科大讯飞会是典型的AI泡沫吗

随着BAT等巨头入局语音技术领域,科大讯飞面临前所未有的竞争压力。虽然科大讯飞在技术上领先,但并未形成强大的技术壁垒。


在国内提起人工智能,必能想到就是科大讯飞。显然在一些投资者心目中,科大讯飞已经是人工智能的代名词。带着这样的一个光环,从今年10月底起,科大讯飞(SZ:002230)股价就开启了上涨模式。在11月22日,盘中股价创下74.76元的新高,市值一度突破千亿元大关。


不过A股向来不缺概念和题材,也不缺对高科技的憧憬和幻想,对于那些披着高科技“光环”的公司,A股向来不吝啬给予高估值,网宿科技、乐视就是其中的例子。对于科大讯飞来说,能否撑起近千亿市值也是一个疑问。


BAT等入局,曾经的伙伴变成对手


近一周,科大讯飞再次成为舆论热议的焦点。与科大讯飞1024开发者节不同的是,这次成为舆论焦点确是因为被视为科大讯飞竞争对手的百度,有了新动作。百度宣布语音技术全系列接口永久免费开放,一夕间,媒体炸锅,纷纷热议AI免费战再升级,百度剑指科大讯飞。


语音交互可以说是人与机器“交流”的重要环节,这对于未来的人工智能而言是非常关键的入口。科大讯飞在中文语音技术市场已经占据60%以上的市场份额,他的核心技术就是语音合成与语音识别,百度宣布语音技术全系列永久免费,对于科大讯飞来说这绝非什么好消息。


事实上从2015年起,中国互联网三大巨头BAT就开始入场语音技术领域。 


百度语音技术经过多年的发展和积累,已经形成从模型算法、开发组件、场景覆盖到行业应用的全链条。此次宣布百度近场语音识别、长语音识别、远场语音识别、语音合成、语音唤醒等百度语音核心功能,开发者都可以免费使用,支持IOS、Android等多平台接入。目前,百度语音已经与游戏娱乐、视频直播、智能硬件等多个行业展开合作。百度的语音技术已进入了手机、智能电视、影音娱乐、出行、O2O、翻译、教育、聊天……


而且在近期有传闻称,国内一家排名前五的手机企业,今年由科大讯飞转投百度,导致科大讯飞失去了一笔约2亿元的订单。虽然被科大讯飞所否认,但也从侧面可以看出科大讯飞目前所面临的竞争。


据《财经》杂志报道,腾讯QQ自2006年起就是科大讯飞的客户,但目前腾讯所有语音端都采用自己研发的AI技术;而阿里的淘宝、支付宝电话客服质检、天猫精灵、优酷、虾米音乐等都应用了自己的语音技术。不仅如此,2014年的时候,科大讯飞还是搜狗语音助手底层语音技术的支持者,而今,搜狗也已完备了自己的语音团队,推出了语音实时翻译技术。


除了自家使用语音技术外,BAT也在加速对外开放平台,滚动扩张。阿里云、腾讯云小微、百度DuerOS平台都开放了语音识别、视觉识别等AI技术。与此同时,创业公司思必驰、出门问问、Rokid等也纷纷加入开放阵营。


现在百度All In人工智能,腾讯微信的语音输入准确性已非常高,阿里推出地铁站语音购票,这一切都说明巨头们的降维攻击已经开始。虽然科大讯飞早在2010年就搭建全球首个语音开放平台,但BAT正以互联网速度追赶,随着巨额资金投入,大家之间的差距在不断缩小。

除了开放平台,分赛道也正在被蚕食


语音是下一代人机交互的入口。智能语音这块蛋糕有多大,是无法用数字量化的。就像互联网+,未来语音技术会以AI+的方式,向各场景渗透。赛道是通过人工智能核心技术+应用数据+领域支持,构建垂直入口或行业刚需。到目前为止,BAT加速布局2B(企业级)和2G(政府)市场,在教育、医疗、司法、汽车、客服等领域都已有涉猎,其中,司法成为最激烈开战的领域之一。


