導(dǎo)言：

2020年11月，云知聲向上交所遞交了招股書，抱著成為“國內(nèi)AI語音第一股”的決心沖刺科創(chuàng)板。2021年2月19日，上交所發(fā)布了《關(guān)于終止對云知聲智能科技股份有限公司首次公開發(fā)行股票并在科創(chuàng)板上市審核的決定》（以下簡稱《決定》），《決定》中提到云知聲主動撤回科創(chuàng)板申請。云知聲終止科創(chuàng)板上市審核并給出官方解釋：“撤回申請是出于公司戰(zhàn)略發(fā)展因素考慮，公司并不會放棄IPO，未來會適時考慮重啟IPO的計劃?！?

云知聲作為國內(nèi)最有可能在AI語音賽道上追趕人工智能及語音識別領(lǐng)域中科大訊飛霸主地位的“獨角獸”，其背后作為“推手”的投資機構(gòu)有著不可忽視的重要作用。云知聲利用機器學(xué)習(xí)平臺，在語音技術(shù)、語言技術(shù)、知識計算、大數(shù)據(jù)分析等領(lǐng)域構(gòu)建了完整的人工智能技術(shù)圖譜，同時云知聲也是國內(nèi)人工智能創(chuàng)業(yè)公司里實現(xiàn)商業(yè)化落地最好的公司之一。產(chǎn)業(yè)+資本的結(jié)合賦予了云知聲高速發(fā)展的可能性。

本報告從投融資角度著手，按照行業(yè)投資環(huán)境、行業(yè)投資現(xiàn)狀、行業(yè)投資競爭格局及行業(yè)投資未來發(fā)展趨勢等四個板塊概括性的分析云知聲所在的語音識別領(lǐng)域，簡單解構(gòu)該行業(yè)的投融資活動。

1

概述

語音識別是發(fā)展未來人工智能的重要組成部分之一，是達到人機交互目的第一步。語音識別技術(shù)簡單來說指的是機器或程序完成接受口令、解釋聲音含義、理解和執(zhí)行口頭指令所需的技術(shù)。在當(dāng)下智能時代，智能終端的應(yīng)用普及面越來越廣，相應(yīng)的越來越多的場景在設(shè)計個性化的人機交互界面時，以對話為主的交互形式。而一個完整的對話交互是由過程是由“輸入—分析—輸出”三個環(huán)節(jié)共同組成一個閉環(huán)。其中，“輸入”需要語音識別（Automatic Speech Recognition,ASR）技術(shù)；“分析”需要自然語言處理（Natural Language Processing, NLP）技術(shù)；“輸出”需要語音合成（Text To Speech, TTS）技術(shù)。其中，“分析”環(huán)節(jié)由編碼和解碼組成，編碼主要用于對輸入內(nèi)容的特征進行提?。唤獯a則是通過聲學(xué)模型和語言模型進行解析。語音識別技術(shù)是對話交互的開端，是保證對話交互高效準確進行的基礎(chǔ)。

語音識別技術(shù)自20世紀50年代開始步入萌芽階段，發(fā)展至今，主流算法模型已經(jīng)經(jīng)歷了四個階段：包括模板匹配階段、模式和特征分析階段、概率統(tǒng)計建模階段和現(xiàn)在主流的深度神經(jīng)網(wǎng)絡(luò)階段。目前，語音識別主流廠商主要使用端到端算法，在理想實驗環(huán)境下語音識別準確率可高達98%以上。

2

行業(yè)投資環(huán)境

2.1行業(yè)政策環(huán)境

人工智能發(fā)展水平一定程度上體現(xiàn)了各國最高的科技水平?？紤]到人工智能發(fā)展對于國家經(jīng)濟發(fā)展的重要性，中國政府已針對人工智能行業(yè)頒布了多項國家層面的發(fā)展政策，自2017年以來人工智能行業(yè)已經(jīng)連續(xù)三年被寫入《全國政府工作報告》內(nèi)。具體支持政策包括項目發(fā)展基金、人才引進政策及其他國家扶持政策。目前，語音識別技術(shù)屬于中國AI領(lǐng)域中最為成熟落地的技術(shù)之一，在國家政策的強力扶持下，預(yù)計未來能夠加速在垂直行業(yè)的滲透和布局。

