科大讯飞，成了中国的Siri又如何？

扁鹊兄弟 发表于 雪球

2012.8.24，科大迅飞复牌，由于中移动入股15%，股价当日涨停。背靠大款，科大迅飞是不是就凤凰涅槃，脱胎换骨了呢？本人认为这相当不靠谱！

中移动入股对在语音增值（如10086或声讯台）方面的效果我不作评估，也许中移动为了这个投资标的，把全国所有的10086都外包给科大迅飞来运营，再造一个神州泰岳一样的故事。但如果投资者认为，中移动入股后，其语音识别或语音输入会突飞猛进地发展，延伸到掌控产业链，我认为是相当的不靠谱。首先，Apple，Google对语音交互的战略定位，从来没有想靠语音输入来掌控产业链，只是在原有的产业链和商业模式下增加一种交互方式，增强客户的粘性和活跃度，扩大整个价值链的价值，迅飞就想凭着这一个武器就想掀翻别人格局，简直就是痴人说梦！

首先，语音输入的场景不适合公共场合（隐私原因和太嘈杂），也不适合办公场合（隐私），在家里可用可不用。锻炼身体和开车时适合一些，但我不知在这两个场合的使用频率占多少，难道我们人类真的就象黑客帝国所说的那样，人类沦类计算机网络的“电池”，要无时无刻地为网络“充电”吗？

第二，上帝赋予人类的交流体系有触觉交流、语音交流、视觉交流，体感交流，在与计算机的交流上，都用上了，但还没有一个通过交互技术来掌控价值链的，触觉没有，视觉没有，语音也不会有。目前最有效率的交互体系是触觉和视觉并用，达成流畅和高效的交互体系，语音交流体系是很自然的交流方式，但绝不是优质高效准确的交流方式，原因有三：1、视觉输出的信息是丰富的，大量的，随机读取、快速的，而语音给出的信息是单调的，串行的，缓慢的（类似于过去的磁带串行读取和现在的高速随机的磁盘读取），这大大降低了程序的执行效率；2、语音识别输入与触觉输入（我把键盘和鼠标也定为触觉交互）相比，执行效率更慢，因为触觉输入内置于程序之中，而语音识别输入需要调用外部的语音云识别程序，跑到了程序外，这受制于网络和识别效率，如果语音识别准确率不高，还要来回地确认，那这个交互的效率实在是让人吐血了。3、视觉输出和触觉输入是准确性最高的，因为程序逻辑与输入输出高度耦合，输入输出的上下文环境内置于程序之中，程序引导明确，出错的概率极小，而语音识别存在太多的分支和可能性，识别和执行逻辑的准确性低。1个月前，跑到苏宁去体验了一下智能电视，其中有一项就是语音控制，你必须首先进入语音操作环境，然后当电视向我确认是否做某项操作时，我说“好”，电视机没反应，导购人员告诉我说：“你必须对电视说‘是’”！人类语言太过复杂，看来人们要能熟炼用语音操作计算机或电视的话，还得培训几天，熟炼掌握电脑能理解的“行话”。

第三、从语音识别输入的应用类型来看，只有存在大量文字输入，如发微博，短信的应用，适合于用语音（当然也适合用键盘输入和手写输入），其它如执行程序，特别是应用内的交互场景，都很难适合于语音识别输入。本人做了一个小规模调查，样本达130人（样本主要来自深圳的白领，年龄在30岁左右，文化程度较高的一群人），使用语音识别输入的只占到2.5%左右，键盘输入占到70%，手写输入占到25%。这也验证了当前各种输入方式的流行程度。所以年初讯飞CEO在回答投资者问题时说：“未来肯定是语音输入为主，触摸输入为辅”这个话时，我觉得他如果不是在骗投资者的话，那就是陷入了对自我的意淫当中。

最后一点，也是很重要的一点。Google、Apple发展语音交互，是因为其后台有商业模式，苹果通过差异化的用户体验多卖手机，Google则通过语音搜索，可以报一条广告给用户，如果是通过第三方导过去的搜索，还可以给应用开发商分钱，这样产生两方面的效应：一是Google，Baidu和QQ等肯定是免费开放语音交互接口，把用户导流到这些平台上，通过搜索变现赚钱；二、开发商肯定是愿意在这些平台上开发应用，可以分钱。而科大讯飞呢？由于其后台没有可变现的商业模式，可能还想找应用开发商要钱呢，语音识别一次收费几何！两者高下立判。而后台可变现的互联网商业模式（如搜索）在讯飞基本看不到希望。

哪天中国移动把10086的自动语音服务流程改成自然语言交互的话，而不是听一堆语音提示，最后利用电话听筒按“1，2，……”这些数字键后，也许语音输入的时代才真正到来。但我想中国移动并不敢这样做，因为这会太幅降低用户体验。

纯属个人看法。