伴隨著人工智能行業(yè)的快速發(fā)展，中國(guó)在智能語音這個(gè)細(xì)分市場(chǎng)的發(fā)展速度也將會(huì)持續(xù)增長(zhǎng)，但是目前國(guó)內(nèi)在智能語音市場(chǎng)，技術(shù)已經(jīng)相對(duì)成熟，且頭部企業(yè)在行業(yè)的壟斷力度較大。

一、智能語音簡(jiǎn)介

智能語音是人工智能技術(shù)的重要組成部分，包括語音識(shí)別、語義理解、自然語言處理、語音交互等。

當(dāng)前，人工智能的關(guān)鍵技術(shù)均以實(shí)現(xiàn)感知智能和認(rèn)知智能為目標(biāo)。語音識(shí)別、圖像識(shí)別和機(jī)器人視覺、生物識(shí)別等目前最火熱的領(lǐng)域，主要解決的是感知智能的需求，就是使得人工智能能夠感知周圍的世界，能夠“聽見”或者“看到”。

自然語言理解、智能會(huì)話、智能決策、人機(jī)交互等技術(shù)更加側(cè)重的是認(rèn)知智能的領(lǐng)域，解決“聽懂”、“看懂”，并且根據(jù)學(xué)習(xí)到的知識(shí)對(duì)人類的要求或者周圍的環(huán)境做出反應(yīng)的能力。

在關(guān)鍵技術(shù)層中，語音識(shí)別、自然語義理解（Nature Language Process， NLP）、機(jī)器學(xué)習(xí)領(lǐng)域的關(guān)鍵技術(shù)在人工智能技術(shù)當(dāng)中居于重要地位，是人機(jī)交互技術(shù)的基礎(chǔ)。

（語音交互流程圖）

二、智能語音市場(chǎng)概況

1. 中國(guó)人工智能市場(chǎng)規(guī)模持續(xù)增長(zhǎng)，智能語音處于重要地位

通過上圖我們不難發(fā)現(xiàn)，人工智能行業(yè)最近幾年呈現(xiàn)出一個(gè)快速發(fā)展的態(tài)勢(shì)，產(chǎn)業(yè)增長(zhǎng)率平均在43%左右，屬于一個(gè)快速發(fā)展的產(chǎn)業(yè)。2018年，人工智能市場(chǎng)規(guī)模達(dá)200億元，如果按照之前的增速，預(yù)計(jì)到2019年年末，整個(gè)人工智能行業(yè)規(guī)模將達(dá)到近300億元。

而在智能語言方面，當(dāng)前人工智能產(chǎn)業(yè)中，智能語音是一個(gè)產(chǎn)業(yè)化程度相對(duì)成熟，產(chǎn)業(yè)規(guī)模較大的這么一個(gè)細(xì)分領(lǐng)域，從2011年整個(gè)市場(chǎng)規(guī)模只有6.3億，到2017年整個(gè)智能語音市場(chǎng)規(guī)模已經(jīng)超過百億，整個(gè)行業(yè)正經(jīng)歷著高速的發(fā)展，預(yù)計(jì)未來幾年，智能語音市場(chǎng)仍然會(huì)保持著較高速度快速發(fā)展。

2. 智能語音技術(shù)是人工智能產(chǎn)業(yè)鏈上的關(guān)鍵一環(huán)

上圖是當(dāng)前人工智能產(chǎn)業(yè)鏈的一個(gè)版圖，從底層的基礎(chǔ)設(shè)施到中間層的技術(shù)服務(wù)到最上面的行業(yè)應(yīng)用，可以看到，智能語音技術(shù)在整個(gè)產(chǎn)業(yè)鏈當(dāng)中，起到了一個(gè)承接的作用，將人工智能的技術(shù)底層產(chǎn)業(yè)化，并在智能家居、可穿戴設(shè)備、機(jī)器人等行業(yè)落地，是整個(gè)人工智能產(chǎn)業(yè)鏈中的關(guān)鍵一環(huán)。

3. 科技巨頭紛紛從不同維度布局相關(guān)產(chǎn)業(yè)鏈

（1）國(guó)外科技巨頭：通過并購等手段，夯實(shí)核心技術(shù)，開放應(yīng)用平臺(tái)，擴(kuò)展以AI為核心的生態(tài)系統(tǒng)

