所以，现在对于讯飞来说，更多用的是其它技术，包括麦克风阵列的技术，包括在神经网络的构建中，如何有效的区分语音和噪声，实现在噪声环境下，包括在鸡尾酒效应下的这样一些语音识别问题。确实，现在语音识别在噪声环境下的识别率已经接近近讲识别率。

　　在自然语言理解，特别是对话方面，也会涉及到在当前状态下，如何选择下一步的对话动作或者方式。而这，其实就是强化学习的概念。强化学习，其实现在最准确的的说法应该叫深度强化学习，或者强化深度学习。它的核心概念，其实还是要用深度学习，包括AlphaGO，都要用深度学习的方式，去提取在这样的复杂状态下，应该采取什么样的动作一些关键特征。

　　在我们的对话系统里面，也会涉及到在当前的复杂状态下，atv直播，包括机器和用户之间的对话，包括我们的客服系统里有的后台支持复杂状态下，对于机器而言，应该采取什么样更有效的动作，或者问法、回答，能够让整个对话进行的更加顺利。所以总体来说，我们把强化学习更多用在对话和客服方面来做。

　　主持人：在今年的CES上，驭势科技发布了城市移动空间这款无人驾驶车，能不能从技术、性能、特点等角度，跟我们分享一下这款产品？以及，您对这款产品未来的预期是什么？它承载了驭势科技对未来的哪些战略思考？

　　吴甘沙：当初设计的时候，我们有3个考量：

　　一、我们在想，假如我们从头开始，正向工程去设计一辆无人驾驶的车，而不是在现有的设计上修修补补，应该怎么去做？

　　二、我们想设计一款针对城市出行角度的无人驾驶车。如果要针对最恶劣的场景去设计，可能付出70、80%的成本，只为应对10%以下的使用场景。而我们希望设计一款车，可能只在北京的五环里面开，而且最高限速就80、90公里。这时候，车会极大的简化。

　　三、我们并不想设计一款概念车。我们希望车的本身技术和应用场景，是可以在一两年之内落地，所以这是我们承载这些设计思路的一款车，您发现所有的传感器几乎都已经隐藏在车身里面了，整个车身非常的酷。

　　另外，传感器的配置，我们要求360度无死角，而且有多重的冗余，还有激光雷达，有多目的摄象头，有短距离的毫米波雷达，有超声波。这样能够实现非常可靠的对环境的感知。

　　在里面我们也有一个性能非常好的电脑，这里面会跑很多的算法，这些算法包括我对世界的理解，包括在路上有很多如狼似虎的人类驾驶员的前提下，我怎么能够合理的获得路权，这里面其实也有可以用到，像深度强化学习等等这种方法，当然了这些方法真正的商业化，还有待验证。

　　所以，它其实是具备了在未来几年内，能够真正在无人驾驶上落地的可能性，当然了，我们说落地其实有很多种限制：

　　一、技术方面是不是足够的成熟，不成熟我们绝对不会拿到市场上。

　　二、成本，成本如果太贵了，很显然，也是没有办法落地的。

　　三、法律法规，我们也找到了一条逐步去商业化的途径，比如说一开始可以在一些私有道路上，像园区、景区、渡假村、主题公园等等这些方面，逐步它能够跑到最后几公里，再跑到城市区域，这个是大致的我们的想法。

　　主持人：自动驾驶货车在国内的发展，相比欧美国家有什么异同点？应用场景如何？

　　倪凯：首先，我们不做卡车，但无人驾驶卡车，每个男生都很熟，因为《变形金刚》里面的擎天柱不就是个大卡车吗？它可以说一个无人驾驶的卡车。

　　但是，就应用场景的话，我觉得在中国有很大的挑战。因为保守的说，中国要解决自动驾驶或者无人驾驶卡车的问题，不会比国外容易。