与我们竞争的是国际上的语音识别王者赛轮思，前身为被微软收购的Nuance。在车企的交互测试里，我们的系统效果全面领先赛轮思。同时，由于中国过去几年在汽车出海上表现优秀，本项目也经历了多语种的交互效果评测，国内现在出海的汽车，其车载语音交互系统绝大部分选择的是讯飞的多语种智能语音交互系统。

华为的评测在当时主要是考虑面向欧洲的手机出海，所以它的评测项目主要是手机的语音助手。我们的主要对手就不再是赛轮思，而是谷歌；华为采取的同样是端到端产品层面的测试。当时评测了英语、法语、西班牙语、意大利语等语种，讯飞也都全面超过谷歌，最终由我们提供了整个系统。所以，在去年全球1024开发者节大会上，华为副董事长、轮值董事长徐直军提到目前华为公司在全球所有使用的智能终端的语音技术，都是来自于科大讯飞，而且不仅仅是中文。

这些企业在产品层面的遴选都非常严格，既要求效果又要求效率，还有可靠性。他们却不约而同地选择讯飞，充分证明了我们站在客户视角做出的端到端效果和体验很优秀。

心智观察所：我看到有提出多语种技术存在一个卡脖子的问题，请问这个问题的由来是硬件层面还是算法层面？然后，讯飞提出了一种多语种统一音素韵律体系，并提到一个基于语族分组的共享建模技术，请问这些技术又是一个怎样的情况？

刘聪：某种程度上，这次的项目获奖与卡脖子非常相关，许多国产化项目其实都是在这个背景之下催生的。

卡脖子既包含软件和硬件。硬件在刚才已经讲述了一些，例如从2019年断供人工智能的关键芯片，后来愈演愈烈；2022年10月，美国再一次极限施压，升级对华半导体管制，导致我们基本上无法购买任何美国生产的硬件。另外在芯片层面，随着大模型的崛起，美国也进一步加大对硬件层面卡脖子的力度。

在软件层面，美国直接掐断了多语种语音技术的支持，很多语种技术服务无法使用，使得我国每年庞大的手机、家电出口受限。当然，讯飞的多语种技术也因此受到了很大的影响，讯飞在中文语音领域全球领先，在数据方面有多年储备，但是我们当时关注的60多个语种不可能都像中文这样去投入：一是因为多语种数据资源缺乏，很多语种没有那么多数据；二是即使我们能够获得一些小语种的数据，但是每个语种的知识及语言专家都很难找，知识匮乏。

为了应对小语种智能语音系统构建所面临的知识匮乏、训练数据稀缺等难题，除了前面提到的语音属性解耦共性技术在多语种领域有一些应用之外，我们在多语种共享建模关键技术上也实现了突破：设计了全新的多语种通用音素体系RGP（Rough Global Phone）和基本语言单元，结合字音转换自动学习和人类语言专家的校验反馈，让不论哪个语种的词语都能使用这套共性的音素体系，实现了多语种统一音素韵律体系的构建；

再通过基于元学习的多语种预训练和基于语族分组的多语种共享建模——通俗地说，就是将不同的小语种进行分类，找到同类语种的共同规律，进行分析建模和训练。基于以上技术创新，我们使需要的小语种数据数量大大降低，最终也显著提升了小语种语音系统性能。

心智观察所：关于这次获奖，您刚才也提到和中科大的合作，从校企合作的这个角度来说，攻克核心技术，促进复合人才发展，推动科技成果转化，请问从您的角度来说，您觉得还有哪些工作是可以总结或是需要继续完善，继续去进一步做？