谷歌：打造開發(fā)者生態(tài)鏈，推出Google Home，試圖建立物聯(lián)網(wǎng)時(shí)代安卓系統(tǒng)。

蘋果：基于智能硬件定標(biāo)準(zhǔn)，做平臺(tái)、獲數(shù)據(jù)，重視物聯(lián)網(wǎng)時(shí)代生態(tài)控制權(quán)。

（2）國(guó)內(nèi)科技巨頭：開放語音生態(tài)系統(tǒng)，以產(chǎn)業(yè)內(nèi)合作的方式，將語音技術(shù)植入產(chǎn)品和或應(yīng)用于相關(guān)業(yè)務(wù)場(chǎng)景，構(gòu)建全產(chǎn)業(yè)生態(tài)鏈廠。

百度：瞄準(zhǔn)人工智能戰(zhàn)場(chǎng)，對(duì)外開放語音生態(tài)系統(tǒng)，對(duì)內(nèi)在自身產(chǎn)品業(yè)務(wù)中實(shí)現(xiàn)AI First。

三、智能語音技術(shù)分析

1. 語音識(shí)別（ASR）

1）語音識(shí)別概述

語音識(shí)別是以語音為研究對(duì)象，通過語音信號(hào)處理和模式識(shí)別讓機(jī)器自動(dòng)識(shí)別和理解人類口述的語言，語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程，把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。

語音識(shí)別系統(tǒng)本質(zhì)上是一種模式識(shí)別系統(tǒng)，包括特征提取、模式匹配、參考模式庫等三個(gè)基本單元，它的基本結(jié)構(gòu)如下圖所示：

語音識(shí)別系統(tǒng)構(gòu)建過程整體上包括兩大部分：訓(xùn)練和識(shí)別。

訓(xùn)練通常是離線完成的，對(duì)預(yù)先收集好的海量語音、語言數(shù)據(jù)庫進(jìn)行信號(hào)處理和知識(shí)挖掘，獲取語音識(shí)別系統(tǒng)所需要的“聲學(xué)模型”和“語言模型”；

而識(shí)別過程通常是在線完成的，對(duì)用戶實(shí)時(shí)的語音進(jìn)行自動(dòng)識(shí)別。

識(shí)別過程通常又可以分為“前端”和“后端”兩大模塊：

• “前端”模塊主要的作用是進(jìn)行端點(diǎn)檢測(cè)（去除多余的靜音和非說話聲）、降噪、特征提取等;
• “后端”模塊的作用是利用訓(xùn)練好的“聲學(xué)模型”和“語言模型”對(duì)用戶說話的特征向量進(jìn)行統(tǒng)計(jì)模式識(shí)別（又稱“解碼”），得到其包含的文字信息，此外，后端模塊還存在一個(gè)“自適應(yīng)”的反饋模塊，可以對(duì)用戶的語音進(jìn)行自學(xué)習(xí)，從而對(duì)“聲學(xué)模型”和“語音模型”進(jìn)行必要的“校正”，進(jìn)一步提高識(shí)別的準(zhǔn)確率。

目前，各語音識(shí)別方案提供方，包括訊飛、百度、云知聲、思必馳等，都在提供包括麥克風(fēng)陣列等硬件在內(nèi)的整體解決方案，以軟硬件結(jié)合的方式提高語音識(shí)別的精準(zhǔn)度的問題。

2）語音識(shí)別技術(shù)原理

聲音實(shí)際上是一種波，在開始語音識(shí)別之前，首先，需要對(duì)聲音進(jìn)行靜音切除處理，以降低對(duì)后續(xù)步驟造成的干擾。

其次，要對(duì)聲音進(jìn)行分幀，把聲音切成一小段一小段，每一段就是一幀，分幀操作一般不是簡(jiǎn)單的切開，而是使用移動(dòng)窗函數(shù)來實(shí)現(xiàn)，而幀與幀之間一般是有交疊的，如下圖所示：

