智能語音是人工智能技術的重要組成部分，包括語音識別、語義理解、自然語言處理、語音交互等。

當前，人工智能的關鍵技術均以實現感知智能和認知智能為目標。語音識別、圖像識別和機器人視覺、生物識別等目前最火熱的領域，主要解決的是感知智能的需求，就是使得人工智能能夠感知周圍的世界，能夠“聽見”或者“看到”。

自然語言理解、智能會話、智能決策、人機交互等技術更加側重的是認知智能的領域，解決“聽懂”、“看懂”，并且根據學習到的知識對人類的要求或者周圍的環境做出反應的能力。

在關鍵技術層中，語音識別、自然語義理解（Nature Language Process， NLP）、機器學習領域的關鍵技術在人工智能技術當中居于重要地位，是人機交互技術的基礎。

圖表 1 語音交互流程圖

智能語音應用場景廣闊，市場規模始終保持高速增長

智能語音技術在經濟社會中應用場景持續擴展，目前已被廣泛應用于教育、醫療、客服、個人語音助手等行業市場和個人用戶等領域。中國智能語音市場已形成了包括上游的基礎設施制造（芯片、傳感器、算力）、中游的技術實現（語音合成、語音識別、語義理解等）以及下游的眾多應用服務（家居、客服、教育等）的完整產業鏈結構。

智能語音技術在整個產業鏈中起到了承接的作用，將人工智能的技術低層產業化，并在智能家居、可穿戴設備、機器人等行業落地，是整個人工智能產業鏈中的關鍵一環。

圖表 2 智能語音行業產業鏈

根據中國信息通信研究院的數據顯示，2018年中國人工智能市場規模達230億元，智能語音所占市場份額為22%，約50.4億元。

在整個人工智能產業中，智能語音產業化程度相對成熟，是所占份額比例較大的細分領域，由2014年的8.5億元人民幣發展至2018年的50.4億元人民幣，整個行業始終保持著高速發展，并將在未來持續保持下去。預計到2023年，智能語音行業市場規模將突破100億元人民幣。

圖表 3 2014-2018年中國智能語音行業市場規模及增速（單位：億元）

智能語音技術以其廣闊的產業化應用席卷人們日常生活和工作的方方面面，其產業規模的大幅提升主要源于兩方面的驅動支持。第一，大數據、云計算等技術的快速發展使得智能語音技術的應用不斷成熟，能夠滿足政府、金融、家電、汽車等多領域垂直行業的應用需求。

第二，各國政府、相關行業及資本都持續關注智能語音技術的研發和產業化。作為戰略性和前瞻性的重要新興產業，語音交互技術始終是世界各國科學界和投資界的關注焦點，各國都力爭率先取得關鍵技術突破，占據產業先機位置，以取得智能語音產業的領導權。中國、美國、歐洲、日本等國政府均專門立項予以重點扶持，并投入重金設立專項計劃。

圖表 4 多方驅動智能語音產業規模升級

相比西方國家，語音識別技術和自然語言處理技術在中國的發展尤其迅猛，很大程度上是由自身的獨特因素所導致。如用戶規模較大，以及中文難以手寫等。

（1）用戶群體龐大：作為人口大國，中國有著更大的用戶基數，且人均資源少，可用機器替代的崗位數量多于其余國家，有著廣闊的增長空間。如在客服領域，在中國每個客服需要處理的業務數量遠大于西方國家，智能語音識別技術能夠很好地解決類似問題。

（2）中文難以手寫：與其他語系的文字相比，中文的手寫較為繁瑣，語音相比打字是一種更為自然的輸入方式。且漢語句法和語法相對簡單，沒有虛擬語氣和條件語句，降低了語音識別的難度。

中國智能語音行業發展現狀：市場集中度高，參與者不斷涌入

隨著人工智能和語音交互等概念的日益火熱，國內各類企業紛紛涌入智能語音市場，以產業內合作的方式，將語音技術植入產品或應用于相關業務場景，開放語音生態系統，構建全產業生態鏈。以企業性質作為劃分標準，中國智能語音行業的參與企業可分為以下四類：

（1）行業經驗豐富的專業語音公司。在深度學習算法大規模應用前，就已開始從事這個領域的專業語音公司，如科大訊飛和小i機器人，專注在垂直領域并深耕多年，具備豐富的行業知識。

（2）AI初創公司。如思必馳、云知聲、出門問問，此類公司主要關注多用途的云平臺和某些特定的垂直領域，如智能汽車或智能家居，并集中研發智能語音技術在這些領域的應用。

（3）中國本土互聯網公司。如百度、阿里、騰訊等為代表，主要推出移動端消費者語音產品。所使用的多用途云平臺源自其自身的核心產品，如騰訊的微信。

（4）海外互聯網公司。如亞馬遜、蘋果、Nuance等，近年來通過并購等手段，夯實核心技術，開放應用平臺，擴展以AI為核心的生態系統。如亞馬遜公布的開源深度學習和機器學習工具DSSTNE，微軟的開源AI平臺Project Malmo等。

主要參與廠商：在全球市場方面，2018年全球智能語音行業市值超過150億美元，Nuance、谷歌、蘋果、微軟和科大訊飛作為排名前五的廠商，市場份額合計占比超過80%。

在中國智能語音市場，科大訊飛以44%的市占率高居榜首，2018年，中國智能語音市場排名前五的廠商是科大訊飛、百度、蘋果、Nuance和小i機器人，合計占據了85%的市場份額，行業整體呈現高集中度。

圖表 5 2018年全球智能語音行業市場份額（左）2018年中國智能語音行業市場份額（右）

競爭格局：馬太效應凸顯，頭部企業壟斷市場

智能語音行業作為技術先導型的新興行業，具有顯著的馬太效應與較高的行業壁壘。行業發展初期，技術領先型企業占據市場先機后，會通過數據與資源的積累在后繼競爭中占據更大的競爭優勢，導致后來者短期內難以趕超的局面。

圖表 6 智能語音行業主要壁壘

由于行業壁壘高且具有馬太效應，在中國范圍內看來，僅有少數廠商在智能語音市場具備較強競爭力。一類是傳統語音技術廠商，如科大訊飛，擁有長期技術和用戶積累。另一類是以BAT為代表的IT巨頭，憑借在互聯網端的優勢迅速搶占了語音信息流入口。

2010年后，各大IT巨頭紛紛通過自主研發或并購/參股的方式深入布局智能語音產業，不采用傳統的技術授權、技術解決方案提供、技術維護等業務模式，推動技術免費、增值服務收費成為新型商業模式，打破了以科大訊飛等為代表的傳統語音技術廠商一家獨大的局面，并不斷對消費者的交互習慣產生影響。

另一方面，隨著深度學習的引入和發展，智能語音的算法紅利正逐漸消失，自2010年深度學習首次引入語音識別后，配合計算能力的提升和海量語音語料數據的積累，識別準確率得到大幅提升。科技巨頭對于深度學習算法及機器學習框架的開源使得智能語音技術的調用變得更為簡單，模塊化的設計顯著降低了應用部署和實施的門檻，在此大環境下，智能語音產業由一家獨大演變為多方競爭的格局。