從藍海殺成紅海的語音科技，如何才能轉(zhuǎn)化成智能家庭的入口

各種調(diào)查數(shù)據(jù)顯示，智能家居市場規(guī)模在未來幾年，將會突破萬億，巨大蛋糕吸引了眾多玩家參與，也涌現(xiàn)出眾多創(chuàng)新企業(yè)，然而，要實現(xiàn)智慧的生活，這其中涉及到跨平臺、跨品牌等互聯(lián)互通是基礎(chǔ)，處在產(chǎn)業(yè)鏈核心斷的公司積極搭建生態(tài)建設(shè)，在這個智能家居市場整頓中，誰能聚攏更多第三方資源，誰就占住主導(dǎo)權(quán)，一個簡單的語音人機交互對話場景中，機器穩(wěn)中帶皮的表現(xiàn)算是我們對于智能音箱最基本層面、最直觀的認識了。而事實上，這并非智能音箱的最終形態(tài)。

智能音箱大混戰(zhàn)從前年開始，已經(jīng)在作為中國硅谷科技的前沿的巨頭間打得焦頭爛額。然而一直被全球認為是消費潛力巨大的中國市場，卻在智能音箱領(lǐng)域陷入尷尬的境地。目前為止，國內(nèi)還未出現(xiàn)單品銷量突破1000萬臺的智能音箱產(chǎn)品。

互聯(lián)網(wǎng)巨頭眼中，智能音箱被定義為是繼PC電腦圖形化系統(tǒng)+鍵鼠外設(shè)交互方式、智能手機+觸屏操作交互方式之后的新形態(tài)交互方式，是后互聯(lián)網(wǎng)時代的下一個超級入口?？凑麄€互聯(lián)網(wǎng)技術(shù)，就是數(shù)字技術(shù)顛覆性的變革和機會。我們最近在大力的推語音（智能音箱），其實都是一樣的，智能音箱的工作原理：人發(fā)出指令——音箱對聲音處理識別——傳輸服務(wù)器作出回應(yīng)——傳回智能音箱或者其他服務(wù)器——得出結(jié)果（其他設(shè)備開始運行）。

毫無疑問語音是未來一個互聯(lián)網(wǎng)入口。有效的搶占了下一個互聯(lián)網(wǎng)的超級入口就意味著在互聯(lián)網(wǎng)的下一個時代里會擁有更多的主動權(quán)和話語權(quán)，因此被譽為下一個互聯(lián)網(wǎng)超級入口的智能音箱產(chǎn)業(yè)早已形成巨頭環(huán)伺的競爭形態(tài)。

目前，各品牌的智能音箱除了充當語音交互方式的鬧鐘設(shè)定、天氣提醒查詢、翻譯、算數(shù)等基本生活小助手之外，同時還兼顧路況、百科查詢，點外賣、叫專車等貼身小管家一職。技能的拓展性、應(yīng)用場景的適應(yīng)性在不斷增強。

僅僅在深圳南山區(qū)一公里以內(nèi)，就有112家公司做語音智能。”有如此之多的公司在做智能音箱，但真正成為了產(chǎn)品用戶的公司卻少之又少，對于智能硬件來說，沒有銷量，都是空談。有人曾用這么一句話形容目前國內(nèi)的智能音箱市場：行業(yè)爆款轉(zhuǎn)身變成了雞肋。

在智能音箱領(lǐng)域，用戶體驗是經(jīng)常被強調(diào)的點，語音交互與服務(wù)內(nèi)容則是競爭核心。而智能音箱行業(yè)發(fā)展的最大瓶頸則是AI技術(shù)的不成熟。目前AI技術(shù)雖愈加火爆，但仍處于弱人工智能階段，其語音識別、語音合成、自然降噪等技術(shù)僅僅處于“可用”階段，遠未能滿足人類的深度體驗。

在智能音箱使用之前，需要加入局域網(wǎng)，而這一步需要在相應(yīng)的手機app中操作才能實現(xiàn)。雖然這只是初始的一步，卻反映出手機在智能家居體系中的重要地位。與小巧便攜的手機相比，智能音箱顯得臃腫了很多，尤其是對于許多經(jīng)常出差的商務(wù)人士而言，智能音箱的使用率更是大打折扣。

