“【2021世界智能网联汽车大会】科大讯飞吴晓如：AI助力智能汽车体验全面升级”

9月25日至28日，2021年世界ICV大赛在北京举行。 本届大会围绕产业重建、融合应用、共生三个章节展开，设有开幕式、主论坛和7个主题峰会、6个特色专题会场和2个闭门会议，设有图灵奖国际专家1人、国内外院士7人、近150人的国际国内ICV和ICC 以下是科大讯飞联合创始人、总裁吴晓如的演讲实录，供参考。

照片是科大讯飞联合创始人、总裁吴晓如

语音副本:

的各位领导，各位专家，媒体大家好。 很荣幸今天参加这个论坛，谈谈人工智能如何帮助我们升级我们的智能汽车体验。

网络时代的汽车提供了更多的功能。 想提供更多的功能，必须考虑如何让顾客感知到，如何更愉快地表现顾客的体验。 一位客人去4s店或去什么地方选择汽车。 当然，我们说企业品牌很重要。 除了企业品牌之外，还必须在空期间进行查看。 我们得看看汽车里人机交互是怎么回事。 要看汽车中的音响系统能否给自己更好的表现，汽车将来能否为自己在全过程中提供更好的服务。 我现在谈一下我的想法，不恰当的地方希望大家多加批判。

聪明的互动，大家都觉得非常多。 我们希望汽车就像我们的朋友一样，我们还是做更自然的互动。 我们面对的不是坚硬的机器，我们希望汽车的交互非常生动，非常感兴趣。 所以我们说我们必须在智能互动中更自然地提供给客户。 和人一样，我们提供互动的手段必须多样化。 我们只是不想和没有眼睛和肢体动作的人进行互动。 我们希望汽车有一定的角色，像人一样非常灵活生动。 关于自然交互，许多汽车制造商的专家都知道，人工智能提供商通常提供语音识别、语音合成、语音理解、端点检测等多种技术。 我们在收集这些技术时，往往遇到很多困难，形成一个对话系统时，在采用对话系统时，发现客户突然做出了插队的动作。 或者发现了什么时候机器应该开始积极的对话。 这个时候，发现机器是笨蛋。 如果能更好地进行这些对话，这个时候，我们提供给制造商的就不是一个端点的技术，而需要我们能够有效地整合这个技术，提供给最终的汽车制造商和客户

目前，我们提供最新的人工智能助手不是一个一个端点的技术，而是集成技术，形成智能化的对话系统。 该系统可以为最终的顾客提供端到端的体验，最多可以提供180多个场景的智能对话的最终服务。 这样一来，汽车厂整合工作量大，不用担心中间很多功能不透明，怎么能提供更自然的对话系统呢？

第二个是和车对话的时候，我们不希望它是盲人。 那个没有身体语言。 我们希望除了声音以外有视觉，有手势。 我坐车的时候，当我坐车累了的时候，他必须告诉我需要注意车的安全。 驾驶员是男主人时提供的是男性喜欢的东西，它很有个性，可以和驾驶员一起成长，一起快速发展。 驾驶员做了虚动作后，播放音响的动作就会停止。 智能交互不仅仅是智能交互，还应该是多元的，应该通过多模态为最终的驾驶员提供各方面交互的体验，这是我们的第二个方面。

第三方面，我们希望互动汽车有生命。 它的形象，在说话的时候脸部的表情、嘴的形状会根据他和我交换文案的话而得到恰当的反映，有时也会变成微表情。 年轻人喜欢的角色相关的道具和服装，我们在车里都能感受到。 这样，我们通过更自然的对话系统，通过越来越多样、多模式的对话，通过对话手段越来越像一个身体，此时，我们可以感受到我们不是机器，而是与和我们一样有生命的个人在对话。 这是我们首先想传达的信息，是如何在汽车中更容易采用智能交互，以及如何让客户喜欢他，最终让驾驶员体验。

我们希望从单点技术转移到虚拟数字。 现在有很多叫做vpi的东西，我想让顾客和汽车的交流更感兴趣，更自然。 我刚才提到了大部分人工智能的语音，我们想在这方面提供一个更完美的方案。 我们要提供方案，背后需要一系列技术的承担。 最初的大家经常谈论语音对话。 是语音识别。 现在，面向万物互联，语音识别的能力进一步提高。 大家可能现在觉得语音识别很充分，但实际上即使是刚参加全球语音识别大赛，我们的最高成绩也不过30%。 这是最严峻的场面，在非常强的噪音背景下多人在说话，能否更清楚地认识到这一点。 今后在汽车上，汽车发动机有噪音，汽车和多人说话的时候，我们是否还能在互动上有更好的表现，我认为需要更好的语音识别系统。

