語言是人類之間溝通交流最基本的形式，科學家很早就對語音識別表現出很濃厚的興趣，1952年貝爾實驗室研發出可識別單個數字0-9的語音識別Andry系統，從20世紀60年代開始美國卡耐基梅隆大學開展了連續語音識別的研究并在80年代開發出首個“非特定人連續語音識別系統”，但受制于傳統經典模型的局限性使語言識別的發展止步于此，直到2006年深度置信網絡（DBN）解決模型訓練容易陷入局部最優問題，2011年深度神經網絡（DNN）模型在大詞匯量連續語音識別上的應用取得成功帶動語音識別產業應用的高潮。

當然這段時間中國也在進行語音識別的探索，1958年中國科學院聲學所利用電子管電路識別10個元音，1973年中國科學院聲學所開始研究計算機語音識別，1986年中國“863計劃”首次將語音識別專門列為研究課題，之后誕生科大訊飛、百度、云知聲、思必馳等企業。

DNN技術的應用雖然在大詞匯量連續語音識別上有大的突破，但是無法對時間序列上的變化進行建模，簡單的說就是一段話中的每個字都能識別但是整句話讀起來不通順詞不達意，無法根據語境、前后文識別成完整的一句話，而循環神經網絡（RNN）可以把前一時刻的輸出作為后一時刻的輸入從而生成完整的一句話。科大訊飛在此基礎上提出了前饋型序列記憶網絡（FSMN），通過結合FSMN和RNN算法的優點提高語言識別準確性的同時縮短模型訓練的周期、降低識別的響應時間。

車載的人臉識別可能沒有語音識別那么普及，但人類幾乎同時對語音和人臉識別進行研究，早在20 世紀50年代就已經開始對人臉識別進行理論性研究。20世紀60年代主要利用人臉的幾何結構，通過分析人臉器官特征點及其之間的拓撲關系進行辨識。20世紀90年代引入“特征臉”方法對人臉進行識別。2013年微軟亞洲研究院的研究者首度嘗試了 10 萬規模的大訓練數據，2014年起深度學習的應用帶動人臉識別準確率上大幅提升，人臉識別產業化發展進入快車道。

深度學習是指通過對物體進行逐層的特征分類篩選，第一層可能會尋找簡單的邊線，第二層可能會尋找可以形成長方形或圓形等簡單形狀的邊線集合，第三層可能會識別眼睛和鼻子等特征，通過人臉檢測、特征點識別、特征提取和特征比對等技術手段最終將這些特征結合在一起掌握“人臉”的概念。神經網絡模型層數越多，人臉特征的分類越詳細，可區分的特征越多，人臉識別的準確度越高，商湯科技Parrots平臺驅動“設計深度學習大腦”有1207層網絡，1000+次的層層篩選把關，識別的準確度最高可達99%。

對于這個萬物互聯的時代，科大訊飛的語言識別和商湯的人臉識別如何賦能威馬智能汽車呢？目前市面上所有的智能汽車在你每次要通過語音控制汽車的某些功能（打開車窗、打開空調等）都需要先喚醒它“你好，某某”，但如果有一輛威馬汽車在你出發前，解鎖后靠近，在車外時就主動向你問好，這種自帶主角光環的出場方式，總能吸引旁人目光。上車后根據你的身份主動調節座椅、后視鏡、方向盤等位置，登錄享受會員權益等，“一眼就懂”你的想法，疲勞時通過儀表的提示音進行警示，亦或用語音提醒車主是否需要“來點音樂”，還可以遠程控制智能家居，是不是有一種越級的體驗？

以上功能的實現都要先回答一下問題：這輛車怎么知道Who are you？ 這主要靠駕駛艙內的內置主駕攝像頭，攝像頭除了可以用于安全駕駛-駕駛員疲勞、分神的檢測之外，還是人臉識別身份的入口，通過人臉檢測、特征點識別、特征提取和特征比對等技術手段，最終識別出人臉的身份。

智能車內攝像頭的加入為人-車在語音交互之外新增人臉交互端口，語音交互給人的感覺始終是他不知道你是誰，誰都可以指示它，你說什么它就做什么，它更像一個沒有靈魂情感的機器人，而人臉交互最大的優勢，它可以準確識別Who are you？ Where you come from？ What do you like？ 真正做到what can I do specifically for you！ 根據駕駛員的身份不同，匹配相應的功能設置，一個眼神秒懂你，實現專人專享的智能座艙體驗。

除了以上說的語音識別、人臉識別各個獨立功能之外，威馬的智能交互AI小威深度融合整車所有傳感器數據進行大數據分析，開發出如情緒識別、接管能力和前車起步提醒等功能。以前車起步提醒功能為例，紅綠燈路口停車之后，駕駛員一般都會看看手機發個微信、打電話、換音樂等等，總之這個時候很少有人還會把注意力放到正前方，AI小威通過前置攝像頭計算周邊車輛位置、速度信息，再根據本車的多個傳感器計算本車運行狀態速度等信息，結合人臉識別判斷駕駛員分心未注視前方時通過語音或儀表提醒駕駛員起步。這些都是基于整車現有硬件的前提下，發掘用戶開車用車的“痛點”，深度融合整車傳感器數據開發新的功能，后續的功能通過不斷的OTA升級實現。

在車內智能交互之外，威馬還打破空間的界限，對車聯網和物聯網（IoT，Internet of things）等資源進行整合，無縫連接車內第三空間和家，實現在車內通過語音遠程控制家里空調、熱水器、房間燈等的開啟關閉，解決進門前提前開啟空調、開熱水器等和出門總是擔心“忘記關各種電器”的難題。到家后還可以通過小愛音箱隨時查看愛車狀態、可續航里程、充電量等，在家就可以根據愛車電量提前規劃行程安排。借助于IoT智能設備，加入物聯網生態圈，目前已支持的智能家居產品達到8類30種9，000萬個，后期還在不斷拓展車聯網所用的場景，開發出更多實用的功能。

對于人-車交互，威馬并沒有止步一般的“察言觀色”的功能設計，還在深度發掘用戶真正需求，通過面部表情、眼神、肢體動作、手勢等細節了解用戶當前的情感、態度和意圖，追求的最終目標是在多模態交互體驗上更具有人格化。圍繞多模態交互場景下的聲紋識別、手勢識別、表情識別、視線跟蹤，以及CarbinSensing感知技術也都在同步開展探索研究，借助于深度學習技術提高識別的準確度，不斷推進相關技術的產業化發展，在不久的將來賦能威馬智能汽車。