人工智能产业链主要分为三个层次。

底层是基础设施，包括芯片、模组、传感器，以及以大数据平台、云计算服务和网络运营商。这部分参与者以芯片厂商、科技巨头、运营商为主。
基础设施：传感器、芯片、云计算服务、操作系统、数据服务平台、网络运营商

中间层主要是一些基础技术研究和服务提供商。包括深度学习/机器学习、计算机视觉、语音技术和自然语言处理以及机器人等领域。这一模块需要有海量的数据，强大的算法，以及高性能运算平台支撑。代表性企业主要有BAT、科大讯飞、微软、亚马逊、苹果、facebook等互联网巨头和国内一些具有较强科技实力的人工智能初创公司。
技术研究及服务：计算机视觉、语音技术/自然语言处理、人机交互、深度学习/机器学习

最上层是行业应用。大致分为2B和2C两个方向。2B的代表领域包括安防、金融、医疗、教育、呼叫中心等。2C的代表领域包括智能家居、可穿戴设备、无人驾驶、虚拟助理、家庭机器人等。相关代表性企业既包括互联网科技巨头，也包括一些初创厂商
行业应用：智能家居、可穿戴设备、机器人、虚拟助理、智能安防、智慧金融、智慧教育、智能医疗、无人驾驶/机、娱乐/营销、客服/呼叫中心

智能语音产业链

下面这个生态图会很清晰的说明智能音箱产业链。

会发现，一家企业会同时扮演多种角色，比如科大讯飞，云知声。

音箱产业链

下面对每个角色进行逐一讲解

1.硬件部分

1）方案方案主控芯片：

主控芯片是主板或者硬盘的核心组成部分，是联系各个设备之间的桥梁，也是控制设备运行工作的大脑。在主板中，两大芯片是最重要的，一个是南桥芯片，它控制着扩展槽，USB接口，串口，并口，1394接口，VGA接口等，它主要负责外部接口和内部cpu的联系，而另一个是北桥芯片，它控制着CPU的类型，型号，主板的总线频率，内存类型，容量，显卡等CPU自身的属性性能。
音箱除了主控芯片外，还有很多其他芯片，如存储芯片，音频芯片，电源管理芯片等，其中音频芯片又有很多个，所以一个音箱电路板有很多芯片，但主控芯片是最重要的。

2）麦克风：

麦克风具有方向性，方向性是指麦克风可以接收到语音的方向。声音可以从不同的方向传达到麦克风，麦克风的前面/后面/侧面，麦克风将会根据自身的指向性来获取声音。

一个麦克风可以以很高的灵敏度接收来自于前方的声音，而不管后方和侧面的声音，另一个麦克风还可以接收来自于前面和后面的声音，而不管侧面的，有很多种组合。

麦克风有多种拾音方向模型，不同种类的麦克风在不同的使用环境下有各自的优缺点。

3）麦克风阵列：

所谓麦克风阵列其实就是一个声音采集的系统，该系统使用多个麦克风采集来自于不同空间方向的声音。在远场拾音中， 麦克风阵列可以提供前端信号处理，拾取有效的语音信号输送到云端进行识别。这其中就几项关键的技术：声源定位、波束形成、噪声抑制、回声消除、语音增强。

（1）声源定位

声源定位的任务就是在具体场景中，甚至从噪音中找到发出声音的“你”，以便后续的波束形成。它是基于麦克风阵列对目标信号（声源）的位置探测，确定在特定空间中说话者的位置关系。尤其是在移动场景中，实时的声源定位就显得重要。

（2）波束形成

波束形成是对麦克风阵列中各个麦克风输出的声音进行信号处理，从而形成空间指向性。这种方法会抑制目标声音以外的声音干扰，不仅抑制噪声也包括其他方向的人声。

以叮咚音箱的AIUI模式为例，开启了一定时间的多伦对话后，它会优先默认第一个说话者作为它拾音的主方向，从而抑制其他方向的声音，来保证和一个对话者的交互。这也意味着，当前技术下，智能音箱不可能同时和多人进行交互。

