11月8日，在11月7日开幕的第五届世界互联网大会上，搜狗正式发布了与新华社共同开发的全球首个全模拟智能合成主机“AI合成锚”，并宣布搜狗未来人工智能核心技术“搜狗分身”也受到了广泛关注。
据报道，观众只要将现有的新闻文字输入到“AI合成主播”中，就会在屏幕上看到合成新华社的新闻主播，他不仅会使用与真人相同的声音进行广播，而且嘴唇、面部表情也能完全匹配。这样的视频效果，无论是看起来还是听起来，都和新华社主播自己的实际广播没有太大的不同。
在合成锚的开发过程中，搜狗公司相关技术人员和新华社新闻锚进行了各种探索尝试，在“搜狗分割”技术的支持下，通过人脸关键点检测、人脸特征提取、人脸重构、唇部识别、情感传递等多种前沿技术，并结合语音、图像等多模态信息进行协同建模训练。“AI合成锚”正式诞生了。
同时，搜狗智能语音事业部总经理王燕峰表示，“搜狗拆分”技术是搜狗人工智能的核心技术之一，是在搜狗“自然交互+知识计算”的人工智能理念下诞生的。该技术利用搜狗的AI能力，在图像表示、语音语言习惯、逻辑思维等层面将AI拟人化，克隆并创造人类的AI分身，帮助人类提高信息表达和传递的效率。这项技术是支撑“AI合成锚”正常运行的核心。
发布会结束后，搜狗CEO王小川接受了腾讯科技等媒体的采访，以下是部分采访记录（删减原文意图不变）
记者：就像我说的，他失业了吗？
王小川：首先，人工智能技术可以分为感知技术和认知技术。感知有声音和图像在感知技术的方向上，机器基本上可以做得和人类一样好。但是，在这个方向上，推理、思维、以核心为核心的东西的能力是有限的，当涉及到这一高度时，它现在是不可能的。
媒体：有可能吗？
答：我们没有这种技术。法律或医学等特定领域的垂直领域越窄，机器在特定领域接近人类的可能性就越大。人工智能不是一个大术语，人工智能有很多含义。在这种情况下，人工智能被提升到与人类认知相关的东西，而机器只能辅助，没有办法取代人类。但是，就像Face++和SenseTime一样，如果你只听声音或看图像，机器已经可以取代你的部分感知。当涉及到人类的高级活动时，机器不可能取代人类。高水平的活动称为认知，低水平的活动称为感知，而现在的机器可以进行感知，这是一个大盒子。
媒体：人工智能合成锚，你如何看待人与机器的关系？交流还是合作？
王小川：这个名字是新华社决定的人工智能合成锚，这项技术包括语音合成、表情合成、唇合成，特别是唇合成三种合成。虚拟这个词，画漫画也叫虚拟，当你叫虚拟锚的时候，别人很容易诚实，你说怎么叫这个东西叫虚拟，所以我们称之为人工智能合成锚。人工智能合成锚与人的关系取代了这个问题，或者合作，如果是感知的问题，不写背后的语言组织或深度手稿，你就能更接近真人。
记者：你的意思是写新闻稿，剩下的就交给自己了？
王小川：如果你想精确地做，那么在哪里生气，在哪里温柔，等等，机器很难做到。这是因为你不理解手稿的内容机器。如果仅仅用视觉和听觉来表达，人工智能合成锚可以更接近真人，而与内容的相关性越高，机器的作用就越弱。
媒体：搜狗的AI合成锚和微软小冰锚有什么区别？
王小川：搜狗的人工智能合成主播是真人形象，小冰赋予了化身，声音与真人不同，面部表情和嘴唇没有变化。人工智能合成锚在真正合成之后，就可以起到真人的替代作用。
媒体：除了锚定领域之外，这项技术在其他场景中是否有应用？
王小川：例如，我现在正在和凯叔叔聊天。凯叔叔一直在谈论这个故事，也许他以后会成为爸爸妈妈，给我们讲故事。在我们的大概念之下，锚是其中的一部分，我们必须将其个性化并将其转化为其他人。
你的狗想知道现在该怎么做吗？
