声智科技常乐：以“小模块”撬动人工智能大场景

一台多足行走机器人在空地上迈着富有节奏的步伐，一台跳舞机器人起舞之后，又单独展示了武术表演；一台可以书写的智能交互机械臂，一笔一划地用毛笔写下“一起向未来”的字样；将身份卡片贴上“数字哨点”的识别器，人员身份、健康宝状态、核酸状态等信息一览无余……

“用智慧科技改变生活”——在声智科技的企业展厅内，处处能够体会到这句话的魅力，而它正是这家企业的愿景。

诞生于2016年5月的声智科技，是一家典型的科学家创业企业。创始人兼董事长陈孝良，以博士毕业于中国科学院声学研究所，亦曾担任中科院声学研究所副研究员和信息化办公室主任；声智科技的创始团队，亦几乎全部来自中国科学院声学研究所。

与外界通常不那么看好的“科学家创业”相比，声智科技走出了自己的发展曲线。2019年，成立仅四年的声智科技获评工信部第二批专精特新“小巨人”企业，可谓异常年轻。

“特别有成就感。”在接受21世纪经济报道记者独家专访时，谈及公司的发展，声智科技联合创始人兼首席知识官常乐感慨道。在她看来，声智科技之所以能够快速成长，一方面得益于企业长期对自主研发能力的注重，另一方面则取决于核心技术在重点场景的落地。

从单一技术到多模态融合

2016年3月，随着人工智能AlphaGo围棋对弈战胜李世石，全球人工智能行业迎来了一波新的高潮。

围棋长久以来被视为棋牌运动中“人类智慧的最终堡垒”，而AlphaGo的胜利，让社会大众重新认识到了人工智能发展的潜力和前景。此后，无论是技术精英还是普通百姓、企业精英抑或国家高层，都将目光投向了人工智能、深度学习、自动驾驶等一系列前沿技术。

嗅觉敏锐的资本，也蜂拥而至。《乌镇指数：全球人工智能发展报告2016》显示，中国人工智能投资在2016年上半年就达到了月6亿美元的规模，其中第2季度更是达到了创纪录的4.70亿美元。

声智科技正是诞生于这样的热烈氛围之中。不过，与通常的科学家或学者创业有所不同的是，声智科技的创始团队自创业之初便下定了极大决心。“许多科学院所的学者创业，大多会保留在院所的身份，但我们是完全脱离了原来的身份。”常乐回忆称，“当你发现自己没有退路的时候，做事情也会更加专注。”

彼时，在人工智能大潮中，声智科技创始团队结合自身在声学所的积累，以智能语音作为未来人机交互的切入点。“但我们也发现，世界不仅是声音或图像的单一维度，而是多感官融合的场景，声光电热力磁等都会成为人机交互的入口。未来所需要的真正的服务体验，不光是单一技术维度的领先与突破，更需要一个融合的状态。”常乐表示。

这也构成了声智科技从语音角度向多技能、多模态融合角度的成长路径转变。2018年，声智科技推出SoundAI Azero（壹元人工智能开发框架），并在2019年进一步升级。据介绍，该框架是基于声智科技的远场声光融合、多模态识别（声音、文字、图像、手势等）、推理和翻译、推荐搜索等技术的AIoT基础开发框架，也是声智科技得以迅速发展的核心技术。

资料显示，目前SoundAI Azero持续在健康、金融、城市和生活等一系列智能场景中落地应用，服务用户超过3亿，服务地区达73个，调用次数达到1000亿次。

“最初我们会把人机交互、语音交互的入口作为应用场景的切入点去开拓，但当它达到一定的市场饱和度之后，就需要开拓新的应用场景。”常乐回忆道，“因为要把技术放到更多的场景去验证和应用，我觉得这个是声智科技迅速能够得到市场认可的原因。”

“小模块”切入大场景

近几年来，人工智能行业涌现了大量的相关企业，但有些很快就没有声音了。为什么声智科技能够快速成长？

在常乐看来，首先是结合国家战略发展方向及行业趋势进行布局，这些方向很容易成为未来的风口，相关场景也存在大量窗口有待开拓及挖掘。而有能力进行深度布局的前提，则是自主研发的技术能力。“技术的领先性是企业必须要追求的，否则就会失去竞争的最大优势。我们认为，技术的窗口期只能保持在3-6个月，随后就会更新迭代。”

常乐透露，声智科技成立以来，持续进行大量研发投入。基于多模态人工智能操作系统和核心算法，目前声智科技已具备远场人机交互、声纹采集分析、数字接触追踪、多模态感知、小样本决策、多技能数字人等一系列核心技术。

技术从来都不应该是空中楼阁。目前，大量人工智能企业还处于亏损状态，其自身的“造血”能力也备受关注。常乐认为，人工智能企业的底层技术需要与真实场景相结合，从而在市场空间内实现“造血”。“不能单纯依靠政府补贴或资本市场的输血，这些无法从根本上构成企业成长的动力。”

需要注意的是，在开拓应用场景的过程中，声智科技往往能够在大场景中发现“小模块”的切入点。例如，在健康领域，声智科技首先以核酸检测信息化作为切入，基于SoundAI Azero人工智能开发框架开发出北京核酸检测信息统一平台、一站式疫情防控健康管理平台等，大大提升核酸检测效率。

此后，声智科技相继推出“零接触”AI电梯系统、AI数字人红外测温系统，并依托SoundAI Azero人工智能开发框架承担了包括北京、云南全省以及河北、河南部分地级市的防疫数字平台建设，涉及大规模核酸检测、新冠疫苗接种、多点疫情监测预警、社区联防联控等功能。

也正是在前期的持续积累下，2022年北京冬奥会期间，声智科技承担了包括“冬奥核酸应检尽检决策系统”“冬奥核酸‘声智门’”“冬奥赛事综合保障组指挥调度平台”以及“冬奥大脑-冬奥人员信息分析系统”在内的四项冬奥基础设施，为赛事提供了有关综合保障服务。

“冬奥期间我们提供了4个数字基础设施建设的服务，这些服务的背后，正是把我们的AI技术向外延展，去找到更多的应用场景。”常乐表示。