科大訊飛在業(yè)內(nèi)獨樹一幟的AI技術(shù)和產(chǎn)業(yè)標(biāo)桿之源，來自訊飛開放平臺戰(zhàn)略。

(相關(guān)資料圖)

2021年10月25日，這項戰(zhàn)略迭代到2.0。到今年11月，科大訊飛開放平臺2.0戰(zhàn)略取得了哪些進展？是否更進一步夯實了AI技術(shù)和產(chǎn)業(yè)優(yōu)勢？

此前，科大訊飛推動AI技術(shù)落地，主要從“平臺+賽道”戰(zhàn)略和“算法和數(shù)據(jù)”技術(shù)兩個方面推動，取得面向C端、B端和G端AI領(lǐng)域的技術(shù)應(yīng)用優(yōu)勢，那么現(xiàn)如今，這些細(xì)項有無迭代或升級？這種變化的技術(shù)優(yōu)勢包括什么？

2022年是科大訊飛開放平臺2.0戰(zhàn)略落地推進的首年，也是“科大訊飛1024開發(fā)者節(jié)”舉辦的第六年。11月18日，科大訊飛董事長劉慶峰和科大訊飛總裁吳曉如在合肥對這些問題一一做了披露。

訊飛開放平臺2.0這一年

人工智能（AI）是引領(lǐng)科技革命和產(chǎn)業(yè)變革的戰(zhàn)略型技術(shù)，具有溢出帶動性很強的“頭雁”效應(yīng)。

國內(nèi)AI技術(shù)標(biāo)桿和商業(yè)落地巨頭科大訊飛，通過訊飛開放平臺戰(zhàn)略推動AI落地。2022年是訊飛這項戰(zhàn)略進入深水區(qū)的第一年。

從框架結(jié)構(gòu)看，訊飛2.0以“科大訊飛+行業(yè)龍頭+開發(fā)者”三個維度，通過訊飛開放技術(shù)平臺和工具，結(jié)合行業(yè)特性和數(shù)據(jù)，形成數(shù)字底座，再通過開發(fā)者將數(shù)字底座與特定的軟硬件環(huán)境做匹配，最終形成完整的行業(yè)AI數(shù)字解決方案。

在過去的一年，科大訊飛堅持在源頭技術(shù)上創(chuàng)新，實現(xiàn)了單項技術(shù)的持續(xù)突破：比如在語音、圖像和認(rèn)知的國際高水平技術(shù)評測中，訊飛獲得12項比賽冠軍。與此同時，訊飛超腦2030計劃在多模感知、多維表達、交互大腦和應(yīng)用智能層面實現(xiàn)多技術(shù)深度融合。

其中，多模感知，解決的問題是商場、醫(yī)院和地鐵等開放場景使用語音識別、面臨各種噪聲或同方向人聲干擾時，可通過訊飛提出的多模感知技術(shù)，將人臉部的唇形、表情等和語音輸入結(jié)合，將這類復(fù)雜場景下語音識別的錯誤率從30%降低至10%，讓機器更準(zhǔn)確地感知世界。

交互大腦系統(tǒng)具備深度理解能力。通過機器學(xué)習(xí)，形成深度知識圖譜和自身理解體系，從而解析不同行業(yè)的知識。比如，實現(xiàn)醫(yī)療知識更好地服務(wù)醫(yī)生、能使工業(yè)聽診器有能力發(fā)現(xiàn)各種機器噪聲故障等。

所謂多維表達，即通過少量有監(jiān)督數(shù)據(jù)，訓(xùn)練得到語義人設(shè)與音色空間的映射關(guān)系，實現(xiàn)語義可控的聲音創(chuàng)造。把語音、形象和感情結(jié)合起來，實現(xiàn)機器和人的情感互動。

在運動智能方面，通俗說起來，就是既要讓人工智能有一顆強大的大腦，也要讓人工智能有一個靈巧的身體。用智能化強化學(xué)習(xí)模型改進經(jīng)典算法，科大訊飛實現(xiàn)了機器運動能力的提升和持續(xù)進化。

在訊飛開放平臺技術(shù)框架的“行業(yè)龍頭”維度，據(jù)科大訊飛總裁吳曉如透露，開放平臺2.0戰(zhàn)略已在14個行業(yè)落地，與數(shù)十家行業(yè)龍頭達成戰(zhàn)略合作，超1600家第三方合作伙伴加入共創(chuàng)，形成良好的生態(tài)帶動效應(yīng)。

科大訊飛設(shè)置了“教育、醫(yī)療、智慧城市、農(nóng)業(yè)、環(huán)保、汽車、酒類和旅游”等18個主要賽道。其中，工業(yè)、教育和金融是三個重點行業(yè)。

