大模型卷進(jìn)智能音箱，戰火重新點(diǎn)燃
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對面交流
海量資料庫查詢(xún)
編輯 | 云鵬
銷(xiāo)量緩踩剎車(chē)的智能音箱，與狂飆的ChatGPT，能擦出什么火花？
ChatGPT帶來(lái)的生成式AI熱潮正在席卷各行各業(yè)，各類(lèi)智能硬件產(chǎn)品上也不斷涌現出新的功能和應用。
在出貨量逐年下跌、消費者熱情逐漸消退的智能音箱產(chǎn)業(yè)，生成式AI強大的語(yǔ)義理解、用戶(hù)意圖理解以及內容生成能力，給了這一產(chǎn)業(yè)的玩家們尋找新機遇的絕佳機會(huì )。
前有小度科技融合文心一言打造的針對智能設備場(chǎng)景的人工智能模型“小度靈機”，后有天貓精靈接入“鳥(niǎo)鳥(niǎo)分?zhù)B”模型打造“AI嘴替”，并官宣將接入阿里大模型通義千問(wèn)……智能音箱在生成式AI的加持下，正在變得更“聰明”，更有“人情味”。
那么，現在有哪些玩家已經(jīng)入局生成式AI與智能音箱的集成？生成式AI如何賦能智能音箱，而搭載生成式AI技術(shù)的智能音箱距離大規模普及還有多遠？我們試圖通過(guò)追蹤各家智能音箱玩家的最新動(dòng)作并與智能音箱行業(yè)從業(yè)者對話(huà)來(lái)找到這些問(wèn)題的答案。
01.巨頭動(dòng)作頻發(fā)ChatGPT是智能音箱的下一個(gè)風(fēng)口嗎？
智能音箱與生成式AI技術(shù)的結合已經(jīng)在巨頭玩家中初現雛形。2月9日，小度宣布將融合文心一言，打造針對智能設備場(chǎng)景的AI模型“小度靈機”，并將其應用到小度全系產(chǎn)品中。4月11日，天貓精靈宣布將正式接入阿里巴巴通義千問(wèn)……
眾所周知，小度、天貓精靈已經(jīng)穩坐國內智能音箱市場(chǎng)前三甲多年。洛圖科技的數據顯示，2022年中國智能音箱全年銷(xiāo)量達到2631萬(wàn)臺，百度（35%）、小米（31%）、天貓精靈（27%）、華為（4%）四個(gè)品牌合計占據了高達96.5%的市場(chǎng)份額。
當下，這些智能音箱玩家也成為了生成式AI浪潮中的主力軍，走得快的一批已經(jīng)拿出了基于生成式AI技術(shù)的智能音箱測試產(chǎn)品，還有一類(lèi)智能音箱玩家正在競相發(fā)布生成式AI技術(shù)領(lǐng)域的成果積累，而走得最慢的一類(lèi)玩家，還尚未透露大模型領(lǐng)域的相關(guān)布局。
▲部分智能音箱玩家的生成式AI技術(shù)布局（來(lái)源：官方公開(kāi)信息）
1、小度、天貓精靈搶跑，ChatGPT版智能音箱已公開(kāi)測試一類(lèi)就是以小度、天貓精靈為代表的智能音箱玩家，它們已經(jīng)大踏步入局，并初步亮出了自己的成果。小度這邊亮出的是人工智能模型“小度靈機”，借助小度靈機大模型，現有智能音箱中的語(yǔ)音助手可以變成“超級助理”。在官方發(fā)布的測試視頻中，測試員告訴超級助理，他要在周末做各種各樣的事情，而在敘述這些事的時(shí)候，測試員會(huì )故意提出“修改時(shí)間”的要求，比如原定于周日要做的A事件被B事件替換。即使面對測試員的一系列復雜要求，這位超級助理也可以從中提煉出真正有效的信息，并據此給測試員生成一份正確的時(shí)間安排表。此前小度智能音箱并沒(méi)有理解這樣復雜描述并提取信息、進(jìn)行整合的能力，小度靈機模型的作用體現的比較明顯。此外，在智能家居場(chǎng)景中的設備控制環(huán)節，小度靈機大模型可以化身“智能管家”，更準確地識別出用戶(hù)的真實(shí)需求。在演示中，測試員告訴智能管家，“我每天早上七點(diǎn)半一定要起床，周末可以晚一些，大概九點(diǎn)左右，干脆就九點(diǎn)半吧。冬天室內溫度不能低于23度，夏天溫度可以定在26度?！贝藭r(shí)超級助理可以根據這些描述，確定要在什么時(shí)候開(kāi)啟家中的空調、調整到什么樣的溫度比較合適。相比傳統智能助手只會(huì )理解“打開(kāi)空調”這樣的簡(jiǎn)單單一指令，靈機模型可以認識到：“用戶(hù)到家時(shí)，家里溫度與用戶(hù)期望的不一樣，所以需要打開(kāi)空調，并且根據現在的季節調節到合適的溫度”。顯然，大模型的加入，可以讓智能音箱實(shí)現認知能力上的提升。