王小川：关于即将到来的搜狗进入方式的方向，我以前说过，叫辅助对话，帮你说话。去年搜狗上市的时候，我一天就收到了3000个祝福。如果我用的是语音，我也想说3000，发的消息的人也不一样，有些记者朋友，有些老同学，回复的内容也不一样。这一次，你可以用你的个性来帮助你说话，这将有助于你做机械的，重复的劳动。搜狗有两个想法，一个是让机器成为你的另一个自我，另一个是让机器成为你的助手，一个搜索狗成为你的助手。这是狗的两个主要方向。
记者：语言门槛不是很高吗？
王小川：语言门槛很高，当高德地图合成林志玲的声音时，林志玲读了很多句子。这不是一个固定的“向左向右拐”句子。搜狗现在只需要10分钟的数据量就足够了，它可以用非常小的数据合成一个人的声音。
媒体：为什么？在算法上有什么突破吗？
王小川：所谓的小数据其实是和大数据分不开的，机器看到很多声音，发现这个人的声音特性和别人不一样，所以小也大。婴儿说他们学得很快，但当他们看到照片时，他们看到了很多照片，然后又看到了另一张照片。因此，对于特定域，数据越小越好，但对于一般域，您需要足够的数据。因此，这里涉及的技术可以训练大量的语音，同时使用较少的语音数据训练特定人的语音，这存在技术障碍。
媒体：合成锚的商业化步伐是否会比以前做过的其他人工智能项目快一点？
王小川：如果第一次翻译最快，就需要翻译。除了翻译宝，搜狗搜索还支持用中文搜索全球信息，用中文阅读全球信息。这是一种翻译技术的应用。翻译是搜索犬的任务之一，输入方式可以将中文翻译成外语，搜索可以将外语翻译成中文。翻译是非常重要的，因为我们自己做信息桥梁的公司，这是最早落地的技术。首先是语音，然后是图像，然后是翻译，翻译后是另一个自我，训练一个人的数据，然后帮助他表达。最后，你有一个私人助理来帮助你回答问题。对于消费者来说，这是一条技术演进的道路。
媒体：搜狗做一般训练时，语音素材是怎么得到的，是正常语音输入时的语音，又怎么样？
王晓昌：我们有很多合作。例如，我们现在与喜马拉雅山合作，我们可以利用他们所阅读的内容来收集尽可能多的不同声音。
媒体：搜狗除了医疗保健之外，还从事法律相关的内容搜索，这一领域的选择标准是什么，以及你下一步扩大垂直搜索的计划是什么？
王小川：首先，最大的医疗，法律在中间有着明显的知识结构能力，这种知识的界限是比较权威和规范的，在这种情况下，我们可以做出选择。“医疗保健比法律好得多。
狗狗是否会进入其他领域？
王小川：在其他领域，我希望能让百科全书成为一个更权威的真理。简而言之，在某些领域，互联网上的信息是不够的。我希望我们能够以一种新的方式做到这一点，无论是通过人工智能技术还是其他方式。
媒体：为什么要做狗号，这个内容是什么样的，为什么要介入这个市场？
小川王先生：因为今天做平台，就像头条和抖音一样，一个是用户消费，一个是生产者是合作关系，这种合作不仅可以签署合同，实际上可以使平台，但搜索引擎没有，搜索模式被抓住，大意愿的标题或这样的搜索狗号，这意味着我们希望增加合作的比例，更加标准化。这将提高协作的内容和质量，从而改善用户体验。
记者：你觉得为时已晚吗？
王小川：这不会是一个战略突破。
媒体：这种信息流的变化会给狗带来可观的回报吗？
王小川：有些信息流广告主要是基于APP、搜狗APP或浏览器，还有一些补充。如果一个应用程序很大，那么好处就很大了。
媒体：之前你总是刷振动，刷标题，说容易上瘾，搜狗能改变这一点吗？
王小川：我们做了很大一部分的工作，不仅仅是信息流，还有搜索服务。第二，有一些东西不会改变，比如游戏，我们不会，对我们来说，游戏从我们的兴趣经验来看并不是游戏，游戏是一样的，你得到了一个虚拟的世界，去满足你沉迷于里面，有太不现实的风景表达这样的概念，人们是需要的，但是如何引导你。我们并没有创造一种指导能力，我们愿意在自己擅长的地方发挥我们的优势，我们让信息表达更容易。我们将担任口译员，在此期间，我们将进行问答技术。