圖中，每幀的長(zhǎng)度為25毫秒，每?jī)蓭g有0.2S的交疊，我們一般稱之為幀長(zhǎng)2秒，幀移0.2秒。

分幀后，語音就變成了很多小段。但波形在時(shí)域上幾乎沒有任何描述能力，因此必須將波形作變換，常見的一種變換方法是提取MFCC特征，根據(jù)人耳的生理特性，把每一幀波形變成一個(gè)多維向量，這個(gè)向量包含了這幀語音的內(nèi)容信息，我們把這個(gè)過程叫做聲學(xué)的特征提取。

至此，聲音就成了一個(gè)12行（假設(shè)聲學(xué)特征是12維）、N列的一個(gè)矩陣，稱之為觀察序列，這里N為總幀數(shù)。觀察序列如下圖所示，圖中，每一幀都用一個(gè)12維的向量表示，色塊的顏色深淺表示向量值的大小。

再次，就是講聲音向量矩陣變成文本了，在這之前，有兩個(gè)概念需要給大家先介紹下：

1. 音素：?jiǎn)卧~的發(fā)音由音素構(gòu)成。對(duì)英語，一種常用的音素集是卡內(nèi)基梅隆大學(xué)的一套由39個(gè)音素構(gòu)成的音素集，而漢語一般直接用全部聲母和韻母作為音素集，另外漢語識(shí)別還分有調(diào)無調(diào)。
2. 狀態(tài)：比音素更細(xì)致的語音單位就行啦。通常把一個(gè)音素劃分成3個(gè)狀態(tài)。

了解了概念之后，我們就看一下語音識(shí)別是怎么把聲音變成文本的，其實(shí)就和我們把大象塞進(jìn)冰箱一樣，也是分為三步：

1. 把幀識(shí)別成狀態(tài)（難點(diǎn)）；
2. 把狀態(tài)組合成音素；
3. 把音素組合成單詞。

如下圖所示：

圖中，每個(gè)小豎條代表一幀，若干幀語音對(duì)應(yīng)一個(gè)狀態(tài)，每三個(gè)狀態(tài)組合成一個(gè)音素，若干個(gè)音素組合成一個(gè)單詞。也就是說，只要知道每幀語音對(duì)應(yīng)哪個(gè)狀態(tài)了，語音識(shí)別的結(jié)果也就出來了。

圖中，每個(gè)小豎條代表一幀，若干幀語音對(duì)應(yīng)一個(gè)狀態(tài)，每三個(gè)狀態(tài)組合成一個(gè)音素，若干個(gè)音素組合成一個(gè)單詞。也就是說，只要知道每幀語音對(duì)應(yīng)哪個(gè)狀態(tài)了，語音識(shí)別的結(jié)果也就出來了。

2. 自然語義處理（NLP）

1）自然語義處理概要

語義識(shí)別是人工智能的重要方向之一，如果語音技術(shù)相當(dāng)于人的嘴巴和耳朵，負(fù)責(zé)表達(dá)和獲取，那語義技術(shù)則相當(dāng)于人的大腦，負(fù)責(zé)思考和信息處理，解決的是“聽得懂”的問題。語義識(shí)別最大的作 用是改變?nèi)藱C(jī)交互模式，將人機(jī)交互由最原始的鼠標(biāo)、鍵盤交互轉(zhuǎn)變?yōu)檎Z音對(duì)話的方式。

人機(jī)交互發(fā)展史

語義識(shí)別主要基于大數(shù)據(jù)和算法模型之上搭建，是自然語言處理 (NLP)技術(shù)的重要組成部分。NLP技術(shù)主要包括詞法分析技術(shù)、句法分析技術(shù)、語義分析技術(shù)、語用分析技術(shù)以及語句分析技術(shù)等。NLP在實(shí)際應(yīng)用中最大的困難還是語義的復(fù)雜性，隨著大數(shù)據(jù)、芯片和算法模型等的發(fā)展進(jìn)程加速，將為NLP帶來長(zhǎng)足的進(jìn)步。

2）自然語義處理技術(shù)原理

在自然語義處理領(lǐng)域，也在通過深度學(xué)習(xí)的工具提升自然語義處理的準(zhǔn)確度。目前常用的自然語義處理領(lǐng)域的技術(shù)包括了循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）、遞歸神經(jīng)網(wǎng)絡(luò)（Recursive Neural Network）的原理，它們是語句語義學(xué)習(xí)的強(qiáng)有力工具。

