一臺多足行走機器人在空地上邁著富有節(jié)奏的步伐，一臺跳舞機器人起舞之后，又單獨展示了武術(shù)表演；一臺可以書寫的智能交互機械臂，一筆一劃地用毛筆寫下“一起向未來”的字樣；將身份卡片貼上“數(shù)字哨點”的識別器，人員身份、健康寶狀態(tài)、核酸狀態(tài)等信息一覽無余……

“用智慧科技改變生活”——在聲智科技的企業(yè)展廳內(nèi)，處處能夠體會到這句話的魅力，而它正是這家企業(yè)的愿景。

誕生于2016年5月的聲智科技，是一家典型的科學(xué)家創(chuàng)業(yè)企業(yè)。創(chuàng)始人兼董事長陳孝良，以博士畢業(yè)于中國科學(xué)院聲學(xué)研究所，亦曾擔(dān)任中科院聲學(xué)研究所副研究員和信息化辦公室主任；聲智科技的創(chuàng)始團隊，亦幾乎全部來自中國科學(xué)院聲學(xué)研究所。

與外界通常不那么看好的“科學(xué)家創(chuàng)業(yè)”相比，聲智科技走出了自己的發(fā)展曲線。2019年，成立僅四年的聲智科技獲評工信部第二批專精特新“小巨人”企業(yè)，可謂異常年輕。

“特別有成就感。”在接受21世紀(jì)經(jīng)濟報道記者獨家專訪時，談及公司的發(fā)展，聲智科技聯(lián)合創(chuàng)始人兼首席知識官常樂感慨道。在她看來，聲智科技之所以能夠快速成長，一方面得益于企業(yè)長期對自主研發(fā)能力的注重，另一方面則取決于核心技術(shù)在重點場景的落地。

從單一技術(shù)到多模態(tài)融合

2016年3月，隨著人工智能AlphaGo圍棋對弈戰(zhàn)勝李世石，全球人工智能行業(yè)迎來了一波新的高潮。

圍棋長久以來被視為棋牌運動中“人類智慧的最終堡壘”，而AlphaGo的勝利，讓社會大眾重新認識到了人工智能發(fā)展的潛力和前景。此后，無論是技術(shù)精英還是普通百姓、企業(yè)精英抑或國家高層，都將目光投向了人工智能、深度學(xué)習(xí)、自動駕駛等一系列前沿技術(shù)。

嗅覺敏銳的資本，也蜂擁而至?！稙蹑?zhèn)指數(shù)：全球人工智能發(fā)展報告2016》顯示，中國人工智能投資在2016年上半年就達到了月6億美元的規(guī)模，其中第2季度更是達到了創(chuàng)紀(jì)錄的4.70億美元。

聲智科技正是誕生于這樣的熱烈氛圍之中。不過，與通常的科學(xué)家或?qū)W者創(chuàng)業(yè)有所不同的是，聲智科技的創(chuàng)始團隊自創(chuàng)業(yè)之初便下定了極大決心。“許多科學(xué)院所的學(xué)者創(chuàng)業(yè)，大多會保留在院所的身份，但我們是完全脫離了原來的身份。”常樂回憶稱，“當(dāng)你發(fā)現(xiàn)自己沒有退路的時候，做事情也會更加專注。”

彼時，在人工智能大潮中，聲智科技創(chuàng)始團隊結(jié)合自身在聲學(xué)所的積累，以智能語音作為未來人機交互的切入點。“但我們也發(fā)現(xiàn)，世界不僅是聲音或圖像的單一維度，而是多感官融合的場景，聲光電熱力磁等都會成為人機交互的入口。未來所需要的真正的服務(wù)體驗，不光是單一技術(shù)維度的領(lǐng)先與突破，更需要一個融合的狀態(tài)。”常樂表示。

這也構(gòu)成了聲智科技從語音角度向多技能、多模態(tài)融合角度的成長路徑轉(zhuǎn)變。2018年，聲智科技推出SoundAI Azero（壹元人工智能開發(fā)框架），并在2019年進一步升級。據(jù)介紹，該框架是基于聲智科技的遠場聲光融合、多模態(tài)識別（聲音、文字、圖像、手勢等）、推理和翻譯、推薦搜索等技術(shù)的AIoT基礎(chǔ)開發(fā)框架，也是聲智科技得以迅速發(fā)展的核心技術(shù)。