同時，在“十四五”的大背景和智能經(jīng)濟形態(tài)下，各省市響應(yīng)中央號召，已有多個省市相繼發(fā)布人工智能相關(guān)規(guī)劃或?qū)ｍ椪撸匀斯ぶ悄転榧夹g(shù)手段，發(fā)揮當(dāng)?shù)禺a(chǎn)業(yè)集群優(yōu)勢，促進產(chǎn)學(xué)研融合及協(xié)同發(fā)展。具體如下：

表1：語音識別相關(guān)政策匯總

信息來源：融中研究整理匯總

2.2行業(yè)發(fā)展現(xiàn)狀

中國AI語音識別市場參與者眾多，主要分為上游、中游、下游。

表2：語音識別產(chǎn)業(yè)鏈分析

信息來源：融中研究整理匯總

上游分析：底層技術(shù)提供強力支持——語音識別解碼過程中包含了升學(xué)模型和語言模型的識別建模和模型訓(xùn)練兩個部分。在運行過程中訓(xùn)練數(shù)據(jù)量和計算量需求極大，傳統(tǒng)的CPU或者單一處理器幾乎無法快速單獨完成一個完整的模型訓(xùn)練過程，主要原因在于CPU內(nèi)部僅含有少量的邏輯單元，且指令執(zhí)行是逐一進行的串行計算，使用該架構(gòu)進行語音識別運算的處理時間過長，無法滿足海量數(shù)據(jù)計算的實時性需求。因此，能提供海量數(shù)據(jù)處理、存儲以及高性能運算能力的云計算技術(shù)成為語音識別行業(yè)的應(yīng)用熱點。目前，主流語音識別公司的模擬訓(xùn)練和語音識別基本都在云端采用GPU（圖形處理器）并行架構(gòu)或異構(gòu)計算方案進行。

中游分析：語音技術(shù)持續(xù)升級——語音是被的中游主要為將語音識別技術(shù)實現(xiàn)商業(yè)化落地的硬件及軟件服務(wù)供應(yīng)商。根據(jù)終端消費者類型，語音識別的中游廠商主要可以分為消費級市場和專業(yè)級市場，其中消費級市場中的主要語音識別產(chǎn)品包括消費級智能硬件、智能音箱及語音輸入法等，專業(yè)級市場的語音識別產(chǎn)品則主要以行業(yè)解決方案和平臺化技術(shù)輸出兩種形式呈現(xiàn)，其中更為垂直落地的解決方案形式在目前專業(yè)級商業(yè)化收入市場中占比更高。目前，智能語音開放平臺在智能語音市場中收入占比較小的原因是，以阿里、百度及科大訊飛為首的各大廠商為加速AI語音技術(shù)對下游應(yīng)用場景的滲透，采用多種優(yōu)惠甚至免費形式向開發(fā)者提供語音識別服務(wù)，希望將語音識別技術(shù)應(yīng)用在更多軟件及場景中，與廣大開發(fā)者攜手建立一個完整的AI產(chǎn)業(yè)生態(tài)圈。

下游分析：行業(yè)應(yīng)用多樣化——語音識別作為AI交互的重要入口，在人工智能領(lǐng)域?qū)儆谧钪匾桶l(fā)展最為成熟的技術(shù)之一，目前已經(jīng)以多種商業(yè)化形式廣泛應(yīng)用于下游市場。從應(yīng)用領(lǐng)域來看，目前消費級市場主要應(yīng)用于智能硬件、智能家居、智慧教育、車載系統(tǒng)等領(lǐng)域，專業(yè)級市場主要應(yīng)用于醫(yī)療、公檢法、教育、客服、語音審核等領(lǐng)域。廣泛的應(yīng)用領(lǐng)域也就意味著更多元化的使用場景，然而目前的語音技術(shù)對于使用場景具有較強的限制性。盡管快速更新迭代的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)已經(jīng)將安靜環(huán)境下的近場語音識別的錯誤率降低至3%以下，但現(xiàn)實環(huán)境中多數(shù)應(yīng)用場景無法滿足理想的環(huán)境條件，因此在進行語音識別時需要同時考慮到各種噪聲、信道等因素。為使語音識別技術(shù)在更廣泛的使用場景下保持良好的表現(xiàn)，AI語音廠商需要提供硬件與軟件協(xié)同的一站式服務(wù)，并根據(jù)用戶實際痛點進行針對性優(yōu)化，從而有效提升在多元下游場景下語音識別的滲透率。

