人工智能的第三次浪潮正在到来，AI使得机器获得了眼睛、耳朵和无数其他感官，而语音交互就好比“AI的耳朵和嘴巴”。机器能够通过识别和理解，把语音信号转变为相应的文本或命令，通过自然语言处理识别文本中的指令，再通过语音合成等技术，与人类进行对话。
根据美国投资机构Mangrove Capital Partners发布的《2019年语音技术报告》预测，到2025年，语音经济的规模将达到1万亿美元，超过移动应用经济。报告显示，语音技术创业公司今年已融资7．86亿美元，远远超过2018年的5．81亿美元以及2017年的2．98亿美元。语音技术从根本上改变了人和机器的关系，彻底改变了我们与软件交互的方式，也给下一代的数字世界创造巨大价值。
应用场景凸显
随着AI技术的发展，语音技术从算法到模型都有了质的飞跃，陆续进入工业、家电、通信、车载导航、医疗、家庭服务、消费电子产品等各个领域中。从企业到用户，智能语音的场景正随着技术应用而逐渐实现普遍化。
最常见的则是我们和Siri的对话，在出门前：“Siri，今天天气怎么样”；在开车时，对着智能语音系统：“开启回家路线导航”；到家后，对着智能音箱：“小度，播放一个郭德纲的相声”，等等，智能语音早已融入在了我们的生活中。
而智能语音应用最多的场景，智能客服。不仅能够让人力从繁重的机械性回答中彻底解脱出来，同时降低成本、提高效率，让客服变成更有温度、为用户带来更高价值的个性化服务。现今，智能客服已大规模应用在保险、物流、教育、快消等多个行业之中，成为一种发展趋势。
另外，通过语音识别自动录入文字，机器自动翻译外语，通过语音识别判断身份，通过机器对话进行口语考试，还有语音电商推出基于语音助手的购物服务等等。语音技术也在超越语言障碍。目前谷歌的服务已经支持30种语言，甚至可以同时理解用户所说的多种语言。
技术的发展，场景应用普遍化，促使着整个行业从初期向成熟期快速迈进。语音技术已经进入了一个产业爆发期。
智能语音技术之争
随着语音交互能力相对成熟，国内外科技公司也围绕着语音交互掀起了大战，尤其是手机。作为AI落地的关键入口，手机语音助手市场硝烟四起，技术发展也非常迅速。
行业中语音技术主要有三类厂商提供。一类是谷歌、亚马逊、百度等互联网巨头，自研整套语音交互技术以及内容服务。第二类是一些成熟的语音技术厂商，比如像Nuance、科大讯飞、搜狗知音等。
第三类则是围绕语音交互的创业公司，围绕自身核心技术暗暗发力，这类公司有猎户星空、思必驰等，往往在某一垂直领域如语音识别、语义理解或者语音合成等方面，争取在巨大的市场下分一杯羹。
语音经济未来趋势
我们可以看到，语音经济的价值体现，科技公司的广大布局。我们也可以明显感受到一些变化，语音入口的地位进一步强化，语音助手更加智能化。而智能语音对人工智能实力和生态系统广度的高要求，必然在未来五年内爆发巨头间的竞争。各家抢夺的不再单单是硬件，背后还有用户数据挖掘，以及软件、技术、平台以及相关服务等等。
随着智能语音技术应用不断深入，已有的商业变现模式对场景化提出了更高的要求。面向物联网的智能语音产业链将产生新的商业模式，具体表现在智能家居、智能车载、可穿戴设备等硬件之中。
物联网时代的家居场景下，找到合适的语音入口是挖掘智能家居背后用户价值的关键。硬件本身具有入口价值，智能音箱作为载体，可以控制超过80％的智能家居设备，将成为未来智能家庭的中枢或是输出装置，让智能电视、电灯、空调等连接起来，通过语音交互来实现对于其他智能家居产品的控制，从而推动家庭IOT生态的建立。
语音交互也给智能汽车发展装上了加速器，智能后视镜、HUD、车机、车载音箱以及中控系统，都纷纷加入语音交互系统。在产业爆发后，国内外科技巨头的目光将逐渐瞄准纵深市场，硬件的基础功能成为免费标配，个性化的增值服务成为盈利的关键点。
随着语音AI技术的成熟，也将极大提升可穿戴设备的交互体验，从而也将推动可穿戴设备的发展。智能可穿戴设备形式多样，手表、眼镜、纽扣、项链等都可以作为载体，可以让语音交互更加普及。智能可穿戴设备将会从早期的差异化硬件盈利，过渡到后期的运维和个性化增值服务盈利的模式。可穿戴设备会收集到用户的各类数据，基于用户行为特征数据的挖掘分析，提供精准营销服务、后端增值服务和广告费用，将会是未来盈利的重要模式。
AI公司的下一战
目前，我国的智能语音市场的主要份额被科大讯飞、百度以及苹果分割。数据显示，目前为止，中国智能语音市场，科大讯飞市场占有率排名第一，市占率达到44％；其次为百度，市场占有率为28％；排名第三的是的苹果，市占率为7％。其后为Nuance以及小i机器人都处于剩下3．0％的市场份额中。
在国内众多AI科技企业如依图科技、极链科技等大批量兴起时，如何占领跑道、进行变现也成为了这些公司需要仔细思考的地方。对于智能语音市场来说，在未来，会对各大公司的场景化落地能力提出更高的要求，需要企业快速掌握不同应用场景下对智能语音的需求痛点，而这对绝大部分智能语音公司来说还有难度。
