一、行業方興，冰與火同在

前兩年，對于互聯網和硬件廠商來說，不做智能硬件，你會失去一塊蛋糕；而今年的說法是，如果你不做智能音箱，你將落后一個時代。

這是因為，所有的人都篤定，語音交互將成為下一代人機交互方式。而智能音箱就是語音交互的第一個入口級產品。

太平洋的東邊，亞馬遜的Echo出貨量已經超過了1000萬臺，占據了美國70%的市場。美國智能音箱市場已經崛起。而亞馬遜Echo的成功使得Google、微軟、Facebook等國外巨頭紛紛效仿。

太平洋的另一邊，在中國，百度、阿里、京東、聯想、小米等科技巨頭們也開始布局，尤其是在小米發布了299元的智能音箱之后，整個產業鏈全面躁動。據一位供應鏈人士介紹，由于各大互聯網公司的布局，目前國內很多OEM廠已全線接到任務。

“亞馬遜帶動的智能音箱市場完全可以在中國復制的，中國市場肯定能達到千萬級、甚至上億級出貨量。”已經深耕智能音箱市場兩年的魏強這樣對網易智能說到。

魏強是靈隆科技的總經理，這家由京東和科大訊飛合資的公司早在2015年8月就推出了第一款智能音箱產品——叮咚音箱。

“從市場容量上，中國市場肯定比美國市場大。從智能音箱的角度看，美國的普及時間要比中國早一到兩年。”在音箱市場摸爬滾打了五六年的宋少卿也表示出了同樣的觀點。

宋少鵬是創業公司Sugar的CEO，2014年WiFi音箱興起的時候，他的團隊曾推出了頗受好評的方糖音箱。當WiFi音箱的風潮過去之后，宋少鵬敏銳地觀察到了亞馬遜Echo的成功，并決定轉型方案集成商，目前專門為亞馬遜Alexa平臺提供認證解決方案。

“去掉了音箱外殼，我們以集成電路+軟件的形式，形成一套完整的解決方案。”據宋少鵬透露，目前Sugar是Alexa認證的唯二解決方案，這個解決方案包括麥克風處理（如降噪、去回聲等技術），Alexa整套系統，音箱的工業設計、結構設計、聲學設計、用戶體驗和APP設計等。

目前，智能音箱的方案集成商在中國有很多，其中很多是為Alexa平臺服務的。而國內市場的火爆，讓他們紛紛開始將目標轉向國內。

押注AI的百度也嗅到了商機，百度度秘事業部總經理景鯤在接受網易智能采訪時候透露，百度為深圳做智能音箱的方案集成商，尤其是給亞馬遜Alexa提供解決方案的廠商提供了一種盒殼，只要把開發套件放進去，就可以很容易做出一款智能音箱。景鯤希望這些品牌商和方案商，借助DuerOS直接將為Alexa生產的硬件帶到中國來。

幾乎所有的人都認為，中國智能音箱的需求將是井噴的。

然而，事實卻是，中國智能音箱市場銷量低迷，消費者并不買賬。

據有機構粗略統計，中國智能音箱目前的月銷量不足2萬臺，年銷量最多20萬臺左右。深耕智能音箱市場兩年的叮咚音箱，年銷量也僅10萬臺左右。

行業熱潮與用戶冰冷形成了強烈的反差，在謝殿俠看來卻很正常，“中國智能音箱市場起步速度不會很快，成熟度也不會那么高，這是因為智能音箱在中國家庭中扮演的角色遠沒有美國重要。”

作為國內專攻自然語言理解的創業公司海知智能的CEO，謝殿俠在美國生活了很長時間，他對Echo的使用場景做了如下分析：

“Echo的用戶多是家庭主婦，在家中待的時間也很長。Echo的使用場景多是在廚房，美國家庭主婦一般是在做飯的時候聽背景音樂。這是因為美國人的廚房大多是開放式廚房，而且他們做飯相對中國的煎炒烹炸來說顯得安靜，適合聽音樂。”

