0
自然語言處理（Natural Language Processing，以下簡稱NLP）作為人工智能的核心技術之一，最早開始進行商業落地。近兩年，計算機視覺、語音識別技術突飛猛進，僅憑單點技術就誕生出估值超過十億美元的四大AI獨角獸公司，廣泛應用在安防、醫療、零售等領域，撬動起萬億市場。然而，NLP技術的發展和商業落地明顯更為緩慢，或許是一直沒有找到剛需場景的原因。
雷鋒網發現，2018年，NLP技術在不少場景煥發新的活力，例如，智能語音交互與IOT平臺的結合、翻譯機、AI教育、AI創作等領域。
2017年智能音箱掀起一陣熱潮，也帶動了更大范圍上智能語音交互與物聯網平臺的結合。
2018年，各大公司都在建立IoT平臺，例如：小米IoT開發者平臺、阿里云Link、百度“天工”、京東Alpha-IoT、QQ物聯平臺、微軟Azure IoT，這些公司也都有自己的智能語音助手。小米、阿里、百度、微軟等已經明確將智能語音+IoT看作IoT平臺以及對話式人工智能發展的關鍵。
2018年以來，對話式人工智能、智能終端在微軟的戰略地位明顯攀升。5月21日，微軟在北京召開2018人工智能大會，微軟全球執行副總裁、人工智能及微軟研究事業部負責人沈向洋強調了微軟新的世界觀：智能云和智能邊緣。
微軟Azure是微軟專為人工智能打造的云平臺，為了成為最佳的人工智能云平臺，還將與以下四個方向結合：認知服務、對話式人工智能、開放平臺與工具、實時人工智能基礎設施。其中，運行于Azure的認知服務包括了語音、視覺、語言、機器翻譯等24項人工智能技術能力，將以API的形式提供給開發者。而對話式人工智能則是微軟的語音、語言、搜索等多項能力的集大成者，能直接在各種終端落地。
微軟的對話式人工智能主要包括微軟小娜和微軟小冰。而微軟小冰近年來逐漸占上風，成為微軟對話式人工智能的代表。7月26日，微軟小冰正式升級到第六代，“全雙工語音交互感官”和“共感模型”大大提升其對話能力，還發展了寫詩、作詞作曲演唱、文字摘要、撰寫新聞等各項語言處理能力。微軟小冰可以說是微軟目前NLP和語音交互的集大成者，在技術上遠遠領先其他對手。目前微軟小冰已經將自己的技術能力全面開放，尋求多方面商業合作，不容小覷。
與微軟相比，對話式人工智能在百度AI戰略中的地位還要更高。在百度大力發展AI以來，百度的人工智能戰略逐步清晰，主要聚焦在三個方面布局：信息流、對話式人工智能系統DuerOS、自動駕駛Apollo。
2017年，百度打造了對話式人工智能操作系統DuerOS，為合作伙伴提供核心技能和行業解決方案，可以接入機器人、手機、電視、音箱、汽車等多種硬件設備，同時激勵開發者在平臺上開發更多的技能。
據百度2018年第二季度財報顯示，6月份，DuerOS語音喚醒超過4億次。截至2018年7月底，搭載DuerOS的智能設備激活數量已突破1億臺。同時，DuerOS的合作伙伴數量已經超過200家，搭載DuerOS落地的主控設備超過110多款。DuerOS幾乎全部覆蓋了電視、手機、音箱、兒童設備、汽車等各類場景，而且每個領域DuerOS都和國內頭部廠商達成了合作，如華為P20、P20 Pro、vivo X21、NEX，OPPO FindX等。
再來看小米。小米集團人工智能與云平臺副總裁崔寶秋曾表示：從 2016 年起，AI 是成為小米未來十年的核心戰略，在 AI 上投入再多都不為過。不過從實際層面上來說，小米 AI 目前兩大重點還是在旗下的智能手機和小愛同學上。
在崔寶秋看來，小愛同學就是AI與IoT結合的產品。在AI+IoT上，小愛同學已經取得了一定的成績。8月15日，小米宣布截至7月底，小愛同學月活躍設備超過3000萬。今年7月小愛同學喚醒超過10億次，累計喚醒已超過50億次。
