從亞馬遜、蘋(píng)果、微軟，到天貓、喜馬拉雅，智能音箱突然成為了各個(gè)公司的香餑餑。大家似乎看到又一個(gè)風(fēng)口。音箱從來(lái)不是風(fēng)口，智能之后就會(huì )變成風(fēng)口嗎?

■文/葛甲，本刊特約撰稿

誰(shuí)都沒(méi)想到，智能音箱會(huì )在今年成為熱點(diǎn)。

在2014年11月，亞馬遜就低調發(fā)布智能音箱 Echo。當時(shí)它給整個(gè)業(yè)界帶來(lái)的印象，只是一款創(chuàng )新的硬件產(chǎn)品，可通過(guò)語(yǔ)音交互播放音樂(lè )，播報天氣，鬧鐘提醒等，做一些簡(jiǎn)單的服務(wù)輸出。在一向緊盯美國科技界創(chuàng )新發(fā)展的中國，鮮有追隨者。但到了2016年11月，Echo在美國的銷(xiāo)量已經(jīng)達到了3 510萬(wàn)臺。

到2016年，根據市場(chǎng)調研機構Strategy Analytics 的數據，2016年智能音箱全球出貨量為590萬(wàn)臺，并將在2022年增長(cháng)10倍，市場(chǎng)規模將達到55億美元。

風(fēng)口似乎出現了。

2017年，微軟的Invoke和蘋(píng)果的Home pod發(fā)布之后，數得上的巨頭已悉數入局，這在中國引發(fā)了一場(chǎng)跟風(fēng)潮。天貓、聯(lián)想、喜馬拉雅等公司分別發(fā)布了自己的智能音箱產(chǎn)品，更多的智能音箱還在路上。這時(shí)距離亞馬遜Echo的發(fā)布，已經(jīng)過(guò)去差不多3年時(shí)間。

各大公司紛紛入手智能音箱的背后，實(shí)則反映出產(chǎn)業(yè)界對人工智能時(shí)代的焦慮。

智能音箱非音箱

時(shí)下所流行的智能音箱，實(shí)則與音響沒(méi)太大關(guān)系，多為語(yǔ)音交互設備，而語(yǔ)音交互則被普遍認為是未來(lái)人工智能時(shí)代的主要交互方式。于是，一大批被冠以智能音箱名號的語(yǔ)音交互硬件出現了，其目的是搶占未來(lái)的語(yǔ)音交互入口，并不是要做什么音箱?；ヂ?lián)網(wǎng)廠(chǎng)商的邏輯是，目前的智能音箱能控制音樂(lè )播放，天氣播報，未來(lái)就能控制冰箱和洗衣機的運行，進(jìn)而控制物聯(lián)網(wǎng)的一切。

與實(shí)現這一控制需要大投入的后臺算法和自動(dòng)化技術(shù)研發(fā)相比，目前業(yè)已成熟的語(yǔ)音交互，實(shí)則是加入到人工智能大潮中一條低成本的捷徑了。

“不想被技術(shù)熱潮甩下”“見(jiàn)到風(fēng)口都想參與一下”“在不進(jìn)行高成本投入的情況下也成為人工智能產(chǎn)業(yè)的一員”“吃不上肉至少喝口湯，反正不管自己出力多少，也不想這桌酒席上沒(méi)有自己”……這些想法成為近期發(fā)布智能音箱企業(yè)的普遍心態(tài)。真正在人工智能領(lǐng)域進(jìn)行持續投入的大公司如百度，或者在語(yǔ)音交互方面擁有極強技術(shù)實(shí)力的企業(yè)如三星，反倒對智能音箱這個(gè)風(fēng)口沒(méi)表現出那么熱衷。這些企業(yè)的態(tài)度，映射出了該領(lǐng)域的意見(jiàn)分歧。

入口和內核的博弈

業(yè)界認為，智能音箱有可能會(huì )是未來(lái)物聯(lián)網(wǎng)和智能家居的入口，因為似乎沒(méi)有比自然語(yǔ)音更好的人機交互方式了。雖然肯加入進(jìn)來(lái)的智能家居廠(chǎng)商很罕見(jiàn)，但智能音箱只要不斷迭代產(chǎn)品，將其語(yǔ)音交互功能不斷升級換代至消費者可自如使用的地步，智能家居廠(chǎng)商的加入，只是早晚的問(wèn)題。屆時(shí)，目前這批智能音箱廠(chǎng)商就會(huì )與之分享利益，并通過(guò)拔高自身語(yǔ)音交互入口價(jià)值而獲得更多利益，成為出力最少但獲收益最多的所謂入口把控者。這是一種傳統互聯(lián)網(wǎng)的固有商業(yè)邏輯，但在未來(lái)能否奏效還真不好說(shuō)。