2.3行業(yè)競爭格局

中國AI語音識別主流廠商按照其屬性可分為IT及互聯(lián)網(wǎng)廠商、語音技術(shù)廠商兩類。

IT及互聯(lián)網(wǎng)廠商：IT及互聯(lián)網(wǎng)廠商包括百度、阿里巴巴、騰訊、搜狗、小米等廠商。憑借在互聯(lián)網(wǎng)時代積累的大量資本，IT及互聯(lián)網(wǎng)廠商在眾多科技領(lǐng)域成為了主要參與者。與依靠人工智能技術(shù)起家的AI垂直類企業(yè)不同，IT及互聯(lián)網(wǎng)廠商側(cè)重以流量導(dǎo)向和滿足龐大用戶群體驗和創(chuàng)新需求為導(dǎo)向去做AI開發(fā)，更多以流量和用戶體驗為導(dǎo)向，同時，會比傳統(tǒng)的語音技術(shù)廠商更加注重創(chuàng)新實踐。

語音技術(shù)廠商：語音技術(shù)廠商也可以分為傳統(tǒng)語音技術(shù)廠商和創(chuàng)業(yè)廠商、傳統(tǒng)語音技術(shù)廠商包括科大訊飛、小i機器人、捷通華聲等擁有自己的核心智能語音芯片以及語音相關(guān)軟件系統(tǒng)的廠商，創(chuàng)業(yè)廠商包括云知聲、思必馳、出門問問等專注于某些垂直領(lǐng)域（如汽車、家電等）來推廣自己的語音技術(shù)和產(chǎn)品的廠商。

綜合來說，在中國AI語音識別領(lǐng)域，阿里巴巴、科大訊飛、百度、騰訊均有著強勁的競爭力。

阿里巴巴：阿里智能語音交互服務(wù)是業(yè)內(nèi)領(lǐng)先的云原生語音服務(wù)平臺，對阿里集團內(nèi)服務(wù)于超過99%語音場景，對外也提供各類云上語音產(chǎn)品。根據(jù)阿里巴巴企業(yè)年報來看，阿里巴巴在語音識別領(lǐng)域涉及情況如下：

（1）在語音識別全產(chǎn)業(yè)鏈方面，阿里云上語音技術(shù)在大量數(shù)據(jù)積累、算法積累、工程積累和阿里達摩研究院技術(shù)同步上云的成果加持下，極大提升了語音交互的準確率和性能。阿里智能語音交互技術(shù)已解鎖并成熟布局于多個場景中，包括智能客服、智能質(zhì)檢、法庭庭審實時記錄、實施演講字幕、訪談錄音轉(zhuǎn)寫、聲紋登錄、設(shè)備端語音交互等場景，在政務(wù)、金融、物流、教育、電商、泛互聯(lián)網(wǎng)、醫(yī)療、餐飲等多個領(lǐng)域均有應(yīng)用案例以及大量的客戶積累。

（2）在市場方面，目前阿里智能語音分別在電話客服和法院語音識別的市場都占有領(lǐng)先的位置。阿里語音AI技術(shù)能在多個領(lǐng)域快速落地，占領(lǐng)市場并成為行業(yè)客戶認知度前列的云上語音技術(shù)廠商，關(guān)鍵因素之一是與大量的獨立軟件開發(fā)商結(jié)成了阿里語音AI產(chǎn)業(yè)聯(lián)盟。

（3）在企業(yè)經(jīng)營和戰(zhàn)略方面，阿里云在基建技術(shù)的布局規(guī)劃方面，將繼續(xù)加大投入對云操作系統(tǒng)、服務(wù)器、芯片、網(wǎng)絡(luò)等核心技術(shù)的研發(fā)，為語音AI與云的結(jié)合帶來更具想象力的引用場景和價值空間。