小愛同學目前已經可以語音控制10大類、30多款，共計8500萬智能設備，使用最多的三個場景分別是：音樂、有聲讀物的點播；閑聊；智能設備控制（包括開關燈、電視機開關、插坐）。
幾乎沒有硬件基礎的阿里，在2018年初也宣布全面進軍IoT，智能語音交互是其打造IoT的一大關鍵點。在阿里達摩院機器智能技術研究院語音交互智能實驗室首席科學家鄢志杰看來，語音是最自然的與 IoT 交互的方式，語音交互智能是 AI 與大眾最近的接觸，語音交互智能將成為 IoT 與互聯網內容和服務的橋梁。
除了天貓精靈、榮威智聯網汽車、海爾人工智能電視等，鄢志杰還把智能語音帶到了公共空間。此前國內的語音交互主要是近場交互，場景局限于安靜的室內。鄢志杰團隊通過對語音交互硬件的麥克風陣列、還添加了攝像頭來識別說話人，解決室外語音對話問題。目前，已經推出語音點餐機、上海語音地鐵售票機等。與其他公司不同，阿里做智能語音交互+IoT的特點在于其豐富的商業場景。
翻譯機
2018年NLP領域一個值得注意的趨勢是：多款翻譯機面市。此前，我們較為熟悉的是谷歌、百度、網易等在線翻譯，而今年我們看到了很多做硬件的翻譯機產品。翻譯機的火爆主要有幾點原因：首先，深度學習帶來翻譯水平的提升，能夠更好地解決對話中翻譯問題，而過去由于手機硬件限制，我們無法在移動設備上運行深度學習模型，翻譯機成為外出剛需。此外，實時的語音轉文字和文字轉語音功能的成熟，也起到促進作用。
2017年3月，科大訊飛推出曉譯翻譯機，無屏、支持中英互譯、離線互譯、支持Wifi和SIM卡連接，價格高達2799元，隨后2017年9月，科大訊飛推出“譯唄”，無屏、不支持離線翻譯，價格降低為1399元。2018年4月，科大訊飛推出曉譯翻譯機2.0，帶觸屏、攝像頭、支持20種語言在線互譯，中英離線翻譯，價格為2999元。
2017年9月，分音塔科技推出準兒翻譯機，支持31種語言互譯，不支持離線翻譯，售價1288元；2017年10月，網易提出有道翻譯蛋，帶觸屏、支持27種語言在線翻譯，不支持離線翻譯，價格638元；2017年12月，百度發布途鴿翻譯機，無屏、支持4種語言互譯，定價2399元；2018年3月，搜狗推出旅行翻譯寶，帶觸屏、攝像頭；支持24種語言在線翻譯，中英離線互譯，售價1498元；2018年5月，小米生態鏈企業香蕉出行提出魔芋AI翻譯機，無屏、支持14種語言、不支持離線翻譯，售價249元。
可見，翻譯機的功能和形態還處于探索階段，有無屏幕、帶不帶攝像頭、支持多少種語言、能否離線翻譯都能影響其價格。其中，離線翻譯對于硬件設備的要求很高，對成本的影響大。
我們知道，在線翻譯可以使用云端機器翻譯，而離線翻譯能使用的機器學習就很有限，此前，在線翻譯的效果遠遠優于離線翻譯。想要獲得好的離線翻譯，自然需要在硬件和軟件上下更大的功夫。
雷鋒網了解到，2018年6月13日，谷歌發布離線神經機器翻譯技術（ Neural Machine Translation），使得離線狀態下 ，也能用AI翻譯，且支持59種語言。據了解，神經機器翻譯（NMT）是機器翻譯的一種方法，它使用大型人工神經網絡來預測單詞序列的可能性，通常在單個整合模型中對整個句子進行建模。這一技術，或許將會對翻譯機造成一定的影響。
2017到2018年，AI+教育成為人工智能集體攻堅的傳統領域。AI+教育不少的場景和產品都運用了NLP的技術，例如：中文分詞、智能閱卷、知識圖譜等。
