□ 文/劉鵬宇

智能音箱:變革產(chǎn)品or技術(shù)泡沫？

□ 文/劉鵬宇

智能音箱是為傳統(tǒng)音箱賦予智能的新產(chǎn)品，成為繼智能電視、智能手機(jī)后智能家居新入口，引得國內(nèi)外IT企業(yè)競折腰。本文圍繞智能音箱如何成為智能家居入口、構(gòu)成智能音箱生態(tài)的要素以及如何進(jìn)一步發(fā)展智能音箱三個(gè)問題展開。只有真正解決以上三個(gè)問題，才能使智能音箱成為新一代變革產(chǎn)品而不是技術(shù)泡沫。

劉鵬宇

中國電子信息產(chǎn)業(yè)發(fā)展研究院 信息化研究中心

智能音箱是利用人機(jī)語音交互技術(shù)，面向家居場景提供搜索、聽歌、購物、社交等服務(wù)的智能硬件。智能音箱首先是智能產(chǎn)品，其次關(guān)系用戶使用習(xí)慣，最后是智慧家居入口。

為音箱賦“智”

智能音箱是利用人機(jī)語音交互技術(shù)，面向家居場景提供搜索、聽歌、購物、社交等服務(wù)的智能硬件。2014年11月，Amazon公司公布了全球首款智能音箱Echo，迄今其全球銷量超過1000萬臺；隨后兩年，科大訊飛、Google公司相繼推出了智能音箱產(chǎn)品；2017年以來，智能音箱進(jìn)入了發(fā)布的井噴期，微軟、蘋果、聯(lián)想、阿里等公司紛紛入局搶占市場。智能音箱成為繼智能手機(jī)、虛擬現(xiàn)實(shí)眼鏡之后，最受IT企業(yè)推崇的新產(chǎn)品。那么，如何剖析智能音箱產(chǎn)品呢？它應(yīng)有三個(gè)屬性。

首先是智能產(chǎn)品。智能產(chǎn)品是“智能+產(chǎn)品”，可以從“智能”和“產(chǎn)品”兩方面分析。智能是思考的能力，其強(qiáng)度由低到高分別為經(jīng)驗(yàn)智能、成分智能和情境智能。其中，經(jīng)驗(yàn)智能是指依賴實(shí)際經(jīng)驗(yàn)歸納得到一般規(guī)律；成分智能是指依賴已知知識演繹得到隱知識；情境智能是指根據(jù)所處環(huán)境做出最優(yōu)化決策。產(chǎn)品是封裝了技術(shù)邏輯、外觀設(shè)計(jì)、商業(yè)模式的用戶需求解決方案。綜上所述，智能產(chǎn)品是具有一定智能強(qiáng)度的用戶需求解決方案。當(dāng)前，市場現(xiàn)存智能產(chǎn)品（例如智能手機(jī)、智能電視）的智能程度普遍不高，僅為經(jīng)驗(yàn)智能產(chǎn)品，僅能根據(jù)經(jīng)驗(yàn)為用戶迅速連接到信息、服務(wù)和社群。智能音箱就是“智能”+“音箱”，其核心在于“智能”，應(yīng)為音箱賦予更高的智能強(qiáng)度，從經(jīng)驗(yàn)智能上升到成分智能甚至情境智能。

其次是用戶使用習(xí)慣。主要從人機(jī)交互和用戶感官兩方面分析。人機(jī)交互方式從按鍵、觸摸到語音、腦機(jī)，是信息傳遞效率不斷提升的過程。當(dāng)前，智能手機(jī)、車載終端、智能機(jī)器人等產(chǎn)品都有向基于語音的人機(jī)交互方式演進(jìn)的趨勢，提供更迅捷、更方便的交互體驗(yàn)。用戶感官主要包括視覺、聽覺、嗅覺、觸覺等。因此，智能產(chǎn)品是由人體不同感官全方位感知，經(jīng)由大腦處理分析后形成的綜合認(rèn)識和感受。對不同類型感官的綜合性越強(qiáng)或者對單一感官的刺激越精深，用戶體驗(yàn)就越深刻。據(jù)智能語音行業(yè)研究報(bào)告，人類從外界獲取信息的感官依賴度，視覺占60%、聽覺占20%、觸覺占15%。例如，智能手機(jī)就是高度綜合了用戶信息獲取依賴度前兩位的視覺和聽覺方式；而虛擬現(xiàn)實(shí)眼鏡則把二維非沉浸視覺體驗(yàn)提升至三維全沉浸，對用戶接受度最高的視覺方式做了精深拓展。智能音箱在強(qiáng)化人機(jī)語音交互功能的同時(shí)，需要進(jìn)一步拓展對用戶感官的覆蓋范圍或者加強(qiáng)對聽覺的精深刺激，提供更豐富的交互體驗(yàn)。

