CEO何國濤談規(guī)劃愛用“我的理想”。他把公司汽車語音產(chǎn)品分為三級進(jìn)階：第一步實現(xiàn)車內(nèi)自然語音識別和理解；第二步成為更接近自然對話的語音助手，可以多輪對話和隨機(jī)打斷；第三步做多模態(tài)人機(jī)交互。

　　2009年誕生于硅谷，2010年落定中國，車云菌坐在普強(qiáng)位于中關(guān)村云基地的辦公室時，現(xiàn)實正走在第二階段。

　　今年5月CES Asia展示的是眾泰SR7前裝車載導(dǎo)航產(chǎn)品，由普強(qiáng)、四維圖新、眾泰合作開發(fā)。

　　在硬件上，普強(qiáng)提供了陣列麥克風(fēng)可動態(tài)定位追蹤聲音位置，優(yōu)化藍(lán)牙通訊和語音識別效果。車載降噪DSP芯片可降低風(fēng)噪胎噪和發(fā)動機(jī)引擎等車內(nèi)噪音并進(jìn)行去回聲處理。

　　現(xiàn)場產(chǎn)品功能支持喚醒和自然語音交互，在展會現(xiàn)場的嘈雜環(huán)境依然準(zhǔn)確識別出各種指令，操控被定制到操作系統(tǒng)層級。連接藍(lán)牙后，可以與手機(jī)共享音樂列表、通訊錄等信息，并且可以通過語音進(jìn)行操控。

　　從產(chǎn)品表現(xiàn)來看，屬于一階段自然語音識別和理解。詢問車端表現(xiàn)時，車云菌從CTO李全忠得到了一組數(shù)據(jù)。在城市環(huán)路40-80公里/小時車速下，識別率可以達(dá)到95%以上。90-120公里/小時行駛時，識別率平均在90%左右。在此基礎(chǔ)上，空調(diào)車窗開啟和麥克風(fēng)位置，也會不同程度地影響識別率。

　　正在進(jìn)行的二階段語音助手項目，李全忠認(rèn)為技術(shù)已經(jīng)實現(xiàn)。目前普強(qiáng)自有的語音識別模型在大多數(shù)統(tǒng)計學(xué)方法之外，部分采用了神經(jīng)網(wǎng)絡(luò)算法，在一些意圖理解、語義匹配等方面，會用到部分深度學(xué)習(xí)技術(shù)。用上神經(jīng)網(wǎng)絡(luò)算法后，識別率上的躍升會達(dá)到10個百分點(diǎn)，“如果后續(xù)優(yōu)化變種，可能會帶來相對20%的提升空間”。

　　李全忠認(rèn)為，普強(qiáng)從一到二的突破難點(diǎn)，反而是車端硬件CPU和內(nèi)存受限。普強(qiáng)計劃年底隨車亮相的可多輪對話和隨機(jī)打斷語音助手，會使用一個“本地＋云端”的混合方案，通過云端強(qiáng)大的服務(wù)器運(yùn)算能力，完成更多自然交互，同時在網(wǎng)絡(luò)信號不佳時，交由本地識別。

　　在CEO何國濤看來，自家的技術(shù)和別人沒有太多區(qū)別。“技術(shù)只是骨架，房子好不好要靠藝術(shù)家，需要另一種腦子想辦法”。現(xiàn)場接介紹產(chǎn)品的 ZiJun畢業(yè)于加州伯克利大學(xué)認(rèn)知科學(xué)專業(yè)，是普強(qiáng)的交互設(shè)計師，正是何國濤口中的“藝術(shù)家”之一。

　　交互設(shè)計師要做的就是利用和良好的交互規(guī)則接近理想的用戶體驗，確保產(chǎn)品能被用戶輕松玩轉(zhuǎn)，易用的同時讓用戶心情愉悅。這其中也包括各種有效的交互方式，并能對它們進(jìn)行增強(qiáng)和擴(kuò)充。普強(qiáng)認(rèn)為在注重產(chǎn)品技術(shù)的同時，更要注重從產(chǎn)品、界面、工作流、到用戶層面的交互設(shè)計。語音助手不但可以預(yù)測用戶需求，還能更準(zhǔn)確理解用戶需求以滿足駕駛環(huán)境中特殊的信息交互。

　　比如在用戶開口前語音助手該如何打招呼，相比較“你好”，直接提問“你好，你想去哪里？”是不是更好更主動地預(yù)測了需求。當(dāng)用戶自帶口音回答“我要去京師律師大廈”后，導(dǎo)航有沒有必要再確定一次。在地址確定界面，要不要考慮按鍵操作和語音兩種交互方式靈活切換，讓用戶根據(jù)習(xí)慣選擇。

