李根 发自 Vegas 

量子位 报道 | 公众号 QbitAI

万万没想到，一条数据线火了。

在2018 CES现场，这根线成为关注的热点之一，它被华尔街日报评价“Best of CES 2018”，还拿到了智能家居、智能车载、智能应用软件以及科技促进生活等4项2018 CES创新大奖。

不说你也猜到了。AI时代下，这肯定不会是一条普普通通的手机数据线。

那它有何不同之处？可以先看看这段网上流传挺广的视频。

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=w05322e3p9w&width=670&height=376.875&auto=0" style="display: none; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=w05322e3p9w&width=670&height=376.875&auto=0"/>

KikaGO

这个数据线，真名叫做KikaGO。

除了给手机充电，KikaGO还能以语音交互的方式，帮助用户完成很多操作。包括接打电话、即时通信软件的收发信息、导航以及播放音乐。

更为特别之处在于，KikaGO能在非常嘈杂的驾驶环境中，准确识别用户的语音指令，而且通过声纹识别技术，可以只听令于自己的“主人”。

其实KikaGO不只是一个数据线，更是一个“全语音车载助手”。在CES现场，Kika对量子位表示，这个产品软硬一体打磨的挑战并不小。

△KikaGO外观

但从硬件上，KikaGO为什么选择这种方案？

最主要的原因还是车内噪音较大，驾驶环境下，手机与司机之间的距离约有50cm。要在这个距离与手机语音交互，需要比较大的声音。

为了解决这个问题，KikaGO选择在常见的数据充电线上，创造性的加装了2个朝向相反的收音麦克风。因为要解决降噪的问题，至少需要两路音频信号。

数据线上还有一个芯片，用来进行信号转换和增益。随后，这些声学信号传送到手机端的KikaGO应用中，继续完成语音识别、语义理解等程序。

用户的指令，会被KikaGO进一步推送到第三方App中。据介绍，有了KikaGO的协助，司机在驾驶全程中，操作手机只需动嘴、不需动手。

△KikaGO场景应用图

如果你想试用KikaGO，还得英文好才行。但可能你不知道，Kika起源于中国。

这家全员都以英文名片示人的公司，目前公司在北京和硅谷设立双总部，分别在印度和台北设立了研发中心。

Kika也不是一家刚创立的公司。早在2014年就推出了首款输入法产品Kika Keyboard，还在2015年拿到了“Google Play顶尖开发者”称号。

不过由于主打海外，国内用户直接感知接触有限。

目前，这家来自中国的公司在海外进入了140多个国家，支持173种语言，全球用户数量达4亿，月活6000多万。

也就是说，Kika做的事情跟国内的搜狗类似。这或许能解释Kika能够推出KikaGO的原因，用户、数据量、语音输入、人机交互等等之前的储备，都为现在做好了准备。

全语音解决方案

KikaGO背后到底有什么技术挑战？量子位从Kika CTO姚从磊博士口中获得了答案。

首先最直接的挑战是口音。与国内语音交互中的方言类似，英语场景也会面临口音问题。姚从磊说，通行的解决方法是收集更大规模的口音数据，然后进行训练优化模型，或者用更少的数据，但利用更多的深度神经网络，实现更好的效果。

在具体解决中，Kika两条腿走路。一边是靠数据底子，因为输入法有强大的用户基础，打造了一个千万量级的语音和文本数据集进行模型训练；另一边也在不断优化技术，同时与约翰霍普金斯大学进行合作，既做半监督的语音声学模型训练，也把输入法中的上下文信息理解应用到语言模型中，大幅提高语音识别的准确度。

其次还有理解。区别于文字输入，语音交互中缺失了标点符号、emoji等反映人类情感的信息，于是容易造成理解偏差，甚至谬以千里。

在情感理解方面，Kika也做了两手方案。

一手方案是构建情感数据集，涵盖各种情绪表达，在用户输入语音和emoji系列之间找到联系，利用深度学习网络训练，该数据集规模上接近亿级，主要来自Kika用户输入的匿名化脱敏数据。

虽然也曾经尝试过Twitter上的公开数据，但最后发现用户场景和日常IM聊天还不尽相似，数据效果不算好。

另一手方案是通过技术功能完善用户体验。比如支持用户用语音编辑、修正已经输入内容，降低用户使用语音输入的门槛。

此外，软硬件结合方面也有交叉整合带来的问题。

比如数据线本身功能是充电，但作为语音方案硬件载体，还需要考虑数据信号传输方面的效果。

还有安卓手机如何通过充电口，完成充电线与App之间声音信号流传输联动，且不干扰其他App，个中问题也不少。

最后还有车型号本身，大车、小车、SUV等不同空间的车，对于收音效果可能都会有影响，如何做到不同空间距离的识别效果最佳，以及车速较快、开窗、车内音乐播放等场景下的降噪表现，都是一道道需要亲自打磨测试才能解决的难题。

这也是Kika首次推出硬件相关产品，CTO姚从磊坦言：吃了不少苦头，趟过了不少明坑暗坑。在软件技术上准备好后，又经历了6个月的时间打磨产品。

不过，从当前市场反馈来看，无论是CES 4项大奖的奖励，还是社交媒体上用户的刷屏反馈，不仅击中了用户痛点，也是种瓜得瓜。

实际上，对于Kika这样的公司而言，生长壮大于移动互联网浪潮中，现在又面临大数据基础上的AI机遇，进入新领域、诞生新物种，也属于情理之中。

而且对于机器学习出身的姚从磊而言，深度学习为核心的AI革命，还提供了一种提升产品能力、完善产品体验的方法，是一把得心应手的锤子。

对于技术研发人员而言，可以通过问题(钉子)寻找，运用得力大锤解决问题。

这位Kika CTO甚至将此称为：AI思维。

AI思维

姚从磊举例说，对于输入法为代表的人机交互产品来说，核心标准是：全、准，快三个方面，这三大挑战在深度学习革命之前并没有解决得很好。

但如果基于AI技术，“全”方面可以通过多媒体内容库中的索引、分析和推荐，用户从输入感知层面能感到词库更全；而“准”方面，识别和理解方面更是大幅度突破，是60分到90分的提升；“快”的问题上也能抛开传统统计模型的缺点，对联想词的准确度有更精准的提升，甚至是数倍的提升。

除了核心产品本身的能力提升，姚从磊也在内部鼓励团队到产品线的全链条中寻找“钉子”，然后试着用AI这把得心应手的工具提升用户体验。

或者也能在核心发展AI引擎的主线上，不断拓展边界，推出之前没机会尝试的产品，比如当前推出的KikaGO.

姚从磊透露说，基于之前技术和数据的积累，现在Kika已经建立起了自己的AI技术库，将围绕输入法引擎（Engine Alps）、语音引擎（Engine Appalachian），以及内容推荐引擎（Engine Andes）推出更多AI落地方案/产品。

△ Kika的AI技术库

但也不是没有挑战，比如供不应求的AI人才。

不过这位Kika CTO回应说：并不是非常担心，即便竞争激烈，但Kika在数据、技术提升方面的实力会日益彰显，并且Kika也形成了吸引和培养AI人才的成熟机制。

“如果你的某一个技术提升就能让数千万人的生活更美好，想想就很激动人心。”

OMT

最后补充一句，这款拿了一堆奖的KikaGO，还没有正式发售，连售价也没有确定。而且主要的销售市场也是海外并非国内。

TO B是一个更重要的方向，基于场景方面的考虑，KikaGO也在寻求更多的合作伙伴，也许未来Uber、Lyft的司机都会用上这款产品。

— 完 —

加入社群

量子位AI社群13群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot5入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot5，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态