科大訊飛在業(yè)內獨樹(shù)一幟的AI技術(shù)和產(chǎn)業(yè)標桿之源，來(lái)自訊飛開(kāi)放平臺戰略。

(相關(guān)資料圖)

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

此前，科大訊飛推動(dòng)AI技術(shù)落地，主要從“平臺+賽道”戰略和“算法和數據”技術(shù)兩個(gè)方面推動(dòng)，取得面向C端、B端和G端AI領(lǐng)域的技術(shù)應用優(yōu)勢，那么現如今，這些細項有無(wú)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(kāi)放平臺2.0戰略落地推進(jìn)的首年，也是“科大訊飛1024開(kāi)發(fā)者節”舉辦的第六年。11月18日，科大訊飛董事長(cháng)劉慶峰和科大訊飛總裁吳曉如在合肥對這些問(wèn)題一一做了披露。

訊飛開(kāi)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)變革的戰略型技術(shù)，具有溢出帶動(dòng)性很強的“頭雁”效應。

國內AI技術(shù)標桿和商業(yè)落地巨頭科大訊飛，通過(guò)訊飛開(kāi)放平臺戰略推動(dòng)AI落地。2022年是訊飛這項戰略進(jìn)入深水區的第一年。

從框架結構看，訊飛2.0以“科大訊飛+行業(yè)龍頭+開(kāi)發(fā)者”三個(gè)維度，通過(guò)訊飛開(kāi)放技術(shù)平臺和工具，結合行業(yè)特性和數據，形成數字底座，再通過(guò)開(kāi)發(fā)者將數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數字解決方案。

在過(guò)去的一年，科大訊飛堅持在源頭技術(shù)上創(chuàng )新，實(shí)現了單項技術(shù)的持續突破：比如在語(yǔ)音、圖像和認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(shí)，訊飛超腦2030計劃在多模感知、多維表達、交互大腦和應用智能層面實(shí)現多技術(shù)深度融合。

其中，多模感知，解決的問(wèn)題是商場(chǎng)、醫院和地鐵等開(kāi)放場(chǎng)景使用語(yǔ)音識別、面臨各種噪聲或同方向人聲干擾時(shí)，可通過(guò)訊飛提出的多模感知技術(shù)，將人臉部的唇形、表情等和語(yǔ)音輸入結合，將這類(lèi)復雜場(chǎng)景下語(yǔ)音識別的錯誤率從30%降低至10%，讓機器更準確地感知世界。

交互大腦系統具備深度理解能力。通過(guò)機器學(xué)習，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(shí)現醫療知識更好地服務(wù)醫生、能使工業(yè)聽(tīng)診器有能力發(fā)現各種機器噪聲故障等。

所謂多維表達，即通過(guò)少量有監督數據，訓練得到語(yǔ)義人設與音色空間的映射關(guān)系，實(shí)現語(yǔ)義可控的聲音創(chuàng )造。把語(yǔ)音、形象和感情結合起來(lái)，實(shí)現機器和人的情感互動(dòng)。

在運動(dòng)智能方面，通俗說(shuō)起來(lái)，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(gè)靈巧的身體。用智能化強化學(xué)習模型改進(jìn)經(jīng)典算法，科大訊飛實(shí)現了機器運動(dòng)能力的提升和持續進(jìn)化。

在訊飛開(kāi)放平臺技術(shù)框架的“行業(yè)龍頭”維度，據科大訊飛總裁吳曉如透露，開(kāi)放平臺2.0戰略已在14個(gè)行業(yè)落地，與數十家行業(yè)龍頭達成戰略合作，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(dòng)效應。

科大訊飛設置了“教育、醫療、智慧城市、農業(yè)、環(huán)保、汽車(chē)、酒類(lèi)和旅游”等18個(gè)主要賽道。其中，工業(yè)、教育和金融是三個(gè)重點(diǎn)行業(yè)。

開(kāi)發(fā)者數量，一直以來(lái)，都是各技術(shù)巨頭公司建立繁榮生態(tài)圈的核心指標。

在過(guò)去一年，訊飛開(kāi)放平臺2.0聚合的開(kāi)發(fā)者團隊從265萬(wàn)增長(cháng)至370萬(wàn)。在此基礎上的AI能力數，也從441項增長(cháng)至513項；同時(shí)，在虛擬人交互平臺上，科大訊飛合作468家設計廠(chǎng)商，形成700多項虛擬資產(chǎn)，累計服務(wù)1000多家客戶(hù)。

對于訊飛AI開(kāi)放平臺未來(lái)的能力演進(jìn)方向，吳曉如稱(chēng)，人工智能開(kāi)放平臺有四個(gè)關(guān)鍵點(diǎn)需要持續提升：一是為實(shí)體和虛擬經(jīng)濟提供更強大的AI能力，二是場(chǎng)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(huì )具備便捷性、隱私保護和數據安全。

2.0戰略做了哪些技術(shù)升級

基于訊飛AI開(kāi)放平臺四項未來(lái)技術(shù)演進(jìn)能力，圍繞訊飛超腦2030，科大訊飛在開(kāi)放平臺2.0的基礎上做了進(jìn)一步升級，為百萬(wàn)開(kāi)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(kāi)放平臺。

這些升級內容包括依托AILAB模型云，實(shí)現用更少的數據量訓練多場(chǎng)景模型；通過(guò)AIRPA超自動(dòng)化，讓開(kāi)發(fā)者更便捷地用拖拉拽模式制作智能化應用；基于A(yíng)IBOT機器人超腦，讓機器人行業(yè)能從感知認知到運動(dòng)智能的各個(gè)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(shí)上成為訊飛多場(chǎng)景AI服務(wù)的必選項。因為多場(chǎng)景數據量增速極快，由此形成AILAB模型云的堅實(shí)基礎。

