劃重點：
車載語音智能化的短板在“語義理解”，AI 圈大火的 ChatGPT 對車載語音智能化加成明顯。
ChatGPT 上車，主要還是成本的問題，這背后包括使用成本、云服務(wù)成本、針對性的訓(xùn)練成本。
云知聲董事長 & CTO_梁家恩對 TechWeb 表示，ChatGPT 技術(shù)肯定會在車載、家居等智能交互應(yīng)用有建樹，但需要結(jié)合應(yīng)用場景針對性優(yōu)化。
思必馳汽車事業(yè)部產(chǎn)品總監(jiān)葛付江對 TechWeb 表示，新技術(shù)發(fā)展一定會存在商業(yè)落地的挑戰(zhàn)，AI 技術(shù)創(chuàng)新要結(jié)合場景應(yīng)用，類 ChatGPT 在車載的應(yīng)用會在算力優(yōu)化、云和端智能融合技術(shù)等方面形成挑戰(zhàn)。
ChatGPT 的火，一下子就燒到了車載領(lǐng)域。
眾所周知，語音交互是車內(nèi)最簡潔、最人性化、最安全的交互方式，也是未來最主要的車內(nèi)交互方式。隨著 AI 和硬件性能的增強，語音交互是未來汽車的絕對主流。語音交互主要是車載自然語音識別與語音助手，也可以簡單地說是 NLP 和 NLU 技術(shù)。既然是 NLP，那么理應(yīng)是最近在 AI 圈大火的 ChatGPT 的用武之地。事實真的如此嗎？
車載語音智能化，短板在“智能”
從技術(shù)角度看，智能語音交互主要有三大重點，分別是識別、理解、執(zhí)行。在目前提供解決方案的廠商中，識別部分已經(jīng)趨于成熟，識別率可以達到 90% 以上，有的識別率已達 95% 左右。行業(yè)的痛點主要聚焦于“理解”部分，大部分的車載語音交互系統(tǒng)在“理解”上并不智能，導(dǎo)致整個系統(tǒng)功能單一、命令詞單一。
那么問題來了，如何讓車載語音交互系統(tǒng)像人一樣理解我們的話語？
這就涉及到 NLP（自然語言處理）技術(shù)，它們對于用戶輸入語音的理解與本身的場景策略、多輪對話有著密不可分的關(guān)系，并直接決定著車載語音交互系統(tǒng)的智能化程度。而提及 NLP，正中近期大“火”的 ChatGPT 的下懷，是 ChatGPT 的用武之地。
歷史上，NLP 的發(fā)展有幾個關(guān)鍵節(jié)點，其中，最重要的兩個當(dāng)屬 2012 年和 2018 年。
2012 年，深度學(xué)習(xí)開始應(yīng)用于 NLP 領(lǐng)域；2018 年開始，以谷歌 BERT 為代表的語義表示預(yù)訓(xùn)練取得了巨大突破，橫掃各大 NLP 任務(wù)基準(zhǔn)；2020 年 5 月，OpenAI 斥巨資打造的 GPT-3 一經(jīng)發(fā)表就引發(fā)行業(yè)轟動，這一版本的模型有 1750 億參數(shù)量，被稱為 NLP 領(lǐng)域的最強 AI 模型。
而最近大“火”的 ChatGPT 是基于大規(guī)模預(yù)訓(xùn)練語言模型（GPT-3.5），借助其強大的語言理解和生成能力，通過在人工標(biāo)注和反饋的大規(guī)模數(shù)據(jù)上進行學(xué)習(xí)，從而讓預(yù)訓(xùn)練語言模型能夠更好地理解人類的問題并給出更好的回復(fù)。