媒体：你对搜索后的流量渠道和客户获取水平有什么看法？
小川王：渠道有两件事，一个地方是使用自己的流量渠道，比如用户输入的方式。如果他有这样的意图，我们可以直接向他提供更好的信息。甚至要分享，这个问题，我们还有很大的改进空间，把搜索和输入行为联系起来，第二，我们希望在搜索结果中有更好的差异化或权威性。现在，我们很重视医疗健康内容，希望内容有差异化，而不是依靠合作，QQ浏览器和手机厂商，让用户积极使用，成本会下降。
媒体：搜狗AI战略仍然相对聚焦，但你是否考虑到相关的多样化或更多的AI软件或科研或硬件？
小川王先生：不，我认为我们是很开放的，我们在信息文明时代的核心是对知识或语言的理解，做AI我遇到了几篇文章，说今天AI属于大公司，有几家大公司，第一个场景，有数据，所以如果你做AI，没有场景，就没有数据，就只做技术。这是很难做到的，我们的数据和场景都是做的，用户的表达和信息获取，输入和搜索，围绕场景二是中间需要有持续的投资，很多创业公司和没有商业模式的企业今天都是这样投资的，如果市场不开放，这件事很有可能会掉下来。我们有足够的资金来投资，但我们希望与有形的商业价值相匹配，我们不考虑做翻译的业务，正在扩大，我们最近支持共500个同声传译，我们正在努力扩展到外部，无论是在商业问题，还是在我们的使命中，方便信息的表达和访问，这是一个未来，机器将部分取代人类或提供服务。
媒体：简单的同时通讯问题：机器能取代人类吗？
王小川：我不能。如果你使用的是一个好人，机器无法跟上，但你没有优秀的同声传译或出国旅行，所以有很多地方。在这种情况下，机器能起作用，翻译容易走是一种重复劳动，但真正好的翻译是有知识、有思想的，你让他思考一些事情，机器没有人是强者，开放思维，如果它在棋盘上封闭思维，机器可以围棋，运行，但是开放的环境，单靠机器是不够的。
媒体：你会考虑多媒体搜索布局吗？
王小川：搜索的核心是基于语言。即使你保留了文本，仅仅绘制它是不够的。我们有图像搜索功能，语音搜索功能，但核心点是阅读理解，这不是我们受益最多的地方，也不是最大的突破，我们的突破在于语言理解，这比5G更难。
媒体：从硬件产品来看，未来有可能做OEM吗？
王晓川：这是可能的，但是现在，通过自己的东西做，再打开，像亚马逊一样，在做Echo音箱之前，自己做，有机会和别人一起玩，否则第一天是B2B2C，不知道客户在哪里，或者没有和客户形成积极的习惯，对C公司不够好，先做自己，再做一次，再做一次。他们发现自己的能力不够，并重新打开。
媒体：我们需要多长时间才能实现真正的人工智能个人助理，以及我们需要在哪些方面取得突破？
王小川：20年前，我们称之为信息时代，每个时代都有一个起点，就像第一个轮子的发明一样，农业时代，轮子的发明可以推动一辆小型汽车进入农业，这就是它的由来。然后有蒸汽机，进入工业时代，有计算机和互联网，进入信息时代，信息时代的特点是信息可以在地理、时间、空间上传递信息。像电子邮件和IM这样的东西可以远程与人交流，在线发布信息，搜索信息，在这种情况下，输入方式，搜索引擎，通信软件是新时代的核心应用程序，你刚才提出的问题对未来20年的人工智能个人助理来说至关重要。
媒体：你需要多长时间才能真正学会帮助别人？
王小川：垂直区域是缓慢的。真正的助手，也是AI助手，给普通人做翻译。过去，我们依赖人类，但现在我们依赖机器。然后，就像我们的垂直场景一样，我们也在做机器来帮助我们做出自动响应。他已经开始这样做了，但他需要现场的支持。这不仅是因为你训练了你的思维能力，而且是因为你训练了你的知识。接下来，我们将以数据驱动的方式做到这一点，它只会帮助人们，他现在并没有取代人们，虽然技术无法取代人们，但帮助人们的事情已经开始发生。
