每日最新頭條.有趣資訊

熬過技術積累期,智能語音的下一場爭奪,是產品和渠道之戰

帶著觀點看商業。超級觀點,來自新商業踐行者的前沿觀察。

文 | 特約觀察員 陳孝良

編輯 | 黃臻曜

核心提示:

1、前的人工智能商業模式歸成大類,則主要就是賣技術、賣產品、賣方案和賣服務。

2、2014年-2019年人工智能行業大部分資金確實投向了產品和解決方案的應用領域,基礎技術領域的投資比例相對較少。

3、單從全球銷量這點來說,全球最為成功的人工智能產品其實就是智能音箱

4、國內傳統行業和高新技術都不如美國成熟發達,反而讓國內人工智能創業的機會相對更多一些

5、新冠疫情會對智能語音行業的發展有很大影響

前幾天知名風投機構A16Z的Martin Casado和Matt Bornstein對AI的商業模式進行了深度剖析,再次引起了人們對人工智能商業模式的討論和質疑。自2010年以來,人工智能作為新興技術的趨勢代表,一直在融資市場突飛猛進,常被媒體渲染的無所不能,但若從商業視角來看,人工智能似乎有些名不副實。比如語音領域的科大訊飛和圖像領域的曠視科技,公開財報上營收和盈利的壓力很大,至於AI芯片和自動駕駛領域目前來看還是融資驅動,比如谷歌旗下的Waymo剛在3月份宣布完成22.5億美元的融資。

那麽,為什麽人工智能的商業化過程如此艱難呢?

這是大家非常關注的問題,即便是站在未來看現在,其實也沒有準確的答案。但是我們可以從一些資料和數據上進行分析,也可以結合一些實踐案例推演,人工智能的核心就是基於數據預測概率,這類概率思路對於我們分析問題還是有些參考價值。

人工智能的商業模式

探討這個問題之前,我們需要摸底人工智能企業的基本情況,我們根據國內外人工智能排名榜和人工智能知識產權排名榜等調研機構和媒體榜單選取272家全球人工智能企業公開數據進行分析,這些企業也包括了全球上市的企業和互聯網科技巨頭企業的旗下品牌,並以知識產權為參考剔除了一些概念企業。由於很多人工智能企業還沒有上市,因此還不能獲取公開財報,但是可以從媒體報導和公司網站上分析出我們所關注的要素即商業模式。我們統計歸納以後得出圖1的商業模式示意圖,從中可以看出,若把當前的人工智能商業模式歸成大類,則主要就是賣技術、賣產品、賣方案和賣服務。

圖1:AI企業的商業模式示意

通過對這些人工智能企業深入分析發現,76%左右的人工智能企業成立於2010年之後,其中有38%的人工智能企業成立於2015年之後,另外有9%左右的人工智能企業成立在2000年以前,這9%主要是互聯網企業及旗下品牌。另外,大約79%的人工智能企業直接切入產品和解決方案,只有9%的人工智能初創企業是從人工智能算法起家,而這些算法也相當分散,涵蓋了計算機領域、光學領域、聲學領域、電磁學領域、通訊領域、自動化領域等,例如深度學習、圖像識別、語音識別、聲學處理、語言理解、自動駕駛等,說明每一家算法初創企業都有相應的技術特色。同時我們也發現,從算法切入的人工智能企業基本上誕生在2010年之後。

圖2:全球272家人工智能排行榜企業統計

通過數據分析,我們發現從算法入局的人工智能公司升級轉型的平均年限是5年,轉型路徑如圖3所示,主要轉型方向就是AI芯片、AI產品、AI方案和AI系統,其中60%以上的企業全部轉型成為了產品和解決方案公司,而有30%左右的人工智能企業則是具有從芯片到解決方案的全部業務。另外,國內的人工智能企業在2015年之後,從算法企業轉型為芯片企業的比例較高,而國外從算法公司轉型為芯片公司的案例相對較少。

圖3:人工智能排行榜算法企業的商業路徑

上述的現象也得到了資本市場的驗證,從圖4的2014年-2019年人工智能行業細分領域的融資事件統計來看,我們可以看到大部分資金確實投向了產品和解決方案的應用領域,基礎技術領域的投資比例相對較少這與我們圖2的統計分析非常一致,說明資本市場對於基礎技術的實際熱情並不高,反而是更加關注商業化程度較高的產品和解決方案企業。另外,我們還發現2010年之後的人工智能企業轉型方向,與每年的融資熱點具有一定的相關性,比如2015年之後人工智能算法企業轉型芯片企業就受到了國內半導體產業政策的影響。

