2018年智能语音产业市场调研分析报告

2018年智能语音产业市场调研分析报告

目录

第一节智能语音：谈入口太早，但不可或缺 (5)

一、智能音箱是台面上的狂欢，本质还在用户、数据和服务 (5)

二、信息获取与表达决定语音交互成为阶段性不可或缺的一环 (7)

第二节智能语音相关技术及发展历史 (10)

第三节智能语音产业发展现状 (14)

一、市场规模快速扩大，且国内增速显著超过全球 (14)

二、各要素齐发力，推动智能语音形成完整产业链 (15)

三、算法红利逐渐消失，一家独大转向多方竞争 (16)

四、融合场景、借力硬件提升语音技术实用和稳定性 (20)

第四节智能语音的应用前景 (22)

一、巨头抢滩虚拟语音助手，并逐渐切入场景应用 (22)

二、消费级产品应用场景 (24)

1、智能语音+车载 (24)

2、智能语音+家居 (25)

3、智能语音+可穿戴设备 (26)

三、专业级行业应用场景 (28)

1、智能语音+医疗 (28)

2、智能语音+教育 (29)

3、智能语音+客服 (31)

图表1：巨头先后入局，各路智能音箱纷纷登场 (5)

图表2：Amazon Echo 累计销量（万台） (6)

图表3：Amazon Echo 接入第三方应用数量 (6)

图表4：人机交互方式的演变越来越贴近人类的本能表达 (7)

图表5：人类信息获取95%来自视觉、听觉和触觉 (8)

图表6：人类信息表达93%借助肢体和声音 (8)

图表7：智能语音背后的三类核心技术 (10)

图表8：语音识别技术历史 (10)

图表9：深度学习的引入使得电话语音识别词错率下降到与专业速录员相当甚至更低 (11)

图表10：语音合成技术发展历史 (11)

图表11：自然语言理解的原理 (12)

图表12：多轮对话管理的典型架构 (13)

图表13：全球智能语音产业规模快速增长 (14)

图表14：中国智能语音产业规模增速显著高于全球市场 (14)

图表15：从“人机料法环”五要素看智能语音行业发展的驱动因素 (15)

图表16：国内智能语音产业链 (16)

图表17：全球智能语音市场格局 (17)

图表18：中国智能语音市场格局 (17)

图表19：虚拟数字助手用户数量将快速增长 (23)

图表20：虚拟数字助手市场规模将快速增长 (23)

图表21：车主对语音交互的认可明显提升 (24)

图表22：智能语音在智能家居中的应用 (25)

图表23：智能家居市场进入快速拓展期 (26)

图表24：苹果AirPods 与Siri 连接 (27)

图表25：中国健身及运动类可穿戴设备市场规模预测（亿元） (27)

图表26：语音电子病历系统的功能架构 (29)

图表27：辅助诊断系统功能架构 (29)

图表28：智能语音评测系统 (30)

图表29：智慧教育整体解决方案 (30)

图表30：智能客服功能架构 (31)

图表31：呼叫中心坐席数量（万个） (31)

表格1：互联网巨头智能语音产品布局 (19)

表格2：科技巨头以收购或参股的方式布局智能语音 (19)

表格3：国内智能语音行业知名创业公司 (20)

表格4：智能语音技术在具体应用场景下依然存在技术难题 (20)

表格5：巨头纷纷以虚拟语音助手切入智能语音应用场景 (22)

表格6：智能语音主要企业智能车载产品及其主要客户 (24)

第一节智能语音：谈入口太早，但不可或缺

一、智能音箱是台面上的狂欢，本质还在用户、数据和服务

自2014 年11 月Amazon 推出收款基于语音交互的智能音箱Echo 以来，2015 年科大讯飞发布智能音箱叮咚，2016 年谷歌发布智能音箱Google Home，而进入2017 年以后更是密集，5 月联想发布智能音箱，Amazon 发布带触屏的Echo Show，微软联手音频设备制造商哈曼〃卡顿合作打造Invoke，6 月苹果发布HomePod。同时国内BAT 等互联网巨头也纷纷有意入局。

图表1：巨头先后入局，各路智能音箱纷纷登场

资料来源：互联网，北京欧立信咨询中心

智能音箱本身不是目的，争夺的是背后的用户、数据以及服务入口。①、其实基于语音交互技术的入口产品可以是音箱、电视等家居产品，甚至可以是室内可及的智能设备，之所以选择音箱作为突破口，只不过看重这样一款在初期能承担除交互之外其他功能的载体。②、对于用户而言，需要的是能够将众多繁杂的应用和接口进行封装的工具，不再需要自己主动到每一个具体应用上获取服务，而是借助语音交互统一的入口提供。③、对于巨头公司而言，目的在于借此获得移动互联网之后一个能够获取用户数据并持续提供服务的入口。

单就智能音箱而言，交互体验和连接的服务是影响用户选择的重要因素。①、抛开智能音箱的设定，其本质是一款基于语音进行人机交互的智能硬件，在算法层面涉及到降噪、远场识别、唤醒与打断以及多轮会话、语义分析等自然语言理解技术，硬件层面主要涉及到进行声音采集的麦克风阵列技术以及声音播放时扬