以語音+語義技術為核心，結合云計算、大數據，科大訊飛在AI+教育上取得了不少成果，教育也成為科大訊飛重要的營收來源之一。據科大訊飛2018年上半年財報顯示， 2018年上半年，教育板塊的營收6.58億元，同比增長16.35%。
科大訊飛在智慧教育領域，已經打造了包含智慧考試、智慧校園、智慧課堂、智慧教學、智慧管理在內的一體化智慧教育產品體系，在全國31個省、自治區、直轄市及新加坡等海外市場廣泛應用，與13000余所學校建立合作，服務師生超過8000萬。
其主要的場景有校園管理：建設校本資源庫，構建優質資源實時更新、共建共享的生態圈，實現學校優質、特色教學資源的積累和共享；AIUI語義：集成語音識別、語義理解相關能力，結合后端信源，直接通過語音調用相關內容信息，達到天氣預報、風險預警等信息及時播報；語義理解：通過語音處理，進行語義理解，了解用戶意圖，并通過云端知識庫交互達到信息的及時傳達；私有云更加定制化的信息確保答案更加精準有效；漢語水平等級考試：系統基于國家普通話水平測試大綱，可準確的對考生命題說話之外的所有測試題型進行自動評測。
在智能閱卷方面，2017年11月20日，新東方與科大訊飛聯合成立的合資公司“東方訊飛”發布第一款基于AI的智能學習產品RealSkill，實現雅思、托福考生口語與寫作的智能評分與批改。
雷鋒網還注意到，除了英語之外，NLP技術在中文閱讀領域也已經能商業化。2018年8月，中文少兒分級閱讀平臺“考拉閱讀”宣布完成2000萬美金B輪融資。此次融資將主要用于考拉閱讀原創“中文分級閱讀系統ER Framework”的優化升級、優質閱讀內容的生產聚合及市場規模的擴大。
考拉閱讀的中文分級閱讀標準（ER Framework ）借鑒了國外的“詞、句”的分析思想，基于ER Framework的分級閱讀標準在「詞」、「句」的基礎上再加入「字」、「段」、「篇」三個維度，即從「字詞句段篇」五大維度提取幾十個特征來表達中文的難度，并實現段落、主題等的分析。如在「字」其下還有常用性、構形、組合性三個特征，「句」則有句法結構、語義邏輯、修辭表達和嵌套深度四個特征等等。文分級閱讀系統 ER Framework，將中文文本按照難度進行量化分級，并匹配學生不同的閱讀能力，進而提供個性化的閱讀內容及語文學習解決方案。
機器可以做很多理性的東西，那么它可以做一些創造性的東西嗎？雖然人類對創造性的要求很高，梵高的畫作、貝多芬的交響曲、李白杜甫的詩詞，這些在人類歷史長河中閃閃發光的文化遺產是人類創造性的體現。即使是對人工智能抱有長遠期望的李開復，也并不認為AI能夠具備創造性。
但是，微軟卻一直在堅持AI創作的嘗試，在近兩年取得了不少成果。
微軟小冰除了對話能力外，還具備寫詩、寫歌詞、作曲、演唱等能力，這些都是NLP技術的延伸。雷鋒網曾報道，2018年5月，微軟小冰宣布“演唱深度學習模型完成第四次重大升級，演唱水平接近人類，且開始向作詞、作曲、演唱全面發展。其與知乎合作的新曲“我知我新”就是由小冰作詞加演唱。
據介紹，第四次迭代版本有三大更新：首先，加入換氣聲自動合成能力，歌聲與氣息融合，聽起來更自然更有感染力。其次，第四次迭代本在在深度學習建模中增加控制的方式，字與字、音符與音符之間的過渡更加連貫順暢。最后，通過進一步優化的深度神經網絡結構，以及大幅度補充的訓練數據，使小冰并行學習來自不同人類歌手的演唱風格，進一步脫離手工參數輸入，自行完成演繹。
小冰作詞與小冰創作詩歌相同的生成模型——基于LSTM的seq2seq模型，但是訓練數據從詩歌換成了歌詞，小冰利用深度神經網絡學習超過1000萬行的歌詞語料，并在此基礎上訓練，再通過多感官誘發創作靈感，生成歌詞。