圖4:2014-2019年的人工智能融資分布

智能語音的商業探索

從圖4可以看出,智能語音技術領域的融資事件最少,從2014年到2019年僅有48項。若從圖5艾瑞谘詢的數據再次細分為語音識別和語音分析賽道之後,我們發現僅有23家語音識別企業和11家語義分析企業進入到B輪融資。

圖5:中國人工智能投資數據概覽(數據來源:艾瑞谘詢)

從圖4和圖5的統計分析來看,似乎與我們對於智能語音的直觀印象大相徑庭,因為智能語音從1956年開始在歷史上就備受媒體關注,同時也是全球互聯網巨頭爭奪的主要賽道,這包括了Google、Amazon、Microsoft、Apple、Facebook、Samsung、百度、騰訊、阿里巴巴等,這些巨頭都為此投入了巨資研發或者收購,同時也帶動了市場熱情。最近十年智能語音的興起,也是從賈伯斯在Apple手機推出Siri開始,隨後Amazon和Google引領了智能音箱的歐美風潮,國內的百度、阿里和小米也緊跟其後推出了智能音箱產品並帶火了國內市場,直到2019年全球銷量超過了1.2億部(圖6)。若單從全球銷量這點來說,全球最為成功的人工智能產品其實就是智能音箱,這也是為數不多的能夠隨手買到並且可以真實體驗從人機互動到機器決策效果的產品。

圖6:智能音箱的全球銷量統計(數據來源:Canalys)

為什麽人們對於智能語音的感知和實際資本投入有差異呢?

其中關鍵就是智能語音的技術成熟度和技術鏈條問題,從圖7可以看出,智能語音的關鍵階段有三部分:1978年到2011年的起步期、2011年-2016年的發展期和2016年之後的可用期。這其中有兩個關鍵時間節點:一個是2011年語音領域開始應用深度學習技術,並在2016年準確率達到了人類水準,但是這個結果是在理想的數據環境能得到,在真實場景的實用效果還不能滿足要求;另外一個就是2016年,其中一個重大的技術進展就是聲學與深度學習技術的融合,也就是遠場語音互動技術,這解決了機器語音識別在真實環境中的落地應用問題,而代表這項技術的典型應用就是智能音箱,智能音箱在2016年開始在美國爆發,2017年開始在國內爆發。

圖7:智能語音的技術歷史和技術鏈條(數據來源:艾瑞谘詢)

在智能語音技術發展的三個關鍵階段中,國內外都誕生了相應的代表公司,比如1999年成立的科大訊飛和2002年成立的中科信利,分別以語音合成和語音識別起家;2007年成立的思必馳也是以語音識別起家;2012年成立的雲知聲和出門問問,分別以語音識別和語音助手起家;2016年成立的聲智科技,則是以聲學為核心的遠場語音互動技術起家,並奠定了國內智能音箱的技術路線和特色架構。

國外則有1992年成立的Nuance以語音識別為主,1999年成立的Conexant和2003年成立的DSP Concepts則以聲學處理為主,2007年成立的Siri則以語音助手為主。若以融資到B輪之後來算,國外在2010年之後成立並且獨立成長起來的智能語音公司相對就很少了,2010年之後國外成立的人工智能企業被並購的情況更為普遍。這其實也說明了由於國內傳統行業和高新技術都不如美國成熟發達,反而讓國內人工智能創業的機會相對更多一些。補充一下,上述統計分析中並沒有包含自然語言理解領域的創業公司,自然語言理解技術相對智能語音技術的發展更慢一些,雖是人工智能技術的“皇冠”,但是一直被認為沒有實質突破。圖8的數據讓我們比較興奮,由於NTLK(Natural Language Toolkit,自然語言處理工具包)降低了技術門檻,自然語言理解在2019年獲得了長足進步,這對於NLP來說或許是一個非常重要的時間節點。從國內的專利申請數量也能驗證這點,根據國家工業信息安全發展研究中心數據,截至 2018 年底,中國人工智能領域合計申請專利 44.4萬件,而語音識別與自然語言處理技術則合計申請專利 6.1 萬件,佔比達到 13.6%。這也說明,智能語音和自然語言理解的技術積累已經跨越了可用階段,大規模應用和商業化的時代正在來臨。

圖8:自然語言理解的代碼統計(數據來源:GitHub)

那麽智能語音的商業模式又是怎樣的呢?

