在美国热播剧《生活大爆炸》中有一集十分有趣：宅男Raj手持一部iPhone 4S，爱上了其中的语音助理Siri，虽然后者只是一种发女声的手机功能，但Raj深陷其中不能自拔。他会询问Siri附近的咖啡馆在哪儿，并想象自己去那里与它约会，甚至会让Siri给自己放首歌，深情地边听边说：“只有你最懂我。”

虽然剧情夸张，但起码这从一个侧面证明，手机语音功能的普及让普通老百姓也开始能接受这样的笑料，也证明了在移动互联网时代，语音技术正在成为一种流行的、全新的人与手机的交互方式。

在微软创始人比尔·盖茨眼中，未来影响世界的三个技术领域——语音、触摸和视觉中以语音居首；而苹果公司更是在新一代iPhone中直接将语音助理Siri作为了其最大卖点之一。

拥有语音技术的公司成为大众热点，也成为移动互联网的行业焦点，这使得一家在公众视野蛰伏了10年的中国本土公司逐渐浮出水面。

讯飞立足点

1999年春节前夕，安徽合肥，现在的科大讯飞董事长、当时的中国科技大学在读博士生刘庆峰实际上正面临两难选择。他所在的中国科技大学的语音实验室一直与一家福建企业合作，可对方因为种种问题资金遇上了困难，连实验室的基本工资都发不出。作为这个实验室的负责人，他要么“事了拂身去”，出国并继续他的博士学业——这样整个团队势必会解散；要么留下来牵头带领这帮一起干的伙伴们继续前行。

据科大讯飞副总裁江涛回忆，“庆峰其实只需要把实际情况跟大家说清楚，跟自己就半点关系没有，但他还是不动声色地以个人名义借了钱回来给大家发工资”。

“当时我还是有点过度乐观吧。”刘庆峰说，“我们下决心产业化，当时的信心和现在一样，认为未来每一部手机、轿车、家电、玩具，语音都将成为一个基本需求点，而且以我们的技术能力，有可能成为行业领导者。”

在此之前，实验室参加“863计划”的比赛刚刚以3.0的高分夺得第一名。中科大的学生当时会聚了全国精英，而在团队里还有一些外面的技术高手，刘庆峰认为解散太可惜。资方并不懂技术，较为急功近利，经常进行研发方向的调整，把团队折腾得够呛，刘庆峰决定站出来解决这一切。“本来我们的梦想是成为类似美国贝尔实验室的存在，我就当个总工程师挺好，可形势的发展让我不得不站出来当CEO。半年之后，感觉还不错。”他说。

这就是科大讯飞的成立故事，从里面不难看出这家公司的一些特征：技术驱动、对语音未来的笃定以及浓浓的校园风格。这使得它和美国硅谷一些知名技术公司拥有相似的气质。

可是语音到底什么时候能够产业化并且获得收益？没有人心里有谱。

其实早在20世纪70年代，世界各国就有很多组织开始研究语音技术，包括语音识别、文本朗读、指令判断等。到20世纪80年代，语音就开始被称为“未来5年的技术”，可过了一个又一个5年，它却似乎永远站在远方，离普罗大众的距离从未真正接近过。在国内，20世纪80年代“863计划”也扶持了很多语音实验室进行相关研究，中科大、清华、声学所、语言所等均在其列，只是研究的侧重方向各有不同。

为什么语音技术难以产业化？因为语音技术说白了就是机器对人声音的识别、判断与输出，涉及到不同国家、不同口音的人和大量声学、语言学、数字信号处理知识。作为一项基础技术，它不仅考验语音听和写的能力、搜索能力、语音合成能力，还有复杂得多的与电脑相关的数据库等后台能力。

在单机时代，光是辨别语音所需要的庞大数据库存储和计算能力就让人头疼。要想语音识别准确，就必须有海量数据库进行匹配，还要通过算法来让它实现快捷高效，这几乎是一件不可能完成的任务，硬件的门槛将无数研究者阻挡在技术商用化的门槛之外。