在司法领域,全国共有2万多家法院。为拿下一家法院,通常要经过多轮PK。部分法院,每星期要PK一轮。有时,一个项目要跟进半年到一年。截至今年6月,超过100家法院应用了科大讯飞智慧法庭庭审系统;但与之相对的是,阿里云的语音技术已快速渗透进300多家法院、6000多个法庭。今年夏季才入场的腾讯和国双科技,在短短几个月时间中,也至少与40家法院达成了合作。与腾讯在司法领域合作提供AI方案的国双司法大数据事业部总经理王锰对AI财经社分析,“司法产品可以标准化,因为司法程序是全国统一的”。因此,擅长通过平台通吃的BAT,在这个领域能够展现更多优势。


不仅如此,BAT甚至以更快速度提供更全面的技术。之前,科大讯飞将语音AI与庭审环节结合,做语音转录,但腾讯和国双科技称,他们已将AI运用到法院的核心领域——裁判环节,通过人工智能技术自动给法官推送“类案”,从而辅助法官量刑。科大讯飞在年度发布中也宣布在这一方向上发力。这一次他们还是选择“上层路线”——与最高法、最高检达成合作协议。 


在教育方面,这是科大讯飞主营三块业务之一。去年底,科大讯飞将旗下业务拆分成教育、智慧城市和消费者三个事业部,公司三分之一员工都在做教育。根据2017年半年财报,科大讯飞投入教育方向的费用同比增长21.27%,教育板块营收同比增长57.71%,毛利同比增长105.56%。


教育行业的一个关键特色是非标准化,这给科大讯飞构筑了天然屏障,产品线丰富可以不局限在语音方面,还可以覆盖从课堂到课后再到学校管理的方方面面。这让BAT互联网企业很难施展他们赢者通吃的那套打法。


不过,从营收占比来看,科大讯飞排前三的依次为教育产品和服务(27.44%)、信息工程(25.07%)和电信增值产品运营(12.17%),这无疑不表明科大讯飞仍是一家主营软件产品、服务和系统集成的企业;从科大讯飞的营收和利润增速来看,并不能支撑其现在的高估值。


在其他市场,创业公司也在小步快跑。如思必驰正布局车载、智能家居、机器人三个领域,云之声布局医疗和车载。


BAT与科大讯飞的争夺战也在其他战场全面爆发。然而,不可忽视的现实是,语音交互技术发展到今天,算法本身已经不再是壁垒,许多公司语音识别率都已经达到95%以上,差别早已不大。即使科大讯飞的语音识别技术在多项比赛中多次蝉联第一,这样微弱的领先优势也不足以给科大讯飞构成强大的护城河。

现在的讯飞,已经站上了命运的交叉口


与高市值相比,科大讯飞的财报则略显逊色。据科大讯飞三季报显示,前三季度实现营业收入33.87亿元,净利润1.69亿元,同比下降39.45%。


从营收占比来看,科大讯飞排前三的依次为教育产品和服务(27.44%)、信息工程(25.07%)和电信增值产品运营(12.17%),不难看出科大讯飞目前仍是一家以教育产品和信息工程服务为主的企业,其中与人机交互产品和解决方案的占总营收4.82%,智能硬件产品占总营收的1.06%,显然科大讯飞的营收并非来自人工智能领域。


曾有财务专家质疑:“从财务报表来看,科大讯飞在经营层面是一家快速增长但含金量不高的公司;在管理层面,是一家扩张很快但效率低下的公司;在财务层面,是一家擅长募资但却不擅赚钱的公司;在业绩层面,是一家大手笔花钱但股东回报率却低下的公司。在其光鲜的增长背后,其实隐含了巨大的风险。”


事实上,从科大讯飞半年财报来看,因人机交互解决方案和服务方面和2.7万家智能硬件客户建立了合作关系,使得人机交互服务方面的营收大幅度提升,同比增加131.47%,成长迅猛,不过测算每个客户贡献7285元,基数依然很少。另外,智能硬件产品为科大讯飞带来了营收2697万,但并没有公布叮咚音箱具体销量数据,只是表述在京东线上的销售稳居 WiFi 音箱品类第一,占销量 80%以上,而2016年年报显示叮咚音箱销售不足10万。