（3）噪声抑制

你在卧室中开着电视，是很难唤醒在你床上睡觉的iPhone中的Siri的，这就是它不具备噪声抑制的能力。但你可以唤醒理你较远的智能音箱，这正是噪声抑制的作用。

简单来讲，噪声抑制就是在目标信号和干扰噪声中，保留目标声音，削弱周围的噪声，从而保证获取的目标声音信号相对清晰，再结合云端相匹配的语音识别算法，实现有效识别理解。

（4）抗混响

混响就是声源发出后，在空间中经过多次物体（墙壁）的反射和吸收，若干声波混合在一起所形成的现象，它会影响语音信号的处理，声源定位的精度以及语音识别效果。通过远讲算法消除混响是远讲语音设备在拾音环节的关键一环。

（5）回声抵消

回声抵消简单来讲，就是不让语音设备自己发出的声音干扰到拾音过程。比如在智能音箱播放音乐时，你唤醒设备并下达命令，这时麦克风阵列同时采集你发出的声音和正在播放的音乐的声音，而回声抵消就是要去掉其中音乐的声音并保留人的声音，以供云端进行语音识别。

（6）语音增强

在家居环境中，存在着背景噪音、回声、混响等噪音干扰，这些噪音相互叠加严重影响语音识别效果。除了降低各种噪声外，还可以从语音增强进行改善。

远距离拾音的另一个问题就是获取的语音信号较弱，需要通过麦克风阵列进行噪声分离，提取目标信号，并增强语音信号的能量，从而提升语音识别效果。

4）PCB板：

是电子元件的支撑体，板上有金属导体作为连接电子元器件的线路。学名印刷电路板

2.语音技术服务商：

龙梦竹认为，目前智能音箱应用的语音技术主要分为五大方向：语音识别、语音合成、语音识别++、智能对话、语义理解。这些技术里，声纹识别慢慢凸显吸引力，它属于语音识别++，语音识别是把一句话识别成文字，而声纹识别，简单可以理解为可以知道是谁说的。

声纹识别在应用上有两个方向，一个是1：1，一个是1：N，1：1的关系是提取有用的信息，知道用户声音特质是什么，判断说话人是谁。而1：N的识别，机器不知道用户是谁，但可以在多个声音里面识别出一个声音。而且还可以根据用户的个性化需求，比如在听歌的时候，根据用户喜好调用已收藏歌单。

云知声联合创始人康恒说，智能音箱涉及到的行业，以及产业链的上下游比较多，语音交互连接用户、连接服务的时候涉及到的元素非常多。它涉及的语音技术不只是语音识别，还有语义理解、麦克风阵列等，这些技术的匹配，融合很难，云知声定位做一个整体的语音解决方案，只有集成度非常高的方式才能将体验做到最好。

3.方案商：

可能是整条产业链的方案商，整合软硬件资源，最终为客户提供的是智能音箱，也可能是某个环节的方案商，如软件方案商，硬件方案商，外观方案商等等，提供设计方案，实现方案的角色

4.ODM/OEM：

代加工工厂

5.内容服务商：

智能音箱的内容供应商涵盖很广，音乐提供商包括天天动听、酷我音乐、虾米音乐等；有声电台包括考拉电台、喜马拉雅、多听FM等；天气播报比如墨迹天气，新闻资讯比如今日头条、网易等，以及美团点评等O2O平台。

对于智能音箱，内容的丰富度直接决定产品体验。龙梦竹认为，智能音箱的内容厂商主要有两类：

第一类是积极合作型，智能音箱的风口刚刚兴起，很多内容厂商也想先占据风口。当然也会考虑是否能获得一定商务回报，因为这些厂商提供的内容和版权会基本考虑付费合作，所以他们也希望获得一定回报。但如果双方能有等量的价值回报，在一定程度上也会倾向于战略合作。

第二类是是观望型，这些厂商在观望市场发展动态，以及考虑应该如何介入。以音乐为例，内容厂商能给出音乐方面的SDK、API接口，但也会考虑从合作获得更多。比如在无屏音箱里，是否能来段“这首歌是由XXX提供”的口播。

6.品牌商：

贴牌，比如平安多多

7.渠道商：

线上、线下、生态链（互联网生态和家电厂商固有资源）和房地产商。