智能音箱:變革產(chǎn)品or技術泡沫？

□ 文/劉鵬宇

智能音箱:變革產(chǎn)品or技術泡沫？

□ 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)的要素以及如何進一步發(fā)展智能音箱三個問題展開。只有真正解決以上三個問題，才能使智能音箱成為新一代變革產(chǎn)品而不是技術泡沫。

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語音交互技術，面向家居場景提供搜索、聽歌、購物、社交等服務的智能硬件。智能音箱首先是智能產(chǎn)品，其次關系用戶使用習慣，最后是智慧家居入口。

為音箱賦“智”

智能音箱是利用人機語音交互技術，面向家居場景提供搜索、聽歌、購物、社交等服務的智能硬件。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、虛擬現(xiàn)實眼鏡之后，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？它應有三個屬性。

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，其強度由低到高分別為經(jīng)驗智能、成分智能和情境智能。其中，經(jīng)驗智能是指依賴實際經(jīng)驗歸納得到一般規(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)品是封裝了技術邏輯、外觀設計、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度的用戶需求解決方案。當前，市場現(xiàn)存智能產(chǎn)品（例如智能手機、智能電視）的智能程度普遍不高，僅為經(jīng)驗智能產(chǎn)品，僅能根據(jù)經(jīng)驗為用戶迅速連接到信息、服務和社群。智能音箱就是“智能”+“音箱”，其核心在于“智能”，應為音箱賦予更高的智能強度，從經(jīng)驗智能上升到成分智能甚至情境智能。

其次是用戶使用習慣。主要從人機交互和用戶感官兩方面分析。人機交互方式從按鍵、觸摸到語音、腦機，是信息傳遞效率不斷提升的過程。當前，智能手機、車載終端、智能機器人等產(chǎn)品都有向基于語音的人機交互方式演進的趨勢，提供更迅捷、更方便的交互體驗。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識和感受。對不同類型感官的綜合性越強或者對單一感官的刺激越精深，用戶體驗就越深刻。據(jù)智能語音行業(yè)研究報告，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)實眼鏡則把二維非沉浸視覺體驗提升至三維全沉浸，對用戶接受度最高的視覺方式做了精深拓展。智能音箱在強化人機語音交互功能的同時，需要進一步拓展對用戶感官的覆蓋范圍或者加強對聽覺的精深刺激，提供更豐富的交互體驗。

最后是智慧家居入口。入口是服務商獲取市場、用戶、數(shù)據(jù)的渠道。當前，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、平板、電視，延伸至智能音箱。從桌面互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)的時代更迭中看，手機以其泛在性、便攜性特征脫穎而出。那么，當前從移動互聯(lián)網(wǎng)到萬物互聯(lián)網(wǎng)的時代演變中，誰可以成為真正的智慧家居場景入口？以下主要從三個方面分析。1.家居是一個弱移動場景。入口產(chǎn)品并不要求像手機、平板一樣具有很強的高速泛在性。2.家居是一個高效交互場景。任何需要用戶付諸復雜肢體動作的入口產(chǎn)品都不會受到歡迎。3.家居是一個強人性化場景。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是弱移動性、高人機交互性和強人性化。智能音箱必須要同時兼容以上三點，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+平臺+內(nèi)容”。只有形成強關聯(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。

多種技術的綜合應用形成了智能音箱產(chǎn)品的核心服務能力，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，語音識別技術可將人類語音轉(zhuǎn)換為機器可讀取的文字；聲紋識別技術是根據(jù)語音內(nèi)在生物特征，對說話者進行身份驗證；自然語言理解技術可為機器翻譯人類語音的含義；多輪對話管理技術是圍繞某一話題人與機器進行多輪次確認問答；自然語言生成技術是將機器內(nèi)外部文字信息轉(zhuǎn)換為人類語言的技術。整體技術邏輯可描述為：當人與智能音箱交互時，首先機器利用聲學技術處理接收到的語音和環(huán)境噪音，并通過聲紋識別技術確認對話者身份，同時利用語音識別技術將感知到的聲音轉(zhuǎn)換為機器可識別的文字，語義理解技術則會幫助機器理解這些文字的含義。其中，機器可以應用多輪對話管理技術進一步明確用戶意圖。最后，機器執(zhí)行用戶指令并通過語音合成技術表達相關內(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?？拼笥嶏w公司打造了全球首個智能交互技術服務平臺，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、人臉識別等技術服務。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，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、應用開發(fā)等一站式語音定制服務。

圖1 智能音箱技術邏輯圖

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與解決。第三方服務商可接入技術開放平臺，針對車載、家居、可穿戴、醫(yī)療、教育等場景開發(fā)出新應用。例如，用戶可以在開車時與智能音箱進行實時溝通，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，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不能僅停留在聽覺上，而應進一步拓展至視覺感官體驗?？煽紤]以空氣、水分和光為基礎元素，通過向空中噴射出超細水滴，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，形成處處皆顯示的居家體驗。

提升情感能力，在“人機情感”方面做突破。智能音箱不能僅定位于智能硬件，應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)驗智能、成分智能，還要訓練它的情境智能，使其在與各家庭成員的相處和各方利益權衡中獲得全面信任和廣泛認同。例如，智能音箱能夠與老人進行情感撫慰式交流，與孩子進行教育啟蒙式對話，與男成員進行社會話題研討式溝通。這些人與機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。

增強情景滲透力，在“垂直場景”方面做延展。智能音箱應該以家居為中心，向車載、醫(yī)療、辦公室、購物中心、體育場等場景進行擴展。通過在人體部署可穿戴式感知設備，實時監(jiān)測個體在各個場景中的活動數(shù)據(jù)，并回傳至智能音箱。智能音箱可通過深度分析個體社會活動大數(shù)據(jù)，為用戶預備定制化情感溝通、資訊推送、健康指導等服務。

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+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)的技術泡沫。

責任編輯：衛(wèi)麗紅

weilihong@ccidmedia.com