AI創作需要更強的自然語言生成能力，目前大部分的對話式人工智能并不具備，很多回答的語句還是提前輸入的，或者是通過搜索提取的。微軟的自然語言生成能力也已經融入到了對話式人工智能中，在發布”全雙工語音交互感官“技術時，微軟小冰就已經具備”自然語言生成模型“，微軟小冰的所有回復都是自己生成的，有別于傳統的基于模塊、搜索來進行回復。
微軟重視AI創作，是希望AI能與人聯合創造。AI進入內容生產領域，并不是要替代人類，而是成為人類的助手，不僅僅是在一般的領域，創作領域其實也是可以做到的。其實每個人都有創作的欲望，只不過有些人有藝術的天分，成為了畫家、音樂人、作家，而有些人沒有這樣的能力。AI就可以幫助每個普通人，讓他們都有創作一些個性化的內容的能力。
雖然寫詩和唱歌還沒有明顯大規模商業化，但是另外小冰講故事和小冰的文字摘要能力卻已經大規模落地。小冰的兒童有聲讀物自動生成技術成果，已獲得超過400萬小時的收聽量，小冰姐姐講故事有聲讀物已經覆蓋國內90%以上的兒童早教機器人和80%在線收聽平臺。
微軟小冰將機器人寫稿技術運用到金融領域，可以說是找到了一個更為剛需的場景。王永東介紹，在過去的248天里，小冰低調地采用化名與萬得資訊和華爾街見聞進行了合作，對金融領域中全部26個類別的公告進行攻堅和測試，通過金融文本生成摘要，向金融機構、財經APP和個人投資者提供摘要服務。目前，小冰的文本生成技術已經覆蓋國內約90%金融機構、75%經批準的合格境外投資機構和約40%的國內個人投資者。
在金融信息服務領域，速度意味著金錢，與人類相比，人工智能在這一點上優勢明顯。王永東介紹，微軟小冰可以在企業公告發布的同時，用20秒左右的時間生成高質量的摘要。未來，小冰在金融領域會還會拓展產品線，提供更多的金融服務。
除了微軟小冰之外，雷鋒網還曾報道過IBM會辯論的機器人。2018年6月，IBM Research推出AI系統Project Debator，在舊金山IBM辦公室，人工智能在一場辯論賽中擊敗了人類頂尖辯手，它的對手是以色列國際辯論協會主席Dan Zafrir和2016年以色列國家辯論冠軍Noa Ovadia。據IBM官方介紹，Project Debater是第一個可以在復雜話題上與人類辯論的AI系統。Project Debater通過處理大量文本，就特定主題構建出有良好結構的演講，提供清晰明確的目的，并反駁其對手。最終，Project Debater將通過提供引人注目的，以證據為基礎的論點并限制情感、偏見或模棱兩可的影響來幫助人們推理。目前，Project Debater如何進行商業落地，還不得而知。
智能音箱、智能家居等硬件產品的火爆已經驗證了智能語音交互與IoT結合的趨勢，這個新的趨勢也對芯片這樣的底層硬件提出了全新的要求。此前，智能音箱中的AI推理和運算都是在云端完成，反應的速度較為緩慢，延遲明顯。
云知聲創始人/CEO 黃偉表示，“在 AIoT 市場加速爆發的今天，云端方案在網絡、帶寬、能耗、隱私以及邊緣計算等方面的限制，使得面向物聯網的 AI 芯片成為必然選擇。”
5月16日，云知聲在北京發布了首款面向物聯網領域的AI系列芯片UniOne以及第一代芯片“雨燕”；5月24日，出門問問在北京發布了旗下首款AI語音芯片模組問芯Mobvoi A1；6月26日，Rokid在杭州發布了旗下AI語音專用SoC芯片KAMINO18；同一時間，思必馳CEO高始興確認公司正在打造AI語音芯片，預計今年下半年流片；7月4日，深圳微納感知計算技術有限公司（微納感知）聯合杭州中天微系統有限公司（中天微系統）宣布即將在今年下半年發布智能語音芯片，杭州中天微系統不久前被阿里巴巴全資收購。
