产业观察 | AI硬件，智能耳机与潜艇反声纳：对话声智科技陈孝良

【本期课题】

AI硬件与声学发展

【栏目介绍】

在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。

【免责声明】

本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。

【本期嘉宾】

陈孝良，「声智科技」创始人、董事长兼CEO

【内容索引】

02:02 声学技术主要服务于国防军工，比如声呐探测是军工领域中声学的关键应用之一，相比于光和电磁波，声音可以在水中进行长距离传输且不快速衰减，具有不可替代的作用。

03:01 传声器（俗称麦克风）、扬声器等是声学的典型器件。Walkman、CD、MP3等是声学在空气声中的典型产品。

04:49 在每个科技关口，声学都是关键点之一。AI时代的兴起由声音开始，2010年苹果发布会将Siri带入大众视野，声学算法得到一次非常大的升级。

05:44 移动互联网巨头的发展共性：一类是交互形态的改变，输入法从PC端有键盘到手机端键盘地消失；另一类是新装的硬件产生了新数据，比如新装了摄像头，就产生了跟图片和视频相关的应用。

10:05 全球对未来的一个基本共识是：下一代的交互是基于声音的交互。我们还没有过渡到这个时代，是因为底层技术还未达到成熟的商业阶段。

11:26 声学从信号处理走向深度学习，最早应用于手机语音识别场景，但单纯依靠深度学习无法解决声学复杂场景要求的精确性问题，2011年亚马逊开始尝试利用新载体——智能音箱来进行探索和研究。

15:30 从麦克风阵列和声学的角度，如何看待和解决理想环境或非理想环境下的拾声问题？

18:18 唱歌时听到的自己的声音与回放时听到的声音有所不同，这是因为前者包含了空气传导（气导）和骨骼传导（骨导）的声音，而后者仅是通过空气传导录制的声音。

23:38 智能音箱爆火期间，声智科技实现了哪些结果和目标？

29:47 大家对语言处理的最大印象来自于GPT-4o的发布，如何看待GPT-4o？

30:52 智能语音技术接下来需要重点解决的是声纹的识别与分辨。

35:21 今天声智在用的语言模型是什么样的？在GPT-4o带来的IO转变下，声智做了哪些事情？

38:25 声智的AI耳机短时间内成为抖音爆款的主要原因是什么？

43:19 AirPods耳机VS骨传导耳机VS耳夹式耳机

45:53 中国新型消费电子产品的神奇市场定律：价格在200元以下的产品大家接受度较高，会愿意为了它的新奇而付费，同时可接受它具有一定的缺陷。

49:58 最顶级的航空耳机为何那么贵？

52:01 偏大众化的耳机在AI上能更多地承载什么类型的功能？

56:04 相较于耳机，助听器的技术难点是什么？

58:01 现在的“新老年人”，最不喜欢的就是戴上具有老年人标志的物品，所以只要把助听器做得像耳机，并且看起来时尚，肯定会得到老年人的青睐。

59:08 如何看待创业这8年的经历？

1:01:12 AI最终的应用落地肯定在消费，像是美国已经率先发布了AI手机，他们的商业落地已经非常清晰了，我们在这方面还需要继续打磨和验证。

1:03:12 从人类发展习惯来看，语言模型演进后，使得语音变成一个新的输入和输出形态，这个我是100%相信的。

【本期相关】

麦克风阵列：由一定数目的声学传感器组成，用来对声场的空间特性进行采用并处理的系统。进入“声控时代”，此项技术重要性尤为凸显，可以用来解决噪声抑制、鸡尾酒会效应等实际问题。

GPT-4o：是OpenAI为聊天机器人ChatGPT发布的语言模型，可以实时对音频、视觉和文本进行推理，新模型使ChatGPT能够处理50种不同的语言，同时提高了速度和质量，可以在短至 232 毫秒的时间内响应音频输入，平均为 320 毫秒，与人类的响应时间相似。

语音端点检测：语音端点检测就是从连续的语音流中检测出有效的语音段，包括两个方面，检测出有效语音的起始点即前端点，检测出有效语音的结束点即后端点。

I/O（Input/Output）：指的是计算机与外部世界的通信方式。它涉及数据在计算机内部与外部设备之间的输入和输出。

【相关文章】

文字版内容请在峰瑞资本公众号查看。

【制作团队】

主理人：李翔 、李丰

制作及统筹：张英海 （13514156656）、峰小瑞（pr@freesvc.com）

如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。