　　簡單來說，語音助手在交互中將更加主動。有了上下文，推測和心理預(yù)期，自然聽得更明白，理解得更清楚。

　　但這些“藝術(shù)家”并不是單純地調(diào)研想法，事實上，認(rèn)知科學(xué)是一門涉及心理學(xué)、神經(jīng)科學(xué)、語言學(xué)、計算機(jī)的交叉學(xué)科，本身與技術(shù)也有著深入交織。普強(qiáng)在技術(shù)上考慮到交互設(shè)計師需要的更多創(chuàng)作空間，在框架設(shè)計時將語音識別引擎和流程做了比較好的分割，涉及流程上的優(yōu)化，本身并不會對產(chǎn)品產(chǎn)生影響。

　　當(dāng)“藝術(shù)家”將越來越多的交互串聯(lián)，產(chǎn)品使用中的不自然會逐漸稀釋。何國濤的最終理想是將多種交互方式融合，讓車像人一樣擁有視覺、聽覺等多種感知能力。比如攝像頭看嘴型變化和聲學(xué)識別結(jié)合，根據(jù)人眼注視方向和語音交互結(jié)合起來。用戶也許會有自己習(xí)慣使用的一兩種習(xí)慣，而“不需要把某種交互干掉”。

　　查看普強(qiáng)的融資歷史，除了來自硅谷企業(yè)家黃炎松百萬美元天使輪，戈壁領(lǐng)投的 500萬美元A輪，最近一次的B輪1000多萬美元的投資方中，領(lǐng)投的是四維圖新。這也是普強(qiáng)和四維圖新同臺亮相CES Asia的原因。

　　何國濤把前兩輪的融資都砸進(jìn)了研發(fā)，隨著技術(shù)逐漸成熟，四維圖新帶來的資源有了更大的想象空間。?

　　不久之前，四維圖新收購杰發(fā)科技布局自動駕駛和車聯(lián)網(wǎng)，借助杰發(fā)科技在車載領(lǐng)域的芯片業(yè)務(wù)，普強(qiáng)有機(jī)會將語音模塊直接做到芯片中帶動出貨。四維圖新投資的車載系統(tǒng)供應(yīng)商和驪安，也整合了普強(qiáng)的語音助手聲學(xué)產(chǎn)品在前后裝鋪開業(yè)務(wù)。

　　但何國濤最關(guān)注的不僅僅是跑量，在兩個方向中，他更重視前裝。因為語音助手所需的系統(tǒng)定制要達(dá)到操作系統(tǒng)級別，甚至更加底層的GPU，這在更加強(qiáng)調(diào)體驗的前裝才有更多機(jī)會。未來利用語音調(diào)用車輛更多內(nèi)部功能需要與CAN總線對接，也注定了與主機(jī)廠發(fā)生更多關(guān)聯(lián)。在目前科大訊飛占據(jù)大規(guī)模份額的前裝語音識別領(lǐng)域，普強(qiáng)需要一個標(biāo)桿自證實力。

　　有業(yè)內(nèi)人士介紹，在沒有系統(tǒng)捆綁方案的情況下，語音識別提供商給到車廠的語音識別代碼，大多經(jīng)過包裝，往往整句輸入整句輸出，因此在更加細(xì)節(jié)定制上存在復(fù)雜的額外開發(fā)，這也恰好是現(xiàn)階段從自然語音識別更進(jìn)一步，需要打破的藩籬。近期也有消息稱，科大訊飛正在車機(jī)市場有所布局，或許也是出于定制的考慮。

　　自然不難想到，入口打開意味著更多數(shù)據(jù)收入囊中。大數(shù)據(jù)爆發(fā)繁榮了深度學(xué)習(xí)。當(dāng)源源不斷的數(shù)據(jù)樣本涌來，算法才有更多可供訓(xùn)練優(yōu)化的樣本。

　　值得注意的是，當(dāng)人們強(qiáng)調(diào)大數(shù)據(jù)的海量時，不能忽視精專。理想狀態(tài)下，四維普強(qiáng)合作的“車機(jī)、后視鏡、行車記錄儀”，都可以成為入口。四維的POI數(shù)據(jù)及其伙伴企業(yè)滴滴打車每天數(shù)億條的信息，也都更貼近產(chǎn)品使用場景，更適合用來快速地訓(xùn)練一顆深度大腦。

　　有數(shù)項語音專利在身的何國濤，因為專攻市場業(yè)務(wù)已經(jīng)不再Coding。他向車云菌透露，公司目前在進(jìn)行一些關(guān)于UBI的小小研究。普強(qiáng)從保險公司和移動互聯(lián)網(wǎng)等領(lǐng)域切入市場時也陸續(xù)有過數(shù)據(jù)累計，隨著主機(jī)廠及四維圖新的合作深入，聲音會帶來更多化學(xué)反應(yīng)。