我們根據272家企業名錄選取了智能語音相關的企業,並參考這些企業的公司網站和媒體報導,以當前最為顯著的業務進行了歸類分析,進而得到圖9智能語音公司的商業路徑(需要說明這種歸類比較泛化並且存在主觀因素)。

從圖9的結果來看,大部分人工智能企業其實聚焦到了與商業距離最近的AI方案領域,次之的則是面向消費領域的消費電子產品領域,也就是說大部分智能語音企業已經直達用戶而脫離了供應鏈屬性。即便從算法起家的國內智能語音創業公司也出現了較大的分化,比如科大訊飛現在以行業方案和消費產品為核心,思必馳和雲知聲現在以語音芯片為核心,出門問問現在以消費電子品牌產品為核心,聲智科技現在以AI作業系統為核心。國內大型企業比如華為、小米、阿里和騰訊以消費電子品牌產品為主,百度和科大訊飛則以產品為核心布局全產業鏈條,不僅提供AI芯片,也提供開放平台和作業系統。這裡要強調一下AI作業系統,相對芯片來說AI作業系統並不受資本關注,國內從事這個技術領域的公司也很少,從技術自主性和應用普遍性來看市場上主要有百度的DuerOS、聲智科技的Azero和科大訊飛的iFlyOS。其中百度的DuerOS在消費電子領域應用較廣,聲智科技的Azero則在運營商和中小客戶領域應用較廣,並且Azero在智能電梯、智能會議、智能測溫、智能汽車等行業領域也有應用。

圖9:智能語音的商業路徑統計

這樣來看,智能語音的商業化探索路徑和圖像識別領域的創業公司類似,大多都是從算法起家,然後轉型分叉到芯片、作業系統、產品或者解決方案領域。若從融資規模來看,智能語音企業的融資數量和規模都遠小於圖像識別企業,這與智能語音的技術成熟度與技術鏈條的複雜性都有相關性。這種技術複雜度也直接造成了智能語音企業早期商業變現的困難,甚至2008年就已上市的科大訊飛也備受質疑。但是我們也要從另一角度看到,智能語音企業在技術積累時期的煎熬,也驗證了其技術鏈條的壁壘相對較高,其實等於用時間換空間,所以目前具備自主的全鏈條智能語音技術的創業公司也會相對較少,並且具有了一定的市場頭部效應。

新冠疫情對智能語音行業的影響

我們先了解下智能語音企業的轉型之痛。我們知道,隨著智能語音和自然語言理解技術的成熟,成長起來的智能語音企業基本完成了技術積累,而且各自有所特色,於是各家開始積極轉型搶佔消費和行業市場。但是,智能語音企業要想跨過各自的轉型門檻也是相當艱難。比如轉型芯片的智能語音企業就要解決芯片成本和軟體支持問題,轉型產品的智能語音企業就要解決品牌和渠道問題,轉型解決方案的智能語音企業就要解決定製和銷售問題,轉型作業系統的智能語音企業就要解決典型應用和生態體系問題。這絕對不是Martin Casado和Matt Bornstein在文章中所分析的是不是AIaaS的簡單問題,因為成熟的智能語音企業基本都有開放平台,這可以解決中小客戶的支持問題,但是開放平台的生態訴求顯然會大於商業訴求,僅憑AIaaS在國內的商業生態其實難以生存。

另外,企業轉型的同時也就意味著競爭對手的轉變,這種競爭已經超越了智能語音企業之間的競爭,不再是聲學算法、語音識別或者語言理解的技術競爭,而是產品體驗和品牌渠道的競爭。事實上,這才是商業化的關鍵路徑,但是這條路上擠滿了競爭對手,而且很多都是超級強大的傳統行業對手。坦誠來說,在這個路徑上智能語音企業做的遠遠不夠,即便百度、阿里和騰訊也沒有在智能語音的商業探索中給出答案。

那麽,新冠疫情會對智能語音產生怎樣的影響呢?

