2004年黄伟从中国科技大学毕业时，正好赶上第二次人工智能浪潮临近破灭的尾巴，却同时又是语音识别行业第一个风口到来不久的时候。2005年，全球领先的语音识别公司Nuance上市，市值最高突破90亿美元。3年后，黄伟所在公司的语音识别部门被Nuance收购。
这个本是实现计算机听觉为强人工智能服务的领域，却在AI趋冷的时候大热，更说明了技术的不可预见性。
近15年过去，这种戏剧化的变化再一次出现。尽管出现了AlphaGo横扫围棋界等标志性事件，让AI这一行业在2016年开始红得发紫，尽管2016年老罗在发布会上show了一把计算机听觉的精准性，亚马逊的语音助手Echo Alexa销量狂飙了三倍，我们却已经很难得出，语音识别已经站在了AI创业风口浪尖这个结论。
当年和黄伟一起学习或共事的人，很多人都离开了这一行业。固守判断、等待爆发是一件很考虑耐心和实力的事情。
谁也不知道下一个风口会什么时候流行；技术也并非是唯一的护城河；但是，语音识别正确率的不断提高，解放人类双手是大势所趋。这恐怕是黄伟在经历过摩托罗拉、Nuance、盛大、创办云知声之后，能最坚定的信念。
逆风反击：AI领域“模仿者必死”
云知声于2012年成立，也是在那一年，Siri开始支持中文。
语音识别领域的厮杀在这些年显得非常激烈。国外，谷歌、亚马逊、微软都通过技术积累和收购初创公司，杀入战局；国内，百度凭借着在AI领域的提前布局独自拼夺，和黄伟师出同门的科大讯飞更是成立十多年，属于行业当之无愧的老大。
2012年前后，正处在AI第三次兴起的交替期。那时候，科大讯飞还没有成为网红、AlphaGo还没有惊艳亮相，市场对人工智能最火热的讨论仍然来自于科幻电影。
后发却想要先至，信心是最重要的催化剂。在那时，极少有创业公司敢把所有身家赌在“深度学习”这件事情上。
云知声做的第一件事，就是把深度学习应用到了语音识别里，而且把它开放出来提供给了第三方。
2012年9月，云知声发布了基于传统统计模型的第一代引擎，准确率上升到了85%，比当时的讯飞高出5个百分点。但想要再优化，就必须要有迅速获得大量、免费的数据。于是，云知声开放了自己的平台，任何人、任何组织只要在平台上注册，就可以免费使用公司的SDK(软件开发工具包)；在APP里接入这一SDK，就可以免费调用云知声的语音服务。
凭借着免费这一法宝，到2013年底平台上接入的企业客户数量达到接近一万家。现在，企业客户数达到了3万家。快速的数据积累，让云知声进行了一系列数据迭代和算法优化，将识别的准确率提升到了97%。
但再好的技术，只有当它变成对用户有价值的产品时，它才有商业价值。既便技术过硬，留给后来者的机会仍已不多了。
第二步到底应该怎么走？做APP？流量的导入掌握在BAT手里，你不可能再用那么低的价格去实现基础设施（用户）的积累；做与科大讯飞雷同的业务？也很难从成熟的大公司手中去抢蛋糕吃，更何况在教育等领域，讯飞的优势地位几乎是无法撼动的。
“有行业第一，并不可怕。”黄伟意识到，任何一个公司，有它的沉淀，就有它的包袱。大公司受制于股权等因素，对很多新领域很难快速反映。必须找出一条和行业老大不一样的路，而且向投资人证明这条路在商业上是可行的。
2012年底的很多科技新闻中都曾展望：苹果会开发一种语音的方法解锁pad，而非现有的按键。最后我们发现这一功能在家电上更早出现。“我们根据用户场景倒推，未来用户的形态应该是，比如，在客厅的沙发上，自然与空调对话，而不需要凑上去和它交流。”黄伟说。
随后，在乐视TV上、美的空调、抽油烟机上，语音助手迅速落地。回过头去看，其实只用了2年的时间，云知声就将自己的基础语音识别引擎落地并步入正轨，再用数据反哺算法，不断将其客户从家电拓展到医疗、汽车等其他领域。
对于黄伟而言，产品想要复制到任何需要文字录入的行业，司法、传媒等，就没有太多不确定性了。“我们最后证明了：一，BAT之下确实还有别的路。二，行业老大之外这条路确实是可行的。”黄伟说。
顺风快行：手机不会是语音识别“主战场”
2014年，黄伟第一次提出了自己的“云端芯”概念，将公司定位于“一个IoT（物联网）时代的语音AI服务商”。为了做物联网，云知声在2014年引入高通成为战略投资方；同时进行内部架构的调整，成立了IoT事业部，占当时总人数的一半以上。在2016年AlphaGo还未火起来的2月，云知声又成立了AI Lab。
黄伟介绍，公司云端芯的服务分三种：1）有芯片级技术，比如说冷唤醒和打断等；2）有终端软件的交互层面，比如开车时万一网络不好，我们还有纯离线的方案；3）还有一些复杂的请求走云端。最后的解决方案是考虑了有网络、无网络等所有环境，并不是只卖一个芯片或者云端SDK。
有了这样的安排，芯片不仅可以收集信息，还可以承担一部分智能的功能，解决基本的需求。
