在2017年10月召開的杭州雲棲大會上，阿里巴巴達摩院正式亮相。這是一個被阿里巴巴董事局主席馬雲寄予厚望的部門，承載了阿里巴巴最頂尖的研發資源，達摩院意味著技術創新，也代表著阿里的未來。
兩年過去了，達摩院究竟做了什麼？7月9日下午，達摩院機器智能技術事業部首席架構師王駿、達摩院語音實驗室負責人鄢志傑、達摩院語音實驗室高級算法專家雷鳴等技術專家向21世紀經濟報道記者介紹了阿里巴巴在AI領域的一些最新進展。
王駿表示，阿里巴巴對AI技術有非常多的需求，達摩院機器智能採用自上而下的研究體系，每一個研究小組都有靈活度，可以去做自己需要的方向，併兼顧短期、中期、長期的規劃，而且最終的價值也都體現在創新技術產品上。
達摩院做了什麼？
在成立達摩院時，馬雲表示在三年內將給達摩院投入1000億元。但他同時也提出要求，即達摩院要學會自營自利，未來要自己掙錢。
這也使得達摩院在創辦之初就與其他的研究院有了很大的不同。鄢志傑以語音實驗室為例說道，“我們在建立團隊時就把研究和工程放到了一起，目的就是希望新的研發能夠迅速轉化為產品。另外，這樣也能幫助研發人員更加了解來自業務的真實需求，在選題方向上可以做出判斷。”
所以，若回顧達摩院過去的兩年，除了可以看到一些理論性的研究項目，還會有很多可以實際應用的技術產品。據介紹，近年來，僅阿里AI團隊便在國際頂級學術會議上共發表了近400篇頂級論文，同時也在國際頂級技術賽事上斬獲40餘項世界第一。
比如在6月剛剛結束的第三屆圖像識別競賽WebVision中，阿里AI以82.54%的識別準確率擊敗了全世界150多支參賽隊伍獲得冠軍。這是一個超大規模圖像識別的比賽，它要實現的是通過拍攝一個物體的照片，然後去搜索其他圖片。據王駿介紹，阿里其實很早就開始研究這個技術，並應用在淘寶的拍立淘上面，目前，阿里AI可以識別的物理實體超過100萬種。
而取得這些成績，與達摩院實力雄厚的人才儲備不無關係。目前，達摩院旗下的科學家團隊包括美國密歇根州立大學終身教授金榕、密西根大學終身教授施堯耘、新加坡南洋理工大學終身教授王剛等在內的20多位世界級科學家，以及10多名IEEE FELLOW。就在今年3月，原Facebook人工智能科學家賈揚清也宣佈加入阿里巴巴達摩院任技術副總裁。
王駿表示，達摩院是個全球化的機構，半數以上成員都具有博士以上學位，辦公室分佈在四個國家的8個主要城市。其打趣的說道，“達摩院要想所有員工一起開個會，時間協調起來會很麻煩。”
將語音合成定製成本降低10倍
當天，達摩院機器智能首次向外界展示了新一代語音合成技術——KAN-TTS(TTS是Text To Speech的縮寫，即“從文本到語音”)。據介紹，KAN-TTS由達摩院機器智能實驗室自主研發，深度融合了目前主流的端到端TTS技術和傳統TTS技術，從多個方面改進了語音合成。
雷鳴表示，TTS技術自1939年從實驗室第一次發明出來以後，經歷過多個發展階段，目前所處的階段是以2017年為節點，主要特點是合成語音已經非常接近於真人表現。
據其介紹，當前，業界商用系統的合成語音與原始音頻錄音的接近程度通常在85%到90%之間，這其實已經是一個很高水平，而基於KAN-TTS技術的合成語音，則可將該數據進一步提高到97%以上。
此外，達摩院語音實驗室還提供了開箱即用的TTS解決方案，這主要是針對一些產品具有特定場景的需求。“比如有些產品就要講一些兒童教育的故事，有些則是講富有情感的故事，針對這些，我們提供了通用、客服、童聲、英文和方言等5個場景及34種聲音供選擇。”雷鳴表示。
鄢志傑告訴記者，達摩院是一個技術密集型團隊，但它並不是只專注於技術的研究，同時也要把這些技術產品化。“比如語音技術，我們有各種各樣語音的源頭算法，這些不僅僅應用在阿里自己的業務上，同時他們也能夠把這些技術放到雲上，分享給他們的合作伙伴。可以說，阿里有什麼，阿里雲的客戶就能拿到什麼。”
而這實際上也是當初成立達摩院，阿里巴巴對其提出的要求。兩年前，馬雲在談及達摩院的發展時明確表示，達摩院不是阿里巴巴體系的達摩院，而是整個經濟體的達摩院，達摩院必須要比阿里巴巴活得時間長，要影響至少20億人。
據一位知情人士向記者透露，今年9月份將是達摩院成立兩週年，以及阿里的半導體業務成立一週年，屆時，阿里也將有重大的成果對外發布。