據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(xiàn)調用年增長(cháng)率達36%。

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

當人們身處家庭場(chǎng)景，電視助手語(yǔ)音調用量過(guò)去3年間，增長(cháng)515%。全年齡段用戶(hù)都已形成語(yǔ)音交互習慣，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(hù)更偏愛(ài)語(yǔ)音交互。

出行時(shí)，車(chē)載語(yǔ)音調用量增長(cháng)翻倍。在過(guò)去一年全國出口的200萬(wàn)輛汽車(chē)中，預制訊飛多語(yǔ)種語(yǔ)音交互系統的車(chē)輛已超71%。合作車(chē)企在科大訊飛的助力下，已將13個(gè)語(yǔ)種推廣到全球20個(gè)國家。

過(guò)去一年內，教育相關(guān)的AI調用呈現出902%的增長(cháng)（學(xué)習場(chǎng)景）；錄音筆平均每天為每個(gè)用戶(hù)節省1.32小時(shí)（辦公場(chǎng)景）。

隨著(zhù)社交、家庭、出行、學(xué)習和辦公等越來(lái)越多AI場(chǎng)景的廣泛應用，人工智能在人機交互階段已走進(jìn)千行百業(yè)。人工智能與生活結合的如此緊密，就技術(shù)應用的深度看，相當于當前正在快速進(jìn)入人機協(xié)同階段。

為滿(mǎn)足人機交互需求，訊飛開(kāi)放平臺做了多方面技術(shù)能力的升級：在感知智能、認知智能和運動(dòng)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(dòng)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，面向實(shí)體機器人和數字機器人建設N種場(chǎng)景化機器人。

在此基礎上，科大訊飛發(fā)布機器人超腦平臺AIBOT，以承接這個(gè)產(chǎn)業(yè)階段帶來(lái)的新商業(yè)價(jià)值。

于繼棟表示，融入多模交互、深度理解、運動(dòng)控制和硬件模組等核心能力的機器人超腦平臺，能為實(shí)體機器人提供高性能的算力支撐、高效率的地圖導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(jiàn)聞在“科大訊飛1024開(kāi)發(fā)者節”會(huì )議上獲悉，“軟硬一體智能化機器人”已有實(shí)際應用案例。

比如能說(shuō)會(huì )跑的狗：來(lái)自宇數科技的四足機器狗在訊飛機器人超腦平臺的加持下，已實(shí)現自適應地形、全局定位搜索、地圖快速構建和更精細的運動(dòng)控制四種能力。因此，機器狗能跑會(huì )跳，能看會(huì )說(shuō)，可應用于戶(hù)外巡邏、工業(yè)巡檢等多元化場(chǎng)景。

“超腦2030計劃”階段成果

虛擬人交互技術(shù)，也是在過(guò)去一年，科大訊飛開(kāi)放式AI平臺單兵突進(jìn)的一個(gè)技術(shù)方向。

“支撐‘訊飛超腦2030計劃’的發(fā)展，有兩個(gè)關(guān)鍵算法亟待突破：無(wú)監督學(xué)習和知識推理?！笨拼笥嶏wAI研究院副院長(cháng)高建清說(shuō)，“前者要做到實(shí)用化、場(chǎng)景化的預訓練技術(shù)，后者要構建基于知識檢索、決策以及融合的推理系統?！?/p>

科大訊飛設計了基于無(wú)監督學(xué)習的預訓練框架，并使用了少量有監督數據做優(yōu)化，大幅提升訓練效率。

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

訊飛用少量有監督數據構建碼本，使訓練機時(shí)下降八成，實(shí)現了實(shí)用化預訓練。

在無(wú)監督學(xué)習的預訓練算法框架下，訊飛開(kāi)放了輕量化的中文語(yǔ)音、中英文多模態(tài)預訓練模型。高建清說(shuō)，“預訓練模型支持語(yǔ)音識別、聲紋識別、情感識別、多模態(tài)語(yǔ)音識別等多個(gè)任務(wù)，參數量遠遠少于業(yè)界公開(kāi)的模型，但效果卻達到了業(yè)界相對最優(yōu)?！?/p>

在知識推理方面，以回答“包在低溫下會(huì )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上，要用預訓練模型進(jìn)行知識重要性排序，也要融合知識與問(wèn)題進(jìn)行推理，才能與人暢聊“面包變質(zhì)的二三事”。

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

此外，科大訊飛還探索將神經(jīng)網(wǎng)絡(luò )與符號推理相結合，實(shí)現了推理過(guò)程的可解釋性。應用于小學(xué)平面幾何題上，這個(gè)推理系統讓AI答題的正確率從完全不可用，提升到了90%的水平，顯著(zhù)優(yōu)于傳統推理系統。

值得一提的是，科大訊飛基于多模態(tài)交互以及醫療認知技術(shù)，研發(fā)了一套抑郁癥定量篩查系統。這可模擬心理醫生的問(wèn)診思路做交互設計，用戶(hù)通過(guò)與機器聊天的方式，即可初步實(shí)現病情的定量評估，篩查效果達到91.2%（北京安定醫院實(shí)測數據）。

目前，這一系統已在北京安定醫院等醫療機構做試點(diǎn)應用?！拔磥?lái)，基于定量篩查基礎能力，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(cháng)?！备呓ㄇ灞硎?。

作為“訊飛超腦2030計劃”的階段性成果，今年科大訊飛構建了多款專(zhuān)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(gè)共同特點(diǎn)：豐富的專(zhuān)業(yè)知識。

通過(guò)深入學(xué)習行業(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(zhuān)業(yè)虛擬人解決方案，為“數字經(jīng)濟”服務(wù)。

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞： 科大訊飛 開(kāi)放平臺 人工智能