的知識(shí)匱乏、訓(xùn)練數(shù)據(jù)稀缺等難題，除了前面提到的語音屬性解耦共性技術(shù)在多語種領(lǐng)域有一些應(yīng)用之外，我們?cè)诙嗾Z種共享建模關(guān)鍵技術(shù)上也實(shí)現(xiàn)了突破：設(shè)計(jì)了全新的多語種通用音素體系RGP（Rough Global Phone）和基本語言單元，結(jié)合字音轉(zhuǎn)換自動(dòng)學(xué)習(xí)和人類語言專家的校驗(yàn)反饋，讓不論哪個(gè)語種的詞語都能使用這套共性的音素體系，實(shí)現(xiàn)了多語種統(tǒng)一音素韻律體系的構(gòu)建；

再通過基于元學(xué)習(xí)的多語種預(yù)訓(xùn)練和基于語族分組的多語種共享建模——通俗地說，就是將不同的小語種進(jìn)行分類，找到同類語種的共同規(guī)律，進(jìn)行分析建模和訓(xùn)練。基于以上技術(shù)創(chuàng)新，我們使需要的小語種數(shù)據(jù)數(shù)量大大降低，最終也顯著提升了小語種語音系統(tǒng)性能。

心智觀察所：關(guān)于這次獲獎(jiǎng)，您剛才也提到和中科大的合作，從校企合作的這個(gè)角度來說，攻克核心技術(shù)，促進(jìn)復(fù)合人才發(fā)展，推動(dòng)科技成果轉(zhuǎn)化，請(qǐng)問從您的角度來說，您覺得還有哪些工作是可以總結(jié)或是需要繼續(xù)完善，繼續(xù)去進(jìn)一步做？

劉聰：將本次獲獎(jiǎng)算在內(nèi)，訊飛一共三次獲得國(guó)家科技進(jìn)步獎(jiǎng)。每次獎(jiǎng)項(xiàng)都凝結(jié)了十年左右的積累和突破，我們自稱“十年磨一劍”。

訊飛從成立之初，就非常關(guān)注產(chǎn)學(xué)研。當(dāng)年，訊飛創(chuàng)始人、董事長(zhǎng)劉慶峰等六名在校大學(xué)生加上十二名員工，一共十八個(gè)人創(chuàng)業(yè)成立科大訊飛，我們也是第一家在校大學(xué)生創(chuàng)業(yè)之后成功上市的企業(yè)。如此看到，訊飛源頭的核心技術(shù)來自中科大，特別是王仁華老師建立起的我國(guó)最早的人機(jī)語音通訊實(shí)驗(yàn)室。除了中科大之外，訊飛也整合了源頭核心技術(shù)資源，包括語言所、聲學(xué)所以及后來清華大學(xué)等，將國(guó)內(nèi)在語音方面最有優(yōu)勢(shì)的產(chǎn)學(xué)研資源全都集中。此后，我們也不斷基于研究方向和許多外部實(shí)驗(yàn)室合作。故此，我們從創(chuàng)立之初到現(xiàn)在一直高度重視產(chǎn)學(xué)研。

我們現(xiàn)在產(chǎn)學(xué)研模式與成立初期有一些變化。早期我們的產(chǎn)業(yè)模式更多是一個(gè)橫向項(xiàng)目，這意味著每當(dāng)企業(yè)有一個(gè)任務(wù)需要高校的創(chuàng)新能力時(shí)，就需要高校從原始創(chuàng)新的角度去解決這樣的任務(wù)。但是，我們現(xiàn)在的問題大多源于產(chǎn)業(yè)里很復(fù)雜的一些問題，解決它們也需要一個(gè)比較復(fù)雜的產(chǎn)業(yè)鏈。所以雖然橫向項(xiàng)目仍然存在，但現(xiàn)在很多的組織方式變?yōu)楹透咝９餐陥?bào)國(guó)家的項(xiàng)目。企業(yè)的問題中可能會(huì)解析出一些不同的技術(shù)難題，有的需要原始創(chuàng)新、適合高校去研究；有些需要工程能力或系統(tǒng)性創(chuàng)新能力，適合企業(yè)去完成，因此現(xiàn)在校企之間變成了一個(gè)更大的創(chuàng)新聯(lián)合體概念。

多年以來，我們一直堅(jiān)持產(chǎn)學(xué)研，但伴隨著科技創(chuàng)新在不同時(shí)代所要解決的問題不同，企業(yè)、高校在其中扮演的角色也一直在變化。