首先來看,新冠疫情對於公共衛生領域非接觸應用的強烈需求,幫助智能語音技術解決了一個商業化方面最大的問題,就是人們對於智能語音的商業認知問題。新冠疫情之前,人們對於智能語音的“剛需困境”談論不休,甚至當智能音箱的全球銷量超過了1.2億台,人們對於智能音箱的價值也不以為然,聲智科技因為與百度、華為、小米、騰訊和阿里等聯手推動遠場語音互動技術,對此更是深有感觸,而這個期間一些智能語音企業也轉向了芯片領域。但是現在回頭來看,智能音箱恰恰是智能語音技術進行大規模應用普及的排頭兵,而且也正是智能音箱的出現才讓人們具有了人機語音互動的初步意識,當然也有不少用戶純粹是因為感到新奇而購買了智能音箱。但是不管怎樣,這種新興市場的教育需要花費巨大的代價,整個智能音箱的市場補貼累計超過了100億。試想這種技術早期啟蒙階段,智能語音行業怎麽可能快速商業化突破呢?但是這次新冠疫情所帶來的機會則不同,新冠疫情天然對於語音的非接觸性就有強烈的需求,幾乎不需要市場投入就加速了人們對於智能語音的認知轉變,比如聲智科技在疫情期間推出的AI語音電梯,就獲得了新華社、人民日報、北京日報、中央衛視、北京衛視等各家媒體的廣泛報導。

其次,新冠疫情幫助智能語音行業解決了行業應用的技術驗證問題。智能語音之所以在解決方案領域相較圖像識別領域的商業化要差一些,關鍵還是智能語音的精確度與圖像識別相比來說直觀體驗不好,這種差別不是具體指標,而是人類本身對於聲音感知就不如視覺感知更加準確,畢竟兩者獲取的數據量就不在一個量級。但是聲音的好處就是Always-on且低功耗,並且聲音數據因承載了人類的思想和情感更具商業價值,事實上各種設備如果要智能化必然就需要這個特性。新冠疫情期間很多設備和應用就具備了這種功能,比如科大訊飛的AI學習機、雲知聲的AI語音病歷、思必馳的AI外呼機器人、聲智科技的AI電梯、AI會議和AI數字人測溫等,應用落地的門檻由於疫情的爆發反而大幅降低。

最後,新冠疫情也解決了智能語音行業的成本和安全問題。智能語音行業的技術鏈條太長,每個鏈條都需要大量的算法人才,這使人工智能企業的人才成本一直很高,所以在技術積累期間大家其實比拚的都是成本控制問題。實現同樣的技術和效果,誰的成本控制的更低,誰的技術路線更合理,誰就會佔據長期競爭優勢。從這一點來看,互聯網企業早期巨額投入智能語音行業的商業回報目前來看還是值得商榷,其商業化的訴求反而影響了早期階段的技術路線和產品體驗。當然,我們能理解互聯網企業垂直一體化的訴求,但是在這個以分工為基本組織方式的商業社會,特色和專注應該是最為寶貴的商業經驗。至於安全問題,這實際上不止是智能語音行業的問題,而是整個社會的問題,所以不能簡單的以隱私安全問題就否定了新興技術,對技術的價值觀考量應該是對人的價值觀考量。

到底是新基建還是新應用?

雖然國家提出的新基建投資將人工智能列為其中之一,但是人工智能到底是不是新基建呢?至少從現在來看,人工智能還不具備基礎設施的一些基本屬性,比如用戶習慣問題、使用成本問題和用戶隱私安全問題等還沒有充分解決。而現在大部分人工智能公司集中於產品和解決方案環節,其實還是把人工智能作為了新應用來看待。這倒和互聯網的發展軌跡比較類似,互聯網早期甚至作為新應用都備受質疑。當然互聯網現在大家認為是基礎設施,沒有網絡似乎生活就會遭受重大影響,事實上也不是這樣,沒有互聯網也能生存但是品質會大幅下降,人工智能其實也很類似。

歷史只能參照,也不可能重現。2020年的新冠疫情對智能語音到底產生怎樣的長期影響還有待觀察,至於人工智能是不是能夠成為新的基礎設施,像互聯網一樣再次改變人類的生活,我們更是拭目以待。但是有一點非常重要,國家新基建的巨大投入肯定會加速人工智能的商業模式變革,帶來更大的商業變現空間,而新的人工智能商業模式,肯定也是產生在更具創造性的企業,或許也是孕育在早期的混沌之中。

本文所引用的數據均標注了出處,並且附錄了其中所參考的文獻資料,其中文獻1-5是媒體對於人工智能企業的分析參考,文獻6-14是人工智能行業的專業調研報告,文獻15-19是新冠疫情對於經濟特別是中小企業的影響分析,文獻20-22主要是本文思考和實證研究的方法參考。

參考資料:

1.Martin CasadoandMatt Bornstein, The New Business of AI (and How It’s Different From Traditional Software),https://a16z.com/2020/02/16/the-new-business-of-ai-and-how-its-different-from-traditional-software/.