可是从20世纪末开始，一切似乎正在发生变化。互联网的兴起让这样一种模式成为可能：大量的存储计算放在服务器端（云端）来完成，而前端的电脑则只需要采集声音和给出反馈就可以了。只不过网络带宽的限制以及电脑麦克风当时并不普及，语音技术还没获得生根发芽的土壤。

此时的科大讯飞，在拿到第一笔投资、还未能盈利之前，就做出了一项“风险很高”的决定：以企业的方式，与中国在语音研究领域领先或有特色的院校建立联合实验室形成了“产学研”结合的雏形。

它的逻辑很简单：语音技术未来一定很值钱；各个院校拥有不同细分领域的语音技术，融合起来才能具有威力；能将中国最好的做语音研究的人才尽可能网罗到一起。这笔“技术投资”，为讯飞今后的发展提供了坚实的基础，这也是讯飞从技术核心出发的第一项重要决定。

从B到C

心气高、兵马壮的讯飞，几乎在做第一个产品时就遭遇了挫折。“当时我们做了一个面对消费级PC市场的统一输入法，你可以用语音、手写等各种方式输入中文，可产品辛苦研究出来却没有人买账。”江涛说。

对当时的讯飞来说，消费级市场实在是一个难以跨越的坎，因为它意味着要为产品建立一个全国的销售网络、服务网络，光服务成本就入不敷出。再加上2000年初，“统一输入法”这样的产品并没有市场，消费者根本没有对于语音的认知，而键盘和鼠标已经足以满足他们在PC上简单的输入需求。

这时候，刘庆峰做出了第二个重要决定：砍掉辛苦努力了很长时间的B2C业务，专注于B2B企业级服务。

在之前1999年中国国际高新技术成果交易会上，科大讯飞只有几平方米见方的展台上迎来了几位客人，他们对讯飞的产品表现出不同一般的兴趣与了解。这是华为的人，作为移动通讯设备厂商，他们看到了语音对于移动通信产业的意义。双方几乎一拍即合，华为采购语音引擎，讯飞则成为其技术供应商。

好的技术总会有价值，与消费者相比，企业客户更专业、理解力更强，这让几乎全技术班底的科大讯飞不用再去做那些不擅长的事，将精力聚焦在了语音技术本身和运营服务中。

客户接二连三地来，讯飞也终于摆脱了刚开始的茫然，进入有序发展，并接连引入了联想投资、复星资本等投资方。“联想和复兴的风格完全不一样，前者对我们工作很细致，帮助我们建立了管理体系；后者则完全信任，给了我们更强的信心。”2004年依靠B2B，讯飞实现了盈亏平衡。

已经有了一定实力的讯飞开始将目光再次瞄向最终用户，可它却用了一种由企业到用户的曲线方式。它向自己的电信运营商客户如中国电信提出了一项要求：希望从只提供技术引擎，变为自己来直接做运营与维护。这样来与用户发生接触。

与此同时，它还发现了另一个“金矿”，那就是教育市场。学习不过是“听说读写”，其中很多层面涉及语音，通过提供这一垂直场景的带读、朗诵语音评测等技术功能，讯飞已有斩获，基本上对教育市场（学习机）形成了近乎垄断的优势。

2008年，科大讯飞上市。在企业级市场上技术加实干，为它赢得了极大空间，可上市之后干什么？讯飞将目光重新投注在了其初衷上。

当时做统一输入法为什么失败？“不是模式错了，而是模式没有适合当时的背景。”刘庆峰说。而现在，背景环境似乎已经转向。

新基础服务提供商

2007年开始，移动互联网迅速发展。iPhone手机和Android系统的发布让智能手机迅速开始普及，移动带宽到3G时代得到了明显提升，而手机天然的随身性和麦克风等硬件所赋予的良好交互性，为语音类产品发展提供了天然机遇。

讯飞一方面深入语音研究，对技术最前沿能做到什么样心里有底，另一方面，与数千家合作厂商日复一日的密切接触，能让它对产业引爆点的判断更加精准。

传统语音技术，无外乎语音合成、语音搜索、语音听写三类，在准备了很长时间之后，2010年末，讯飞推出了自己的“语音云”平台，将语音能力提供输出接口，让很多移动互联网创业者能由此为自己的应用引入语音能力。而在此之外，讯飞则选择擅长的领域做一些“示范应用”，在第一代语音云上，示范应用是讯飞语音输入法和互联网电视语音搜索。