普通神經(jīng)網(wǎng)絡(luò)可以完成詞性標(biāo)記、詞語切分、實(shí)體命名識(shí)別、目的提取等一般的語義分析功能。

循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）是把一句話看成單詞的序列，每個(gè)單詞由一個(gè)向量表示，每一個(gè)位置上有一個(gè)中間表示，由向量組成，表示從句首到這個(gè)位置的語義。

這里假設(shè)，每一個(gè)位置的中間表示由當(dāng)前位置的單詞向量以及前一個(gè)位置的中間表示決定，通過一個(gè)神經(jīng)網(wǎng)絡(luò)模型化。RNN把句末的中間表示當(dāng)作整個(gè)句子的語義表示。RNN加入長(zhǎng)短期記憶（Long Short Term Memory，LSTM）機(jī)制， RNN可以處理遠(yuǎn)距離依存關(guān)系，能夠更好地表示整句的語義。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是通過對(duì)句子進(jìn)行掃描，抽取特征，選擇特征，最后組合成句子的語義表示。

首先從左到右用一個(gè)滑動(dòng)窗口對(duì)句子進(jìn)行掃描，每個(gè)滑動(dòng)窗口內(nèi)有多個(gè)單詞，每個(gè)單詞由一個(gè)向量表示。在滑動(dòng)窗口內(nèi)，通過卷積（convolution）操作，進(jìn)行特征抽取。這樣，在各個(gè)位置上得到一系列特征。之后再通過最大池化（max pooling）操作，對(duì)特征進(jìn)行選擇。

重復(fù)以上操作多次，得到多個(gè)向量表示，將這些向量連接起來得到整個(gè)句子的語義表示。同一卷積層內(nèi)參數(shù)是共享的，也就是同一層的卷積操作是相同的，這也就保證了在局部領(lǐng)域進(jìn)行相同的特征抽取。

ReNN是假設(shè)對(duì)語句進(jìn)行句法分析，得到句法樹。句法樹的每個(gè)節(jié)點(diǎn)上有一個(gè)向量中間表示。父節(jié)點(diǎn)的表示由其子節(jié)點(diǎn)的表示決定，通過神經(jīng)網(wǎng)絡(luò)模型化，而根節(jié)點(diǎn)的表示就是整個(gè)句子的語義表示。句法樹上的中間表示可以在句法分析的過程中得到，比如在最大間隔分析（max margin parsing）。

除了上述這些神經(jīng)網(wǎng)絡(luò)的算法之外，人類不斷在嘗試著用新的算法來試圖能夠?yàn)槿斯ぶ悄芴峁└訙?zhǔn)確理解自然語言的能力。隨著神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的發(fā)展，自然語義處理已經(jīng)取得了長(zhǎng)足的發(fā)展，但是，由于人類語言的復(fù)雜性，對(duì)于通用人工智能階段需要達(dá)到的自然語言理解，也存在較長(zhǎng)的距離。

3. 語音合成（TTS）

1）語音合成概述

語音合成，又稱文語轉(zhuǎn)換（Text to Speech）技術(shù)，能將任意文字信息實(shí)時(shí)轉(zhuǎn)化為標(biāo)準(zhǔn)流暢的語音并朗讀出來，相當(dāng)于給機(jī)器裝上了一個(gè)嘴巴，它涉及到聲學(xué)、語言學(xué)、數(shù)字信號(hào)處理、計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科技術(shù)，是人工智能信息處理領(lǐng)域的一項(xiàng)前沿技術(shù)，解決的主要問題就是如何將文字信息轉(zhuǎn)化為可聽的聲音信息。

語音合成和語音識(shí)別技術(shù)是實(shí)現(xiàn)人機(jī)語音通話所必需的兩項(xiàng)關(guān)鍵技術(shù)，使機(jī)器具有類似于人一樣的說話能力。

2）語音合成技術(shù)處理方式

文本處理：

這一步做的事情是把文本轉(zhuǎn)化成音素序列，并標(biāo)出每個(gè)音素的起止時(shí)間、頻率變化等信息。

作為一個(gè)預(yù)處理步驟，它的重要性經(jīng)常被忽視，但是它涉及到很多值得研究的問題，比如拼寫相同但讀音不同的詞的區(qū)分、縮寫的處理、停頓位置的確定，等等。