那么，我們訊飛產(chǎn)學(xué)研的邊界在哪里？從訊飛這些年的經(jīng)驗(yàn)來講，我們的業(yè)務(wù)部門在做“今天的事”——在產(chǎn)品研發(fā)過程中，我們不可能在技術(shù)仍然是“期貨”狀態(tài)時(shí)就馬上推出產(chǎn)品，產(chǎn)品推出時(shí)技術(shù)應(yīng)該已經(jīng)成熟，使得用戶在使用體驗(yàn)之后，技術(shù)還能夠持續(xù)迭代；

訊飛研究院則是在研究“明天的事”。研究院會(huì)進(jìn)行技術(shù)孵化，例如做出一個(gè)技術(shù)demo給大家展示，雖然還沒有進(jìn)入產(chǎn)品和應(yīng)用，但是有了技術(shù)雛形。此后結(jié)合應(yīng)用場(chǎng)景、產(chǎn)品的具體需求，這些技術(shù)會(huì)繼續(xù)打磨迭代，直至真正應(yīng)用；

高校所考慮的甚至更加長(zhǎng)遠(yuǎn)一點(diǎn)，想的是“后天的事”。有些高校里的技術(shù)可能仍然存在于論文之內(nèi)，離工程化還有一定的距離，但卻代表了下一代，甚至是下下一代產(chǎn)品的技術(shù)可能與方向。

所以，我們需要分配好我們的產(chǎn)學(xué)研資源，在企業(yè)我們強(qiáng)調(diào)技術(shù)的應(yīng)用落地，在研究院里完成技術(shù)的預(yù)研的孵化，在學(xué)校里探索布局下一代前瞻技術(shù)。

訊飛研究院上一任院長(zhǎng)胡國(guó)平曾經(jīng)提出過一個(gè)理念：臺(tái)階的重要性，意思是對(duì)于企業(yè)來說，如果等一個(gè)技術(shù)完全成熟之后再去布局，可能就會(huì)為時(shí)已晚；所以在技術(shù)不斷進(jìn)步的前提下，上一個(gè)臺(tái)階技術(shù)相對(duì)成熟，我們就要預(yù)估技術(shù)進(jìn)步的未來趨勢(shì)，以及能夠達(dá)到的具體程度，提前布局下一個(gè)臺(tái)階里更高難度的技術(shù)和更廣闊的應(yīng)用場(chǎng)景。

打個(gè)比方，我們2010年推出了訊飛輸入法，開啟語音輸入的時(shí)代。但大家使用語音輸入法的時(shí)候一般是自己思考一下再說出來，這種場(chǎng)景下的語音識(shí)別難度顯然比不上兩人聊天、多人開會(huì)。雖然當(dāng)時(shí)在深度學(xué)習(xí)技術(shù)的加持下，語音識(shí)別水平有了顯著提升，但應(yīng)用到會(huì)議場(chǎng)景準(zhǔn)確率就會(huì)驟降，因此2011、2012年我們迭代訊飛輸入法的時(shí)候開始思考，如何讓語音識(shí)別技術(shù)拓展到訪談、會(huì)議等場(chǎng)景里應(yīng)用。

2015年時(shí)，訊飛輸入法效果已經(jīng)非常不錯(cuò)，那一年我們?cè)谀昴┑陌l(fā)布會(huì)上又推出了語音轉(zhuǎn)寫技術(shù)的成果——訊飛聽見，全程將發(fā)布會(huì)上劉慶峰董事長(zhǎng)的發(fā)言進(jìn)行精準(zhǔn)的轉(zhuǎn)寫，實(shí)現(xiàn)了技術(shù)突破。

此后，我們又逐漸迭代技術(shù)，并且基于此推出了錄音筆等智能硬件，訊飛聽見也服務(wù)了越來越多的重要大會(huì)，并且在語音轉(zhuǎn)寫之外還實(shí)現(xiàn)了翻譯等功能。今年，訊飛聽見已經(jīng)服務(wù)全國(guó)政協(xié)兩會(huì)六周年，全面覆蓋人大政協(xié)各個(gè)駐地會(huì)議三周年，訊飛聽見智慧簡(jiǎn)報(bào)系統(tǒng)助力了兩會(huì)期間駐地的記錄服務(wù)工作，同時(shí)還幫助數(shù)十家媒體的多位記者采訪記錄、高效出稿。

我們今天之所以能夠達(dá)到這種水平，離不開之前所設(shè)置的“臺(tái)階”。所以要基于技術(shù)發(fā)展的速度，合理地預(yù)判趨勢(shì)來提前做產(chǎn)業(yè)轉(zhuǎn)化的布局。

本文系觀察者網(wǎng)獨(dú)家稿件，文章內(nèi)容純屬作者個(gè)人觀點(diǎn)，不代表平臺(tái)觀點(diǎn)，未經(jīng)授權(quán)，不得轉(zhuǎn)載，否則將追究法律責(zé)任。關(guān)注觀察者網(wǎng)微信guanchacn，每日閱讀趣味文章。