資料顯示，目前SoundAI Azero持續(xù)在健康、金融、城市和生活等一系列智能場景中落地應(yīng)用，服務(wù)用戶超過3億，服務(wù)地區(qū)達73個，調(diào)用次數(shù)達到1000億次。

“最初我們會把人機交互、語音交互的入口作為應(yīng)用場景的切入點去開拓，但當(dāng)它達到一定的市場飽和度之后，就需要開拓新的應(yīng)用場景。”常樂回憶道，“因為要把技術(shù)放到更多的場景去驗證和應(yīng)用，我覺得這個是聲智科技迅速能夠得到市場認可的原因。”

“小模塊”切入大場景

近幾年來，人工智能行業(yè)涌現(xiàn)了大量的相關(guān)企業(yè)，但有些很快就沒有聲音了。為什么聲智科技能夠快速成長？

在常樂看來，首先是結(jié)合國家戰(zhàn)略發(fā)展方向及行業(yè)趨勢進行布局，這些方向很容易成為未來的風(fēng)口，相關(guān)場景也存在大量窗口有待開拓及挖掘。而有能力進行深度布局的前提，則是自主研發(fā)的技術(shù)能力。“技術(shù)的領(lǐng)先性是企業(yè)必須要追求的，否則就會失去競爭的最大優(yōu)勢。我們認為，技術(shù)的窗口期只能保持在3-6個月，隨后就會更新迭代。”

常樂透露，聲智科技成立以來，持續(xù)進行大量研發(fā)投入。基于多模態(tài)人工智能操作系統(tǒng)和核心算法，目前聲智科技已具備遠場人機交互、聲紋采集分析、數(shù)字接觸追蹤、多模態(tài)感知、小樣本決策、多技能數(shù)字人等一系列核心技術(shù)。

技術(shù)從來都不應(yīng)該是空中樓閣。目前，大量人工智能企業(yè)還處于虧損狀態(tài)，其自身的“造血”能力也備受關(guān)注。常樂認為，人工智能企業(yè)的底層技術(shù)需要與真實場景相結(jié)合，從而在市場空間內(nèi)實現(xiàn)“造血”。“不能單純依靠政府補貼或資本市場的輸血，這些無法從根本上構(gòu)成企業(yè)成長的動力。”

需要注意的是，在開拓應(yīng)用場景的過程中，聲智科技往往能夠在大場景中發(fā)現(xiàn)“小模塊”的切入點。例如，在健康領(lǐng)域，聲智科技首先以核酸檢測信息化作為切入，基于SoundAI Azero人工智能開發(fā)框架開發(fā)出北京核酸檢測信息統(tǒng)一平臺、一站式疫情防控健康管理平臺等，大大提升核酸檢測效率。

此后，聲智科技相繼推出“零接觸”AI電梯系統(tǒng)、AI數(shù)字人紅外測溫系統(tǒng)，并依托SoundAI Azero人工智能開發(fā)框架承擔(dān)了包括北京、云南全省以及河北、河南部分地級市的防疫數(shù)字平臺建設(shè)，涉及大規(guī)模核酸檢測、新冠疫苗接種、多點疫情監(jiān)測預(yù)警、社區(qū)聯(lián)防聯(lián)控等功能。

也正是在前期的持續(xù)積累下，2022年北京冬奧會期間，聲智科技承擔(dān)了包括“冬奧核酸應(yīng)檢盡檢決策系統(tǒng)”“冬奧核酸‘聲智門’”“冬奧賽事綜合保障組指揮調(diào)度平臺”以及“冬奧大腦-冬奧人員信息分析系統(tǒng)”在內(nèi)的四項冬奧基礎(chǔ)設(shè)施，為賽事提供了有關(guān)綜合保障服務(wù)。

“冬奧期間我們提供了4個數(shù)字基礎(chǔ)設(shè)施建設(shè)的服務(wù)，這些服務(wù)的背后，正是把我們的AI技術(shù)向外延展，去找到更多的應(yīng)用場景。”常樂表示。