2.曠視IPO在即,看清“AI第一股”的商業真相,https://36kr.com/p/5296022.

3.劉燕,科大訊飛負重飛,https://www.36kr.com/p/5239021.

4.36Kr:2019年自動駕駛專題行研報告,https://www.36kr.com/p/5214334.

5.中商產業研究院:2019年中國人工智能芯片行業市場前景研究報告.

6.Metelskaia I, Ignatyeva O, Denef S, et al. A business model template for AI solutions[C]//Proceedings of the International Conference on Intelligent Science and Technology. 2018: 35-41.

7.Susan Athey and Michael Luca. "Economists (and Economics) in Tech Companies." [J]//Journal of Economic Perspectives .Volume 33, Number 1.Winter 2019.Pages 209-230.

8.2019中國人工智能產業投融資白皮書,https://www.chinaventure.com.cn/report/1010-20191213-1590.html.

9.2020年中國智能語音行業研究報告,https://www.iresearch.com.cn/Detail/report?id=3526&isfree=0.

10.Canalys: Global smart speaker market to grow 13% in 2020 despite coronavirus disruption.https://www.canalys.com/newsroom/-global-smart-speaker-market-Q4-2019-forecasts-2020.

11.2019 Github年度報告https://octoverse.github.com/.

12.賽迪研究院,,2019賽迪人工智能企業百強榜研究報告,https://www.ccidgroup.com/gzdt/14288.htm.

13.胡潤百富,中國人工智能產業知識產權發展白皮書.http://www.cbdio.com/image/site2/20191114/f42853157e261f3751d556.pdf.

14.AI 100: The Artificial Intelligence Startups Redefining Industries,https://www.cbinsights.com/research/artificial-intelligence-top-startups/.

15.Ruiz Estrada M A, Park D, Koutronas E, et al. The Economic Impact of Massive Infectious and Contagious Diseases: The Case of Wuhan Coronavirus[J]. Available at SSRN 3533771, 2020.

16.Luo S, Tsang K P. How Much of China and World GDP Has The Coronavirus Reduced?[J]. Available at SSRN 3543760, 2020.

17.Binder C. Coronavirus Fears and Macroeconomic Expectations[J]. Available at SSRN 3550858, 2020.

18.吳曉靈,王忠民等,CWM50報告:新冠肺炎疫情對經濟的影響及對策建議.http://www.xinhuanet.com/money/2020-02/18/c_1125590528.htm.

19.朱武祥,劉軍,魏煒, 清華北大聯合調研995家中小企業,如何穿越3個月疫情生死火線,中歐商業評論.

20.劉俏,顏色,疫後中國經濟政策的思考與建議——回歸經濟核心邏輯,聚焦高質量發展,http://www.gsm.pku.edu.cn/info/1316/21630.htm.

21.黃海洲,全球金融體系危機與變革,中信出版社,2019年1月第1版.

22.陳曉萍,沈偉,組織與管理研究的實證方法(第三版),北京大學出版社,2018年7月第1版.

推薦閱讀:

AI下半場,最根本的是創造價值,而不是算法或產品 | 超級沙龍

數字人首登《時代周刊》,虛擬產業的想象力到底有多大? | 超級觀點

36氪招募特約觀察員,發光的觀點值得被看到

“超級觀點”欄目現發起“特約觀察員入駐”計劃,邀請各賽道的創業者、大公司業務線帶頭人等一線的商業踐行者,在這裡分享你的創業體悟、乾貨、方法論,你的行業洞察、趨勢判斷,期待能聽到來自最前沿的你的聲音。

歡迎與我們聯繫,微信:cuiyandong66;郵箱:[email protected]

獲得更多的PTT最新消息
按讚加入粉絲團