从硬到软

不管从硬到软还是从软到硬，说的都是公司本身不做产品，而是为做产品的公司提供服务。从硬到软说的是公司认为公司优势必须从前端（比如麦克风阵列）开始，延伸到后端（云端）。从软到硬则是说公司认为云是智能的核心，前端优先级较低。当然我们可以讲最好两端都强，但创业公司由于资源、创始人背景限制通常只能先强调某一部分。这两种模式又可以分别落在语音交互与计算机视觉上，但由于很难杂在一起说的清楚，所以下面会拿语音交互这个方向做例子先把这两种模式说清楚，最后再总的分析下这两种模式。

国内语音交互人工智能创业公司里走从硬到软赛道的公司还比较稀少，最典型的应该是声智科技（这公司是我Portfolio公司，所以比较了解），声智科技是从最底层的声学阵列开始，先做噪声抑制、混响消除、回声抵消等，反过来再考虑上面的ASR等，与云知声等的道路正相反。

这种模式的好处是可以站到产业链的最前端，容易落地，是数据的必经之路。而数据本身是未来ASR甚至NLU的核心驱动力，所以后劲比较足。

坏处是短期需要用硬件获取客户，并且需要组织硬件的生产，需要较多的启动资金。

可以讲产品系创业公司的成功事实上有两个外部要求：一是趋势要来，其次是产品要经得起市场检验。从硬到软的公司也有两个外部要求，一是趋势要来，二是要技术过硬，有价格优势。2B的公司所面临的客户通常非常理性，很多花哨额营销反倒是作用不大。

从软到硬

语音交互上从软到硬比较典型的创业企业则是云知声，这种模式选择和公司定位甚至从名字上就可以看得出来。

从软到硬的好处是更容易覆盖已有的成熟计算平台，比如所有的App都需要一个自己的Siri，那云知声这样的企业只要做好技术壁垒，等着携程、今日头条上门就行了。这个方向上主要的挑战在于要和大公司（比如百度和讯飞）直接竞争。我们这篇文章主要关注的是新硬件产品上落地，所以这点不再展开。

坏处则是在新硬件产品（Echo、汽车、机器人、AR等）上很难落地，因为为了在新硬件产品上落地，中间必须加入阵列那一层，否则效果会很差。而一旦无法落地，其技术优势就很容易被突破。语音识别的精度骨子里是数据驱动的，但显然不做阵列等硬件，你没法落地，没法落地就没有数据，也就很难获得数据、技术、精度、场景上的正反馈，也就不容易解决真实环境的语音识别精度问题。云知声等显然认识到了这一点，所以也在积极往这一方向扩展。这时候通?；崤龅饺砑笠悼缃缱鲇布囊话阈晕侍?，比如供应链侃价搞不定会导致同样的产品成本会高个百分之几十等。