最后是智慧家居入口。入口是服務(wù)商獲取市場、用戶、數(shù)據(jù)的渠道。當(dāng)前，各大IT廠商都在搜尋家居場景的終極入口。智慧家居入口之爭已從電腦、手機(jī)、平板、電視，延伸至智能音箱。從桌面互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)的時(shí)代更迭中看，手機(jī)以其泛在性、便攜性特征脫穎而出。那么，當(dāng)前從移動(dòng)互聯(lián)網(wǎng)到萬物互聯(lián)網(wǎng)的時(shí)代演變中，誰可以成為真正的智慧家居場景入口？以下主要從三個(gè)方面分析。1.家居是一個(gè)弱移動(dòng)場景。入口產(chǎn)品并不要求像手機(jī)、平板一樣具有很強(qiáng)的高速泛在性。2.家居是一個(gè)高效交互場景。任何需要用戶付諸復(fù)雜肢體動(dòng)作的入口產(chǎn)品都不會受到歡迎。3.家居是一個(gè)強(qiáng)人性化場景。入口產(chǎn)品作為家庭生活的組成部分，需要具有融成員化、融情感化的能力。綜上所述，智慧家居入口的特點(diǎn)是弱移動(dòng)性、高人機(jī)交互性和強(qiáng)人性化。智能音箱必須要同時(shí)兼容以上三點(diǎn)，才能制霸智慧家居入口。

構(gòu)建智能音箱產(chǎn)品生態(tài)

智能音箱的支撐核心在于智能語音，其本質(zhì)是“技術(shù)+平臺+內(nèi)容”。只有形成強(qiáng)關(guān)聯(lián)的產(chǎn)品生態(tài)，才能讓智能音箱產(chǎn)品擁有變革生活的能力。

多種技術(shù)的綜合應(yīng)用形成了智能音箱產(chǎn)品的核心服務(wù)能力，其中包括語音識別、聲紋識別、自然語音理解、多輪對話管理、自然語言生成等。其中，語音識別技術(shù)可將人類語音轉(zhuǎn)換為機(jī)器可讀取的文字；聲紋識別技術(shù)是根據(jù)語音內(nèi)在生物特征，對說話者進(jìn)行身份驗(yàn)證；自然語言理解技術(shù)可為機(jī)器翻譯人類語音的含義；多輪對話管理技術(shù)是圍繞某一話題人與機(jī)器進(jìn)行多輪次確認(rèn)問答；自然語言生成技術(shù)是將機(jī)器內(nèi)外部文字信息轉(zhuǎn)換為人類語言的技術(shù)。整體技術(shù)邏輯可描述為：當(dāng)人與智能音箱交互時(shí)，首先機(jī)器利用聲學(xué)技術(shù)處理接收到的語音和環(huán)境噪音，并通過聲紋識別技術(shù)確認(rèn)對話者身份，同時(shí)利用語音識別技術(shù)將感知到的聲音轉(zhuǎn)換為機(jī)器可識別的文字，語義理解技術(shù)則會幫助機(jī)器理解這些文字的含義。其中，機(jī)器可以應(yīng)用多輪對話管理技術(shù)進(jìn)一步明確用戶意圖。最后，機(jī)器執(zhí)行用戶指令并通過語音合成技術(shù)表達(dá)相關(guān)內(nèi)容。