这看起来并不是技术的颠覆。然而对于一个创业公司而言，如何确定你的商业模式和产品模式，如何建造你自己的壁垒，恐怕是技术之外更重要的考量。
对于这些模式的确立，黄伟的思考模式值得探究。传统而言，大家的思维模式是“做什么”；而笔者接触过的人中，有两个人并不是这样。一个是喜马拉雅的余建军，他的说法是“踩过了所有的坑才成功了”；另一个就是黄伟，他给人的感觉是“先考虑什么坚决不能做”。这种归纳和排除的出发点，和旁人不同。
2012年-2014年，黄伟坚持的是“不做APP”。到了2014年确立了“云端芯”战略，他又有两个排除：不能只做联网方案、不能只做手机方案。
很早黄伟就认为，手机从来就不是语音识别的主战场。你肯对着音箱、冰箱、马桶、抽油烟机说话，即便这些用品没有屏幕。但手机还是基于屏幕的，它更常用到的交互方式是“触碰”而非声音。
市面上很多在做智能家居的公司还是基于APP和手机的，例如将家电联网，在用手机来控制操作。而横扫欧美、被称为亚马逊“翻身之作”的Echo Alexa则是一个用音箱来连接的中控平台。
“智能家居人机交互的正确做法恐怕最后不会是APP。”黄伟说，它可能会是一个全新的增强设备，甚至最终取代手机。不过与亚马逊从中控开始做的方法不同，云知声还是希望先从终端渗透率不断增加着手，培育用户的习惯。
作为语音助手，Alexa看起来似乎是所有语音识别公司的竞争对手。黄伟则认为并不是。
“亚马逊肯定不是我们的竞争对手，合作机会是大于竞争的。”黄伟说，从智能层面，国外的云服务商在国内落地是很难的，而在亚马逊本土化的落地方案等方面，都是有合作机会的；在云端服务上，很多技术都可以由云知声来提供。
一个成功的企业，始于技术，兴于商业，却久于管理。“当时间到了2016年时，AI公司还在讲算法、讲评测，只会非常不成熟”。黄伟说，没有纯粹的AI公司。只有技术和行业结合，将技术、数据和商业闭环打通的公司，才是一个健康的公司。在人脸识别、云服务等任何一个细分领域，最后都只会有少数几家公司能胜出。
摆脱风口：技术并非唯一护城河
在《乌镇指数：全球人工智能发展报告(2016)》中，云知声以6000多万美元的融资规模，排名在全球AI企业融资额榜单第19、中国第三（另外两家分别是碳云智能和出门问问）。
但即便融资了这么多钱，此时你如果打开云知声的官方网站，却依然很难体会出“艺术感”。文字放得很大，有的时候一个屏幕上只剩下了导航栏和标题图；首页可以拖动很长，画了很多展示技术的概念图，每张图片连箭头都需要横平竖直。
这大概已经是理工男对艺术最佳的理解。
黄伟所毕业的中国科技大学，是国内知名的理工类学校，其最盛产的有三类人：理工男、穿着大裤衩的理工男以及穿着大裤衩、趿着黄拖鞋的理工男。在那里，谈恋爱略等于一起上自习；很厉害略等于可以一学期刷光全套吉米多维奇；优秀毕业论文略等于一篇Nature或Science。
然而，对技术的极致崇拜，有时候在商业上并不见得是优势。在这个故事满天飞的时代，你的巷子深了，资本还没走到，就会醉倒在半路。曾经在一个科大创业类的群中，“技术和Pr哪个更重要”的话题，几乎百分百都把票投给了前者。
时间回到2006年。彼时还在摩托罗拉语音识别部门的黄伟，为MOTO最具盛名的“明”系列手机开山之作A1200提供语音技术支持。如今你在百度中搜A1200，还有很多人人网的评测说，“教你怎么语音打电话”。
在当时识别准确率还不高的情况下，愿意去做这样尝试的人，简直是在刀尖上舞蹈，这得对自己的技术多有信心。
作为纯正的理工男，黄伟也曾有过“将技术作为唯一评价标准”的时代，但创业数年，他正在不断修正自己的判断。这种管理上的改变和平衡，并非是大学教他的，而是在盛大研究院管理期间体悟出来的。
从摩托罗拉语音识别部门被Nuance收编，到不愿意只做本土化，前往盛大创办研究院，再到自己创业，黄伟每一段经历，似乎都在刻意补齐了技能树上的短板：在摩托罗拉，潜心做了几年的研发和算法；在盛大，升级了自己管理的技能树。
“不是说技术不重要，但如果别人技术98分、我96分，这2份的差距不足以决定商业上的生死；而如果其他方面别人做的很好，做到了80分，你只做到了60分，你必死啊。”黄伟说。
最后创业时，你的资源永远是有限的，不可能每个岗位都招到最合适的人。能够把不同价值观、不同追求的人，集合在一起，将技术和管理结合，最后平衡、平衡、平衡，最重要的事情说三遍。
黄伟认为，技术在一个公司最终的比重只占到20%。尤其在中国这个市场环境中，光有技术是不够的，要补足很多其他的能力。单一人群创造力是有限的。无论是技术很牛的人，或者没有好的教育背景，但对产品特别有感觉的人，都特别值得学习。
“过去我们在人工智能领域耕耘，缺少经费和机会。于当时，我们是不幸。而今天人工智能成为科技领域的新热点，对于在人工智能领域坚守多年的我们来说，我们又是如此幸运。”黄伟说。
网友评论