美国调查公司VoiceLabs在本年初发布了《2017年语音报告》，报告中对目前美国

↑ 语音为主的

随着亚马逊的智能音箱Echo销量逼近千万，苹果的智能耳机AirPods登顶美国

无论是IT科技巨头阿里、百度、腾讯、科大讯飞等，还是陆续出现的思必驰、声智科技、云知声、三角兽、蓦然、Rokid等创业公司，智能语音产品和语音助手成为竞相追随的热门话题，俨然形成了一股全行业研究亚马逊Echo的热潮。根据声智科技提供的数据，国内已经有超过200多家公司正在研发类似Echo的智能音箱。

然而，就在国内科技公司还在模仿Echo之时，国外的科技巨头已经开始进一步抢夺全球语音交互市场的控制权。无论是行业标准的定制，还是战略专利的布局，抑或是音频数据集的开放，以及各种产业生态联盟的搭建，一切都在悄然的进行中。

3月6日，微软在其官网上发布了新版本的语音平台测试标准

微软指出，目前语音平台支持Windows 10中的所有语音体验，如Cortana和Dictation，而其最新的测试标准适用于所有使用微软语音平台的音频输入设备。其中，直接影响的设计参数，包括语音识别精度和语音处理算法的性能。

↑ 测试环境搭建图

区别于微软，亚马逊也为其所有采用Alexa开发的智能语音产品设立了相应测试标准，

↑ 目前通过测试获得认证的企业

一直以来，一旦掌握行业标准制定的主导权也就掌握了整个市场的控制权。与其有同样魅力的便是专利。当今的激烈市场竞争中，专利早已经成为市场竞争的一柄利剑。

从1月19日国家知识产权局公布的数据显示：过去的2016年，我国国家知识产权局共受理发明专利申请133.9万件，同比增长21.5%，这已经是我国第6个年头专利受理量居世界首位。同时，国外专利的申请情况也保持良好的增长势头，2016年通过《专利合作条约》（PCT）途径提交的国际申请4.50万件。然而，

众所周知，语音交互涉领域广泛，是一门多项技术融合的交叉学科，涉及到信号处理、模式识别、概率论与信息论、发声机理和听觉机理、神经网络，语音识别，机器学习等。其中，语音以及音频的编解码（G10L），电数字数据处理（G06F），电话通信（H04M），这三个领域专利累积数量最多，比例高达80%。

从德温特世界专利索引数据库平台收录的自1963年以来全世界40多个专利机构的基本发明的数据来看，语音识别的相关专利约2万件。

↑ 根据CNKI自1985年后收录的中国专利的数据来检索关键词语音识别情况

其中，截止到2015年，仅“语音识别”累积专利申请量方面来看，前五位的为IBM，NEC，微软，Nuance和东芝，分别为749件，508件，506件，415件，406件。而从2010年至2015年的语音识别专利的申请量来看，除了IBM被Google替代，降至第7名，其他几位仍然保有专利数量的优势，排名顺序是Nuance，谷歌，微软，东芝，NEC，分别为206件，178件，141件，102件。

巨头形成的专利防御攻势仍然迅猛，而业界所关心的后起之秀也来势汹汹，

对于国外的科技公司来说专利之间的斗法更加剑拔弩张，专利壁垒正在逐渐形成。

2013年苹果公司收购语音识别公司NovaurisTechnologies。经过收购，苹果公司获取了该公司的4件语音专利。通过这4件专利，苹果

为了应对苹果公司带来的激烈竞争，谷歌公司采用了专利“围剿”战术。2013年，谷歌公司收购了Wavii公司的一件专利，该专利技术使得谷歌公司的语音搜索识别正确率提高了25%。同年，又收购了SR Tech Group公司的两件关于语音识别的专利，并购入雅虎公司的一件名为“背景会话上下文搜索技术”的专利，通过购买专利，谷歌公司拥有了完整的语音识别引擎。

目前，中国的语音识别企业专利布局还主要是在国内，国际领域的专利布局情况和国外企业对比，确实还存在巨大差距。

对比于市场销量带来的直接经济效益，知识产权的价值还不能充分体现。然而，在提高公司效益，抢占市场，保持公司可持续发展时，知识产权的价值不可小觑，专利作为企业不得不向公众透露以获取独占权的关键信息，对其进行详细、周密、综合的分析，可以从中获得巨大的商业价值，特别是在国际市场竞争中。

3月8日，谷歌开放了一个大规模的音频数据集 AudioSet。

这些特定音频是使用基于元数据，上下文（例如，链接）和内容分析的搜索来标记的。声音内容十分广泛，包括人类的声音和动物的声音，各种类别乐曲的声音和每天日常环境中的各种声音等。谷歌声称：此次开放这个数据库的目的就是为了满足学术研究的需求。

从此前ImageNet广泛数据集的开放效果来看，大部分识别图像中的目标研究已经从中获益。而此次，对于利用AudioSet公开数据集训练机器学习模型的语音识别研究者或者技术公司来说，无疑是获益匪浅。

毫无疑问，通过语言交流获取知识是人类最有效的学习方式。从PC时代的键盘鼠标过渡到移动互联网的触屏操控，下一个AI时代，无疑将会是以语音、体感等多种感知融合的新的获取方式，而语音交互作为天然的人机交互入口，势必是对信息生态与未来生活的一种重构。

诚然，语音交互涉及了非常复杂的技术链条，包括了声学处理、语音识别、语义理解和语音合成等核心技术。需要产业链上下游相互合作，需要产业伙伴相互合作。目前，美国顶尖的科技公司，INTEL、ARM、谷歌、亚马逊、Facebook等都纷纷牵头成立了自己的产业联盟。

随着智能语音交互领域不断发展，国际化的竞争也会日趋激烈。如何积极抢占全球智能语音交互的主导权？必然是组成产业技术创新联盟，把握国际标准的制定、积极做好专利战略布局，才能紧抓国内外同步创新的契机，不再重复PC和移动互联网时代的遗憾。