关于百箱大战 这十个问题是你应该知道的(2)

在技术层面，它代表不同的维度。举个例子，我们讲语音识别的远场近场，可能手机和手表，可能大于30厘米的距离，实际上一般你的后视镜也好，你的距离可能都在这里，所以这个基本上也是1米的距离。但是，音箱现在大家宣称最大是5米。这确实技术上是一个很有意思的场景，以前所有的语音识别收集数据都是离麦克风这么近或者更近，可能很少有人那么远的，而且需要远场唤醒，因为你不能手去弄它。

而今天最大的瓶颈就是自然语言的理解。我相信大家都有一个经验，当你去调戏SIRI或者是调戏各种音箱的时候，第一轮没什么问题，当你跟它进行一个对话，你把句式换一换，或者说你再特意调戏一下它，基本上两、三轮就把它问死了，它是答非所问，或者纯粹就是“呵呵”的那种。

亿邦动力网接触到的专家、从业者传递了这样的信息：作为一种产品形态，智能音箱不排除有昙花一现或者改弦更张的可能性，但这背后代表着真实而日益逼近的交互方式的变革，迎合了人类的对于简单、便捷的本性追求。

所以现在确实没有一个选手全都具备了，当然市场上确实可能有那么3-4家，每一个都有自己稍微比较强一点的地方，可能拿着这个点不停地打。

我觉得智能音箱这种形式要分软件和硬件两个层面来看。

2：使用空间比较私密。

只不过硬件的载体是什么？是单一的音箱还是两三个音箱，或者在各处有不同的设备？

在1956-2011年，即在Siri出现之前，可能更多是算法，主要是政府或者学术界在研究算法，把自然语言处理、计算机视觉、图像识别，各种各样算法的框架搭起来。

这样的不同在我们两地的音乐APP上就有了体现，我们以Spotify为例子，还有QQ音乐（用户量最大的中文音乐播放器），很大的不同：

由此还可以推出很多不一样的场景，大家可以去思考，这些场景所带来的用户需求一定是不同的。

从商业角度来说，大家生活空间不就家里、车里、路上、办公室，这基本上覆盖了每天的空间。

但是不管怎么样，尤其对我们这样的公司来说，我们还是把这个软件、交互AI作为最核心的东西。所以，市场硬件更多是我们的一个载体，我们找到一个大家能够接受的一种形式。

而且在家里有多轮对话，家里小孩可能喜欢对话，而且你们没有屏幕，可能没有别的方式。

有的人是说，有内容生态，有音乐、FM、相声各种东西，这个打内容；

科幻片电影《她》（Her）其中的“女主角”——一款虚拟个人助理产品，给大家带来了无尽的想象空间，但是李志飞强调，从技术实现的难度上看，它真的还只是科幻片。

3：语音交互可能是唯一的或者少有的一个好的交互方式。

我们在语音交互以及在语音交互硬件商落地做了很多尝试,包括手机、Googleglass、智能手表、车载、音箱、耳塞，我们发现，如果你要使语音交互有用，要具备几个条件：

（李志飞）有的人拼性价比，硬件供应链能力比较强，打低价，把市场搞的很乱，或者说别人都没路可以走；

但是屏幕是跟电视绑定，还是自带，或者必要的时候把手机打开，这其实是一个可以值得探讨的问题。

留声机的发明，使得音乐第一次进入了家庭，我可以躺在家里面去欣赏音乐，是不是我付出的能量减少了？

很流行的设想是，智能音箱将控制整个家，难道真的只有这一个入口吗？

2、在北美消费者的厨房是开放式的，跟客厅融入一体的厨房，这也是亚马逊Echo最最常用的一个使用场景。而在我们身边，大家都知道，厨房为你完成的是煎、炒、烹、炸，这个场景是完全不一样的。

所以，家里肯定是一个非常重要的空间。

人机交互演进的方向很简单：使得交互成本的降低，即人完成交互所需要消耗的能量，或者说人完成交互所需要付出的成本。

这是现在亚马逊、Google都在思考的问题。可以就选小设备，在花盆里，无处不在，有很多的模组。

1、技术。

同时，中美两地的消费者消费的场景也有很大的不同，挑两个例子来跟大家分享。

条件二：使用的场景是比较私密的。智能手机现在在公共场合很难用语音交互的，但家里是一个比较私密的场景，自然用户可能愿意用语音进行交互。

（李志飞）从软件的角度来说，我认为入口是统一的。

在2011年的时候，Apple发布了Siri，这可能一下子激发了大家对语音助手的讨论或者期待。我相信，当时所有人买了一个iPhone拿回家，第一件事情可能就是调戏一下Siri，显示一下自己的智商比Siri要高，然后就再也不用了。确实，在过去很多时候都是这么一个场景。

但是，不管怎么样，大家确实看到了大众对于这种虚拟语音助手的热情。所以，后来无论是Google还是微软，还是Amazon，他们都发布了自己的虚拟助理，或者语音助手这样一个产品。