▲小度靈機大模型
天貓精靈的策略是針對于智能音箱訓練出一個(gè)個(gè)性更為鮮明的大模型。4月11日，天貓精靈宣布將接入通義千問(wèn)，據阿里巴巴集團董事會(huì )主席兼首席執行官、阿里云智能集團首席執行官張勇透露，未來(lái)，天貓精靈除了能回答用戶(hù)的提問(wèn)外，還會(huì )成為更人性化的智能助手。
不同于知識面更為廣泛的通識性大模型，更加垂直的“個(gè)性化大模型”面向的是家居場(chǎng)景中相對更個(gè)性化的需求，在這種個(gè)性化的大模型加持下，這些智能音箱產(chǎn)品可以產(chǎn)生一些特定的“人格化”特征，比如“鳥(niǎo)鳥(niǎo)分?zhù)B”，這一模型的語(yǔ)氣、語(yǔ)調與脫口秀演員鳥(niǎo)鳥(niǎo)如出一轍，使得智能音箱在內容生成、理解能力更強的基礎上，還增強了可玩性。
▲天貓精靈“鳥(niǎo)鳥(niǎo)分?zhù)B”
2、智能音箱+生成式AI雙雙參與，華為、亞馬遜、谷歌仍緘口不言第二類(lèi)是此前在生成式AI技術(shù)以及智能音箱領(lǐng)域均有布局，但尚未透露是否會(huì )將兩者進(jìn)行結合的玩家，包括華為、亞馬遜、谷歌等。
擁有“盤(pán)古系列AI大模型”的華為，是智能音箱產(chǎn)業(yè)的重要參與玩家，從其應用領(lǐng)域來(lái)看，華為云盤(pán)古大模型將在氣象、醫藥、游戲、稅務(wù)等方面應用，但對于大模型在智能音箱領(lǐng)域的布局未有相關(guān)動(dòng)向公布。亞馬遜穩坐智能音箱市場(chǎng)出貨份額第一多年，上周，亞馬遜的Bedrock生成式AI服務(wù)和自有大模型泰坦（Titan）剛剛面世，相比于微軟、谷歌等，其動(dòng)作已經(jīng)落后。不過(guò)，亞馬遜還未透露是否將其相關(guān)技術(shù)應用于智能音箱Echo中。今年3月，谷歌發(fā)布聊天機器人Bard后，就有外媒報道，該公司正在重組其虛擬助理部門(mén)Assistant的匯報架構，以專(zhuān)注于其此前推出的聊天機器人Bard研發(fā)。谷歌副總裁兼助理業(yè)務(wù)部門(mén)負責人Sissie Hsiao說(shuō)：“隨著(zhù)Bard團隊繼續這項工作，我們希望確保繼續支持并執行未來(lái)的機會(huì )。今年，我們比以往任何時(shí)候都更加專(zhuān)注于為用戶(hù)提供有影響力的交付?！?/p>
而谷歌的智能音箱產(chǎn)品Echo是否會(huì )融入Bard的能力，谷歌尚未給出準確答復。3、蘋(píng)果、小米尚未官宣，內測或已開(kāi)啟最后一類(lèi)是以蘋(píng)果、小米為代表的玩家，這些玩家已經(jīng)深耕智能音箱市場(chǎng)多年，但尚未透露與大模型相關(guān)的技術(shù)研發(fā)具體進(jìn)展。
小米曾透露，其很早就在A(yíng)I大模型領(lǐng)域有嘗試，采用多技術(shù)路線(xiàn)并行，其中，小愛(ài)同學(xué)就是典型的大模型落地應用場(chǎng)景。
作為國內智能音箱玩家前三甲，小愛(ài)同學(xué)的實(shí)踐應用經(jīng)驗已經(jīng)非常豐富。據了解，截至2022年12月小愛(ài)同學(xué)全球月活躍用戶(hù)1.15億。上周五，小米雷軍在微博談到大模型，并著(zhù)重提到了小愛(ài)同學(xué)團隊在A(yíng)I領(lǐng)域已耕耘多年。
并且，他還透露：“我們正在研發(fā)一些有趣的技術(shù)和產(chǎn)品，等我們打磨好了，再給大家展示?！?/span>此外，蘋(píng)果也曾在2月的內部會(huì )議上透露，蘋(píng)果正在重點(diǎn)關(guān)注人工智能和大模型，Siri開(kāi)發(fā)團隊等在定期測試“語(yǔ)言生成概念”。此外據外媒9to5Mac報道，蘋(píng)果已經(jīng)在tvOS 16.4中引入了“Siri自然語(yǔ)言生成”的新框架。
