人工智能的第三次浪潮正在到來，AI使得機器獲得了眼睛、耳朵和無數其他感官，而語音交互就好比“AI的耳朵和嘴巴”。機器能夠通過識別和理解，把語音信號轉變為相應的文本或命令，通過自然語言處理識別文本中的指令，再通過語音合成等技術，與人類進行對話。
根據美國投資機構Mangrove Capital Partners發布的《2019年語音技術報告》預測，到2025年，語音經濟的規模將達到1萬億美元，超過移動應用經濟。報告顯示，語音技術創業公司今年已融資7.86億美元，遠遠超過2018年的5.81億美元以及2017年的2.98億美元。語音技術從根本上改變了人和機器的關系，徹底改變了我們與軟件交互的方式，也給下一代的數字世界創造巨大價值。
應用場景凸顯
隨著AI技術的發展，語音技術從算法到模型都有了質的飛躍，陸續進入工業、家電、通信、車載導航、醫療、家庭服務、消費電子產品等各個領域中。從企業到用戶，智能語音的場景正隨著技術應用而逐漸實現普遍化。
最常見的則是我們和Siri的對話，在出門前：“Siri，今天天氣怎么樣”；在開車時，對著智能語音系統：“開啟回家路線導航”；到家后，對著智能音箱：“小度，播放一個郭德綱的相聲”，等等，智能語音早已融入在了我們的生活中。
而智能語音應用最多的場景，智能客服。不僅能夠讓人力從繁重的機械性回答中徹底解脫出來，同時降低成本、提高效率，讓客服變成更有溫度、為用戶帶來更高價值的個性化服務。現今，智能客服已大規模應用在保險、物流、教育、快消等多個行業之中，成為一種發展趨勢。
另外，通過語音識別自動錄入文字，機器自動翻譯外語，通過語音識別判斷身份，通過機器對話進行口語考試，還有語音電商推出基于語音助手的購物服務等等。語音技術也在超越語言障礙。目前谷歌的服務已經支持30種語言，甚至可以同時理解用戶所說的多種語言。
技術的發展，場景應用普遍化，促使著整個行業從初期向成熟期快速邁進。語音技術已經進入了一個產業爆發期。
智能語音技術之爭
隨著語音交互能力相對成熟，國內外科技公司也圍繞著語音交互掀起了大戰，尤其是手機。作為AI落地的關鍵入口，手機語音助手市場硝煙四起，技術發展也非常迅速。
行業中語音技術主要有三類廠商提供。一類是谷歌、亞馬遜、百度等互聯網巨頭，自研整套語音交互技術以及內容服務。第二類是一些成熟的語音技術廠商，比如像Nuance、科大訊飛、搜狗知音等。
第三類則是圍繞語音交互的創業公司，圍繞自身核心技術暗暗發力，這類公司有獵戶星空、思必馳等，往往在某一垂直領域如語音識別、語義理解或者語音合成等方面，爭取在巨大的市場下分一杯羹。
語音經濟未來趨勢
我們可以看到，語音經濟的價值體現，科技公司的廣大布局。我們也可以明顯感受到一些變化，語音入口的地位進一步強化，語音助手更加智能化。而智能語音對人工智能實力和生態系統廣度的高要求，必然在未來五年內爆發巨頭間的競爭。各家搶奪的不再單單是硬件，背后還有用戶數據挖掘，以及軟件、技術、平臺以及相關服務等等。
隨著智能語音技術應用不斷深入，已有的商業變現模式對場景化提出了更高的要求。面向物聯網的智能語音產業鏈將產生新的商業模式，具體表現在智能家居、智能車載、可穿戴設備等硬件之中。
物聯網時代的家居場景下，找到合適的語音入口是挖掘智能家居背后用戶價值的關鍵。硬件本身具有入口價值，智能音箱作為載體，可以控制超過80%的智能家居設備，將成為未來智能家庭的中樞或是輸出裝置，讓智能電視、電燈、空調等連接起來，通過語音交互來實現對于其他智能家居產品的控制，從而推動家庭IOT生態的建立。
語音交互也給智能汽車發展裝上了加速器，智能后視鏡、HUD、車機、車載音箱以及中控系統，都紛紛加入語音交互系統。在產業爆發后，國內外科技巨頭的目光將逐漸瞄準縱深市場，硬件的基礎功能成為免費標配，個性化的增值服務成為盈利的關鍵點。
隨著語音AI技術的成熟，也將極大提升可穿戴設備的交互體驗，從而也將推動可穿戴設備的發展。智能可穿戴設備形式多樣，手表、眼鏡、紐扣、項鏈等都可以作為載體，可以讓語音交互更加普及。智能可穿戴設備將會從早期的差異化硬件盈利，過渡到后期的運維和個性化增值服務盈利的模式。可穿戴設備會收集到用戶的各類數據，基于用戶行為特征數據的挖掘分析，提供精準營銷服務、后端增值服務和廣告費用，將會是未來盈利的重要模式。
AI公司的下一戰
目前，我國的智能語音市場的主要份額被科大訊飛、百度以及蘋果分割。數據顯示，目前為止，中國智能語音市場，科大訊飛市場占有率排名第一，市占率達到44%；其次為百度，市場占有率為28%；排名第三的是的蘋果，市占率為7%。其后為Nuance以及小i機器人都處于剩下3.0%的市場份額中。
在國內眾多AI科技企業如依圖科技、極鏈科技等大批量興起時，如何占領跑道、進行變現也成為了這些公司需要仔細思考的地方。對于智能語音市場來說，在未來，會對各大公司的場景化落地能力提出更高的要求，需要企業快速掌握不同應用場景下對智能語音的需求痛點，而這對絕大部分智能語音公司來說還有難度。