（4）在創(chuàng)新方面，阿里重視對技術(shù)的研發(fā)投入和對行業(yè)的貢獻，其職能語音核心技術(shù)能力是下一代端到端語音識別技術(shù)SCAMA、SAN-M技術(shù)和DFSMN技術(shù)，這幾種技術(shù)都是業(yè)界首次在非科研領(lǐng)域的應(yīng)用并獲得成功，使得整體語音交互技術(shù)的準確率在高并發(fā)的情況下獲得獨特優(yōu)勢。同時DFSMN也已經(jīng)面向全行業(yè)開源，為行業(yè)整體技術(shù)提升做貢獻。另外，阿里在業(yè)內(nèi)率先推出的自學(xué)習(xí)平臺也改變了語音AI生產(chǎn)關(guān)系，即使行業(yè)實踐者沒有很多語音領(lǐng)域的專業(yè)知識，也能夠通過阿里云自學(xué)習(xí)產(chǎn)品灌入行業(yè)內(nèi)的數(shù)據(jù)和知識就能夠獲得所在行業(yè)不錯的語音交互效果。

（5）在客戶服務(wù)方面，阿里智能語音最為主要的商業(yè)策略就是為其合作伙伴提供語音原子能力、多個領(lǐng)域開箱即用模型和自學(xué)習(xí)平臺，賦予了消費端產(chǎn)品“能說、會說、懂你”式的智能人機交互體驗，在將阿里云智能語音領(lǐng)先技術(shù)賦能于產(chǎn)業(yè)聯(lián)盟企業(yè)的同時，構(gòu)建了一個更為完整和繁榮的AI語音應(yīng)用生態(tài)、普惠市場。

科大訊飛：科大訊飛是國內(nèi)領(lǐng)先的智能語音技術(shù)主要提供商之一，在語音識別等智能語音技術(shù)領(lǐng)域擁有國際先進的成果，主要業(yè)務(wù)包含智能語音和語言技術(shù)研究、軟件及芯片產(chǎn)品開發(fā)、語音信息服務(wù)及電子政務(wù)系統(tǒng)集成，為企業(yè)、政府和個人提供智能應(yīng)用。科大訊飛技術(shù)優(yōu)勢在同行業(yè)中出眾，擁有自主知識產(chǎn)權(quán)的只能語音技術(shù)，推出覆蓋大型電信級應(yīng)用到小型嵌入式應(yīng)用以及滿足不同應(yīng)用環(huán)境的軟硬件產(chǎn)品?？拼笥嶏w在中文語音技術(shù)市場和語音合成產(chǎn)品市場都占有較大份額，應(yīng)用與電信、金融、電力、社保等主流行業(yè)?？拼笥嶏w結(jié)合自己核心的只能語音技術(shù)和人工智能的研究，已經(jīng)實現(xiàn)AI產(chǎn)品化的布局。在To B端，科大訊飛面向教育、政法、醫(yī)療、汽車和客服等多個行業(yè)提供相應(yīng)的解決方案。在To C端，科大訊飛提供面向消費者的家庭、汽車、翻譯等消費級個人，包括硬件產(chǎn)品如訊飛學(xué)習(xí)機、訊飛翻譯機、智能辦公本等，以及軟件產(chǎn)品如訊飛輸入法、AI電視助手等。

百度：百度在AI開放平臺上提供語音識別的技術(shù)，共享AI領(lǐng)域的應(yīng)用場景和解決方案。提供產(chǎn)品包括短語音識別、實時語音識別、遠場語音識別、音頻文件轉(zhuǎn)寫、語音自訓(xùn)練平臺等，應(yīng)用于手機應(yīng)用如語音輸入、機器人對話、語音內(nèi)容分析和實時語音轉(zhuǎn)寫等場景。百度的語音識別技術(shù)優(yōu)勢在于領(lǐng)先的語音識別技術(shù)，提供自助訓(xùn)練專屬模型，可簡單快速地接入API及多種SDK接口，提供穩(wěn)定性保障，且收取費用較低。

騰訊：騰訊云語音識別目前主要應(yīng)用于微信、王者榮耀、騰訊視頻等內(nèi)部業(yè)務(wù)使用，外部應(yīng)用布局于錄音質(zhì)檢、會議實時轉(zhuǎn)寫、法庭及審訊記錄、語音輸入法等場景。技術(shù)提供主要功能為開放實時語音識別、一句話識別和錄音文件識別，支持云端和嵌入式兩種服務(wù)模式。騰訊云語音識別的主要優(yōu)勢在于有大量的用戶基礎(chǔ)和數(shù)據(jù)積累可應(yīng)用于豐富的行業(yè)場景，收費價格較低，自準率高達97%，支持多語言識別能力，有領(lǐng)先的算法。