• 音素：音素(phone)，是語音中的最小的單位，依據(jù)音節(jié)里的發(fā)音動(dòng)作來分析，一個(gè)動(dòng)作構(gòu)成一個(gè)音素。音素分為元音、輔音兩大類。
• 音節(jié)：音節(jié)在語音學(xué)上指由一個(gè)或數(shù)個(gè)音素組成的語音結(jié)構(gòu)基本單位;而音素是最小的語音單位。 如”普通話”，由三個(gè)音節(jié)組成，可以分析成”p, u, t, o, ng, h, u, a”八個(gè)音素。

語音合成：

狹義上這一步專指根據(jù)音素序列（以及標(biāo)注好的起止時(shí)間、頻率變化等信息）生成語音，廣義上它也可以包括文本處理的步驟。

這一步主要有三類方法：

1. 拼接法，即從事先錄制的大量語音中，選擇所需的基本單位拼接而成。這樣的單位可以是音節(jié)、音素等等；為了追求合成語音的連貫性，也常常用使用雙音子（從一個(gè)音素的中央到下一個(gè)音素的中央）作為單位。拼接法合成的語音質(zhì)量較高，但它需要錄制大量語音以保證覆蓋率。
2. 參數(shù)法，即根據(jù)統(tǒng)計(jì)模型來產(chǎn)生每時(shí)每刻的語音參數(shù)（包括基頻、共振峰頻率等），然后把這些參數(shù)轉(zhuǎn)化為波形。參數(shù)法也需要事先錄制語音進(jìn)行訓(xùn)練，但它并不需要100%的覆蓋率。參數(shù)法合成出的語音質(zhì)量比拼接法差一些。
3. 聲道模擬法。參數(shù)法利用的參數(shù)是語音信號(hào)的性質(zhì)，它并不關(guān)注語音的產(chǎn)生過程。與此相反，聲道模擬法則是建立聲道的物理模型，通過這個(gè)物理模型產(chǎn)生波形。這種方法的理論看起來很優(yōu)美，但由于語音的產(chǎn)生過程實(shí)在是太復(fù)雜，所以實(shí)用價(jià)值并不高。

三、智能語音主要公司介紹

1. 圖靈機(jī)器人

1）公司簡(jiǎn)介

圖靈機(jī)器人是一家個(gè)性化智能機(jī)器人平臺(tái)，旗下有人工智能機(jī)器人操作系統(tǒng)Turing OS，用戶可以在微博、微信、QQ機(jī)器人、語音客服、智能硬件等多個(gè)場(chǎng)景搭建屬于自己的個(gè)性化智能機(jī)器人，截止2016，公司估值已經(jīng)超過10億人民幣。

2）代表性產(chǎn)品介紹

樂迪：

樂迪是著名動(dòng)畫作品《超級(jí)飛俠》里的靈魂人物，基于圖靈機(jī)器人人工智能操作系統(tǒng)Turing OS，讓樂迪從熒屏走進(jìn)消費(fèi)者現(xiàn)實(shí)生活。

吉米貓：

吉米貓是一款手機(jī)寵物類應(yīng)用游戲，從功能上來說很像是湯姆貓的升級(jí)版，但與湯姆貓不同的是吉米貓接入了圖靈機(jī)器人的Chat bot接口，賦予了吉米貓聊天調(diào)侃、百科問答等語音對(duì)話能力，閑暇時(shí)還可以給你講個(gè)段子、說個(gè)故事。

2. 思必馳

1）公司簡(jiǎn)介

思必馳是一家智能語音技術(shù)解決方案提供商，致力于提供自然語言人機(jī)交互解決方案，應(yīng)用于智能車載、智能家居和智能機(jī)器人領(lǐng)域，并且擁有語音識(shí)別、語音合成、語義對(duì)話及語義喚醒等技術(shù)，截止2016年，思必馳的估值已經(jīng)超過20億人民幣。

