从智能音箱看语音交互变革，是风口还是昙花一现？

四年前iPhone的智能语音助手Siri，第一次让人们体验到通过和手机对话就能完成过去很多不方便的操作。2014年底，亚马逊发布Echo智能音箱，Echo依靠语音命令激活，可以作为智能家居的控制装置，播放在线音乐，还可以提供各种在线信息和提醒功能。预计到今年年底，亚马逊Echo总销量将超过2200万台，虽然还没有进入中国市场，但这个数字绝对亮眼。2017年国内外各大互联网公司都开始研发自己的智能音箱。智能音箱到底有没有价值？这到底是风口还是昙花一现？小新今天就来聊一聊这个话题。

2015年3月，京东与科大讯飞联合成立了灵隆科技，5月20号推出了智能音箱叮咚。2016年10月，谷歌在秋季发布会上正式推出智能音箱Google Home。而今年成了智能音箱发布大年。6月苹果公布了智能音箱Homepod，7月5号，阿里推出智能音箱天猫精灵X1，26号小米发布智能音箱小爱同学。有消息说腾讯将于8月份推出智能音箱。而百度也在先前发布了语音识别开放平台DuerOS。他们这么争先恐后的推出自己的音箱产品，无非是要把音箱作为语音交互和智能家居的入口，抢夺入口建立生态从来是中国互联网公司的传统优势项目。

1963年，美国科学家恩格尔巴特用木头和小铁轮制成了第一个鼠标，这为后来windows的图形界面奠定了基础。移动互联网时代，乔布斯和iPhone开创了手势触屏和Siri。首先我们明确的一点是，鼠标键盘和手势交互将可能在未来一段时间被语音交互替代。自然语言理解虽然还有很长路要走，但是张张嘴就能操控智能终端的使用场景，在可预见的时间内就会到来。交互场景的变革又会带来方法论的一系列重大变化。语音交互可以增加互动速度和效率，提高个人生产力，大大解放用户跟交互界面的关系，这是一场人机交互的革命。

其实，智能音箱最核心的门槛，并不是wifi芯片，也不是音箱硬件的生产，而是语音识别的云服务平台。比如你问Echo音箱今天天气怎么样？音箱会把你的语音信息编码打包上传到亚马逊云服务器上，服务器会进行语音识别、语义理解、服务调用，也就是调用气象信息的数据库，再反馈给音箱，音箱才能播报出来今天天气的情况。看起来你在跟音箱对话，实际上服务你的是千里之外的云服务器。

我们知道人工智能需要三个基础条件。首先是大数据，它就像是做面包的面粉，大量数据是人工智能的基础原料。其次是大数据计算中心，通俗说它就是计算能力超强的服务器，就像面包的烤箱一样，计算中心就是人工智能的物理承载。百度在山西阳泉，阿里在张家口张北县，腾讯在贵州省，分别布局了能力强大的计算中心。最后就是算法，BAT三家公司都拥有上千人的人工智能科学家团队，甚至在硅谷拥有实验室，他们就像是做面包的面点师。所以人工智能的概念看起来很好，但绝对是互联网巨头的游戏。那些中小企业开发的智能音箱只有两种情况，一种是接入了巨头的云计算能力，另外一种就是功能鸡肋的噱头产品。

小新认为，通过智能音箱可以把语音交互作为未来互联网的入口，成为重要的物理节点，但是智能音箱不是终点，语音交互应该实现在每一个物联网的场景里。

首先，人机交互的形式不会只局限在语音流媒体上，AI的图像识别能力也在进步。视频是优于音频的富媒体，媒介介质的丰富能带来智能终端更多的玩法。一个可视化的交互终端，似乎能比音箱实现更多功能。今年5月，亚马逊推出了Echo Show，那就是一个能视频通话，播放流媒体的小电视。可以图像识别、语音交互的智能电视前景必然大于音箱。

其次，语音交互的实现形式不一定是音箱，也不一定在室内。比如，手机、汽车、家用电器、可穿戴设备，只要有互联网接入都可以使用。音箱只是家庭环境的一种特定场景，还有很多场景是没有语音交互覆盖的。

第三，智能音箱显然被设计成了智能家居的一个中心，但是谁规定智能家居必须得有一个中心呢？如果各种物联网设备都是带着芯片的智能硬件，显然不需要一个谁管理谁的逻辑从属关系，云服务的特点决定了智能家居是不需要中心入口的。Echo从推出至今已经上线了15000款语音控制应用，相比之下国内智能音箱就有点尴尬。因为各个产品接口协议不兼容，很难实现音箱管理其他智能家居的场景。

所以，智能音箱可能像当年的寻呼机一样，更多是一个过度性的角色。几年前智能硬件火了一波，到最后发现大多数就是伪需求，今天的智能音箱还远远达不到成熟，但是它背后的语音交互可以关注了。百度在7月初发布了它的语音交互的产品DuerOS，关注微信公众号“真像大白”，回复“AI”可以看到这期内容。你还可以订阅节目，第一时间收看。告别小白，真像大白，我们下次接着聊。