论文部分内容阅读
谁都没想到，智能音箱会在今年成为热点。
在2014年11月，亚马逊就低调发布智能音箱 Echo。当时它给整个业界带来的印象，只是一款创新的硬件产品，可通过语音交互播放音乐，播报天气，闹钟提醒等，做一些简单的服务输出。在一向紧盯美国科技界创新发展的中国，鲜有追随者。但到了2016年11月，Echo在美国的销量已经达到了3 510万台。
到2016年，根据市场调研机构Strategy Analytics 的数据，2016年智能音箱全球出货量为590万台，并将在2022年增长10倍，市场规模将达到55亿美元。
风口似乎出现了。
2017年，微软的Invoke和苹果的Home pod发布之后，数得上的巨头已悉数入局，这在中国引发了一场跟风潮。天猫、联想、喜马拉雅等公司分别发布了自己的智能音箱产品，更多的智能音箱还在路上。这时距离亚马逊Echo的发布，已经过去差不多3年时间。
各大公司纷纷入手智能音箱的背后，实则反映出产业界对人工智能时代的焦虑。
智能音箱非音箱
时下所流行的智能音箱，实则与音响没太大关系，多为语音交互设备，而语音交互则被普遍认为是未来人工智能时代的主要交互方式。于是，一大批被冠以智能音箱名号的语音交互硬件出现了，其目的是抢占未来的语音交互入口，并不是要做什么音箱。互联网厂商的逻辑是，目前的智能音箱能控制音乐播放，天气播报，未来就能控制冰箱和洗衣机的运行，进而控制物联网的一切。
与实现这一控制需要大投入的后台算法和自动化技术研发相比，目前业已成熟的语音交互，实则是加入到人工智能大潮中一条低成本的捷径了。
“不想被技术热潮甩下”“见到风口都想参与一下”“在不进行高成本投入的情况下也成为人工智能产业的一员”“吃不上肉至少喝口汤，反正不管自己出力多少，也不想这桌酒席上没有自己”……这些想法成为近期发布智能音箱企业的普遍心态。真正在人工智能领域进行持续投入的大公司如百度，或者在语音交互方面拥有极强技术实力的企业如三星，反倒对智能音箱这个风口没表现出那么热衷。这些企业的态度，映射出了该领域的意见分歧。
入口和内核的博弈
业界认为，智能音箱有可能会是未来物联网和智能家居的入口，因为似乎没有比自然语音更好的人机交互方式了。虽然肯加入进来的智能家居厂商很罕见，但智能音箱只要不断迭代產品，将其语音交互功能不断升级换代至消费者可自如使用的地步，智能家居厂商的加入，只是早晚的问题。届时，目前这批智能音箱厂商就会与之分享利益，并通过拔高自身语音交互入口价值而获得更多利益，成为出力最少但获收益最多的所谓入口把控者。这是一种传统互联网的固有商业逻辑，但在未来能否奏效还真不好说。
一套用人工智能控制的家居产品，技术难度主要在自动化控制上面，机器在接收并理解了语音指令之后，还需要对这些指令加以执行，如开机、关机、升温、降温、大火煮、小火煮、焖煮等。传统按键控制的情况下，这类动作的执行是很简单的，但在语音控制的状态下，其实现难度就要大得多了，这是互联网企业做不了的事情。百度这样的人工智能巨头，也只能是在算法方面不断突破，但涉及到具体的自动化控制时，还是具体的生产制造企业更为擅长。
键盘与主机之争
智能音箱与物联网和智能家居之间，存在这一种类似于电脑与键盘的关系，没有键盘当然是无法输入文字，但没有电脑的话，键盘会更加处于无用之地。
首先，家电业是否心甘情愿地只去生产电脑，把键盘的事情交给别人去做？智能家居企业为了能够不受制于人，始终不肯开放接口，虽然成立过一些开放标准平台，最后都无果而终。因此，如今不管是Echo也好，Rokid也好，都不具备对智能家居的控制功能。在消费端，用一个终端对所有电器进行控制当然是最好的体验，但实际上做不到，由于各个企业之间纷繁复杂的利益关系存在，没有谁能在这方面一统天下。另一方面，各企业在标准协议方面不能达成一致的情况下，又不能让消费者家里只用长虹，或者只用海尔。物联网的最大组成部分是智能家居，但家电企业对自身利益的保护，是超越外界想象的。能自己做的都会自己做，更别提放弃键盘只做主机了。
其次，物联网能不能绕开智能音箱，用别的方式实现语音交互？肯定有。