3

行業(yè)投資現(xiàn)狀

國內(nèi)的人工智能產(chǎn)業(yè)發(fā)展相較于國外廠商發(fā)展較晚，2011年中國的人工智能企業(yè)方才展露出些許發(fā)展趨勢。隨著全球人工智能技術(shù)的日益成熟，國家政策支持力度的逐步加大，國內(nèi)投資環(huán)境的不斷優(yōu)化，中國人工智能產(chǎn)業(yè)趁著時代的風(fēng)口發(fā)展迅猛，如今已是百家爭鳴的階段。其中，除了互聯(lián)網(wǎng)巨頭企業(yè)在早期就提前布局，初創(chuàng)型中小企業(yè)亦緊跟腳步積極加入到人工智能產(chǎn)業(yè)市場。截止到本報告期，參與到人工智能產(chǎn)業(yè)的公司共計3199家，投資事件達4447件，總投資金額15151億人民幣，投融資概覽如下：

表3：2012-2021年2月人工智能產(chǎn)業(yè)投融資情況

信息來源：融中研究整理匯總

語音識別作為人工智能產(chǎn)業(yè)中極其重要的一個組成部分，擔(dān)任著人機交互應(yīng)用時的輸入和輸出接口，也相應(yīng)的受到產(chǎn)業(yè)風(fēng)口的影響，受到一眾投資機構(gòu)的追捧。2017-2021年2月，參與到語音識別行業(yè)的投資事件達143件，投資金額達170.77億人民幣。從數(shù)據(jù)可以看出，語音識別相關(guān)公司在2018年獲得的投資額及投資事件數(shù)達到一次爆發(fā)，分別達到62.3億人民幣、55次投資。隨后在2019年至2020年，投資活動相對平穩(wěn)。

表4：2017-2021年2月語音識別產(chǎn)業(yè)投融資情況

信息來源：融中研究整理匯總

從投資輪次來看，A輪階段的語音識別企業(yè)更受資本方的青睞，投資額達50.24億人民幣，投資事件達65次；其次，B、C、D、E輪次的投資相對平均；值得一提的是對于早期項目，投資機構(gòu)雖然單筆投資金額較少，但投資事件相對較高，達24次。按照語音識別產(chǎn)業(yè)分輪次投融資占比來看，行業(yè)中吸引了絕大部分資金的企業(yè)基本上都聚集在A、B、C輪。

表5：2017-2021年2月語音識別產(chǎn)業(yè)分輪次投融資情況

信息來源：融中研究整理匯總

表6：2017-2021年2月語音識別產(chǎn)業(yè)分輪次投融資占比情況

信息來源：融中研究整理匯總

從語音識別產(chǎn)業(yè)內(nèi)企業(yè)產(chǎn)品/服務(wù)應(yīng)用方向來看，主要分為技術(shù)服務(wù)（行業(yè)解決方案）、教育、汽車交通、新工業(yè)、智能硬件、醫(yī)療、金融等幾個分類。其中，最為獲得投資機構(gòu)青睞的是技術(shù)服務(wù)方向的語音識別企業(yè)，占據(jù)了投資金額及投資事件數(shù)的絕大部分，分別為116.49億人民幣、89次投資。值得一提的是，語音識別技術(shù)應(yīng)用于汽車交通行業(yè)所獲得的投資件數(shù)雖然僅有4次，但單筆投資金額卻是最高的。