这是另一片战场，国外谷歌等互联网公司也有提供类似服务，但讯飞在技术上有着过硬的功夫。2006年到2011年，讯飞连续6年获得英文语音合成国际大赛（Blizzard Challenge）第一名，2008年获得国际说话人识别评测大赛（NIST）第一，2009年则又拿下高难度混淆方言测试指标冠军。

到2011年末，一年时间讯飞语音云用户总数超过1000万，而之后三个月，用户总数超过了3000万，合作伙伴超过3100家，每天服务请求量超过700万次。这是一个惊人的数字。

2012年3月22日，讯飞在北京国家会议中心举办新一代“语音云”发布暨语音开发者大会。联想控股董事局主席柳传志来了，创新工场董事长兼CEO李开复来了，小米公司、大众点评、知乎等互联网公司也来了，现场人数达到2300人之多，场面火爆。所有人的目的都只有两个字：语音。

新一代语音云增加了自然语言理解、个性化语音识别、口语评测等新能力特性，而其示范应用，则是一款名为“讯飞语点”的工具。

在试用过程中，讯飞语点虽然还有一些小Bug，但总体表现出了很强的辨识度和易用性。比如当你念出“把张三的手机号码发短信给李四”，语点就能自己识别出人名、指令，并完成相关操作。除此之外，它还能设置日程提醒、手机导航，还能查询天气、股票等信息，甚至可以做算术、讲笑话。这一应用将新的语音云平台能力展露无遗。

毫无疑问，经过10多年发展之后，讯飞有了两块最具价值的资产，那就是语音云和相关技术，再往上，各个实验室是“正在下金蛋的鸡”，而产业合作还在将这些金蛋换成金钱。

据《商业价值》了解，考虑到新一代语音云平台多出了很多新的特性，不仅增加了指令和个性化学习，而且还大幅提升语音识别准确率，讯飞今年年初曾面临两个选择：一个是独享自己的语音云平台，基于它推出新的创新产品，二是直接将升级版的语音云平台向整个行业开放。

在思索一段时间后，讯飞还是决定选择后者，因为作为一种基础能力，开放的语音技术力量将能支撑整个行业用更快的速度前行。

现在，讯飞的想法是自己做10%。“我们做开放平台跟讯飞的特点有关。语音应用无处不在，在每个领域都有前景，能力要和应用场景深度结合才有用，这是一条漫长的路。”刘庆峰说，“我们有最好的嘴巴和耳朵，还有基本思维，可是需要大家一起教育它。”

而相关的应用场景，最主流有三类：手机基础操控类，比如打电话、发短信、设置日程等；助理类，订酒店、问路、问天气等；还有行业伙伴在各个行业的产品中增加听说功能。这已经是一个相当大的布局，讯飞正在向着新一代移动互联网基础服务提供商的位置前行。

有人觉得，科大讯飞的几个发展点都踩得很正，并且符合语音技术产业化的成熟节奏：成立后不久就找到了华为、中兴等移动设备商作为客户，用稳定的收入站稳了第一步；后来又在合适的时间点与移动运营商合作，同时发现教育市场这片金矿，成为其中语音最有影响力的技术产品提供商；2008年上市后，开始从企业级往移动互联网消费端渗透，做讯飞语音输入法并获得一定成功，第一版语音云平台也拥有了3000多个合作者，未来机会很大。

这确实是科大讯飞比较重要的三个发展阶段，但它远远不是全部。

刘庆峰认为，讯飞走的是一条“弯曲的直线”，朝着正确的方向，但中间也有很多不为人知的失败，“我们不是刚好踩到点，只是很多踩不到点的地方大家都看不到而已”。

对他而言，讯飞目前的成果经过了几代人的努力，核心技术持续突破，到如今才真正达到了大规模实用的门槛。而讯飞一直在朝着既定目标前进，那就是让语音真正成为所有人身边能使用的产品。