前几日，微软官宣了一项重量级收购，破费160亿美元收购Nuance，这也是微软继260亿收购Linkedin之后的第二大收购。Nuance是美国最大语音识别公司，被称为美国版“科大讯飞”。

除了Nuance自己在医疗领域的能力，其分拆出去并自力上市后的车载语音部门Cerence也是本次收购的动力之一。这不禁让人遐想，未来微软会在车载语音上有所动作。或许，这是微软在汽车行业的一次隐秘“落子”。

现在，全球科技巨头纷纷结构智能汽车行业，车载语音交互赛道也随之发生猛烈转变。

01、从触碰着语音，掀起一场供应商交互纷争

随着智能电动车崛起，座舱加倍智能，更多车辆搭载拥有大量功效的车机系统和差异级其余驾驶辅助，造成座舱内信息大爆炸。面临海量的信息，智能汽车的中控大屏越来越大。

但细想，这些屏幕的内容集中高且有多个层级，输出信息是高效的，可做信息输入显然是低效的。而语音交互，理论上指令可以有无数条，可以实现一步直达任何功效。正因云云，语音交互的价值再次浮现。

高工智能汽车研究院监测数据显示，2020年海内新车（合资 自主品牌）前装搭载语音识别及交互功效上险量为1206.4万辆，同比增进17.88%。在搭载率方面，则从2019年的49.82%提升至63.25%，车载语音已成为汽车继中控屏外的第二交互手段。

现实上，近两年语音交互迎来新一轮生长，不仅由于其较屏幕交互有着怪异优势，更是由于可以和“智能”做到深度融合，升级为“语音助手”。

智能汽车接入的生态服务资源普遍，司机和搭客使用服务会变得高频，语音交互系统可以从中获取海量的数据。而数据泉源于司乘一样平常的对话，相对厚实详细，系统通过深度学习培育后也就越“智能”。

这与屏幕交互很大的差异在于，数据一定会加速汽车交互系统的更新迭代。而交互系统使用体验的提升，会使得司乘进一步提高使用频率，发生新的数据。两者之间相辅相成，相互促进。

另一个差异在于，语音助手可以更好地同内容生态毗邻，把移动互联网的产物和服务搬到汽车上，让自身商业系统的优势得以凸显。这也是除了体验外，汽车厂商着眼语音交互的要害动力。

但随着产物不停推进，车载语音供应商之间的竞争愈发白热化。在手艺链路上，语音交互大致包罗声学前端，语音识别（ASR）、自然语言处置（NLP）等。当下竞争不仅集中在自然语言处置，而且衍生到背后数据和盘算能力的比拼。

2020年数据显示，排名前八的供应商市场份额跨越99%。Cerence和科大讯飞继续占有市场份额的前两位，合计份额跨越70%，不外数字已经最先泛起下滑迹象；百度排名第三，份额为7.24%。

这一块现在的问题是，在一些高频对话的界说上，整体效果较好，但在一些低频的对话上，受限于语料、数据量不足，体验上不尽人意。若何行使AI更好地推进自然语言处置，对公司的手艺研发实力和积累提出高要求。

也因云云，该领域具备自然的竞争壁垒，先发优势和规模效应尤为显著。这是BAT等科技巨头难以实现快速渗透，市占率无法提升的主要缘故原由。

而Cerence现在是全球唯一专注这个偏向的企业，有着跨越20年手艺积累，兼顾科技巨头以及细分领域玩家两方的优势。一方面，早有着科技巨头从生态上集成第三方应用协作的能力，行使认知仲裁手艺实现了第三方内容在系统上共存，简化了助手执行义务的流程。

另一方面，具备科大讯飞等传统玩家厚实的集成履历和规模优势，互助全球主流OEMs和Tier1供应商。这不仅有助于增强成本优势，同时辅助自身积累厚实的语言数据，现在Cerence和科大讯飞已确立数十种语言的语音数据库。

02、汽车厂商差其余实现路径，带来差其余想象空间

汽车进入数字化和自动驾驶新时代，电子架构从漫衍式架构到域集中架构，再到跨域融合，汽车厂商最先掌握更多的主导权。随之，作为需求侧的厂商同语音供应商互助时，不再单一地走通用方案，而转向深入明白应用场景、团结深度定制。

在“智能相对论”看来，未来汽车厂商的语音助手前装方案将主要出现两种实现路径：

一方面，一部门将倾向于打造自研的交互平台，并融合多家供应商如科大讯飞和思必驰的优势手艺支持。

自研这种做法劣势在于成本问题，改变焦点领域的交互逻辑并将语义处置能力确立起来，需要不停地研发投入。为了打造壮大的智能AI服务于系统，大量的数据沉淀也会拉长系统的更新周期。

而部门厂商选择“偏向虎山行”，缘故原由简朴归纳综合就是“闭环”二字。

相比向供应商采购，自研平台进一步相符车辆的特征，有着相对自由的权限以及更好的适配。同时，其迭代升级会更为迅速，响应速率也更快。若要“全双工”、“延续对话”、“免叫醒”、“全场景”等手艺能力更好地实现，自研就显得尤为主要。

部门厂商会选择这条实现路径，也是为了更好捉住行业中耐久的趋势。由于车的量产周期很长，若是厂商不能“独具慧眼”，未来车上搭载的语音方案就是落伍的，和同时期的产物比就丢失了部门竞争力。

