智能音箱大戰：中國會(huì )誕生亞馬遜Echo？

　　7月5日，阿里推出了自己的首款消費級AI產(chǎn)品天貓精靈X1，同日百度也宣布了DuerOS開(kāi)放平臺，可以支持基于語(yǔ)音和圖像識別的智能產(chǎn)品開(kāi)發(fā)。

　　細數當前的智能音箱領(lǐng)域的玩家，既匯集了亞馬遜、谷歌、蘋(píng)果、微軟、三星等國際巨頭，阿里、京東、小米、聯(lián)想等國內企業(yè)也紛紛入局。

　　Strategy Analytics今年6月下旬發(fā)布的研究報告顯示，全球基于Wi-Fi的無(wú)線(xiàn)音箱出貨量在2016年增長(cháng)62%達到1400萬(wàn)臺，其中，亞馬遜在增量中占有77%的份額。

　　一位不愿具名的行業(yè)人士向21世紀經(jīng)濟報道記者分析認為，亞馬遜Echo以語(yǔ)音為入口接入家庭智能，整個(gè)處理在云端進(jìn)行，背后是軟件、硬件以及開(kāi)發(fā)者的完整生態(tài)。由于一些國外的云服務(wù)和內容在國內不能使用，未來(lái)中國肯定會(huì )有像亞馬遜一樣做平臺生態(tài)的公司出現，開(kāi)放硬件接口給廠(chǎng)商，這也給本土企業(yè)帶來(lái)新機遇。

　　語(yǔ)音交互落地

　　“從90年代末IBM推出了第一款商品化的語(yǔ)音識別系統ViaVoice，到比爾·蓋茨倡導下一代語(yǔ)音交互界面，做了十幾年還沒(méi)有成功案例。Echo真正教育了用戶(hù)和市場(chǎng)，給行業(yè)樹(shù)立很好的標桿?！痹?月7日-7月9日舉辦的CCF-GAIR全球人工智能與機器人峰會(huì )上，元趣信息技術(shù)CEO吳義堅說(shuō)。

　　亞馬遜于2014年發(fā)布的智能音箱Echo能夠依靠語(yǔ)音助手Alexa實(shí)現音樂(lè )播放、新聞搜索、網(wǎng)購下單、Uber叫車(chē)、外賣(mài)預定等服務(wù)，被認為打開(kāi)了物聯(lián)網(wǎng)的一個(gè)重要入口，以此成為行業(yè)標桿。據不完全統計，截至目前，Echo在全球已經(jīng)賣(mài)出超過(guò)一千萬(wàn)臺。

　　“Echo的成功，讓更多人相信未來(lái)物聯(lián)網(wǎng)的入口應該是智能語(yǔ)音識別器，這是Synaptics把語(yǔ)音納入人機界面的一個(gè)重要原因?！比藱C界面交互解決方案設計制造公司Synaptics于6月宣布收購了語(yǔ)音音頻處理方案商Conexant(科勝訊系統)，其副總裁兼中國區總經(jīng)理盧兵此前向21世紀經(jīng)濟報道記者介紹，“我們一致認為，語(yǔ)音已經(jīng)到了一個(gè)時(shí)間點(diǎn)，會(huì )成為下一代人機界面的主要功能?！?/p>

　　目前來(lái)看，近場(chǎng)語(yǔ)音的識別率已經(jīng)達到了相當高的程度，科大訊飛、搜狗等語(yǔ)音輸入可以達到95%以上的準確率，但實(shí)際的使用場(chǎng)景中還有很多障礙需要跨越?！皬倪h距離、噪音環(huán)境的處理，口音、方言的支持，智能化場(chǎng)景對聯(lián)動(dòng)、控制、兼容性的要求等方面存在各種各樣的問(wèn)題。我們覺(jué)得大規模商用過(guò)程中，目前我們的技術(shù)和產(chǎn)品還沒(méi)有那么成熟?！遍T(mén)羅機器人創(chuàng )始人楊興義認為，語(yǔ)音語(yǔ)義在用戶(hù)體驗的角度還處在比較早期的階段。

　　超多維創(chuàng )始人兼董事長(cháng)戈張日前向21世紀經(jīng)濟報道記者分析認為，未來(lái)的產(chǎn)品發(fā)展在外觀(guān)、硬件、服務(wù)、設計上會(huì )越來(lái)越綜合化，產(chǎn)品并不只是一款硬件，還包含軟件平臺、算法、內容等，是個(gè)系統工程。Echo的優(yōu)勢一方面在于它的控制能力，另一方面是它的服務(wù)能力。要做成一款成功的智能語(yǔ)音產(chǎn)品，并商業(yè)落地，不是一件容易的事。

　　中國會(huì )否出現Echo?

　　從事語(yǔ)義理解的驀然認知CEO戴帥湘表示并不看好音箱品類(lèi)?！耙蔀橐粋€(gè)爆款，需要有存量市場(chǎng)，產(chǎn)品有延續性。推一個(gè)新品類(lèi)需要強大的說(shuō)服用戶(hù)的能力，這是有難度的?！?/p>

　　他解釋稱(chēng)，中美客廳文化存在差異，音箱在國內家庭并沒(méi)有足夠的使用習慣，市場(chǎng)沒(méi)那么大。但他也認為入局者眾至少可以教育民眾，對整個(gè)交互產(chǎn)業(yè)鏈都是好事。驀然認知目前主要打造的交互場(chǎng)景是家居和車(chē)載，這被戴帥湘認為“前景廣闊”。

　　在吳義堅看來(lái)，中國已經(jīng)具備誕生Echo的土壤，其中阿里是有可能做成Echo生態(tài)的——在人工智能語(yǔ)音上，阿里最近幾年從全球范圍內籠絡(luò )到很多資深人才加入，有很強的技術(shù)積累;它也有大量音樂(lè )、內容、電商等方面的服務(wù)，具備商業(yè)化的條件。

　　據悉，一個(gè)語(yǔ)音產(chǎn)品方案由三部分組成，硬件前端包括麥克風(fēng)陣列、降噪算法、芯片、硬件平臺等，云端包括語(yǔ)音識別和語(yǔ)義理解、語(yǔ)音數據，內容合作有音樂(lè )、天氣、短信、通話(huà)等應用工具。如果未來(lái)消費電子都支持語(yǔ)音交互，這也將帶來(lái)從元器件到內容服務(wù)全產(chǎn)業(yè)鏈的重構。

　　從國內的產(chǎn)業(yè)鏈上看，聲智科技CEO陳孝良指出，首先麥克風(fēng)要在性能、低功耗上做很大的改進(jìn)，“整個(gè)全球市場(chǎng)上中國的麥克風(fēng)產(chǎn)業(yè)占的比重很小，核心技術(shù)不在國內。而且我們現在做的麥克風(fēng)是標量麥克風(fēng)，只能取一個(gè)物理量，下一步要解決很復雜的聲學(xué)問(wèn)題，需要矢量麥克風(fēng)。我們國內相對會(huì )落后一點(diǎn)?！贝送?，芯片、算法上的原創(chuàng )性技術(shù)，以及商業(yè)化方面也都面臨挑戰?！皣鴥鹊膬热莺头?wù)相對比較割裂，但亞馬遜就把很多優(yōu)勢集中在一起?！?/p>

　　他同時(shí)指出，遠場(chǎng)語(yǔ)音交互開(kāi)始是智能音響，但是將來(lái)絕對不僅僅是智能音響，技術(shù)還會(huì )擴展到很多其他的產(chǎn)品。