平臺是智能音箱語音交互能力的匯聚和支撐主體，提供了喚醒、去噪、識別、理解和合成等語音綜合服務(wù)?？拼笥嶏w公司打造了全球首個(gè)智能交互技術(shù)服務(wù)平臺，支持Android、iOS、WP8、Java、Flash、Windows、Linux等SDK開發(fā)功能，提供語音喚醒、語音識別、語義理解、語音合成、人臉識別等技術(shù)服務(wù)。思必馳公司以DUI對話定制平臺為載體，開源全部核心語音技術(shù)，面向廣大用戶輸出語音識別、語義理解、智能對話、語音合成、資源對接、應(yīng)用開發(fā)等一站式語音定制服務(wù)。

圖1 智能音箱技術(shù)邏輯圖

圖2 中國智能家居市場規(guī)模

內(nèi)容是對垂直場景需求的響應(yīng)與解決。第三方服務(wù)商可接入技術(shù)開放平臺，針對車載、家居、可穿戴、醫(yī)療、教育等場景開發(fā)出新應(yīng)用。例如，用戶可以在開車時(shí)與智能音箱進(jìn)行實(shí)時(shí)溝通，知曉家庭成員安全、家用電器安全等信息；用戶可以在健康咨詢中與智能音箱進(jìn)行交流，獲取定制化健康解決方案。

升級智能內(nèi)核

智能音箱欲成為變革產(chǎn)品，應(yīng)先變革現(xiàn)有對智能產(chǎn)品的定位，形成融感官、情感、場景于一體的智能內(nèi)核。

豐富感官體驗(yàn)，在“顯示視覺”方面做精深。智能音箱向用戶所傳遞的感官體驗(yàn)不能僅停留在聽覺上，而應(yīng)進(jìn)一步拓展至視覺感官體驗(yàn)。可考慮以空氣、水分和光為基礎(chǔ)元素，通過向空中噴射出超細(xì)水滴，打造半透明空氣屏幕。該屏幕既可以追蹤放大、縮小、旋轉(zhuǎn)等手勢操作，還可通過無線WiFi連接室內(nèi)窗戶玻璃、鏡子等呈像裝置，提供信息展示、虛擬試衣、虛擬美妝、虛擬旅游等服務(wù)，形成處處皆顯示的居家體驗(yàn)。

提升情感能力，在“人機(jī)情感”方面做突破。智能音箱不能僅定位于智能硬件，應(yīng)上升至有情感的家庭成員的高度。我們不但要賦予智能音箱經(jīng)驗(yàn)智能、成分智能，還要訓(xùn)練它的情境智能，使其在與各家庭成員的相處和各方利益權(quán)衡中獲得全面信任和廣泛認(rèn)同。例如，智能音箱能夠與老人進(jìn)行情感撫慰式交流，與孩子進(jìn)行教育啟蒙式對話，與男成員進(jìn)行社會話題研討式溝通。這些人與機(jī)器的深入情感交流都比簡單的信息鏈接，更能激發(fā)人類對于產(chǎn)品的依賴感、親密感。

增強(qiáng)情景滲透力，在“垂直場景”方面做延展。智能音箱應(yīng)該以家居為中心，向車載、醫(yī)療、辦公室、購物中心、體育場等場景進(jìn)行擴(kuò)展。通過在人體部署可穿戴式感知設(shè)備，實(shí)時(shí)監(jiān)測個(gè)體在各個(gè)場景中的活動(dòng)數(shù)據(jù)，并回傳至智能音箱。智能音箱可通過深度分析個(gè)體社會活動(dòng)大數(shù)據(jù)，為用戶預(yù)備定制化情感溝通、資訊推送、健康指導(dǎo)等服務(wù)。

智能音箱正在為傳統(tǒng)音箱賦予智能，其支撐核心在于智能語音，本質(zhì)是“技術(shù)+平臺+內(nèi)容”。未來融感官、情感、場景于一體的智能內(nèi)核才能真正變革生活，而不至于淪為曇花一現(xiàn)的技術(shù)泡沫。

責(zé)任編輯：衛(wèi)麗紅

weilihong@ccidmedia.com