百度发布的DuerOs就是这样一套系统，可以让企业通过SDK嵌入的方式，将语音交互甚至图像识别集成到智能家电中去。当然，这是进入智能家电的另一个入口，也走不出被第三方控制的怪圈。但这种生态输出能力的方式平滑更容易让企业接受。三星目前正在着力发展软件形式的Bixby语音助手，这种搭载在三星智能手机和其他硬件上的软件语音助手，未来很可能也会走DuerOs这种生态型路子，顺滑过渡到智能电器上去。如果这两大势力中任何一个能成，智能音箱也就没有任何意义了。
再次，人机交互有没有语音之外的其他方式？只能说一切皆有可能。人工智能的两大入口分别是语音和图像识别，目前前者的技术比后者成熟，图像识别还存在着较大的技术难关有待突破。如果图像识别能够对人体细微的动作进行精确理解，其实手势交互或许会是比语音更好的交互方式。设想一下，用户坐在沙发上手指向上一划，空调升温，向下一划，空调降温，这也是很不错的体验。语音交互的最大障碍是口音和语音环境，而机器对手势和身体语言的识别，则不受这些条件影响。
风口难蹭
近期智能音箱的密集出现，是风口论的又一次集中体现。企业把智能音箱的价格定得很低，试图用补贴硬件的方式抢占市场，但其实这一目的很难实现。未来的人工智能产业中，或许根本没有蹭风口势力的些微容身之地，可以肯定的是绝大多数智能音箱将从市场上消失。当前智能音箱的繁荣和风口，只不过映射出互联网企业对人工智能时代的焦虑而已，它们给市场提供的，只不过是同质化的产品和服务，从长远来看根本不是个可以持续做下去的事情。
事实上，即便语音交互是未来较为强力的人工智能入口，也很有可能不会是智能音箱这种形式，语音交互的泛终端化或无终端化才是方向，即声音传感器无处不在，根本不需要一个有形终端摆在那里起作用。不过，一些市场份额较高的音响，如Echo们，或许并不会在这个项目上一败涂地，Echo至少还能控制一些无形的互联网服务，甚至对某些家用照明装置进行控制。
至于那些从现在起才开始跟风的企业，前景实难描述。只能说，前景有天花板，而惨烈不设底线。
在2014年11月，亚马逊就低调发布智能音箱 Echo。当时它给整个业界带来的印象，只是一款创新的硬件产品，可通过语音交互播放音乐，播报天气，闹钟提醒等，做一些简单的服务输出。在一向紧盯美国科技界创新发展的中国，鲜有追随者。但到了2016年11月，Echo在美国的销量已经达到了3 510万台。
到2016年，根据市场调研机构Strategy Analytics 的数据，2016年智能音箱全球出货量为590万台，并将在2022年增长10倍，市场规模将达到55亿美元。
风口似乎出现了。
2017年，微软的Invoke和苹果的Home pod发布之后，数得上的巨头已悉数入局，这在中国引发了一场跟风潮。天猫、联想、喜马拉雅等公司分别发布了自己的智能音箱产品，更多的智能音箱还在路上。这时距离亚马逊Echo的发布，已经过去差不多3年时间。
各大公司纷纷入手智能音箱的背后，实则反映出产业界对人工智能时代的焦虑。
智能音箱非音箱
时下所流行的智能音箱，实则与音响没太大关系，多为语音交互设备，而语音交互则被普遍认为是未来人工智能时代的主要交互方式。于是，一大批被冠以智能音箱名号的语音交互硬件出现了，其目的是抢占未来的语音交互入口，并不是要做什么音箱。互联网厂商的逻辑是，目前的智能音箱能控制音乐播放，天气播报，未来就能控制冰箱和洗衣机的运行，进而控制物联网的一切。
与实现这一控制需要大投入的后台算法和自动化技术研发相比，目前业已成熟的语音交互，实则是加入到人工智能大潮中一条低成本的捷径了。
“不想被技术热潮甩下”“见到风口都想参与一下”“在不进行高成本投入的情况下也成为人工智能产业的一员”“吃不上肉至少喝口汤，反正不管自己出力多少，也不想这桌酒席上没有自己”……这些想法成为近期发布智能音箱企业的普遍心态。真正在人工智能领域进行持续投入的大公司如百度，或者在语音交互方面拥有极强技术实力的企业如三星，反倒对智能音箱这个风口没表现出那么热衷。这些企业的态度，映射出了该领域的意见分歧。
