爱华网一则荣威车主“调戏”iVoka的视频在网上流传甚广——iVoka是荣威350上装配的语音云驾驶系统——当车主对着iVoka说“我爱你”的时候，iVoka不无醋意地表示“这句话你也对Siri说过吧”，车主只好无奈认栽。
事实上，对于iVoka这种全新的智能语音人机交互装置，逗趣唠嗑只是其“副业”，连接豆瓣点播音乐、查天气、查股票、查航班、查实时新闻资讯等等，才是它的正经功能——在这一应用背后，是一家叫科大讯飞的公司所提供的语音技术。
2012年3月22日，北京国家会议中心，科大讯飞“新一代语音云平台”发布会现场。科大讯飞CEO刘庆峰拿出一部智能手机，开始演示公司开发的新应用“讯飞语点”。他用自己的声音命令手机发短信、安排日程、查找餐馆，还不忘调侃手机：“你能做什么”？手机回答道：“我正在反思自己的不足。”现场立刻笑声一片。
一切都像极了当年由乔布斯掌控的苹果产品发布会现场。
苹果公司的Siri大热，将语音技术的消费应用提到了日程上，各行各业都在挖掘自己和语音的结合点；而像科大讯飞这样的语音技术提供商则希望在更广泛的消费应用方面和不同的开发商合作，找到更广阔的天地。
移动引爆语音
人们对下一代语音交互方式的美好畅想，从来就没有停止过。不过，在很长一段时间内，语音技术被看成是鸡肋：弃之可惜，食之无味。微软、谷歌、IBM，这些世界级的IT巨头,一直在语音技术商用方面努力探索。然而，前景虽然很美好，语音技术却始终无法实现大规模民用。
“我当年在微软工作的时候，曾听到比尔·盖茨说: ‘语音技术在5年后将改变世界。’5年之后，我又听到他说了一次；到了第三个5年，比尔·盖茨有一次提起语音，他说：‘这话我过去说了两次。’”创新工场CEO李开复所讲述的这件往事，折射出语音技术当时所面临的尴尬前景。
而前谷歌中国的高级研究员、《浪潮之巅》的作者吴军最近在微博里调侃道：“语音识别（在产品上）忽悠人从上世纪90年代开始，大约每10年一个周期，最后的结果相同，就是大家发现这是个玩具，而不是工具……如此反复。不过我相信最后有一次不再是忽悠人，但是不是现在这一次？”
至少，在扑面而来的移动互联网和云计算大潮中，想象从来没有像这一次这么像真的：决定语音识别技术精确度的关键性因素在于语料库的丰富程度。
在过去，语料库的建立，主要是通过人工采集声音信号来完成，需要花费大量的时间和精力，语料库的增量非常有限，这也意味着语音技术的精确度提升速度非常低。而在移动互联网时代，语音交互的终端和应用在不断涌现；另一方面，云计算能够处理比以往更海量的用户语音交互数据，云端的服务器能够不断收集、处理这些数据，在不断反馈训练中持续进化语音理解能力。
并且，随着移动用户和多种移动终端的爆发式增长，人们对语音应用的需求前所未有的强烈：移动终端设备键盘与屏幕尺寸小，用手指输入并不方便，尤其是在移动的应用场景中，眼忙手忙，语音输入作为信息交互最自然、便捷的手段，更能发挥它先天性的作用。
而苹果公司所推出的Siri功能在全球所引发的疯狂，则成为语音技术在移动互联网上被引爆的直接导火索，也让一直苦于找不到语音卖点的厂商茅塞顿开。苹果的高明之处，在于将Siri的语音技术与苹果封闭系统内的各行各业的信息服务、应用进行了无缝的对接，并且整合了三大数据库：Yelp、维基百科、Wolfram Alpha，这就意味着Siri不仅仅是一个被人“调戏”的玩具，而是在某种程度上可以帮人们解决实际问题：查找餐馆、地图、翻译……
尽管在目前看来，Siri的实用性依然有限，但随着用户越来越多，建立的语料数据库就越丰富，就越能通过数据的不断纠正变得越来越“聪明”，这就有了“人工智能”的意味。
