過去一年，AIGC接棒“元宇宙”躋身科技圈“頂流”，在AI繪畫神器Stable Diffusion、聊天機(jī)器人ChatGPT等現(xiàn)象級(jí)應(yīng)用的背后，預(yù)訓(xùn)練大模型以海量數(shù)據(jù)底座和優(yōu)異的算法表現(xiàn)等優(yōu)勢(shì)為AIGC助力良多。
(資料圖片)
在1月18日舉行的科大訊飛2023年會(huì)上，科大訊飛董事長(zhǎng)劉慶峰表示，科大訊飛早在2019年已開始研究超大模型關(guān)鍵技術(shù)，聯(lián)合國(guó)內(nèi)高校打造的開源預(yù)訓(xùn)練模型已成為業(yè)界頭部中文預(yù)訓(xùn)練模型，助力行業(yè)智能化創(chuàng)新。
“未來，訊飛要進(jìn)一步實(shí)現(xiàn)語言理解與知識(shí)學(xué)習(xí)等認(rèn)知基礎(chǔ)技術(shù)領(lǐng)先，讓行業(yè)認(rèn)知系統(tǒng)超過人類專家平均水平，具備復(fù)雜交互能力，在汽車、醫(yī)療、教育等行業(yè)率先落地。”
寒冬中逆勢(shì)投入，科大訊飛堅(jiān)定布局源頭技術(shù)創(chuàng)新和系統(tǒng)性創(chuàng)新，為業(yè)務(wù)發(fā)展提供源頭動(dòng)力。科大訊飛2022年根據(jù)地業(yè)務(wù)也實(shí)現(xiàn)23%增長(zhǎng)的良性發(fā)展，穩(wěn)住了局面，夯實(shí)了基本盤。劉慶峰說，2023年將在更加堅(jiān)實(shí)的基礎(chǔ)上充滿信心地奮斗。
戰(zhàn)略牽引源頭技術(shù)創(chuàng)新
2022年初，科大訊飛基于未來老齡社會(huì)對(duì)機(jī)器人剛需的前瞻洞察，正式啟動(dòng)了“訊飛超腦2030計(jì)劃”，突破軟硬一體機(jī)器人的關(guān)鍵軟硬件技術(shù)，讓數(shù)字虛擬人和軟硬一體化機(jī)器人都能夠懂知識(shí)、會(huì)學(xué)習(xí)、有情感，能夠進(jìn)入并服務(wù)億萬家庭。
以訊飛超腦2030計(jì)劃為牽引來推動(dòng)源頭技術(shù)的系統(tǒng)性創(chuàng)新，科大訊飛過去一年在復(fù)雜場(chǎng)景的多模感知、多維表達(dá)、認(rèn)知智能和AI運(yùn)動(dòng)智能算法領(lǐng)域都取得長(zhǎng)足進(jìn)步。
多模感知實(shí)現(xiàn)語音與視覺、眼神、面部表情、肢體語言、環(huán)境的融合感知，多模態(tài)增強(qiáng)語音技術(shù)將主說話人的干凈人聲從嘈雜場(chǎng)景中分離出來，識(shí)別效果相較單模態(tài)提升約49.5%，在業(yè)界率先跨過實(shí)用門檻。在多語種語音識(shí)別、語音合成、圖文識(shí)別、機(jī)器翻譯領(lǐng)域，科大訊飛主要語種核心效果保持國(guó)際領(lǐng)先水平。