记者：这是一个销售解决方案吗？
王小川：我们是C。它使消费者更容易使用。
媒体：AI合成锚或未来AI合成图像，未来的使用场景是什么？
王晓川：合成锚赋予了我们今天进行对话和提问的核心功能，可以是互动的，所以在医学、法律等一些人机交互中，起到了更友好的沟通作用，但真正的服务内容是面对面的内容。另一个场景今天传到了新华社，他们有一个编辑来写原稿，机器只是阅读角色，不是单向的，而是双向的，所以他是一种自然的互动，而在知识计算中，并没有把这种能力投入。
媒体：搜狗未来的战略是AI+IoT（物联网），你知道吗？
王小川：物联网只是一个接口。我们不能把IoT提升到更高的水平。人工智能是核心，为了帮助人们获取信息，物联网可以帮助表达他们获取信息的入口。
狗为什么不做智能扬声器？
王小川：这款产品的核心点不是技术驱动的，而是足够便宜、便宜。它没有这个功能，它只是资金驱动，没有人工智能。就像出租车外卖一样，相当于卖钱亏了，我们实际上是不会做它的能力的。
媒体：人工智能什么时候能赚钱？
王小川：他们说人工智能是一种技术，技术赚钱，但这个词不成立，它必须成为一个企业，才能赚钱。小企业面临的挑战更大，尤其是因为人工智能技术需要数据驱动。这是一个场景，可以是额外的，这不是我们从转折点看到的。所以，这是一个大的社会分工，允许数据交换，让小企业向大企业提供技术服务，看看目前的趋势，人工智能真的是大企业的事。另一个原因是，政府发布数据可能会带来新的投资机会，中小企业有机会访问数据，如果政府发布数据，这可能会带来新的机会。
媒体：科技领域有新的发展，你会投资几家公司吗？你自己去吗？
王小川：我们的模式没有改变。我们不是为了赚钱而投资的。我不认为这是我们的工作。就我们自己而言，我们已经在美国工作了，所以如果国内环境、科技部门取得成功，那将是非常重要的。但这要看政策而定，只有知道这件事发生了，但它最终是如何发展和成功的，对中国来说才有革命意义。
媒体：在选择2C智能硬件产品时，是否有不满足的场景？
王晓川：首先，你需要有一台更好的录音机，真正的老师，从媒体人做演讲的时候，或者谈合同的时候，只要有业务活动，那就是需要使用的，但不是品牌产品，如果能力得到了提升，就会有新产品。我想我会努力把大家的新技术思维带到一起，也可能和硬件厂商合作。
媒体：在数据和隐私保护方面是否有新的变化？
王小川：尊重隐私，保护隐私这是一个非常严肃的话题，必须遵守，符合法律和用户文化，但我们知道，如果是片面的，隐私是不可侵犯的，这种观点尤其有害。所以，在这种情况下，从整个社会的价值观来看，个人可以打开自己的一些数据，让企业知道自己可以为您提供更好的服务，而这样的事情在安全的情况下，一定要提倡一些东西，所以欧盟的做法，最后会自己坑，用户消费者不会买它，最后，你将无法升级你的服务，这将是一个整体的落后。
媒体：搜狗创业新业务的时候，要看你是否打开这个业务，最大的思维维度是什么？
王小川：首先，我们知道未来的趋势是什么。这是一个来源。但第二个问题是为什么我们要这样做，当我们这样做的时候，它与我们的价值观、能力和我们目前的处境有什么关系，为什么是我，这也是一个严重的问题。最好有一个整体的使命。如果这是一种趋势，在你的使命中，你会努力去做。
媒体：在搜狗，您是否考虑将自己定位为专业经理人或联合创始人？
王小川：其实我有双重属性，我也承担着精神上的角色和领导方向，但对于股权关系，我必须像一个职业经理人一样工作，这是一个非常独特的状态。
（来源：腾讯科技作者：孙宏超）