目前市场上主流的智能音箱不带有屏幕，依靠语音交互，据外媒报道，Facebook正在研发一款更加注重视觉画面交互的音箱，配置一块15英寸的触摸屏幕。

宋少鹏认为，中美音乐欣赏以及家庭环境的差异，导致智能音箱在国内的发展路径不可能照搬美国的。

当然，音箱可以跟智能电视交互没什么问题，但是更多是以使用电视场景的时候，我通过音箱控制。而不是说我为了控制空调，我跟智能音箱说了一句话，智能音箱把电视打开，电视显示出一个什么样的结果，最后我看到什么东西，这个是不太现实的。

我认为单一的一个设备是很难承载所有的交互的，未来无论是交互的方式还是交互的设备，都会是多元化的。交互的方式除了语音、手势、图像、视觉、表情各种各样的方式可能都会是综合性的。语音可能比今天变得更重要一点，但是它绝对不会成为80%都靠语音交互方式。

然而，是一个新的设备形态，可能就贴在面板上，放在花盆里、卧室的墙上，这种有一个特色，其实我们今天定义的屋里（远场语音交互）是不是有必要？因为可能房间有8个设备，我走到哪都有。

未来搜索，我们首先用PC、键盘到手机上，已经很多开始用语音，未来家里可能直接用对话进行搜索，所以肯定是入口的一个东西。

沿着这个思路一路迭代，到了iPod，我可以把1000首歌装在我的口袋，手指一滑，就可以欣赏我喜欢的音乐。能量的消耗就更少了。

宋少鹏指出，智能音箱这样的产品形态最早在美国出现，这与当地的音乐消费习惯密切相关，极高的用户粘性使人工智能技术不用多完善就得以商用。

我反而相信，智能音箱可以上智能手机的屏幕，在有必要的时候，还是打开手机做一些操作，这可能是比较渐进式、现实的解决方案。

第一，从软件的角度来说，无论智能电视还是路由器、空调或者墙上的一个钟，成为一个入口设备，我觉得都比较类似。

音箱本来就是被动播放音乐的产品，人工智能和语音助手的植入使它成为一个主动获取信息、获取音乐，成为一个流量的入口。

（李志飞）首先，短时间内达到什么千万级别的量，很难。今年整个市场差不多能达到100万的出货量。

而现在可以看得到，智能音箱可能是继智能手机之后一个唯一超过一千万量的产品，有比较高频的人机交互产品。。

条件三：语音交互可能是你最好比较方便的形式，可能没有更好的方式，比如Googleglass就很难用别的方式。

首先，我认为，不会是唯一的设备，但我也不同意每一个设备都会有自己远场语音交互的能力。因为成本方面不合理，比如加50元或者100元给空调做远场语音交互，就为了控制开关温度，我觉得这是非常没有道理的事情。

因为虚拟个人助理或者是语音交互要得到使用，其实就是看你有什么样的场景，用户是调戏一下就走，还是说真正有活跃度。

这是历史发展过程中一些简单的产品，当然还有很多别的产品或技术，但这可能是大众关注比较多的。

同时，语音又是连接物联网的桥梁，家庭场景的价值将被更深挖掘，家居产品的制造、销售环节呗打散、重构，带来全新的品牌机会。

我认为最核心的是我们今天计算机没有对物理世界和常识有建模、理解。

这三个条件都很重要，Googleglass单独看DAU很高80%，但是这个硬件本身没有刚需，使得它的语音交互作为上面的一个软件也没有用。

如果我们把时间拨回到两百年以前，可以想象一下，热爱音乐的人去欣赏音乐，需要驾着马车，到音乐厅或者歌剧院，才能欣赏音乐。

（李志飞）从产品的角度，我一直觉得智能音箱这种100%靠语音交互的产品是很难做好的，一定得有一个屏幕的出现。

而在我们家里，通常都是壁挂式或者是落地式的空调，每一个空调都有单独的摇控器，这就决定了如果音箱作为一个智能家居的中控，它对于空调的接口、控制场景和体验是不同的。

包括内容消费，比如现在很多音乐、音频，这种内容可能未来都收费，这个是智能音箱可能是很重要的消费场景，所以也是一个内容的入口。

但是，确实Apple的用户教育能力是非常强的，所以在这之后基本上引起了整个虚拟个人助理的热潮。

所以我们认为，在中国做智能音箱，一定不能复制亚马逊Echo的路径，而是要找到我们真正消费者的需求，落实消费者的场景，来解决我们自己的问题。

从技术角度说，智能音箱是一个语音交互特别有意思的产品。

总结起来，我觉得这三点是语音交互能不能得到应用一个基本的判断：

我们当时看DAU（日活跃用户数量），比如手机语音交互的DAU小于1%；手表小于10%；车载大于60%，也就是100个用户有60个用户会用语音进行交互；Googleglass是80%，因为它没有别的交互方式。

出门问问CEO李志飞认为，智能音箱是虚拟个人助理的一种存在形式，而后者则是人工智能技术在消费领域的应用。

在那之后，大家其实就看到了，Google也发布了音箱，中国已经，或者说正在进入“百箱大战”，最后谁能胜出？谁也不知道。

一个特别有意思的悖论，一方面计算机可以创造一个程序，可以打败世界上最牛的下棋的，无论是围棋还是象棋的棋手，表现计算机非常聪明。但是另外一方面，计算机都不能像一个5岁的小孩一样跟你进行一个正常的对话。

另外一个时间点我觉得比较关键，2014年Amazon发布智能音箱Echo。

我们认为这就是两地音乐消费的DNA根源上的不同。