科大訊飛智慧語音真相：人機耦合Pro 人工助手Plus

AI第一股科大訊飛終於攤上事了。當科大訊飛不得不自己正式宣告「聽見智慧會議系統」的翻譯方式包括人機耦合（機器翻譯草稿，同傳負責翻譯）和全自動翻譯兩種時，就已經自己揭開了AI智慧語音的面紗，隨著輿論發酵，當市場認識到訊飛的語音技術很牛，但還沒牛上天的時候，訊飛還能夠維持現在240倍的市盈率麼？如果訊飛股價因此下跌（08年上市時4.5元，現在30元），會發生什麼？

藉著人工智慧的風口，科大訊飛的總市值超過500億（目前資訊科技板塊只有國電南瑞、科大訊飛、用友網路超過500億市值），市盈率高達240倍，但年淨利潤只有4億多；同時能夠連續三年順利從非公開市場定向募資，真的讓專家瞠目，讓同行羨慕。 然而出來混總是要還的。鮮花著錦，烈火烹油之後，就是亢龍有悔，高處不勝寒了。科大訊飛因為其在語音識別領域的赫赫聲名，無論在股市還是政企合作、政府採購、產學研合作上都獲益頗豐；當威名受到質疑時，負面影響就難以估量了。

這次科大訊飛的輿論危機，真的是無從翻盤。根據知乎使用者Bell Wang提供的現場影片，可以確定科大訊飛在這次大會上提供的「智慧翻譯」，並不屬於訊飛自己釋出人機耦合與全自動翻譯模式，而是第三種「人機耦合Pro」——訊飛聽見把英文語音轉寫為文字供同傳參考，同傳將英文翻譯為中文，訊飛聽見負責把同傳說出的中文轉寫上屏，文字轉寫是訊飛聽見的看家本領，這是毫無壓力的，也是公認的訊飛聽見的競爭力所在。而訊飛聽見的「機智」之處，就在於媒體對訊飛是過譽的，對當前AI和智慧語音的能力有所誇大，而訊飛也沒必要特意否認，而是享受著AI第一股的光環加成。比如這次知領直播用引入科大訊飛智慧語音技術，實現了智慧翻譯來做宣傳時，訊飛聽見自然既沒有人力也沒有必要，去特意稽核會議主辦方的宣傳稿，反而是笑納了這一波美化。等落到具體專案跟合同上時，訊飛的方案非常嚴謹。我前段時間正好做過訊飛聽見智慧會議系統方案，對訊飛比較瞭解，訊飛聽見一套一體機的價格大約在40萬上下，整體方案PPT和方案建議書中，都是不含實時翻譯的，寫得非常清楚，只有語音識別轉寫引擎，加上歷史音訊轉寫、實時編輯、自動分段、關鍵詞最佳化、禁忌詞遮蔽、語氣詞過濾、全文檢索、重點內容標記、按句回聽、使用者許可權管理、會議資訊管理、內容匯出等功能。PPT中也非常清楚地寫明瞭這一點。

訊飛聽見方案建議書

訊飛聽見宣傳材料

高處不勝寒，欲速則不達。自2017年國務院印發《新一代人工智慧發展規劃》以來，科技部宣佈首批四家國家新一代人工智慧開放創新平臺，依託科大訊飛建設智慧語音國家新一代人工智慧開放創新平臺；工信部頒佈《促進新一代人工智慧產業發展三年行動計劃》；安徽省和工信部簽訂了圍繞科大訊飛打造中國聲谷的省部共建戰略合作協議。同時，科大訊飛已經連續三年在公開市場募集資金進行新產品、新平臺的開發。

無論政治上還是市場上，都對AI第一股科大訊飛有著極高的期望，對科大訊飛的智慧語音、人工智慧有超出現實的期待，而科大訊飛的管理層，也樂於見到這一點。比如科大訊飛的執行Quattroporte胡鬱，質押了手裡75%的限售股票，執行Quattroporte陳濤，質押了62%的限售股票。如果股價上漲當然好，但如果科大訊飛股價下跌太快，那兩位領導可能需要追加質押物了…… 所以，這次科大訊飛人機耦合Pro的風波，暴露了AI第一股的重大弱點：市場對訊飛智慧語音技術的信心與期望。隨著訊飛市盈率越來越高，募資越來越頻繁，市場的期望越來越高，而信心的根基卻越來越不穩定。

在我們IT業內人士來看，訊飛的實時語音轉文字技術的確是非常出色，效果遠超人期望，如果不是低配版都要賣20萬太貴，我個人都會買上一套；但是隨著深度學習和神經網路技術廣泛用於語音識別訓練，門檻不斷降低，訊飛想維持領先地位，還需要更多的努力。而這場語音識別技術的馬拉松中，訊飛只能當領跑者，連第二名都無法接受。所以，任由媒體美化訊飛，也成了幸福的唯一選項。

最後說一下人工智慧。目前在計算領域和感知領域，人工智慧已經表現得比人類出色，比如基於影片分析車輛違規、學生聽講、人員聚集徘徊等等，人類的集中力和注意力都是不夠的；但是在認知、思考領域，人工智慧的能力還遠遠不足。

最正確的理解，是把人工智慧視為人工智障，區別在於這個智障記憶力出色，二十四小時無休，能夠從事簡單、重複性的工作，擅長計算和檢索。所以，我們如果不想淪為未來的新無用階級，要麼從事體力和智力的整合工作（如焊工、花匠）；要麼從事複雜、重複性低的工作（如諮詢、分析、銷售）；要麼就善用人工智障，就像同聲傳譯利用科大訊飛的語音轉寫，更好的完成翻譯工作。

我相信，人機耦合xs Max Pro，才是真正的面向個人的人工智慧使用方式——AI助手。而面向企業，還真的可能出現更強大的人工智慧，未來很美好，讓我們共同期待。

可能是企業自己吹噓太多，拔高了大家的期望。

這件事的起因源於一篇帖文，9月20日，一位據稱同聲傳譯員的網友Bell Wang在知乎發表了一篇專欄文章，指出自己在上海國際會議中心為某會議分會做現場同傳，工作時他發現該會議在一家直播平臺上直播，雖然直播頁面上寫的是科大訊飛智慧翻譯，但實際上機器讀的就是自己和搭檔的翻譯。同時，該網友還認為，科大訊飛沒有徵得同意就冒名使用譯者的翻譯成果。根據作者的描述，大致便是這樣的情形：嘉賓說話、同傳譯員翻譯、訊飛識別譯文並投放到螢幕、直播中投放語音合成的人聲。

對此，科大訊飛對此給出官方迴應，稱自己從沒講過AI同傳的概念，始終強調是人機耦合的模式，人工智慧目前還無法替代同傳，人機耦合才是未來發展之道。

科大訊飛的語音識別是人工智慧的重要內容，承載了很多人的希望，自動翻譯目前也在快速進步中，為大家提供了很多便利，這次迴應中強調的人機耦合，這個詞會不會成為網路熱詞值得關注，但這次事件的影響是負面的，但願這是一次美麗的誤解。

目前在技術上看，實時機器翻譯還不行，但語音識別正在快速完善中，語音和文字自動轉化已比較可靠。