在智能音箱背后，真正起作用的是語音助手，語音助手的背后則是基于大數(shù)據(jù)的人工智能。而人類是情感動物，智能音箱發(fā)展到今天之所以還沒有成為人們生活中的常態(tài)，是由于AI技術(shù)還停留在機械化階段，無法消解人類的孤獨感。

盡管現(xiàn)在的AI音箱能夠完成人類的一些指令，但想要進一步發(fā)展，需要完成從機械式執(zhí)行到情感式對話的轉(zhuǎn)變。要實現(xiàn)這一點，就需要AI技術(shù)更加成熟，需要AI朝著人性化的方向發(fā)展。

術(shù)硬傷難以突破：語義識別以及中文語言識別

智能音箱相關(guān)分析表示：在對話方式上，一些中國制造商生產(chǎn)的設(shè)備語音識別準確率低，中文自然語言的整體理解和反應(yīng)依舊不夠成熟，這是阻礙普及的一個關(guān)鍵原因。

語義識別是目前智能音箱的一個痛點，但也是AI技術(shù)的一大問題。AI可以下圍棋戰(zhàn)勝李世石，但它現(xiàn)在不一定能聽明白每個人在講什么。＂

因為智能音箱的語音技術(shù)可以分為三個階段：噪聲抵消、語音識別，和語義識別。相對于國外，我國在于AI智能語音助理上的發(fā)展水平暫處于相對落后的狀態(tài)。而對于智能家居這種產(chǎn)品來說，其技術(shù)核心是依賴語音聲控，背后是人工智能的智能識別能力與深度學(xué)習(xí)能力。

雖然現(xiàn)在國內(nèi)在相關(guān)技術(shù)上已經(jīng)有一定的突破，比如科大訊飛，思必馳等公司都是具備語音識別能力的廠商。但當前，國內(nèi)的智能音箱廠商還沒有人工智能方面的平臺優(yōu)勢，可以像亞馬遜、谷歌那樣跨越多個垂直領(lǐng)域進行資源整合的能力。

另外，除了在技術(shù)實力的原因以外，其語義識別的主要問題在于中國復(fù)雜的語言環(huán)境。

目前市面上的AI音箱只支持中文普通話交互，與中國的人文環(huán)境有所差異，實際情況卻不如想象中那般簡單：中國地域廣袤，方言語系多樣，據(jù)不完全統(tǒng)計，僅彼此不能相互溝通的方言就有80多種。

雖然普通話已經(jīng)普及了幾十年，但截至今日，仍有不少人不會說普通話；而夾雜方言的“偽普通話”更是多如牛毛。在語境方面，也不利于機器的語音學(xué)習(xí)和大數(shù)據(jù)手機。相比國外的智能產(chǎn)品，我國在本土智能音箱的發(fā)展過程中，僅在語言關(guān)方面，就需要多耗費數(shù)倍的研發(fā)精力。

因此，由于智能音箱在漢語的語音識別和語義交互等對話式交互技術(shù)還尚未成熟，都嚴重影響著用戶體驗。在目前的過渡階段，提高音箱耳機產(chǎn)品本身的性能才是企業(yè)的重中之重。而只有當語言交互界面技術(shù)成型，并發(fā)展為標準服務(wù)時，智能音箱在有可能在中國市場真正普及起來實際上，國內(nèi)對于人工智能的技術(shù)還沒有使用習(xí)慣，智能音箱算是整個AI領(lǐng)域發(fā)展較為快速的。其實，我們也能從中看出一大問題，就是智能音箱的核心價值沒有標準化，沒有抓取到用戶的核心需求，很多人都是在為智能而不是音質(zhì)等需求買單，總的來說，不論關(guān)鍵在不在于技術(shù)，而是如何讓技術(shù)符合你的生活需求，AI需要實實在在的應(yīng)用。

盡管今年互聯(lián)網(wǎng)巨頭在智能音箱上價格戰(zhàn)劇烈，但智能音箱發(fā)展仍呈現(xiàn)差異化的幾個方向，這主要源于智能音箱品牌全品類布局與差異化布局。在十幾家智能音箱品牌的二三十款音箱中呈現(xiàn)出4個特點：入門mini產(chǎn)品、大眾產(chǎn)品、高端產(chǎn)品、兒童產(chǎn)品。