刘聪：将本次获奖算在内，讯飞一共三次获得国家科技进步奖。每次奖项都凝结了十年左右的积累和突破，我们自称“十年磨一剑”。

讯飞从成立之初，就非常关注产学研。当年，讯飞创始人、董事长刘庆峰等六名在校大学生加上十二名员工，一共十八个人创业成立科大讯飞，我们也是第一家在校大学生创业之后成功上市的企业。如此看到，讯飞源头的核心技术来自中科大，特别是王仁华老师建立起的我国最早的人机语音通讯实验室。除了中科大之外，讯飞也整合了源头核心技术资源，包括语言所、声学所以及后来清华大学等，将国内在语音方面最有优势的产学研资源全都集中。此后，我们也不断基于研究方向和许多外部实验室合作。故此，我们从创立之初到现在一直高度重视产学研。

我们现在产学研模式与成立初期有一些变化。早期我们的产业模式更多是一个横向项目，这意味着每当企业有一个任务需要高校的创新能力时，就需要高校从原始创新的角度去解决这样的任务。但是，我们现在的问题大多源于产业里很复杂的一些问题，解决它们也需要一个比较复杂的产业链。所以虽然横向项目仍然存在，但现在很多的组织方式变为和高校共同申报国家的项目。企业的问题中可能会解析出一些不同的技术难题，有的需要原始创新、适合高校去研究；有些需要工程能力或系统性创新能力，适合企业去完成，因此现在校企之间变成了一个更大的创新联合体概念。

多年以来，我们一直坚持产学研，但伴随着科技创新在不同时代所要解决的问题不同，企业、高校在其中扮演的角色也一直在变化。

那么，我们讯飞产学研的边界在哪里？从讯飞这些年的经验来讲，我们的业务部门在做“今天的事”——在产品研发过程中，我们不可能在技术仍然是“期货”状态时就马上推出产品，产品推出时技术应该已经成熟，使得用户在使用体验之后，技术还能够持续迭代；

讯飞研究院则是在研究“明天的事”。研究院会进行技术孵化，例如做出一个技术demo给大家展示，虽然还没有进入产品和应用，但是有了技术雏形。此后结合应用场景、产品的具体需求，这些技术会继续打磨迭代，直至真正应用；

高校所考虑的甚至更加长远一点，想的是“后天的事”。有些高校里的技术可能仍然存在于论文之内，离工程化还有一定的距离，但却代表了下一代，甚至是下下一代产品的技术可能与方向。

所以，我们需要分配好我们的产学研资源，在企业我们强调技术的应用落地，在研究院里完成技术的预研的孵化，在学校里探索布局下一代前瞻技术。

讯飞研究院上一任院长胡国平曾经提出过一个理念：台阶的重要性，意思是对于企业来说，如果等一个技术完全成熟之后再去布局，可能就会为时已晚；所以在技术不断进步的前提下，上一个台阶技术相对成熟，我们就要预估技术进步的未来趋势，以及能够达到的具体程度，提前布局下一个台阶里更高难度的技术和更广阔的应用场景。

打个比方，我们2010年推出了讯飞输入法，开启语音输入的时代。但大家使用语音输入法的时候一般是自己思考一下再说出来，这种场景下的语音识别难度显然比不上两人聊天、多人开会。虽然当时在深度学习技术的加持下，语音识别水平有了显著提升，但应用到会议场景准确率就会骤降，因此2011、2012年我们迭代讯飞输入法的时候开始思考，如何让语音识别技术拓展到访谈、会议等场景里应用。

2015年时，讯飞输入法效果已经非常不错，那一年我们在年末的发布会上又推出了语音转写技术的成果——讯飞听见，全程将发布会上刘庆峰董事长的发言进行精准的转写，实现了技术突破。

此后，我们又逐渐迭代技术，并且基于此推出了录音笔等智能硬件，讯飞听见也服务了越来越多的重要大会，并且在语音转写之外还实现了翻译等功能。今年，讯飞听见已经服务全国政协两会六周年，全面覆盖人大政协各个驻地会议三周年，讯飞听见智慧简报系统助力了两会期间驻地的记录服务工作，同时还帮助数十家媒体的多位记者采访记录、高效出稿。

我们今天之所以能够达到这种水平，离不开之前所设置的“台阶”。所以要基于技术发展的速度，合理地预判趋势来提前做产业转化的布局。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。