在这个横跨手机、平板电脑、汽车、电视、 导航设备、音乐播放器、个人电脑等领域的绝大市场商机面前，谷歌、微软等国际巨头都加快了将语音技术向消费级市场商用的脚步：谷歌计划今年上半年发布平板电脑Google Nexus，并将搭载Majel网络语音识别技术；而微软于2007年收购语音技术公司TellMe之后，计划今年将TellMe技术用于Windows 8及下一代Windows Phone系统中；此外，国际语音巨头Nuance已经将语音生意做到了全球，且来势凶猛：今年1月份，Nuance收购了竞争对手 Vlingo，期望整合双方各自的技术优势，在全球迅速膨胀的移动语音消费市场，瓜分更大的蛋糕。
平台机会
随着Siri在全球的大热，人们不禁纷纷发出这样的疑问：谁是中国的下一个Siri？作为国内最大的智能语音技术提供商，原本低调隐匿在背后的科大讯飞就这样站在了舞台的正中央。
在过去，科大讯飞的生意模式更多的是面向B2B市场，主要为电信、金融、教育等企业和各种行业提供语音支撑软件或语音应用系统。尽管也推出了诸如“讯飞口讯”这样的消费层面的应用，但始终是扮演着技术提供商的角色，其业务增长稳健而缓慢。“调戏Siri和Siri的人工智能其实只是目前语音相对简单的部分，我们之前做得不够好的地方可能是，我们一直重视产品本身在技术层面的不断精进，却忽视了这些有趣的东西可以给消费者带来更多的乐趣。” 科大讯飞信息科技股份有限公司研究院执行院长胡郁表示。
当Siri推出不久之后，科大讯飞迅速判断出语音在移动消费级应用上的市场价值，曾经与苹果公司进行过接洽，希望与之合作，开发中文版的Siri。不过，却遭到了苹果的拒绝。“苹果太傲慢了，我们也不会接受。”科大讯飞副总裁江涛说。
在这种情况下，应对国际巨头最好的办法，就是将自己的语音技术、数据库和语音云计算能力开放出去，做“语音云”平台服务。江涛将这比喻成一场应对国际语音巨头的“人民战争”。“我们不是孤军奋战，而是把平台开放出去，让有激情、有智慧的创业者，还有产业链的合作伙伴更好的应用。我相信一定会比一个封闭系统能提供的东西更加丰富。” 他说。他将科大讯飞角色描述成“移动互联网时代能力的基础设备”，也就是为各种各样的移动互联设备提供交互的能力。
显然，一旦语音真正成为下一代人机交互核心手段，当各种各样的语音应用百花齐放之时，作为平台级公司的价值，肯定比提供单个语音应用的公司，在产业链上的话语权更为强势。
事实上，这家公司在最近短短的一年时间内，发展速度突飞猛进：在2010年科大讯飞首次提出要做“语音云开放平台”之时，由于当时移动互联网市场还没有呈现爆发式增长，Siri还不太为人所知，用户对语音应用的需求远不如现在强烈，当时业内反响并不是很大。到2011年6月以前，科大讯飞语音云平台上的用户规模一直没有超过100万，然而，这一数据在Siri发布之后的2011年下半年，迅速飙升到1000万，而从1000万到现在的3300万，只用了3个月。
而平台级公司的出现，对于整个语音产业大规模商用所做的推进，也不言而喻。在李开复看来，过去一直困扰语音技术大规模商用的瓶颈之一，在于缺乏丰富的语音应用。“一小批语音专家拍脑袋来找应用不是办法，而讯飞语音平台的推出，意味着几千、甚至几十万位开发者都来试一试，尽管成功的几率少，但是摸索到成功应用的概率会增加。”李开复说。
各巨头的语音技术商用情况
语音生态圈
生于1986年的李传峰是智能360的联合创始人之一。李传峰的梦想，是站在像科大讯飞这样的“巨人的肩膀”上，开发出跟苹果Siri一样牛的中文版的“Siri”。
智能360是去年11月份在安卓平台上线的一款类Siri的中文应用。尽管看起来略显“山寨”，但这款应用目前颇受欢迎，已经获得了150万的用户。智能360采用了科大讯飞所开放的“语音识别”和“语音合成”技术，也就是采用了将用户声音输入转化成文字，以及将文字输出成语音这两种技术。