ChatGPT的出現與爆火證明了生成式AI這一路線(xiàn)的正確性，先行的巨頭玩家也證明了智能音箱與生成式AI結合的可行性，以及生成式AI技術(shù)正在為逐漸沒(méi)落的智能音箱產(chǎn)業(yè)帶來(lái)新變量的必然性。
回溯過(guò)往，2014年亞馬遜推出全新硬件品類(lèi)Echo，將智能語(yǔ)音交互技術(shù)植入傳統音箱，帶動(dòng)了智能音箱的火爆熱潮。時(shí)至今日，這一曾被科技圈眾星捧月的“黃金賽道”，卻聲勢漸熄。
02.熄火的智能音箱在ChatGPT浪潮里尋找新變量
從市場(chǎng)數據來(lái)看，市場(chǎng)調研機構洛圖科技的報告顯示，2022年全球智能音箱市場(chǎng)出貨量為1.2億臺，同比下降25%；國內智能音箱市場(chǎng)銷(xiāo)量2631萬(wàn)臺，同比下降28%。IDC發(fā)布的2023年中國智能家居市場(chǎng)的十大洞察也透露，智能音箱和視頻娛樂(lè )設備的市場(chǎng)需求正在逐漸消退，整個(gè)市場(chǎng)呈現下滑趨勢。
▲2017年-2022年中國智能音箱市場(chǎng)銷(xiāo)量規模變化（圖源：洛圖科技）
智能音箱產(chǎn)品中存在的交互體驗、應用場(chǎng)景單一、產(chǎn)品缺乏創(chuàng )新、互聯(lián)互通差等問(wèn)題使得一些設備被放在用戶(hù)家中“吃灰”。
當下，以ChatGPT為代表的生成式AI技術(shù)在上下文理解、多輪對話(huà)、內容生成等方面展現出了極高的交互水準，巨頭玩家的入局也展現了其與智能音箱的可行性，那么從整個(gè)行業(yè)來(lái)看，生成式AI技術(shù)能為智能音箱帶來(lái)什么新的變量？
首先從基本功能來(lái)看，智能音箱曾被看好的語(yǔ)音交互和智能家居入口兩大功能在實(shí)現上與生成式AI的特性有一定相似之處。這些功能都需要智能音箱去理解用戶(hù)的真實(shí)意圖，并且生成質(zhì)量更高的答復，或者能通過(guò)對用戶(hù)說(shuō)話(huà)內容上下文的理解來(lái)控制相應的智能家居設備。
此前，智能音箱大多情況下只能實(shí)現一問(wèn)一答或者十分簡(jiǎn)單的溝通，依托于生成式AI技術(shù)在內容生成和理解能力上的優(yōu)勢，智能音箱可以在進(jìn)一步理解用戶(hù)意圖的基礎上，讓回答內容的質(zhì)量能夠更趨向于真人的表現。
除了基本功能，生成式AI技術(shù)能制定計劃、生成摘要等強大理解能力的技術(shù)將進(jìn)一步擴展智能音箱的應用場(chǎng)景。智能音箱在語(yǔ)音交互方面具有聲音大而清晰的天然優(yōu)勢。未來(lái)，智能音箱的功能可能并不止于家庭，或許會(huì )走進(jìn)辦公場(chǎng)所成為人們工作的助手等。
。除此以外，在市場(chǎng)上，ChatGPT也正在帶動(dòng)智能音箱產(chǎn)業(yè)成為資本的焦點(diǎn)。據證券之星的消息，奮達科技、漫步者、國光電器等智能音箱概念股都出現大漲行情，資金涌入跡象明顯。
在智能音箱產(chǎn)業(yè)進(jìn)入瓶頸期的當下，生成式AI、大模型的出現又將其重新拉回大眾視野，并且迅速帶來(lái)顛覆性革新，其能為這一產(chǎn)業(yè)帶來(lái)多少新變量，還需要搭載著(zhù)新技術(shù)的智能音箱真正走進(jìn)家庭，我們才可能知道答案。
03.“ChatGPT版”智能音箱普及背后的三大挑戰
不過(guò)，想要讓搭載著(zhù)生成式AI技術(shù)的智能音箱真正在每一個(gè)用戶(hù)家中實(shí)現普及，背后還有算力、數據、隱私等天然壁壘。
前段時(shí)間，生成式AI浪潮中最炙手可熱的ChatGPT也被踩下剎車(chē)，ChatGPT Plus暫停付費、多國的監管機構禁止ChatGPT使用，這背后同樣折射出生成式AI進(jìn)入C端市場(chǎng)需要面臨的算力、數據安全、隱私保護的考量。