不仅如此,今年国内智能音响市场可谓形成了“百箱”大战的局面,市场竞争格局日益激烈,包括联想、小米等众多参与者进来,阿里推出的智能音箱“天猫精灵”,价格甚至比讯飞便宜,在双十一更是进行了巨额补贴,以低于成本价销售,仅双十一一天销量便达到100万台,而科大讯飞是不可能进行大规模亏本销售的。不难想象,一旦BAT等有实力的巨头在语音识别领域进行大规模补贴进行推广,科大讯飞的市场地位会岌岌可危,毕竟大家识别率都在96%与97%左右的时候,用户更关注的就是服务和价格。


其实,尽管BAT这些企业进场晚,但在流量、应用场景、资金实力等方面先天的场景落地能力,这是讯飞远远不能比拟的。


而最让科大讯飞尴尬的事情其实应该是,既不掌握太多的场景消费入口,也缺少构建产品生态的底气。科大讯飞常年走所谓高端路线,过度依赖ToB市场,将自己和产品都打上了深深的2B烙印,导致产品不够贴近市场,决策机制缓慢,经营管理、人才管理、财务管理的水平跟技术水平相差太多。这也导致讯飞目前尚且缺少一款县现象级别产品。


不过,科大讯飞或许也意识到这一点,于是开始爆发式的市场布局,急迫地想要证明自己的产业落地能力。虽然刘庆峰今年3月在湖畔大学上讲到,“光做2B不行,一定要做2C把想象空间打开,未来2C业务收入要占半壁江山”,但目前进展并不突出。而且想要迅速转变作风打法,甚至从内生基因层面来改变,恐怕并不容易。


科大讯飞虽然在技术上领先,但并未形成强大的技术壁垒,随着BAT等巨头的持续投入对科大讯飞形成威胁,使得科大讯飞在语音识别领域很难获得较多的利润,科大讯飞未必能支撑它近千亿的市值。


本文由钛媒体编辑综述自益研究(ID:EYANJIU)、创大资本、新浪科技、传感物联网等。

2017 T-EDGE年度国际盛典倒计时开始啦,点击阅读原文,火速报名


点击阅读原文,报名参加2017 钛媒体T-EDGE年度大会

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
Foodpanda 的全面记录,包含 6000 条精心整理的记录,涵盖了从客户人口统计信息到订单、支付、评价和配送细节的各个方面。它为数据分析师和研究人员提供了一个丰富的资源,可用于深入分析和洞察 Foodpanda 的业务运营和客户行为。 数据集内容客户人口统计信息:数据集详细记录了客户的年龄、性别、收入水平、地理位置等基本信息。这些信息有助于了解不同客户群体的特征,为精准营销和客户细分提供数据支持。 订单信息:每条记录都包含了订单的日期、时间、金额以及购买的商品或服务。通过分析这些数据,可以发现客户的购买习惯和偏好,例如哪些时间段是订单高峰期,哪些菜品最受欢迎。 支付信息:数据集中还包含了支付方式、支付状态和支付金额等信息。这些数据可以帮助分析不同支付方式的使用频率,以及支付成功率等关键指标。 评价信息:客户对订单、服务或产品的评分和评论也被记录在数据集中。这些评价数据对于情感分析和客户满意度研究至关重要,能够帮助 Foodpanda 了解客户的真实反馈,从而改进服务质量。 配送细节:数据集还详细记录了配送时间、配送地址和配送状态等信息。通过分析这些数据,可以优化配送路线和时间,提高客户满意度。 数据集的应用场景:客户行为分析:通过分析客户的购买习惯、偏好和评价,可以更好地了解客户需求,从而提供更个性化的服务。 客户流失预测:利用数据集中的客户行为和评价数据,可以构建模型预测哪些客户可能会流失,以便提前采取措施挽留。 客户细分:根据客户的人口统计信息和购买行为,可以将客户划分为不同的群体,为每个群体提供定制化的服务和营销策略。 销售趋势分析:通过分析订单数据,可以发现销售的增长或下降趋势,为业务决策提供依据。 情感洞察:通过分析客户的评价和评论,可以了解客户对产品或服务的情感倾向,及时发现潜在问题并加以改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值