今天下午，在第五届世界互联网大会上，搜狗发布了全球首个全仿真智能合成主持人。据搜狗CEO王小川介绍，与微软小冰之类的虚拟主持人不同，这个“合成”主播除了声音，还包括唇形及表情。
而在这次大会开幕前两天，搜狗也发布其Q3财报。财报数据显示，其Q3收入2．76亿美元，同比增长7％，但2390万美元的净利润则同比下滑23％。季报称，这部分收入下降的原因在于，智能硬件产品的销售下降，因为搜狗决定升级智能硬件策略，以更好地利用搜狗的人工智能能力并提高产品竞争力。而在这次世界互联网大会的专访中，王小川也对其人工智能布局、财报表现等问题言无不尽。
合成主播是一种“分身”的技术
记者：实际上虚拟主播已经有过很多，搜狗这次跟微软小冰之类的产品有什么不同？它会有什么应用场景？
王小川：我们是一个合成主播，除了声音、还有表情跟唇形，这是一种“分身”的技术，搜狗一直强调从助理、翻译再到分身、问答，一脉相承的技术路线。
作为分身它的使用场景就会有很多。比如我们现在跟凯叔讲故事正在谈合作，以前是他来讲故事，但是如果通过声音表情合成有可能变成爸爸妈妈来讲故事，应用于教育场景。
记者：另一方面，从声音模拟来看，搜狗的主播跟高德地图里的林志玲有什么不同？
王小川：高德地图用林志玲声音做导航，需要录入许多语料，并没有学习过程。而我们需要很少的语料，比如说一个主播只需要录入10分钟的声音就可以将其声音特征模拟到其他的语音内容中，这背后是我们有巨大的数据量支撑，才能实现前端更小的数据样本。
记者：科大讯飞此前提过，翻译的未来是“人机耦合”，语音识别不会取代同传，您怎么看，合成主播是否会取代主播？
王小川：首先AI技术分为感知与认知，在感知方面包括声影图像，机器可以跟人做到基本一样，但认知方面，涉及逻辑性及思考，机器现在做得很有限，这需要分层次看。
合成主播还是需要人的配合。最起码新闻稿需要新华社的编辑去写，它是单向输入这个内容。另外，实际上它是不理解稿子内容的，只是表达视觉与听觉，所以如果跟内容强相关的表情可能做得不够好。
关于财报：智能硬件不需要赚钱
记者：从财报看，医疗广告是目前搜狗广告收入占比最高的部分，但您提到要降低医疗广告收入占比？
王小川：医疗上，我们首先要做到内容权威，其次内容优先于广告，降低医疗广告收入也是为了差异化竞争，如果能让用户喜爱度提高，流量变大，收入也会进一步提升。目前，我们的医疗广告收入占比是低于百度的，我们的用户查询占比超过9％，是百度的两倍，而从收入上看，我们是占比20％，而百度是30％。
记者：从智能硬件上看，作为我们AI一个体现的智能硬件收入却下降。
王小川：明年一季度我们也会做一些大众化的智能硬件产品，但不是音箱，因为音箱的主要竞争优势在于便宜，是资金驱动而不是技术驱动，我们会在生活工作方面做一些新的尝试。
另外，不管大众小众，我们不依赖于智能硬件去赚钱。小众产品，比如翻译宝，我们做品牌；未来的大众产品也是做用户量，依赖于巨大的流量可以去做一些广告之类的其他收入方式。
记者：那我们会做车联网吗？
王小川：这不是我们的优势。单纯的AI是不能谈赚钱的，它只是一种技术，不是商业模式，商业模式只有两种，要么卖服务，向B端卖整套解决方案；要么卖产品，去造车。我们是一家2C公司，又没很大的资金量造车。
记者：那比如说百度apoll这种开放平台模式？
王小川：早期技术创新是来自于一个自我的封闭体系，就像当初PC也是IBM把软件、硬件之类的全做了。开放是一种商业模式创新，是促进一个相对成熟的市场提高效率。从目前看，单纯的一个OS平台是不可能做无人驾驶的，因为没法建立自己的真正核心竞争力。