。不過(guò)算力成本高昂的問(wèn)題并非無(wú)解，此前，創(chuàng )新奇智推出制造業(yè)預訓練大模型，創(chuàng )新奇智CTO張發(fā)恩在接受媒體采訪(fǎng)時(shí)透露，同樣規模參數的大模型，其訓練精度和所需算力水平其實(shí)在快速下降。更直觀(guān)的來(lái)看就是，隨著(zhù)開(kāi)源大模型的出現，一些企業(yè)不需要自己從0到1去訓練大模型，前人被訓練好的大模型可以直接調用，再在這一基礎上進(jìn)行優(yōu)化，這相比于從頭開(kāi)始訓練的大模型，其成本將少得多。
并且，未來(lái)隨著(zhù)算法進(jìn)化，大模型訓練過(guò)程中對算力的依賴(lài)度也會(huì )大大降低。
第二個(gè)挑戰是，ChatGPT爆火的很大一部分原因是它可以顛覆式提升生產(chǎn)效率，而這種輸出方式主要以文字、圖片、視頻為主。智能音箱則更注重語(yǔ)音交互，但在人們的日常生活、工作中，需要音頻反饋的內容可能只占一小部分，大部分還是以文本、圖片、視頻輸出為主。因此，“ChatGPT版”智能音箱的普及落地需要找到一個(gè)能切準用戶(hù)真正剛需，并且適配于語(yǔ)音交互的場(chǎng)景。
物聯(lián)網(wǎng)音視頻技術(shù)底層服務(wù)商相關(guān)負責人告訴智東西，站在大模型的角度，它對意圖理解、情緒理解、個(gè)性塑造和反思有很強的表現能力，并擅長(cháng)內容創(chuàng )作等，但此前智能音箱的交互還停留在機械式問(wèn)答。他補充道，未來(lái)可能會(huì )誕生一些陪伴型的設備形態(tài)，當然也有可能有別于現有的智能音箱。如果仍然以聊天對話(huà)、控制智能家居設備的功能為主，搭載“ChatGPT”的智能音箱可能很快也會(huì )褪去熱度，再次沉寂，因為這看起來(lái)與之前的智能音箱相比并沒(méi)有很大區別。第三個(gè)挑戰就是，對于用戶(hù)家庭數據、隱私安全的保護。消費者對于智能音箱收集個(gè)人數據的問(wèn)題一直比較敏感，如果想要搭載生成式AI技術(shù)的智能音箱可以更好地理解用戶(hù)需求，并給出個(gè)性化解決方案，那么生成式AI勢必會(huì )涉及到對用戶(hù)個(gè)人信息的收集。此時(shí)用戶(hù)對于這類(lèi)產(chǎn)品是否會(huì )接受，以及相關(guān)法規法律的健全完善，都會(huì )是行業(yè)要面對的挑戰。因此，當一個(gè)更聰明的智能音箱出現在用戶(hù)家庭中，勢必會(huì )經(jīng)歷較長(cháng)的市場(chǎng)教育階段。一項新技術(shù)的革新以及對整個(gè)產(chǎn)業(yè)產(chǎn)生實(shí)際的影響必然是長(cháng)期過(guò)程，而這一波AI新浪潮仍處于發(fā)展的早期，因此其對于智能音箱這一產(chǎn)業(yè)產(chǎn)生的切實(shí)影響可能還未明確展現出來(lái)。
現在，我們還無(wú)法給出類(lèi)ChatGPT技術(shù)在智能音箱中廣泛應用、引起真正革命的確切時(shí)間，但可以預見(jiàn)的是，ChatGPT引爆的熱潮正在加速這一進(jìn)程。
04.結語(yǔ)：解密AI帶給智能音箱的想象空間
隨著(zhù)生成式AI技術(shù)的快速發(fā)展，日漸熄火的智能音箱產(chǎn)業(yè)將有望找到新的增長(cháng)空間。在此基礎上，智能音箱等智能終端設備的人機交互模式也將帶來(lái)新的變革。
多年以來(lái)，曾靠語(yǔ)音助手紅極一時(shí)的智能音箱一直沒(méi)發(fā)展出什么爆款新功能，也沒(méi)有出現令人驚艷的重磅升級，使得消費者的換新需求大打折扣，如今這類(lèi)上知天文下知地理、還能擁有情感陪伴的生成式AI技術(shù)，未來(lái)如能和智能語(yǔ)音助手結合在一起并落地到用戶(hù)家中，將有望帶給智能音箱產(chǎn)業(yè)新的生機。不過(guò)對于其未來(lái)能產(chǎn)生哪些新的場(chǎng)景、新的應用？智能音箱的形態(tài)又會(huì )發(fā)生什么樣的變革？目前還未有定論。
*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。