開發(fā)者數(shù)量，一直以來，都是各技術(shù)巨頭公司建立繁榮生態(tài)圈的核心指標(biāo)。

在過去一年，訊飛開放平臺2.0聚合的開發(fā)者團隊從265萬增長至370萬。在此基礎(chǔ)上的AI能力數(shù)，也從441項增長至513項；同時，在虛擬人交互平臺上，科大訊飛合作468家設(shè)計廠商，形成700多項虛擬資產(chǎn)，累計服務(wù)1000多家客戶。

對于訊飛AI開放平臺未來的能力演進方向，吳曉如稱，人工智能開放平臺有四個關(guān)鍵點需要持續(xù)提升：一是為實體和虛擬經(jīng)濟提供更強大的AI能力，二是場景智能需要有更高效的運用行業(yè)知識，三是人機協(xié)同需要人能更高效的使用AI工具，四是AI使用會具備便捷性、隱私保護和數(shù)據(jù)安全。

2.0戰(zhàn)略做了哪些技術(shù)升級

基于訊飛AI開放平臺四項未來技術(shù)演進能力，圍繞訊飛超腦2030，科大訊飛在開放平臺2.0的基礎(chǔ)上做了進一步升級，為百萬開發(fā)者和生態(tài)合作伙伴提供更強AI核心能力的人工智能開放平臺。

這些升級內(nèi)容包括依托AILAB模型云，實現(xiàn)用更少的數(shù)據(jù)量訓(xùn)練多場景模型；通過AIRPA超自動化，讓開發(fā)者更便捷地用拖拉拽模式制作智能化應(yīng)用；基于AIBOT機器人超腦，讓機器人行業(yè)能從感知認(rèn)知到運動智能的各個方面都能快速得到一體化解決方案。

其中，依托AILAB模型云，在事實上成為訊飛多場景AI服務(wù)的必選項。因為多場景數(shù)據(jù)量增速極快，由此形成AILAB模型云的堅實基礎(chǔ)。

據(jù)科大訊飛消費者事業(yè)群總裁于繼棟透露，2022年，訊飛AI服務(wù)在線調(diào)用年增長率達36%。

在社交場景，近一年輸入法語音調(diào)用量同比增長45%，超過平臺AI調(diào)用增速。其中，Z世代群體對語音輸入更為偏愛，女性使用語音的比例是男性的1.4倍。語音輸入已成為日常交流中人機交互的重要方式。

當(dāng)人們身處家庭場景，電視助手語音調(diào)用量過去3年間，增長515%。全年齡段用戶都已形成語音交互習(xí)慣，其中14歲以下的少年兒童群體和60歲以上的中老年群體，比成年用戶更偏愛語音交互。

出行時，車載語音調(diào)用量增長翻倍。在過去一年全國出口的200萬輛汽車中，預(yù)制訊飛多語種語音交互系統(tǒng)的車輛已超71%。合作車企在科大訊飛的助力下，已將13個語種推廣到全球20個國家。

過去一年內(nèi)，教育相關(guān)的AI調(diào)用呈現(xiàn)出902%的增長（學(xué)習(xí)場景）；錄音筆平均每天為每個用戶節(jié)省1.32小時（辦公場景）。

隨著社交、家庭、出行、學(xué)習(xí)和辦公等越來越多AI場景的廣泛應(yīng)用，人工智能在人機交互階段已走進千行百業(yè)。人工智能與生活結(jié)合的如此緊密，就技術(shù)應(yīng)用的深度看，相當(dāng)于當(dāng)前正在快速進入人機協(xié)同階段。

為滿足人機交互需求，訊飛開放平臺做了多方面技術(shù)能力的升級：在感知智能、認(rèn)知智能和運動智能的技術(shù)底座上，圍繞能力云、交互云、模型云、資產(chǎn)平臺、超自動化和機器人超腦，以API、低代碼、軟硬件一體和解決方案的方式，面向?qū)嶓w機器人和數(shù)字機器人建設(shè)N種場景化機器人。

在此基礎(chǔ)上，科大訊飛發(fā)布機器人超腦平臺AIBOT，以承接這個產(chǎn)業(yè)階段帶來的新商業(yè)價值。

于繼棟表示，融入多模交互、深度理解、運動控制和硬件模組等核心能力的機器人超腦平臺，能為實體機器人提供高性能的算力支撐、高效率的地圖導(dǎo)航以及高精度的定位功能，研制出軟硬一體的智能化機器人。