這些AI語音芯片都有相似的目的，例如：為語音交互硬件提供跨設備形態的 AI 感知能力和本地推理能力；深度學習網絡架構，提升運算能力；降低數據帶寬要求等。
其實，AI語音芯片，NLP都是語音公司豎向發展的需求。近幾年，以科大訊飛、云知聲、思語音識別的公司發展很快，語音識別的發展也帶動了自然語言處理相關的發展。然而現階段，語音識別、語音合成、智能設備接入、智能設備喚醒等問題都已經基本解決，再過兩三年或許就能徹底解決，“聽見”的問題解決后，下一步自然就是“聽懂”，在“聽懂”的方面，自然語言處理技術任重而道遠。
思必馳CEO高始興曾告訴智東西，思必馳在創業之初，整個研究團隊最早做的就是語音識別、人機對話，但2007年那個時間節點，移動互聯網浪潮還沒有興起，更不要說AI應用了，沒有需求則“技術無用武之地”。但隨著物聯網階段到來，語音交互的需求開始爆發。“在技術創新上，思必馳核心會圍繞人機對話來展開”，高始興談到，盡管現在思必馳的語音技術已經落地很多終端，效果也不錯，但是整個人機交互體驗還是不夠的，還要下功夫提升用戶體驗。
NLP技術比CV技術更難，目前幾乎都是大公司才有精力做NLP技術的研發，在算力、數據、人才上都是創業公司無法比擬的。但是，由于NLP包含眾多研究內容：中文自動分詞、詞性標注、句法分析、自然語言生成、文本分類、信息檢索、對話系統、文字校對、自動摘要等。這些技術都在逐步地商業化，但是因為各個領域所采用的數據、技術都有很大區別，并不會有一個統一的技術出現，每個領域都還有創業公司生存的空間。
三角獸是一家典型的NLP創業公司，三角獸的三位創始人中，一位是度秘中控負責人王卓然，一位是微軟小冰創始人之一亓超。自2016年三角獸成立起，公司就致力于基于自然語言處理技術，為各個領域打造人機交互解決方案。
三角獸目前已經完成B輪1.1億人民幣融資，主要致力于四項技術能力：語義理解、開放域聊天、多輪對話、跨域中控，落地智能客服、智能手機方案和智能硬件三大方向。
智能手機方案是三角獸較為獨特的落地場景，據介紹，最新發布的OPPO R15和VIVO X21，以及今年一些品牌新機的“智慧識屏”功能，都由三角獸提供。該功能貫通系統層，覆蓋包括微信、微博、各種app和短信，對手機任何一段文字進行語義解析，并推出數個卡片滿足用戶，一步到位解決用戶獲取信息和服務的需求。此前，三角獸還為羅永浩的錘子手機提供“Bigbang”功能，可以使大段文字——不管它們是以圖像還是文字的方式存在，不管它們是中文還是英文——都可以被切割成語義相關的詞或字，從而可以被更加方便地選擇和編輯。
竹間智能成立于2016年，創始人簡仁賢曾是微軟亞洲工程院最高級別的負責人之一，其參與和向其匯報的項目包括了Bing亞洲地區的戰略與合作伙伴關系，微軟的虛擬助手小娜以及亞洲地區的商業變現業務。
竹間智能的核心業務是文本分析、自然語義理解、情感計算。竹間智能主要有兩條產品線，一條是類腦對話機器人，包含了客服機器人、導購機器人、金融機器人、營銷機器人、個人助理、品牌IP機器人等；一條是多模態情感識別系統，包括情緒識別分析系統、人臉表情識別系統、印象分析系統、廣告效果分析系統、呼叫中心質檢系統、課堂情緒分析系統等。
對話機器人的應用場景可以區分為C端和B端，C端直接服務于客戶，對用戶體驗要求非常高，這個領域重要由巨頭占領。服務于B端需要做得更為垂直，最多的是做客服、導購機器人，需要為垂直領域提供不同的解決方案。在這個領域我們也看到很多創業公司，例如：小i機器人、云問機器人、智能一點、助理來也等。這個領域已經不算是藍海，NLP公司需要尋求更多的差異化。