思必馳汽車事業(yè)部產(chǎn)品總監(jiān) 葛付江對 TechWeb 表示，ChatGPT 目前是以文本交互機器人的形式呈現(xiàn)的，適用多種文本處理任務(wù)，常用于智能問答和對話、文本創(chuàng)作等領(lǐng)域；車載語音以對話交互為主，多用于進行例如“導(dǎo)航去 XXX？打開音樂”有明確指令的行動，“語音助手”用高度擬人化的語音輸出來回應(yīng)車主訴求。車載語音交互用于解放駕駛員雙手，聚焦其注意力帶來更安全、便利的駕駛體驗。未來車內(nèi)有了 ChatGPT 技術(shù)的應(yīng)用，不僅是完成固定指令的任務(wù)型對話，車、人能進行更高效、更直接、高靈活度的出行、知識和閑聊交流；
“ChatGPT”的爆火讓市場看到了認(rèn)知智能應(yīng)用潛力。ChatGPT 在推理和學(xué)習(xí)能力上優(yōu)勢明顯，不僅可以用于理解和對話，更可以通過上下文交流和自我學(xué)習(xí)，來實現(xiàn)輔助創(chuàng)作和知識進化。這些能力同樣適用車載語音交互領(lǐng)域，融合對話智能技術(shù)、深度學(xué)習(xí)大模型技術(shù)、工程化能力、大數(shù)據(jù)的潛力，帶來更流暢、更有效的響應(yīng)。在車內(nèi)有限的空間，結(jié)合聲場定位和多說話人判斷，提升多角色、長上下文對話的邏輯一致性；更可以拓展?jié)M足方言、外語的統(tǒng)一識別和對話需求，快速實現(xiàn)更靈活、自由、個性化的交互?！备鸶督f道。
從目前諸多對于 ChatGPT 的使用（包括我們自己），我們認(rèn)為，僅就車載智能語音的 NLP，目前它應(yīng)該是最好和最智能的。這是否意味著，其就一定會在短期內(nèi)應(yīng)用在車載智能語音系統(tǒng)中嗎？
市場空間有限，產(chǎn)業(yè)鏈、市場挑戰(zhàn)猶存
眾所周知，一個新的技術(shù)或者產(chǎn)品能否最終落地得到規(guī)模的應(yīng)用，除了技術(shù)因素外，還會受到其所處產(chǎn)業(yè)或者市場的產(chǎn)業(yè)鏈、市場競爭強弱、市場空間等諸多因素密切相關(guān)。
具體到車載智能語音系統(tǒng)，雖然 ChatGPT 在“智能”上表現(xiàn)出色，但其在整個產(chǎn)業(yè)鏈條中比較偏后段，需要依賴很長的前端鏈條，比如信號處理、語音識別、文字輸出之后才會用到它，前端鏈條上的因素對后端流程都會產(chǎn)生影響，例如信號處理會影響語音識別，語音識別如果出錯就會影響 NLP 的判斷，鏈條上每個模塊都需要提高可靠性，才能保證最后出來的整體結(jié)果可靠。這意味著，ChatGPT 在“智能”能力的輸出上，并非完全取決于自身的能力，其產(chǎn)業(yè)鏈上任何一個環(huán)節(jié)都會對其造成正或負(fù)的影響。
云知聲董事長 & CTO_梁家恩對 TechWeb 表示，ChatGPT 技術(shù)肯定會在車載、家居等智能交互應(yīng)用有建樹，但需要結(jié)合應(yīng)用場景針對性優(yōu)化，提高體驗并降低服務(wù)成本等。
“車載等智能交互應(yīng)用場景有很大體驗升級空間，但目前 ChatGPT 是一個超大模型，如何保持體驗情況下，顯著降低服務(wù)成本是個關(guān)鍵問題“。
而從市場競爭的強弱看，據(jù)相關(guān)統(tǒng)計，目前車載語音系統(tǒng)市場除了已經(jīng)被科大訊飛和 Cerence 壟斷，且它們在此領(lǐng)域具有多年的產(chǎn)品和合作經(jīng)驗外，還有許多規(guī)模不同的企業(yè)參與其中，更為重要的是，目前車載語音市場已經(jīng)遇到了增長的天花板，這使得在競爭激烈的同時，就連科大訊飛和 Cerence 都開始除了語音之外，開始走車內(nèi)多模態(tài)交互，云服務(wù)集成等服務(wù)的路線，以綜合實力提升競爭力。作為后來者的 ChatGPT 一旦決定進入車載智能語音市場勢必會面臨強大對手的挑戰(zhàn)。
