林辰余光瞥了她一眼，摇摇头。
走到十五楼东侧的安全门前，俯身对准虹膜扫描仪。
“验证通过。”
厚重的隔音门滑开，里面的景象豁然开朗。
近千平米的开放式办公区被分割成数个功能区：声学实验室、算法开发区、语料标注区、硬件联调区。
墙上挂着一块巨大的进度看板，密密麻麻贴满了任务便签。
“林总！”一个戴着耳机、头发有些凌乱的男人快步迎了上来。
他叫周牧野，三十五岁，前中科院自动化所语音实验室的副研究员，两个月前被林辰用三倍年薪加项目奖金硬生生从体制内挖了过来，出任天音项目的技术总监。
“周总监，三个月了，给我看看你们的成果吧。”林辰开门见山的说道。
周牧野脸上闪过一丝紧张，但很快镇定下来，领着林辰朝声学实验室走去：“林总，按照您八月份定下的方向，我们目前主要攻克三个模块：前端信号处理与降噪、连续语音识别引擎、以及自然语义理解框架。这边请，我给您演示当前版本。”
声学实验室里四面墙壁铺满了尖劈状的吸音棉，中央摆着一张测试台，台上固定着一部改装过的蓝天S3手机，外接着一套精密的麦克风阵列。
周牧野拿起工程机，按下侧键，屏幕亮起一个深蓝色的声波图标。
“请播放嘈杂环境测试音。”他对旁边的助手说道。
助手按下控制台的按钮，实验室的音响系统瞬间爆出嘈杂的声响。
马路的车流声、商场的人声、厨房里的炒菜声，多种噪声叠加在一起，信噪比极低。
周牧野对着手机说道：“打电话给周周。”
手机屏幕上的声波图标剧烈跳动，两秒后，一个甜美的女声响起：“正在为您呼叫...”
林辰挑了挑眉，在这么吵的环境下能准确识别并执行，在这个年代已经算是顶尖水平了。
但周牧野的表情却没有太多得意，反而有些忐忑：“林总，这是简单指令下的表现。但如果换成更复杂的自然语句，比如…”
他清了清嗓子，再次对着手机说：“帮我查一下明天从北京飞深圳的航班，要下午到的，然后帮我订一张靠窗的机票，再发条微信告诉周周我明天到。”
手机屏幕上的声波图标闪烁了足足五秒，最后机械女声迟疑地响起：“抱歉我不太明白，您是要查询航班，还是发送微信？”
周牧野苦笑着看向林辰：“林总，这就是目前最大的瓶颈。单轮命令识别，我们在干净环境下能做到百分之九十五以上的准确率，噪声环境下也能维持在百分之八十二左右。
但一旦涉及多轮对话、复杂意图、前后语境关联，识别率和理解成功率就会断崖式下跌，跌到不足百分之四十。”
林辰拿起那部手机机，端详着屏幕上那个简单的声波图标。
2009年的语音识别技术，能做到这个程度，周牧野团队已经算了不起了。但他心里清楚，这远远不够。
“知道问题出在哪吗？”林辰问。
“数据量不够，模型太浅。”周牧野推了推眼镜，语气里带着研究者特有的执拗。
“我们现在的声学模型还是基于传统Gmm-hmm框架，语义理解更是靠规则模板硬套。想要实现您说的那种像人一样对话的效果，没有海量语料训练，根本做不到。
而且计算量太大，以现在手机处理器的性能，本地跑深度学习模型几乎不可能。如果全部走云端，延迟和网络稳定性又是大问题。”
“模型框架，全面转向深度学习路线。”
周牧野一愣：“深度学习？语音领域现在主流还是…”
“我知道现在主流是什么，但我要的不是主流，是领先。我给你三个目标参数，你记好。”
周牧野连忙掏出笔记本。
“第一，声学模型放弃Gmm-hmm，上深度神经网络，用dNN-hmm混合框架做过渡，最终目标是完全的端到端识别。训练语料我来解决，年底前我给你弄到十万小时以上的标注语音数据。”
“十万小时？”周牧野手一抖，国内目前公开的语音语料库加起来恐怕都没有一万小时。
“第二，语义理解不要再用规则模板了，上意图识别加槽位填充的联合模型。我要它能理解上下文，支持至少三轮以上的连续对话，并且能记住对话过程中的关键信息。
比如用户先说帮我订明天去北京的票，接着问那边天气怎么样，再然后说帮我带件厚外套，它要知道那边指的是北京。明天这个日期要延续到订酒店、查天气、提醒穿衣这一系列动作里。”
周牧野咽了口唾沫，只觉得头皮发麻。
这种程度的上下文关联，就是国际最顶尖的实验室也还在论文阶段。
“第三，本地算力不够，就从算法端压缩。量化、剪枝、知识蒸馏，这些手段全用上。同时，蓝芯微电子那边正在研发下一代应用处理器，我会让他们在芯片里集成一颗专用的神经网络加速单元，专门跑语音模型。
但在芯片出来之前，你们先用软件方案扛着，目标是把模型压缩到能在现有旗舰机上本地运行基础指令识别，复杂语义走云端，端到端延迟控制在三百毫秒以内。”
三百毫秒。周牧野在心里默念这个数字，这意味着从用户说完话到系统给出反馈，要在零点三秒内完成，几乎要达到人类对话的无感延迟。
“林总，这…”周牧野张了张嘴，想说这几乎是不可能完成的任务。
但林辰那双眼睛看着他，平静得像一潭深水，却又带着某种让人无法质疑的魔力。
“周总监，我立项的时候说过，天音项目不是要做一个玩具，不是要做一个只能设闹钟查天气的噱头。我要的是下一代人机交互的入口。
明年，深蓝系统的装机量很可能会突破五千万，后年可能会过亿。当用户习惯了动嘴不动手，谁掌握了语音入口，谁就掌握了移动互联网的下一个时代。”
他伸手拍了拍周牧野的肩膀：“技术路径你不用担心，按我说的方向走，该突破的瓶颈，会在该突破的时候突破。你现在要做的，就是把团队扩到一百人以上，分三个小组并行，声学组、语义组、工程组。钱管够，人管够，我只看结果。”
周牧野看着林辰，忽然想起自己入职那天，林辰在办公室里对他说的话：“跟着我，你会做出改变世界的产品。”
当时他觉得这年轻人狂妄。
但现在，看着这个比自己小了将近十岁的男人，他莫名其妙地觉得…也许真能做到。
“明白，林总。我等会就改技术路线图。”