竹間智能的多模態情感識別系統做到了差異化的競爭，其不止可以識別文字情感、語音情感還添加了視覺情感，將三者融合起來做多模態的情感識別。在竹間智能CTO翁嘉頎看來，人機交互分為三個層次，最底層是自然語言處理，第二層是意圖理解，第三層是理解背后的涵義，目前業界還停留在前兩個階段，要做到第三個階段，情感計算不可避免。目前，竹間智能的多模態情感識別也已經創新性地應用在了新零售場景。
思必馳是國內領先的語音技術廠商，專注智能終端領域，為智能車載、智能家居、智能玩具/機器人、智能穿戴、智能手機等打造自然語言交互產品方案，目前已經接入上億智能終端。今年7月思必弛宣布推出針對企業智能服務的定制平臺——會話精靈(talkinggenie, http://ba.dui.ai)，定位為企業知識傳播，利用啟發式對話技術和復雜結構知識管理技術為大眾企業提供更流暢的知識和信息的溝通方式。
初敏談到，思必馳現在的主戰場是智能設備、IoT，都是圍繞著人的生活中的各種娛樂、出行、會議，輔助人的日常生活。但是現階段，智能語音設備的底層問題，如接入、喚醒、對話，都已經基本解決，未來兩三年可能會徹底解決，那么智能語音設備廠家之間的差距就變小了。思必馳現在換了一種思路來思考智能語音設備的發展，在她看來現在需要的是更多的企業將自己的服務交付給智能語音設備，以后可能不會只有一個通用型的音箱，會有很多專用場景，在不同的場景解決不同的問題。
在對話式人工智能以及NLP領域，巨頭擁有著多年的技術積累、平臺優勢，微軟、百度都在開放對話式人工智能平臺和技能，在這種情況下，創業公司再去做平臺或者底層技術并不現實，需要結合多種NLP技術，需要差異化的場景和更為垂直的領域。
2018年，計算機視覺賽道已經趨于平靜，NLP賽道卻十分熱鬧。NLP研究的內容領域眾多，包括：中文自動分詞、詞性標注、句法分析、自然語言生成、文本分類、信息檢索、信息抽取、文字校對、問答系統、機器翻譯、自動摘要、文字蘊涵等等，每一個領域都很艱深，沒有一個通用的技術能解決所有問題，其技術難度遠大于計算機視覺。
暢想未來的NLP，我們會想到：能暢聊的對話機器人、精準的實時翻譯、會閱讀寫作的AI。2018年，以上這些愿景都在一步步實現。雷鋒網觀察到，2018年，智能語音交互與IOT平臺的結合、翻譯機、AI教育、AI創作等領域是NLP技術的熱門應用場景，巨頭和大公司都在扎堆布局。同時，為了更深入布局，不少巨頭和語音公司都開始做物聯網/語音芯片。除此之外，NLP創業公司也在積極探索適合自己的垂直領域，例如三角獸的智慧手機識屏方案、竹間智能的多模態情感識別、思必馳的企業智慧服務。當然，這篇盤點文主要依靠雷鋒網編輯這一年來行業報道所見，如有不全或者遺漏之處，歡迎告知。
除了這些細分領域的新進展之外，大公司的競爭格局也很有意思。可以看到，雖然微軟、谷歌、百度等巨頭在NLP上積累難以超越，不少公司也有望憑借后發之力向巨頭發起挑戰，比如憑借語音技術在教育、政務、醫療等各個領域遍地開花的科大訊飛；憑借搜索和輸入法為核心，打造自然交互與知識計算的搜狗；依靠信息流、智能推薦、NLP技術對百度窮追猛趕的今日頭條。在下一篇文章中，雷鋒網編輯將會詳細說說這些公司的在NLP領域的競合，歡迎聯系編輯提供觀點和意見。
相關文章：
專訪鄢志杰：阿里全面進軍 IoT，語音交互能做什么、將做什么？
小米人工智能與云平臺副總裁崔寶秋：智能手機 + IoT 為 AI 打造無限生態 | CCF-GAIR 2018
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
