文‖《上海國資》記者 孫一元 整理

亞馬遜Echo:智能家居未來？

文‖《上海國資》記者 孫一元 整理

網(wǎng)絡零售巨頭亞馬遜推出的智能音箱Echo,被視為科技業(yè)近些年最大創(chuàng)新。

2014年11月6日,亞馬遜在官網(wǎng)低調(diào)地宣布發(fā)布Amazon Echo家庭智能音箱；雖然沒有發(fā)布會,更沒有亞馬遜CEO杰夫·貝索斯的站臺,但Echo和它內(nèi)置的智能語音助手Alexa卻越來越受歡迎。2015年,Amazon Echo一舉占據(jù)整個音箱市場銷量的25%。

Echo的研發(fā)起自于2011年,當時它是亞馬遜硬件研發(fā)中心Lab126的D項目。不過在Echo發(fā)布之前,亞馬遜最重要的產(chǎn)品卻是B項目Fire Phone。

2014年7月,當Echo還正處于開發(fā)沖刺階段時,Fire Phone在萬眾矚目中出現(xiàn)在亞馬遜的發(fā)布會上,一時間風頭無兩。頗具戲劇性的是,不久之后Fire Phone宣告失敗。在此之后,亞馬遜才將所有的重心轉(zhuǎn)移到Alexa和Echo上來。

據(jù)負責Alexa機器學習的首席科學家Rohit Prasad說,Alexa的靈感來源是《星際迷航》中的計算機；受前者啟發(fā),亞馬遜想創(chuàng)造一種全新的計算機交互體驗：脫離于屏幕之外,更接近于人類之間的正常語音交流。

于是,Echo最終成為一個可以進行語音輸入和語音輸出的智能音箱,沒有配備顯示屏。這就意味著,Echo所有的工作都要通過語音交互來實現(xiàn)。

如今,通過語音交互,Echo已經(jīng)能夠?qū)崿F(xiàn)包括播放音樂、設定鬧鈴、查詢信息、Uber打車、一鍵下單、在線訂購披薩、控制開關等多方面的功能。

語音識別

在Echo的研發(fā)過程中,有一個較為棘手的問題是如何在家庭場景中實現(xiàn)讓Echo進行語音識別。這里所說的語音識別不是簡單地知道人們在說什么,而是在聲音嘈雜的家庭場景下,如何分辨出人們是否在對Echo講話。

這聽起來似乎很簡單,但Echo團隊卻調(diào)用了亞馬遜積累已久的機器學習技術,專門寫出了一個算法軟件,才最終解決這個問題。

問題解決之后,Echo的語音識別功能可謂強悍：在一個播放著搖滾音樂(或者有人在談話)的房間里,用戶如果說出了Alexa這個詞匯,即使很吵鬧,即使人耳也聽不清楚,Echo會通過算法,自動對房間中的諸多雜音進行識別和屏蔽,以實現(xiàn)對Alexa這個喚醒詞匯的敏感反應。即使用戶在25英尺（7.62米）之外發(fā)出命令,Echo也能夠準確識別。

識別之后,如何理解用戶的語音命令？亞馬遜又設計了“關鍵詞識別”系統(tǒng)。使用Echo,如果你說：“Alexa,播放周杰倫的歌”,她就會自動搜索周杰倫的歌曲并使用Echo內(nèi)置播放器播放。問她,“Alexa,今天天氣怎么樣？”她會冷靜地告訴你今天熱成狗了。Alexa究竟是如何做到這些的呢？如果拆下Echo的外殼,你會發(fā)現(xiàn)里面除了幾個揚聲器、麥克風和一臺微型電腦之外什么也沒有。這些東西做不到Alexa做的那些機靈事。她真正的智慧來源于互聯(lián)網(wǎng)。是亞馬遜在云端賦予了Alexa聰明的大腦。

用于處理這些語音請求的設備叫做“Alexa語音服務（AVS）”。亞馬遜就是通過它來把語音轉(zhuǎn)換成可以執(zhí)行的命令。AVS不僅是一個“語音轉(zhuǎn)文字”的設備,它是一個完全可編程的設備,在得到亞馬遜的許可后,任何人都可以利用AVS來做一個自制Echo。

智能家居和第三方開發(fā)者

在Echo的改進過程中,亞馬遜一直非常注意聆聽用戶的聲音。在發(fā)售初期,亞馬遜只邀請了一小批Prime會員來試用Echo,當然這批用戶需要給出反饋意見。后來直到2015年7月,Echo才正式開放購買。

事實證明,這種方式非常有效,而且有了意想不到的收獲。

本來,在Echo團隊最初的產(chǎn)品規(guī)劃中,他們并沒有打算讓Alexa來控制家庭中的燈、風扇等電器設備；在Echo最初發(fā)布時的介紹視頻中,這項功能根本沒有被提及。