表7：2017-2021年2月語音識別產(chǎn)業(yè)分行業(yè)投融資情況

信息來源：融中研究整理匯總

表8：2017-2021年2月語音識別產(chǎn)業(yè)分行業(yè)投融資占比情況

信息來源：融中研究整理匯總

4

行業(yè)投資競爭格局

由于語音識別屬于人工智能領(lǐng)域，自然也獲得了不少頭部投資機構(gòu)的關(guān)注。通過整理數(shù)據(jù)了解到，主要投向語音識別行業(yè)的投資機構(gòu)大體上可分為三類。第一類為專注于投資工智能領(lǐng)域下細分賽道的精品投資機構(gòu)，如創(chuàng)新工場、聯(lián)想之星、線性資本、創(chuàng)勢資本、金沙江創(chuàng)投等。第二類是專業(yè)投資機構(gòu)，如深創(chuàng)投、紅杉資本、經(jīng)緯中國、高瓴資本等投資面向多個專業(yè)領(lǐng)域的綜合型全領(lǐng)域投資機構(gòu)。第三類為公司本身主要業(yè)務(wù)內(nèi)容涵蓋了語音識別技術(shù)的行業(yè)龍頭企業(yè)，如科大訊飛、百度、阿里巴巴、騰訊、奇虎360等。

經(jīng)過融中研究統(tǒng)計整理，2013-2020年我國AI語音識別領(lǐng)域投資機構(gòu)的主要投資階段分布情況如下：

表9：AI語音識別細分領(lǐng)域投資機構(gòu)的主要投資階段分布

聯(lián)想之星作為聯(lián)想控股的早期投資和孵化板塊，植根聯(lián)想30余年來的創(chuàng)業(yè)經(jīng)驗和資源積累，為創(chuàng)業(yè)者提供天使投資+深度孵化的特色服務(wù)，主要投資于TMT、醫(yī)療健康兩大領(lǐng)域，積極布局人工智能、智能機器、互聯(lián)網(wǎng)改造傳統(tǒng)產(chǎn)業(yè)、生物技術(shù)、醫(yī)療器械等前沿領(lǐng)域。聯(lián)想之星創(chuàng)立于2008年，目前在管資本總額約35億人民幣，歷史投資277家TMT、醫(yī)療器械領(lǐng)域優(yōu)質(zhì)企業(yè)，9家完成退出工作。在語音識別領(lǐng)域，聯(lián)想之星共投出11家產(chǎn)業(yè)上下游企業(yè)，是該投資該領(lǐng)域的排頭兵。

創(chuàng)新工場是一家早期投資機構(gòu)，同時為創(chuàng)業(yè)者提供全方位的創(chuàng)業(yè)服務(wù)。創(chuàng)新工場的投資方向立足于信息產(chǎn)業(yè)最熱門的領(lǐng)域，也包括人工智能領(lǐng)域。主要涉足的投資階段為：種子輪、天使輪和A輪，B輪會有選擇的進行跟投。創(chuàng)新工場共管理6支基金，管理的資產(chǎn)規(guī)模達110億元人民幣，歷史投資539家信息產(chǎn)業(yè)企業(yè)，25家完成退出。在語音識別領(lǐng)域，創(chuàng)新工場領(lǐng)投了追一科技的B輪融資以及跟投C輪；參與ImageDT 圖匠數(shù)據(jù)的Pre-A輪融資。

科大訊飛是國內(nèi)領(lǐng)先的智能語音技術(shù)主要提供商之一，在語音識別等智能語音技術(shù)領(lǐng)域擁有國際先進的成果，主要業(yè)務(wù)包含智能語音和語言技術(shù)研究、軟件及芯片產(chǎn)品開發(fā)、語音信息服務(wù)及電子政務(wù)系統(tǒng)集成，為企業(yè)、政府和個人提供智能應(yīng)用?？拼笥嶏w在中文語音技術(shù)市場和語音合成產(chǎn)品市場都占有較大份額，應(yīng)用與電信、金融、電力、社保等主流行業(yè)?？拼笥嶏w結(jié)合自己核心的只能語音技術(shù)和人工智能的研究，已經(jīng)實現(xiàn)AI產(chǎn)品化的布局。因此，科大訊飛作為行業(yè)內(nèi)的龍頭企業(yè)，同時站在戰(zhàn)略投資的角度大力布局人工智能領(lǐng)域的優(yōu)質(zhì)企業(yè)，對外投資共計37.91億元，投資事件80次，目前已有5家被投企業(yè)完成退出（包括IPO退出）?？拼笥嶏w主要投資了近嶼智能、叮咚音響、奇智企業(yè)三個企業(yè)，分別所屬輪次為天使輪、A輪、天使輪。