華爾街見聞在“科大訊飛1024開發(fā)者節(jié)”會議上獲悉，“軟硬一體智能化機器人”已有實際應(yīng)用案例。

比如能說會跑的狗：來自宇數(shù)科技的四足機器狗在訊飛機器人超腦平臺的加持下，已實現(xiàn)自適應(yīng)地形、全局定位搜索、地圖快速構(gòu)建和更精細(xì)的運動控制四種能力。因此，機器狗能跑會跳，能看會說，可應(yīng)用于戶外巡邏、工業(yè)巡檢等多元化場景。

“超腦2030計劃”階段成果

虛擬人交互技術(shù)，也是在過去一年，科大訊飛開放式AI平臺單兵突進的一個技術(shù)方向。

“支撐‘訊飛超腦2030計劃’的發(fā)展，有兩個關(guān)鍵算法亟待突破：無監(jiān)督學(xué)習(xí)和知識推理。”科大訊飛AI研究院副院長高建清說，“前者要做到實用化、場景化的預(yù)訓(xùn)練技術(shù)，后者要構(gòu)建基于知識檢索、決策以及融合的推理系統(tǒng)。”

科大訊飛設(shè)計了基于無監(jiān)督學(xué)習(xí)的預(yù)訓(xùn)練框架，并使用了少量有監(jiān)督數(shù)據(jù)做優(yōu)化，大幅提升訓(xùn)練效率。

針對多模語音識別、情感識別等多模態(tài)任務(wù)，新的預(yù)訓(xùn)練框架對音頻、人臉等不同模態(tài)的輸入一視同仁，利用其中內(nèi)容、表情及身份等信息的關(guān)聯(lián)性做融合，可設(shè)計出不同的訓(xùn)練目標(biāo)。

訊飛用少量有監(jiān)督數(shù)據(jù)構(gòu)建碼本，使訓(xùn)練機時下降八成，實現(xiàn)了實用化預(yù)訓(xùn)練。

在無監(jiān)督學(xué)習(xí)的預(yù)訓(xùn)練算法框架下，訊飛開放了輕量化的中文語音、中英文多模態(tài)預(yù)訓(xùn)練模型。高建清說，“預(yù)訓(xùn)練模型支持語音識別、聲紋識別、情感識別、多模態(tài)語音識別等多個任務(wù)，參數(shù)量遠遠少于業(yè)界公開的模型，但效果卻達到了業(yè)界相對最優(yōu)。”

在知識推理方面，以回答“包在低溫下會馬上發(fā)霉嗎”為例，機器要理解“低溫變質(zhì)慢”等常識，在引入海量知識的基礎(chǔ)上，要用預(yù)訓(xùn)練模型進行知識重要性排序，也要融合知識與問題進行推理，才能與人暢聊“面包變質(zhì)的二三事”。

同時，也提出了知識與問題融合的Across attention model，實現(xiàn)問題和知識之間的充分交互，從而實現(xiàn)更有效的知識推理。

此外，科大訊飛還探索將神經(jīng)網(wǎng)絡(luò)與符號推理相結(jié)合，實現(xiàn)了推理過程的可解釋性。應(yīng)用于小學(xué)平面幾何題上，這個推理系統(tǒng)讓AI答題的正確率從完全不可用，提升到了90%的水平，顯著優(yōu)于傳統(tǒng)推理系統(tǒng)。

值得一提的是，科大訊飛基于多模態(tài)交互以及醫(yī)療認(rèn)知技術(shù)，研發(fā)了一套抑郁癥定量篩查系統(tǒng)。這可模擬心理醫(yī)生的問診思路做交互設(shè)計，用戶通過與機器聊天的方式，即可初步實現(xiàn)病情的定量評估，篩查效果達到91.2%（北京安定醫(yī)院實測數(shù)據(jù)）。

目前，這一系統(tǒng)已在北京安定醫(yī)院等醫(yī)療機構(gòu)做試點應(yīng)用。“未來，基于定量篩查基礎(chǔ)能力，我們將研發(fā)抑郁癥篩查平臺，向更多學(xué)校推廣，助力青少年心理成長。”高建清表示。

作為“訊飛超腦2030計劃”的階段性成果，今年科大訊飛構(gòu)建了多款專業(yè)虛擬人，分別用于客服、助理、招聘、財務(wù)和法務(wù)等行業(yè)的工作，這些都具有一個共同特點：豐富的專業(yè)知識。

通過深入學(xué)習(xí)行業(yè)知識，訊飛定制研發(fā)了多行業(yè)交互大腦，目前已為金融、電信、媒體等多行業(yè)提供專業(yè)虛擬人解決方案，為“數(shù)字經(jīng)濟”服務(wù)。

風(fēng)險提示及免責(zé)條款 市場有風(fēng)險，投資需謹(jǐn)慎。本文不構(gòu)成個人投資建議，也未考慮到個別用戶特殊的投資目標(biāo)、財務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞： 科大訊飛 開放平臺 人工智能