葛付江補充稱，從成本來看，ChatGPT 的研究需要巨大的資金和人才投入，他們需要超算平臺、算法、數(shù)據(jù)等各核心力量支撐，這些都是成本。巨頭平臺公司目前來看具備這方面的優(yōu)勢，對于科技企業(yè)可以更多從場景融合入手，尋求創(chuàng)新機會。
從商業(yè)化場景看，目前 chatGPT 更適用于基于一定背景知識的創(chuàng)作型產(chǎn)業(yè)，以及剛需 AIGC 的場景、SOP（標(biāo)準(zhǔn)作業(yè)程序）的行業(yè)，比如智能寫作、智能客服、文檔管理、代碼生成、甚至游戲 NPC 等。
班門弄斧主理人孫永杰指出，從單純的車載語音市場看，其市場空間并不大，這點從已經(jīng)壟斷該市場的科大訊飛和 Cerence 的財報可見一斑。這種情況下，能否吸引成本高昂的 ChatGPT 進入也是個未知數(shù)。畢竟 ChatGPT 訓(xùn)練成本高昂，且其所屬的 Open AI 依然處在虧損當(dāng)中。
未來仍可期，合作和開放 API 或是更好選擇
如前述可知，ChatGPT 只是在車載智能語音的 NLP 環(huán)節(jié)具備優(yōu)勢，雖然 ChatGPT 據(jù)稱也在進行語音識別和合成上進行 AI 訓(xùn)練，希望未來可以借此進入車載智能語音市場。但鑒于 ChatGPT 只是文本交互方式，即便是進行語音識別和合成的 AI 訓(xùn)練，最后效果如何？能否超過目前市面上存在和已經(jīng)應(yīng)用的車載智能語音系統(tǒng)仍是未知。
當(dāng)然，鑒于 ChatGPT 強大的能力，TechWeb 認(rèn)為未來的市場空間會隨著智能汽車應(yīng)用場景的不斷擴大，ChatGPT 找到自己真正的用武之地并非沒有可能。更值得期待的是，除了智能汽車本身外，站在整個汽車產(chǎn)業(yè)的高度，其未來在汽車設(shè)計、制造等領(lǐng)域的應(yīng)用都充滿想象的空間。
葛付江表示：“ChatGPT 上車的應(yīng)用具體如何發(fā)展，目前形勢還不明朗?？深A(yù)見的是，在車載場景下，大模型技術(shù)學(xué)習(xí)能力優(yōu)勢明顯，通過強化上下文理解能力、思維鏈推理、增強指令學(xué)習(xí)，來實現(xiàn)持續(xù)學(xué)習(xí)，達成可以“回答類似問題”的效果，除指令需求外，日常的知識和閑聊對話交流可以更加流暢和有用。總體來說，技術(shù)會向統(tǒng)一多模態(tài)交互發(fā)展，強化語音、文本、圖像等深度融合的多模態(tài)交互技術(shù)，形成“汽車大腦”，應(yīng)對車內(nèi)、公共空間等復(fù)雜場景的交互需求。”
小鵬技術(shù)團隊對 TechWeb 表示，ChatGPT 的語言組織能力很強，以及知識庫也比較龐大，涉及領(lǐng)域更廣，所以可能會給用戶的體驗更好更智能。至于我們未來要 不要引入這個技術(shù)接口，還是做類似技術(shù)的融合開發(fā)，我們也在進一步探索～
基于此，TechWeb 認(rèn)為，合作應(yīng)該是 ChatGPT 切入車載智能語音市場最經(jīng)濟和有效的方式。所謂各取所長就是這個道理。實際的情況是，近日國內(nèi)集度汽車宣布將融合百度文心一言的全面能力，打造全球首個針對智能汽車場景的大模型人工智能交互體驗，證明了此模式的可行性。
此外，將自己最擅長的能力通過 API 開放給第三方，僅輸出自身最擅長的能力也不失為明智的選擇。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。