2）代表性產(chǎn)品介紹

智能車載解決方案：提供一體化解決方案，適用于智能后視鏡、智能車機(jī)、便攜式導(dǎo)航儀、HUD等，全稱語音操作。

智能家居解決方案：軟硬件一體化解決方案，為智能家居產(chǎn)品提供聲源定位、個(gè)性喚醒、語音識(shí)別、語義理解、對(duì)話交互等功能。

3. 云知聲

1）公司簡(jiǎn)介

云知聲成立于2012年，是一家智能語音識(shí)別技術(shù)的高新技術(shù)企業(yè)，目前集AI芯、AIUI、AI Service三大解決方案支撐云知聲核心技術(shù)的落地，已經(jīng)在家居、汽車、醫(yī)療和教育等領(lǐng)域有廣泛應(yīng)用，截止2018年，公司估值已經(jīng)超過10.7億美金。

2）代表性產(chǎn)品介紹

智能家居方案-UniHome：

AI芯作為智能語音解決方案芯片，用以解決不同形態(tài)智能終端感知和部分計(jì)算問題，AI芯通過多種芯片方案，合理組合不同硬件平臺(tái)，安裝不同系統(tǒng)下的AIUI版本，提供語音交互、IO控制、互聯(lián)內(nèi)容的能力，滿足不同價(jià)位不同場(chǎng)景下的智能硬件交互需求。

智能車載方案-UniCar：

云端芯一體化，方案包括拾音降噪，語音交互，云端計(jì)算和內(nèi)容服務(wù)一攬子解決方案，滿足用戶導(dǎo)航，電話，娛樂，咨詢，社交5大場(chǎng)景的功能訴求。

智慧醫(yī)療方案：云知聲提供醫(yī)療垂直領(lǐng)域錄入軟硬件一體的解決方案，基于醫(yī)療人工智能技術(shù)和大數(shù)據(jù)分析進(jìn)行持續(xù)探索，實(shí)現(xiàn)智能語音交互的知識(shí)問答和病歷查詢，進(jìn)行健康風(fēng)險(xiǎn)預(yù)測(cè)和患者分群分析。

4. 出門問問

1）公司簡(jiǎn)介

出門問問是市場(chǎng)上一家擁有自主語音識(shí)別、語義分析、垂直搜索技術(shù)的人工智能公司；自成立以來，一直努力將人工智能技術(shù)落地到消費(fèi)產(chǎn)品，定義下一代人機(jī)交互的方式，截止2017年，公司估值超過10億美金。

2）代表性產(chǎn)品介紹

以TicWatch Pro為例：

五、智能語音市場(chǎng)總結(jié)

伴隨著人工智能行業(yè)的快速發(fā)展，中國(guó)在智能語音這個(gè)細(xì)分市場(chǎng)的發(fā)展速度也將會(huì)持續(xù)增長(zhǎng)，但是目前國(guó)內(nèi)在智能語音市場(chǎng)，技術(shù)已經(jīng)相對(duì)成熟，且頭部企業(yè)在行業(yè)的壟斷力度較大。

目前，中國(guó)智能語音市場(chǎng)的主要份額被科大訊飛、百度以及蘋果分割，截止到2018年，中國(guó)智能語音市場(chǎng)，科大訊飛市場(chǎng)占有率排名第一，市占率達(dá)到44.2%；其次為百度，市場(chǎng)占有率為27.8%；排名第三的是的蘋果，市占率為6.9%，排名前三的品牌在我國(guó)智能語音市場(chǎng)占比近八成，留給初創(chuàng)企業(yè)在這個(gè)市場(chǎng)的空間以及機(jī)會(huì)并不多。

未來隨著智能語音技術(shù)的逐漸成熟，智能語音技術(shù)在教育領(lǐng)域會(huì)發(fā)揮出巨大的作用，比如在口語教學(xué)、考試測(cè)評(píng)、模擬練習(xí)等環(huán)節(jié)，能夠代替現(xiàn)在很多老師的工作，大大降低人工成本。

作者：作者：阿旺，著名投資人兼連續(xù)創(chuàng)業(yè)者，會(huì)從自身投資以及創(chuàng)業(yè)經(jīng)歷，不定期輸出各類行業(yè)研究，如您想了解更多關(guān)于創(chuàng)業(yè)以及投資方面的內(nèi)容，歡迎關(guān)注本人公眾號(hào)：awangblog

本文由 @阿旺 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議