5

行業(yè)投資未來發(fā)展趨勢

語音識別是指讓機器將人類語言轉(zhuǎn)化為文字或命令的AI技術(shù)。可廣泛應(yīng)用于文字輸入、社交軟件、車載語音、智能家居等領(lǐng)域。受益于大數(shù)據(jù)、人工智能等技術(shù)不斷進步，我國語音識別行業(yè)在識別的準確性與速度等方面不斷提高，下游應(yīng)用范圍不斷擴大。根據(jù)新思界產(chǎn)業(yè)研究數(shù)據(jù)顯示，2018年-2020年，我國語音識別市場規(guī)模由62億元增長至350億元，年均復(fù)合增長率達到39.59%。

當(dāng)前國內(nèi)語音識別市場已經(jīng)被領(lǐng)先企業(yè)所搶占，新進入者發(fā)展較為困難。語音識別行業(yè)屬于資金與技術(shù)密集型行業(yè)，大型企業(yè)在數(shù)據(jù)庫搭建、試驗布局等方面實力明顯強于中小型企業(yè)。除科大訊飛、搜狗外，百度、阿里、騰訊等互聯(lián)網(wǎng)巨頭也紛紛進入布局，此外，思必馳、云知聲、出門問問等創(chuàng)業(yè)公司也先后進場，使得行業(yè)內(nèi)企業(yè)數(shù)量不斷增多。經(jīng)過快速擴張，國內(nèi)語音識別市場主要被大型企業(yè)所占據(jù)，市場格局趨于穩(wěn)定。我國流向語音識別領(lǐng)域的資本也在逐步向大型企業(yè)靠攏，語音識別行業(yè)呈現(xiàn)出“強者愈強、弱者愈弱”的發(fā)展狀態(tài)。其中科大訊飛、搜狗、百度在輸入法領(lǐng)域處于主導(dǎo)地位；社交軟件領(lǐng)域主要由騰訊占據(jù)了絕對的市場；云知聲在智能電子、智能家居領(lǐng)域布局較為完善；思必馳在車載語音、智能機器人等領(lǐng)域發(fā)展較好；出門問問在智能手表領(lǐng)域發(fā)展較快。

投資機構(gòu)想要在語音識別領(lǐng)域?qū)Τ鮿?chuàng)型企業(yè)或中小型企業(yè)進行投資，尚有一定難度。如果被投企業(yè)在技術(shù)上沒有突破性進展，難以打破現(xiàn)有市場格局，競爭壓力將日益增大。但現(xiàn)今國內(nèi)從智能機器人到智能語音助手，隨著技術(shù)的提升，應(yīng)用場景的增多，人工智能行業(yè)已經(jīng)開始展露頭角。同時，眾多機構(gòu)對其未來發(fā)展依然保持著極大的信心。智能語音市場按客戶類型可分為2C或2B2C的消費級市場和2B的專業(yè)級市場。消費級市場應(yīng)用于衣食住行等生活場景，主要包括智能家居、智能可穿戴、智能車載、智能手機等；專業(yè)級市場應(yīng)用于特定場景，如醫(yī)療、教育、呼叫中心等。消費級智能語音助手的功能是基于語音交互實現(xiàn)設(shè)備控制、日程管理、信息查詢、生活服務(wù)、情感陪伴等；專業(yè)級市場智能語音的應(yīng)用主要是醫(yī)療領(lǐng)域語音導(dǎo)診、電子病歷轉(zhuǎn)錄與轉(zhuǎn)寫、智能輔助診斷，教育領(lǐng)域的智能語音訓(xùn)練與評測、互動教學(xué)等，呼叫中心領(lǐng)域的智能客服。

總的來看，未來隨著技術(shù)的不斷突破，語音交互方面還有望得到進一步提升。比如，基于對用戶的持續(xù)學(xué)習(xí)，它知道你喜歡的東西、愛好、興趣，甚至可以通過你的行動、表情、語氣知道你的喜怒哀樂，這樣的話，它會基于你而做出不同的、但是令你感到貼心的反應(yīng)，且跟你有很多共同話題，而這都是可以基于技術(shù)的突破逐漸實現(xiàn)的。而以上這些語音識別的技術(shù)開發(fā)及應(yīng)用尚未被完全占領(lǐng)，投資機會依然存在。