但是通過早期用戶的反饋,Echo團隊發(fā)現(xiàn)消費者對這項功能很感興趣,而且它正好契合了智能家居的發(fā)展趨勢。

于是,2015年6月,亞馬遜推出了語音服務Alexa的開發(fā)包,正式開放Echo。設備制造商可以利用亞馬遜提供的AlexaAPI,讓自己生產(chǎn)的設備能夠支持Alexa。

同時,亞馬遜在自家電商網(wǎng)站上開辟出一個名為Alexa智能家居的板塊,所包含的設備包括燈泡、電風扇、空調(diào)、攝像頭等。

除了智能家居,亞馬遜還為許多第三方開發(fā)者提供了開發(fā)工具,以方便它們將設備和服務整合到Alexa的人工智能技術中。一個典型的例子是Uber。

2016年2月,Echo增添了一項新功能；用戶可以直接通過語音來讓Alexa叫一輛Uber汽車,整個過程中用戶完全無需掏出手機。當然,要激活Uber功能,用戶還需要提前設置。

但是,靠售賣Echo來賺錢并不是亞馬遜的主要目標。正如Kindle的任務是賣電子書那樣,Echo的長遠任務同樣也是讓用戶在亞馬遜上買買買,而且不僅僅是音樂服務和Audible,Alexa還具有語音下單功能。

成功原因

有數(shù)據(jù)顯示,Alexa智能助手所支持的第三方服務數(shù)量已經(jīng)從2015年9月的區(qū)區(qū)14個增加到了2016年5月的950個。

在Echo之前,蘋果和谷歌都推出智能語音產(chǎn)品,但都不太成功。Echo比蘋果、谷歌的產(chǎn)品晚了兩三年,但推出后仍能贏得市場,證明亞馬遜開發(fā)的Echo是成功的。

知乎用戶“企鵝智酷”認為,Echo成功的原因至少有三：一是圍繞語音交互設計產(chǎn)品；二是定位于家庭,找對了產(chǎn)品的消費環(huán)境；三是開放系統(tǒng),為產(chǎn)品贏來源源不斷的第三方服務。

如何讓用戶使用語音服務？蘋果、谷歌采用了相同的方案。它們將語音服務整合進手機系統(tǒng),通過高使用頻率的手機來帶動用戶使用語音服務。但事實上,這個方案是存在問題的。智能手機擁有非常成熟的輸入方案。大多數(shù)人的人機互動方式會選擇輸入法。因為輸入法便捷、高效又準確。研究機構CreativeStrategies調(diào)查了300名手機用戶,發(fā)現(xiàn)62%的安卓用戶很少或偶爾使用語音助手,iPhone為70%。為了“強迫”用戶使用語音,亞馬遜Echo使用了更取巧的方案——只提供語音一種交互方案。除了揚聲器和麥克風,Echo沒有其他交互接口。（亞馬遜最初還提供遙控器,用戶可以用它來語音操控Echo。但遙控器的使用率很低,很快就被砍掉了。）Echo對交互的限制保證了語音交互的純粹性和持續(xù)性：用戶只能使用語音,不會被其他輸入方式帶走。習慣養(yǎng)成之后,用戶會持續(xù)不斷地用語音與設備互動。

不過只提供語音交互也有一種風險,如果體驗不好的話,用戶可能會直接放棄使用。蘋果和谷歌把語音服務裝載在手機內(nèi),希望通過手機的高頻使用來推廣語音服務。但問題是,手機作為個人設備,大多數(shù)情況下是在公開場合下使用的。公開場合下用語音對手機發(fā)號施令,很容易讓人犯尷尬癥。CreativeStrategie還調(diào)查了手機用戶在公開場合下使用語音助手的情況,結(jié)果發(fā)現(xiàn)安卓用戶中,只有12%會在公開場合下使用語音助手；iPhone的比例更低,只有3%。

在“企鵝智酷”看來,當亞馬遜開放系統(tǒng),為第三方開發(fā)者提供了開發(fā)工具時,Echo產(chǎn)品也贏來源源不斷的第三方服務。

目前,亞馬遜正在對智能音箱進行升級,準備推出數(shù)字電話功能。谷歌也在進行類似嘗試。在通信業(yè)務上,亞馬遜和谷歌都已經(jīng)有了基礎產(chǎn)品,完全可以疊加到智能音箱當中。比如谷歌過去曾涉足電話一號通、Hangouts企業(yè)視頻通話等業(yè)務,另外亞馬遜最近利用去年收購的企業(yè),推出了全新的視頻會議系統(tǒng)Chime。

不難看出,智能音箱可能成為互聯(lián)網(wǎng)巨頭將多種服務推廣到家庭環(huán)境中的落地設備。