二是语音合成。 我们不仅仅是声音合成，接下来还会用最喜欢的人的声音来播放，进行新闻服务。 大多数人都听说过效果。 这是虚拟数字人。 她可以用65个国家的声音和你做各种新闻的声音合成广播。 我们来听听吧。 ( vcr )

目前，飞航可以提供60种语音合成、69种语音识别，基本上涵盖了世界上最主要的语言。 我想将来我们的伙伴，汽车在世界上发表的时候，我们可以提供多语言的处理方案。

在图片上也很有价值。 我们刚刚进行的与汽车行业关联度最高的3d目标检测图像算法，我们刚刚在世界范围内取得了历史纪录，今后也可以用于自动驾驶。 除此之外，图像识别和手写图像识别都有非常好的表现，这为车内车外进行视觉识别，为将来自动驾驶提供更好的技术服务提供了良好的技术支持。

优秀的对话系统需要优秀意义的支持。 在最近的机器语义理解比赛中，能否让机器读文案，回答文案的问题。 目前，回答问题的准确度已达到90%。 我认为所有语音识别的合成、语音理解的图像这些技术都可以为我们的多模块、自然描绘下一步提供非常强大的后台技术保障。

其次第二个问题智能服务必须为客户提供服务才能提供服务 第一种服务是普通的新闻娱乐服务。 新闻娱乐服务包括音乐、信息等各种新闻文案。 新闻文案不想让我们通过命令大幅反馈新闻吧。 我们希望新闻服务是应景的，与实际诉求紧密结合。 应该是个性化的。 需要的时候帮我按一下。 现在是自然的对话系统对接。我们现在有更多的业主、三口之家和四口有学校相关的诉求。 后台在教育系统中使用的比较强大的教育相关技术，比如唐诗宋词的学习，英语口语的学习，我想今后也会陆续结合到车上，为汽车提供越来越多的特色服务。

现在，当我们和车厂领导的一些信息表达出来的时候，我们的车功能已经很好了，但是到了4s店，销售人员就不能介绍新功能了。 汽车人工智能助理将来采购时，销售人员可以向客户提供更好的解答，告诉客户应该如何采用我们的东西。 汽车制造商希望在汽车采用的整个生命周期中，不要以售罄为主。 当我们向客户销售时，我们可以与客户建立全生命周期的链接，当汽车稍有故障时，客户可以与汽车友好交流，建立全生命周期的客户与汽车厂之间的全生命周期APP的链接。 这是第二个方面。

在第三个方面，我们将介绍最近整个智能声场中的一些变化。 我希望在汽车里得到非常好的音响体验。 大部分可能是豪华企业品牌车的特别乐趣。 现在，背后的许多汽车音响和普通音响技术的逻辑已经发生了变化。 我并不是说需要在特定的空之间进行比较。 我需要一个非常有经验的工程师花非常大的工作量来调节音响。 人工智能技术和声场技术可以结合起来

实际上，通过人工智能比较空之间的自动计算和声场条件，可以给汽车的所有扬声器、所有扬声器带来最好的反映。 我们可以在最好的音乐厅里模拟剧场里的不同效果。 这样可以将最好的音响效果带到声音空之间。 刚才王坚院士说堵车的问题会处理的，希望在不处理之前客人能体验到车里最好的车身。

而且，我们希望车里很安静。 众所周知，车开走的时候，两个朋友聊天的时候，很累。 将来，可以提供积极的降噪、强降噪的技术，在车里形成非常有思想和安静的空之间，我认为所有这些都是新技术给我们带来的。 我们最近和上汽、祺一起，希望未来的智能声场。 普通的汽车，稍有创新的汽车，可以享受百万豪车的音响空之间的乐趣。 除了核心技术，我们的技术与目前中国稍主流的一线汽车厂进行了非常多年的深入合作。 我们也有很强的工程能力，可以更快地将各种技术移植到汽车工厂。 我相信通过人工智能不断深入地应用，不仅能带来硬核技术方面的表现，也能直接给客户带来体验的全面升级。

我的报告到此为止。 谢谢你。

会议副本不断增加。 请点击以下链接查看。

网站: auto.gasgoo/newstopiclive/358

移动终端: m.gasgoo/news /主题直播/ 358