而智能360的“自然语言处理部分”的技术，也就是将文字进行理解，转化成各种指令，与底层的各种应用进行对接并执行的部分，是由自己的团队开发的。而国内另一款由贵州大学的大学生团队iTiTa开发的 Airi，采用的也是科大讯飞的语音引擎。
“瓦力短信”是一款帮助用户实现个性化短信功能的应用。去年11月，瓦力短信新发布的 Android 3.0版首次采用了科大讯飞的语音技术，让用户能够将声音转化成短信，下载量很快就翻了一番。
对于小型语音创业团队来说，现在是最好的时代。原因就在于各种资源的“开放”。一方面，谷歌、Nuance、科大讯飞这样的大公司已经或即将开放自己的语音接口，帮助开发者解决语音平台海量数据库和技术方面的门槛；另一方面，在应用层面，像百度百科、大众点评这样的平台，也乐于向开发者开放自己的信息服务和各种数据。“我们需要做的，就是将各种资源整合过来，我们是站在巨人的肩膀上去做事情。”李传峰说。
除了像智能360这样的将语音作为“品牌”的应用，一些大公司则选择将语音技术作为应用中的插件，在不同的情境下，为用户提供更为便捷的选择。比如，新浪微博、搜狐微博、UC浏览器、大众点评等应用目前都已经采用了科大讯飞的语音技术，推出了语音的插件功能。
不过，尽管有如此多的大公司也参与了语音应用，在科大讯飞目前所拥有的3300万用户中，真正活跃的用户有多少，依然是一个疑问。一个比较典型的案例就是：尽管新浪、搜狐等都推出了语音发微博的功能，但用户的使用习惯并没有被真正“挑逗”起来。
如果不能真正吸纳到大量有价值的活跃用户，开发者就摸索不到清晰的商业模式，而如果开发者挣不到钱，科大讯飞也自然不能从中盈利，这就意味着整个生态圈不能真正繁荣起来。另一方面，如果没有来自用户的大量语音交互， 基于语音云平台的持续的语义理解进化能力也就是空谈。而“智能化”正是语音技术的终极目标。
也许是意识到了首先要培养用户使用语音的习惯，科大讯飞自己也率先推出了一系列消费类的示范应用，如讯飞口讯、讯飞输入法、讯飞语点等等。“智能语音交互的用户使用习惯培养需要一个过程，尤其是东方人往往比较羞涩，不像西方人有使用电话应答机的习惯，讯飞语点定位是新一代语音云的示范应用，我们希望通过讯飞语点能够培养用户使用语音交互的习惯。”江涛说。
事实上，语音微博之所以叫好不叫座，除了用户使用习惯方面的障碍，语音作为一种私密度高、解码、收听成本高的信息载体，并不适合微博这种媒体形式的传播，这就决定了语音微博只能是特殊场合、特殊人群使用的形式。这给开发者所带来的启示就是：对于自己开发的语音应用究竟能给用户解决什么问题，要有清晰的认识，而不能为“语音”而“语音”。
正因为亲历了语音技术长达30年的波折起伏，李开复反而对于语音应用始终持有一种“谨慎乐观”的态度。他提醒广大开发者如果要在应用中整合语音，一定要想清楚。在创新工场的47个投资项目中，有五六家是适合用到语音的，但他给项目负责人的建议却是：要用语音是一个重大决定，要么不做，要做就要做到自然、惊艳。
“因为语音API和应用接口的整体优化是有难度。”李开复说。他所指的难度主要集中在“语义理解”这种相对偏智能的语音技术层面，而语音识别和语音合成这种相对浅层次的技术与应用API的对接难度更小。因此，李开复的建议是，开发者更应该将目光瞄准那些“深语音，浅语义”的应用。
对于科大讯飞本身来说，要扮演好平台的角色，最重要的并非技术挑战，而是角色的转换：如何从一家面向B2B市场的软件提供商，成功转型成为一家移动互联网平台公司？作为互联网平台公司，更重要的是如何打造繁荣的生态圈，打造品牌，圈住用户，帮助开发者做好营销和服务，帮助它们寻找到清晰的商业模式；并明确自身定位，不能即作“裁判”又做“选手”，给开发者带来安全感。软件提供商的那一套打法，在移动互联网上并不适用。好在，目前的科大讯飞有了一个看上去不错的开始。