入口和内核的博弈
业界认为，智能音箱有可能会是未来物联网和智能家居的入口，因为似乎没有比自然语音更好的人机交互方式了。虽然肯加入进来的智能家居厂商很罕见，但智能音箱只要不断迭代產品，将其语音交互功能不断升级换代至消费者可自如使用的地步，智能家居厂商的加入，只是早晚的问题。届时，目前这批智能音箱厂商就会与之分享利益，并通过拔高自身语音交互入口价值而获得更多利益，成为出力最少但获收益最多的所谓入口把控者。这是一种传统互联网的固有商业逻辑，但在未来能否奏效还真不好说。
一套用人工智能控制的家居产品，技术难度主要在自动化控制上面，机器在接收并理解了语音指令之后，还需要对这些指令加以执行，如开机、关机、升温、降温、大火煮、小火煮、焖煮等。传统按键控制的情况下，这类动作的执行是很简单的，但在语音控制的状态下，其实现难度就要大得多了，这是互联网企业做不了的事情。百度这样的人工智能巨头，也只能是在算法方面不断突破，但涉及到具体的自动化控制时，还是具体的生产制造企业更为擅长。
键盘与主机之争
智能音箱与物联网和智能家居之间，存在这一种类似于电脑与键盘的关系，没有键盘当然是无法输入文字，但没有电脑的话，键盘会更加处于无用之地。
首先，家电业是否心甘情愿地只去生产电脑，把键盘的事情交给别人去做？智能家居企业为了能够不受制于人，始终不肯开放接口，虽然成立过一些开放标准平台，最后都无果而终。因此，如今不管是Echo也好，Rokid也好，都不具备对智能家居的控制功能。在消费端，用一个终端对所有电器进行控制当然是最好的体验，但实际上做不到，由于各个企业之间纷繁复杂的利益关系存在，没有谁能在这方面一统天下。另一方面，各企业在标准协议方面不能达成一致的情况下，又不能让消费者家里只用长虹，或者只用海尔。物联网的最大组成部分是智能家居，但家电企业对自身利益的保护，是超越外界想象的。能自己做的都会自己做，更别提放弃键盘只做主机了。
其次，物联网能不能绕开智能音箱，用别的方式实现语音交互？肯定有。
百度发布的DuerOs就是这样一套系统，可以让企业通过SDK嵌入的方式，将语音交互甚至图像识别集成到智能家电中去。当然，这是进入智能家电的另一个入口，也走不出被第三方控制的怪圈。但这种生态输出能力的方式平滑更容易让企业接受。三星目前正在着力发展软件形式的Bixby语音助手，这种搭载在三星智能手机和其他硬件上的软件语音助手，未来很可能也会走DuerOs这种生态型路子，顺滑过渡到智能电器上去。如果这两大势力中任何一个能成，智能音箱也就没有任何意义了。
再次，人机交互有没有语音之外的其他方式？只能说一切皆有可能。人工智能的两大入口分别是语音和图像识别，目前前者的技术比后者成熟，图像识别还存在着较大的技术难关有待突破。如果图像识别能够对人体细微的动作进行精确理解，其实手势交互或许会是比语音更好的交互方式。设想一下，用户坐在沙发上手指向上一划，空调升温，向下一划，空调降温，这也是很不错的体验。语音交互的最大障碍是口音和语音环境，而机器对手势和身体语言的识别，则不受这些条件影响。
风口难蹭
近期智能音箱的密集出现，是风口论的又一次集中体现。企业把智能音箱的价格定得很低，试图用补贴硬件的方式抢占市场，但其实这一目的很难实现。未来的人工智能产业中，或许根本没有蹭风口势力的些微容身之地，可以肯定的是绝大多数智能音箱将从市场上消失。当前智能音箱的繁荣和风口，只不过映射出互联网企业对人工智能时代的焦虑而已，它们给市场提供的，只不过是同质化的产品和服务，从长远来看根本不是个可以持续做下去的事情。
事实上，即便语音交互是未来较为强力的人工智能入口，也很有可能不会是智能音箱这种形式，语音交互的泛终端化或无终端化才是方向，即声音传感器无处不在，根本不需要一个有形终端摆在那里起作用。不过，一些市场份额较高的音响，如Echo们，或许并不会在这个项目上一败涂地，Echo至少还能控制一些无形的互联网服务，甚至对某些家用照明装置进行控制。
至于那些从现在起才开始跟风的企业，前景实难描述。只能说，前景有天花板，而惨烈不设底线。