以蔚来、理想、小鹏为代表的造车新势力是最典型的例子，它们仍需借助语音供应商，但自研比例在逐渐提高。

蔚来有着NOMI Mate小机械人的车载AI系统，现在其已升级至2.0版本，解锁了更多的功效和神色显示。蔚来较早选择车载语音“拟人化”这个思绪独树一帜，但简直走出了预想的效果，引发了后续多家效仿。通过“拟人化”，语音被抽象为人物形象的情绪表达，反过来加深用户对品牌的印象。

小鹏的“玩法”似乎“直接且硬核”。去年10月，其宣布了自己的全场景语音，包罗多轮对话、语义打断、双音区锁定和可见即可说4个功效。在手艺层面，小鹏自主搭建了一套语音框架，以便自主界说语音的全流程体验，不受限于供应商的开放能力局限限制。但必须认可，这需要耐久投入人力物力财力。

另一方面，其他品牌则更多倾向于直接或间接选择提供整体解决方案的供应商，好比Cerence、科大讯飞、BAT等供应商。

一样平常来说，整体解决方案仅小量自界说即可交付，稀奇适合车型品类和数目都异常厚实的汽车品牌，性价比相对更高。

当下，吉祥汽车和长城汽车等我国自主品牌主要是走这条实现路径。以长城汽车为例，去年4月，其战略互助同伴仙豆智能选定Cerence ARK来提供数字助理方案。与全球领先的供应商确立互助后，自主品牌的语音交互并不逊色于造车新势力。

在这场语音交互“智能化”趋势下，传统豪华品牌如飞跃、奥迪、宝马反而不是话语权的掌管者，和海内消费者对它们根深蒂固的认同感形成强烈反差。

传统豪华品牌在汽车数字化上相对守旧，往往选择某一个车系的一款车型实验升级。不选择自研能够将开发周期大幅缩短，加上自身的汽车量产能力，可以快速将产物向市场铺开。

2020 款奥迪A4L语音系统由出门问问提供，同时搭载了Cerence和天猫精灵的相关能力。整体体验比其他豪华品牌要好，但远算不上第一梯队。

Cerence和出门问问划分为这款车提供了一套ASR和NLU能力，两者算是并行关系。以是用户输入任何一个指令，两个通道都要跑一遍，最后统一口径执行指令，流通度不佳。

当下，传统豪华品牌的智能化升级迫在眉睫，车内人机交互的体验，已然成为各大厂商竞争的焦点。新势力搅动市场，自主品牌纷纷发力，智能汽车市场的竞争如火如荼。

03、下一代交互盯住“自动多模态”，仍需迈过“鸡肋”这道坎

猛烈的竞争一定水平上推动着语音交互产物提高用户体验，也使得愈多用户耐久接受这种交互方式。智能电动汽车时代，“软件界说汽车”这句话深入人心，但“语音”远远不能界说交互。

在整车底盘之上，另有摄像头、HUD、玻璃、车灯（气氛灯、外饰灯）等有望成为未来座舱端的交互产物。而语音交互能够承载海量数据、带来驾驶更高平安性等等，更会是交互产物生态的中央。

以是“智能相对论”以为，以语音交互为中央的“自动多模态交互”会是未来的偏向。

差异功效的摄像头好比多双“眼睛”，能够举行手势识别、情绪识别，发现你的需求。这种情形下，摄像头带来的是交互系统“自动”提供服务，与其他地交互方式截然相反。当语音这种“被动式”和视觉的“自动式”融合，整个交互产物生态会为用户提供更厚实的服务和信息。

例如，将车辆、行人、车道、标志识别融合导航信息举行实时渲染，提供行车预警及导航指引等系列功效，并通过HUD投影至挡风玻璃上，带来更直观的导航驾驶体验。

与此同时，通过视线追踪、手势交互等操作对舱内座椅、灯光、空调、音乐等所有功效举行控制，从而在保障平安驾驶的情形下让人机交互更易用，并配合人脸识别身份认证手艺，提供驾驶员身份检测以支持个性化功效实现。

愿景是美妙的，但现实是，当下视觉交互落地的案例屈指可数。宝马的手势识别在2015年率先上岸宝马7系，2019年下放到3系，通过摄像头主要识别确认、调治音量巨细、接听和挂断电话。识别率很高，但屏幕系统流通水平和反映异常流通，手势识别反而显得鸡肋。

若何平衡好语音、视觉等多模态之间的交互逻辑，是现阶段各家一直在探索的问题。

体验参差不急，导致整个产物生态的价值没有真正凸显。最主要的是语音和视觉没有从基本上融合，仍然是单打独斗的状态。

实现功效的整合并非易事，尤其是从被动指令到自动提供服务，需要成熟的AI手艺的支持。若是这种细微的服务能做好，体验会有大幅提升，用户粘性会随之提高。

若抛开手艺先看交互的目的，是为了提供更多的服务。而服务背后，则是普遍的内容生态，社交、舆图、音乐等等。因此，若是能够为用户提供更多的生态内容服务，交互产物生态的数据逐渐积累，人机交互也将加倍智能。而这，一定需要多方的通力互助。