多維表達(dá)讓聲音和虛擬形象、肢體動(dòng)作和背景畫面實(shí)現(xiàn)聯(lián)動(dòng)，用更立體的方式對(duì)外表達(dá)。去年全球1024開發(fā)者節(jié)上發(fā)布的多風(fēng)格多情感最新語音合成系統(tǒng)SMART-TTS，利用文本和語音的預(yù)訓(xùn)練，能夠提供11種情感、40檔強(qiáng)弱可調(diào)的語音表達(dá)。劉慶峰表示，訊飛2D虛擬形象技術(shù)已達(dá)業(yè)界領(lǐng)先水平，已積累虛擬人資產(chǎn)1027項(xiàng)。“我們要基于AI虛擬人交互平臺(tái)打造中國(guó)的AIGC中心”，他進(jìn)一步說，“2023年將重點(diǎn)突破3D個(gè)性化形象建構(gòu)及Audio2Mesh驅(qū)動(dòng)，推動(dòng)3D形象技術(shù)領(lǐng)先。”
認(rèn)知智能站上新臺(tái)階。科大訊飛相繼在知識(shí)推理閱讀理解比賽OpenBookQA、QASC中奪冠，超過人類平均水平；同時(shí)在邏輯推理閱讀理解比賽ReClor中刷新全球最好成績(jī)，使得機(jī)器可以在越來越多的領(lǐng)域幫助人們解決更專業(yè)和復(fù)雜的問題。
AI運(yùn)動(dòng)智能實(shí)現(xiàn)從0到1突破。通過加大AI算法與運(yùn)動(dòng)控制的結(jié)合，讓機(jī)器人能夠勝任更高難度任務(wù)，較傳統(tǒng)主流運(yùn)動(dòng)控制方案效果提升30%。
2023年正式發(fā)布軟硬一體機(jī)器人產(chǎn)品
有了核心技術(shù)加持，讓數(shù)字虛擬人和軟硬一體機(jī)器人走進(jìn)億萬家庭、服務(wù)億萬用戶的愿景正從藍(lán)圖走向現(xiàn)實(shí)，并帶來全新的商業(yè)化機(jī)會(huì)。
多模態(tài)交互技術(shù)讓汽車人機(jī)交互更加智能，復(fù)雜場(chǎng)景識(shí)別效果可達(dá)92.8%；覆蓋71種語言識(shí)別能力的多語種技術(shù)，助力長(zhǎng)安、上汽、長(zhǎng)城、奇瑞等眾多中國(guó)車企走向海外市場(chǎng)。
新一代語音合成系統(tǒng)SMART-TTS基于多風(fēng)格、多情感的語音合成，能夠給電話客服、語音助手、教育科普、電商直播、虛擬偶像、有聲讀物等虛擬人場(chǎng)景帶來更加人性化的聽覺體驗(yàn)。
基于多模態(tài)感知和醫(yī)療認(rèn)知技術(shù)，科大訊飛可實(shí)現(xiàn)抑郁癥多模態(tài)問診篩查，抑郁定量技術(shù)效果超過基層全科醫(yī)生水平，并將在2023年正式發(fā)布面向全國(guó)青少年抑郁癥篩查平臺(tái)。
2022年全球1024開發(fā)者節(jié)上，科大訊飛對(duì)外發(fā)布機(jī)器人超腦平臺(tái)AIBOT，綜合交互大腦+運(yùn)動(dòng)控制+硬件模組等多種AI能力，可應(yīng)用于機(jī)械臂、仿生機(jī)器人、人形機(jī)器人、特種機(jī)器人等多類型機(jī)器人。基于多模態(tài)感知和AI運(yùn)動(dòng)智能融合，科大訊飛將在2023年正式發(fā)布軟硬一體機(jī)器人產(chǎn)品。
面對(duì)當(dāng)下不確定性的大環(huán)境，劉慶峰堅(jiān)信，源頭技術(shù)系統(tǒng)性創(chuàng)新是跨越寒冬的重要引擎，科大訊飛將繼續(xù)圍繞社會(huì)剛需推動(dòng)技術(shù)創(chuàng)新，回歸價(jià)值創(chuàng)造根本。
站在2023年的新起點(diǎn)上，劉慶峰表示，科大訊飛將開啟高質(zhì)量發(fā)展新階段，在更加扎實(shí)的基礎(chǔ)上，更高質(zhì)量、更從容地實(shí)現(xiàn)千億收入奮斗目標(biāo)。