一套用人工智能控制的家居產(chǎn)品，技術(shù)難度主要在自動(dòng)化控制上面，機器在接收并理解了語(yǔ)音指令之后，還需要對這些指令加以執行，如開(kāi)機、關(guān)機、升溫、降溫、大火煮、小火煮、燜煮等。傳統按鍵控制的情況下，這類(lèi)動(dòng)作的執行是很簡(jiǎn)單的，但在語(yǔ)音控制的狀態(tài)下，其實(shí)現難度就要大得多了，這是互聯(lián)網(wǎng)企業(yè)做不了的事情。百度這樣的人工智能巨頭，也只能是在算法方面不斷突破，但涉及到具體的自動(dòng)化控制時(shí)，還是具體的生產(chǎn)制造企業(yè)更為擅長(cháng)。

鍵盤(pán)與主機之爭

智能音箱與物聯(lián)網(wǎng)和智能家居之間，存在這一種類(lèi)似于電腦與鍵盤(pán)的關(guān)系，沒(méi)有鍵盤(pán)當然是無(wú)法輸入文字，但沒(méi)有電腦的話(huà)，鍵盤(pán)會(huì )更加處于無(wú)用之地。

首先，家電業(yè)是否心甘情愿地只去生產(chǎn)電腦，把鍵盤(pán)的事情交給別人去做?智能家居企業(yè)為了能夠不受制于人，始終不肯開(kāi)放接口，雖然成立過(guò)一些開(kāi)放標準平臺，最后都無(wú)果而終。因此，如今不管是Echo也好，Rokid也好，都不具備對智能家居的控制功能。在消費端，用一個(gè)終端對所有電器進(jìn)行控制當然是最好的體驗，但實(shí)際上做不到，由于各個(gè)企業(yè)之間紛繁復雜的利益關(guān)系存在，沒(méi)有誰(shuí)能在這方面一統天下。另一方面，各企業(yè)在標準協(xié)議方面不能達成一致的情況下，又不能讓消費者家里只用長(cháng)虹，或者只用海爾。物聯(lián)網(wǎng)的最大組成部分是智能家居，但家電企業(yè)對自身利益的保護，是超越外界想象的。能自己做的都會(huì )自己做，更別提放棄鍵盤(pán)只做主機了。

其次，物聯(lián)網(wǎng)能不能繞開(kāi)智能音箱，用別的方式實(shí)現語(yǔ)音交互?肯定有。

百度發(fā)布的DuerOs就是這樣一套系統，可以讓企業(yè)通過(guò)SDK嵌入的方式，將語(yǔ)音交互甚至圖像識別集成到智能家電中去。當然，這是進(jìn)入智能家電的另一個(gè)入口，也走不出被第三方控制的怪圈。但這種生態(tài)輸出能力的方式平滑更容易讓企業(yè)接受。三星目前正在著(zhù)力發(fā)展軟件形式的Bixby語(yǔ)音助手，這種搭載在三星智能手機和其他硬件上的軟件語(yǔ)音助手，未來(lái)很可能也會(huì )走DuerOs這種生態(tài)型路子，順滑過(guò)渡到智能電器上去。如果這兩大勢力中任何一個(gè)能成，智能音箱也就沒(méi)有任何意義了。

再次，人機交互有沒(méi)有語(yǔ)音之外的其他方式?只能說(shuō)一切皆有可能。人工智能的兩大入口分別是語(yǔ)音和圖像識別，目前前者的技術(shù)比后者成熟，圖像識別還存在著(zhù)較大的技術(shù)難關(guān)有待突破。如果圖像識別能夠對人體細微的動(dòng)作進(jìn)行精確理解，其實(shí)手勢交互或許會(huì )是比語(yǔ)音更好的交互方式。設想一下，用戶(hù)坐在沙發(fā)上手指向上一劃，空調升溫，向下一劃，空調降溫，這也是很不錯的體驗。語(yǔ)音交互的最大障礙是口音和語(yǔ)音環(huán)境，而機器對手勢和身體語(yǔ)言的識別，則不受這些條件影響。

風(fēng)口難蹭

近期智能音箱的密集出現，是風(fēng)口論的又一次集中體現。企業(yè)把智能音箱的價(jià)格定得很低，試圖用補貼硬件的方式搶占市場(chǎng)，但其實(shí)這一目的很難實(shí)現。未來(lái)的人工智能產(chǎn)業(yè)中，或許根本沒(méi)有蹭風(fēng)口勢力的些微容身之地，可以肯定的是絕大多數智能音箱將從市場(chǎng)上消失。當前智能音箱的繁榮和風(fēng)口，只不過(guò)映射出互聯(lián)網(wǎng)企業(yè)對人工智能時(shí)代的焦慮而已，它們給市場(chǎng)提供的，只不過(guò)是同質(zhì)化的產(chǎn)品和服務(wù)，從長(cháng)遠來(lái)看根本不是個(gè)可以持續做下去的事情。

事實(shí)上，即便語(yǔ)音交互是未來(lái)較為強力的人工智能入口，也很有可能不會(huì )是智能音箱這種形式，語(yǔ)音交互的泛終端化或無(wú)終端化才是方向，即聲音傳感器無(wú)處不在，根本不需要一個(gè)有形終端擺在那里起作用。不過(guò)，一些市場(chǎng)份額較高的音響，如Echo們，或許并不會(huì )在這個(gè)項目上一敗涂地，Echo至少還能控制一些無(wú)形的互聯(lián)網(wǎng)服務(wù)，甚至對某些家用照明裝置進(jìn)行控制。

