 ==>> 点击下载文档 |
语义识别是NLP技术的重要组成部分之一，结合大数据、语音识别、
算法模型，可衍生出多个下游应用场景，包括智能家居、智能车载、
虚拟助理、无人驾驶、机器人、智能客服等多个领域。行业参与者中
还未出现绝对垄断者，创业公司仍具备很大机会。此外，我们认为，
车载领域将是语音交互最先爆发的场景之一
美元
根据36氪研究院调研结果，自然语言处理（NLP）无论在创业热度、
获投数量还是获投金额等维度都处于细分领域的前三。据Global
Market Insights的数据，未来7年全球智能语音交互市场的年增长为
34.9%，预计到2024年市场规模达到110亿美元，行业整体未来发展
空间广阔
接服务
北京蓦然认知科技有限公司（简称蓦然认知）成立于2016年5月，主
打产品为一款面向B端的，叫做“Mor”的交互决策引擎，为客户提
供人机对话、语义理解和自动化服务对接等功能。蓦然认知在车载领
域的代表客户有四维图新；在家居领域的代表客户有暴风电视。预计
到2017年下半年，将有批量搭载Mor系统的产品逐步上市。应用系统
基础资源
1.2 语义识别是NLP技术的重要组成部分，NLP或将随大数据、计
算力、算法等AI领域的技术提升，获得长足进步
语义识别主要基于大数据和算法模型之上搭建，是自然语言处理
(NLP)技术的重要组成部分。NLP技术主要包括词法分析技术、句
法分析技术、语义分析技术、语用分析技术以及语句分析技术等
NLP在实际应用中最大的困难还是语义的复杂性，此外，深度学习
算法也不是语义识别领域的最优算法。但随着大数据、芯片和算法
模型等的发展进程加速，将为NLP带来长足的进步
1.语义识别领域技术门槛高，目前仍未出现绝对领航者，创业者仍
有机会
1.1 语义识别推动人机交互模式进入新阶段，主要解决“听得懂”
的问题
语义识别是人工智能的重要分支之一，如果语音技术相当于人的嘴
巴和耳朵，负责表达和获取，那语义技术则相当于人的大脑，负责
思考和信息处理，解决的是“听得懂”的问题。语义识别最大的作
用是改变人机交互模式，将人机交互由最原始的鼠标、键盘交互转
变为语音对话的方式
请务必阅读文末的免责声明
36氪调研报告（第47期）——蓦然认知
2017.6
鼠标键盘交互
Page
PC时代
触摸交互
App
移动时代
语音交互
API
IoT时代
人机交互的发展
智能交互对话聊天深度问答机器翻译机器人
知识挖掘
词典语料网页日志知识库
基本方法规则方法统计与机器学习方法基础架构
/平台
图示：NLP通用架构示意图
形态分析组块分析语义表示对话理解句子生成
分词/词性主干分析语义计算观点提取摘要生成
专名识别储存分析逻辑推理情感分析篇章生成
用户行为
预测
用户建模
词法
语言分析
文
本
理
解
句法语义篇章
语音生成36氪调研报告（第47期）——蓦然认知
2017.6
1.3 语义识别下游：应用领域多元化，行业参与者多样性
语义识别和语音识别是语音交互的基础，语音交互应用领域覆盖智
能家居、智能车载、虚拟助理、无人驾驶、机器人、智能客服等领
域。目前，行业参与者中还未出现绝对垄断者，创业公司仍具备机
会。此外，我们认为，语音交互在车载场景中存在刚需，也会成为
最先爆发的领域之一。并且，随着车联网的纵深化发展，相关硬件
趋于免费，依靠语音交互天然流量入口，做个性化增值服务将是未
来车载领域的主要盈利点
请务必阅读文末的免责声明
图示：语音交互各场景主要玩家
智能家居智能车载虚拟助理无人驾驶
机器人
智能客服
2 基于语音识别和语义识别技术的语音交互市场，未来市场规模将
达百亿美元
据36氪研究院数据，从1996年至今，国内至今仍在运营的人工智能
公司接近400家。从下图可看出，自然语言处理（NLP）无论是在
创业热度、获投数量还是获投金额都处于细分领域的前三
据Global Market Insights数据，未来七年全球语音市场的年增长
为34.9%，预计到2024年市场规模达到110亿美元
96 92
77
38
26
15 1020
40
60
80
100
120
人工智能主要细分领域公司数量
单位：/个58
53 48
22 18
12 820
40
60
80人工智能主要细分领域获投数量
单位：个
28
20 16
8 7 620
40
60
80人工智能主要细分领域获投金额
单位：亿元人民币
来源：36氪研究院3. 蓦然认知：以对话即应用、应用即服务、服务即商品为主导理念
，试图打造一款全新的语音交互决策引擎
北京蓦然认知科技有限公司（简称蓦然认知）成立于2016年5月，
主打产品是一款名为“Mor”的语音交互决策引擎，面向B端提供
人机对话、语义理解，以及自动化服务对接等功能。蓦然认知提出
“对话即应用”的人机交互模式，以进一步解放双手为目标，经由
B端，间接地为C端用户在车载、家居、客服等场景执行打车、订票
、订外卖等一系列具体任务
请务必阅读文末的免责声明
3.1 技术：基于任务驱动的多轮对话，无缝衔接用户需求与服务
蓦然认知在自然语言交互方面，从通用的语料特征库出发，以one-
shot learning为主要算法模型进行从特征语料到现实对话的迁移，
解决冷启动的问题。在此基础上获取真实的用户数据后，再利用增
强学习对整个模型框架进行不断地反馈优化，并且整个过程具备记
忆能力。依此，“Mor”系统搭建了语义理解、多轮对话、增强学
习三位一体的自然语言交互模型，整个技术架构可在多个场景之间
快速迁移、复制。并且，后台在用户提出需求后可自动调用API，
无缝衔接用户需求与服务。从技术架构来看，Mor主要是基于任务
驱动，更多的是作为助理的角色执行命令，而非用于聊天用途
36氪调研报告（第47期）——蓦然认知
2017.6
技术架构
①语料特征库
（深度学习）
②少量数据冷启动
（one shot learning）
③真实用户数据反馈
（增强学习）
①动态短期记忆
（多轮对话）
②静态长期记忆
（用户画像）
自动调用API，对接服务
无需安装，完全API化
需求与服务无缝衔接“对话即应用”
任务驱动的多轮对话
图示：“Mor”技术架构简介
来源：36氪研究院
图示：“Mor”解决方案
学习系统
对话系统
语义理解
语音识别
麦克风｜扬声器
自动服务对接
语言生成
语音合成
Mor
第三方
设备商
。。。以上简介无排版格式，详细内容请下载查看