至于那些從現在起才開(kāi)始跟風(fēng)的企業(yè)，前景實(shí)難描述。只能說(shuō)，前景有天花板，而慘烈不設底線(xiàn)。

商業(yè)模式觀(guān)察

創(chuàng )業(yè)公司做智能音箱九死一生

■文/程浩，迅雷聯(lián)合創(chuàng )始人

亞馬遜Echo近千萬(wàn)的出貨量，帶火了智能音箱，國內已經(jīng)在做和想做的創(chuàng )業(yè)公司不在少數。包括很多之前做語(yǔ)音識別和語(yǔ)義理解的創(chuàng )業(yè)公司，過(guò)去苦于找不到好的商業(yè)模式，現在都考慮往這個(gè)賽道上靠。但我的整體判斷是創(chuàng )業(yè)公司直接做智能音箱的機會(huì )很小。

具體幾個(gè)觀(guān)點(diǎn)：

第一，創(chuàng )業(yè)公司的技術(shù)先發(fā)優(yōu)勢并不重要。

智能音箱的核心技術(shù)，硬件層面包括麥克風(fēng)陣列，即機器能不能在幾米之外聽(tīng)清楚，也就是遠場(chǎng)語(yǔ)音交互;軟件層面主要是語(yǔ)音識別和自然語(yǔ)言理解。

目前可能一些創(chuàng )業(yè)公司在硬件技術(shù)上、算法上有一些先發(fā)優(yōu)勢，但這不重要。我非常認同老友雷鳴的一句話(huà)“長(cháng)期來(lái)講，未來(lái)的人工智能之爭，會(huì )逐漸從人才之爭變?yōu)閿祿疇?，其核心在于數據的私有化以及人才的可流通性和長(cháng)期充沛性”。

簡(jiǎn)單講，技術(shù)壁壘未來(lái)會(huì )越來(lái)越弱，因為人才可以流通，巨頭可以招到最優(yōu)秀的人才。未來(lái)數據才是核心競爭力。而在語(yǔ)音識別和自然語(yǔ)言理解領(lǐng)域，巨頭太不缺數據了。

所以智能音箱不同于安防、醫療等垂直領(lǐng)域，創(chuàng )業(yè)公司沒(méi)有數據壁壘，無(wú)法建立起長(cháng)久的技術(shù)優(yōu)勢?，F在巨頭都把智能音箱這個(gè)業(yè)務(wù)作為未來(lái)新的流量入口，投入重兵，創(chuàng )業(yè)公司的確難以抵抗。

第二，生態(tài)系統是創(chuàng )業(yè)公司不能承受之重。

拿熱銷(xiāo)的亞馬遜Echo舉例，除了計時(shí)器和設定鬧鈴提醒這類(lèi)工具外，國外消費者最常用的擴展功能(Skills)是播放音樂(lè )、智能家居(開(kāi)關(guān)燈光)和新聞簡(jiǎn)訊。

工具類(lèi)功能對創(chuàng )業(yè)公司和巨頭來(lái)講都沒(méi)難度，這不是核心。真正的分水嶺是音樂(lè )、有聲讀物和智能家居，也就是我說(shuō)的生態(tài)競爭，或者說(shuō)合作伙伴之爭。創(chuàng )業(yè)公司要跟大公司拼生態(tài)和內容，幾無(wú)可能。

現在創(chuàng )業(yè)公司在音樂(lè )版權上還能打打擦邊球，但是版權授權費會(huì )水漲船高，創(chuàng )業(yè)公司難以承受。就像當年影視內容一樣，視頻網(wǎng)站火了后，一集電視劇從以前的1集1萬(wàn)元到上百萬(wàn)元。其次如果巨頭真的很重視這事兒，完全可以不把最好的音樂(lè )資源授權給你。

第三，退而求其次，創(chuàng )業(yè)公司不做硬件只做操作系統也不行。

雖然創(chuàng )業(yè)公司做音箱做不成，那我做軟件，也就是智能音箱的操作系統行不行?對不起，也不行。首先，百度DuerOS和阿里的AliGenie已經(jīng)選擇了做開(kāi)放平臺。他們也為硬件廠(chǎng)商提供操作系統、Skills以及內容的一站式服務(wù)，合作伙伴只需要提供硬件就完了。

不過(guò)即使這樣，DuerOS和AliGenie我也不太看好。大家都想成為智能音箱的安卓，但我覺(jué)得很難。當年安卓的合作伙伴主要是硬件廠(chǎng)商，他們沒(méi)有做操作系統的能力，而且安卓允許合作伙伴做深度定制，提供了非常大的靈活性。而現在“認真”做智能音箱的都不缺軟件能力，所以每家都會(huì )有自己的iOS。

[ 編輯 梁爽 E-mail:sjplls@163.com]