謝殿俠認為，相比之下，中國沒有形成家庭主婦的社交群體，晚上又因為應酬較多不在家，而中國家庭一般沒有開放式廚房，大多數的習慣是看電視。這幾點原因導致中國音箱用戶少，使用場景、時間段都被壓縮。

“即使中國廠商可以把智能音箱做得比Echo更漂亮、更便宜，內容服務也更好，但是純粹作為單品音箱來講，其成功的程度和速度都不及美國。”謝殿俠向網易智能表示。

網易人工智能產品總監劉銳總結說，“因為統計上的問題，中國智能音箱目前銷量數據可能比這個數據（月銷量2萬臺）更少，但是不否定未來半年中國公司會用錢把這個量砸出來，但是有多少消費者會去買，這個問題我持懷疑態度。”

老樹開花科技為國內很多家科技公司提供智能音箱的繼承方案，其CEO朱俊文在智能硬件領域有很多資源整合能力。他這樣看待中國智能音箱的初期市場：

“這波智能音箱的市場會分為兩大塊，一塊可以稱為高端市場，價格在四五百元左右，這塊是各個互聯網公司都在主打的；另一塊是用一二百元甚至更低價格的智能音箱取代傳統存量的藍牙音箱市場。”

“但是智能音箱肯定達不到手機的銷量和地位，能達到大幾千萬的量已經是很了不起的了。”朱俊文補充到。

謝殿俠認為，像小米AI音箱將價格打到299元，其實是想切傳統藍牙音箱的蛋糕，“如果能將這部分存量市場進行轉化也是不錯的。下半年如果你看到很多智能音箱降價，或者市場上出現大量一兩百元的智能音箱出來的時候，都不會是令人驚奇的事情。”

“未來6-12個月對中國的智能音箱市場很關鍵，這個時間會出現很多的品牌和產品，可以起到教育市場的作用。”魏強這樣預測國內的音箱市場。至于智能音箱會成為下一個智能手機，還是下一個智能手環的問題，魏強表示他沒有答案，“當年手環的風吹來吹去，主要是后端的服務沒有做好。音箱前期也有這種問題，沒有能夠滿足用戶的服務。要想讓智能音箱逐漸成為用戶的必需品，就必須打造殺手級的應用。”

二、語音交互是一個不可逆的大潮

重金投入智能音箱背后，是這些公司對語音交互大變革的期待。

思必馳CMO龍夢竹經常跑在智能語音的市場前沿，她認為，亞馬遜的Echo是一個偶然產品，但Alexa是一個必然。龍夢竹認為，互聯網或語音技術公司醉翁之意不在酒，他們背后的算盤大多是，用音箱的火熱來推廣他們的語音交互技術。

“PC上的入口我們還不知道怎么做，難道就是語音控制開機，關機嗎？但它會給用戶帶來認知上的改變。還有一個比較有意思的是，我們有個合作伙伴還想把語音交互加到馬桶上，用語音控制廁所沖水。”龍夢竹半開玩笑的說。

現在的智能語音，就像當年觸摸屏興起后，人們把所有的地方都改成觸摸交互一樣，要把所有的操作都盲目地改成語音交互。

從目前來看，語音交互趨勢是一個不可逆的大潮。

然而，語音交互是一個全新的交互方式，使用場景和落地產品也在不斷摸索中。

百度COO陸奇曾說，人工智能落地最關鍵的是找到場景和商業模式，做出極致體驗，并快速迭代。

語音交互本身是很大的一個入口，但是語音交互的入口是不是智能音箱，現在誰也不知道。

但可以肯定，智能音箱是語音交互第一代落地產品。謝殿俠認為，中國的智能音箱市場沒有我們想象的那么樂觀，但確實會在語音交互初期扮演很大的作用。“但中國智能音箱的活躍度、黏性、留存率未必有美國市場那么高。”

魏強說，智能音箱是一個入口級的產品，他的盈利點不是在硬件本身，而是在未來的后端的內容服務，靠硬件賺錢不是我們的主要目標。“智能音箱我們已經做了兩年，產品體驗是最重要的，一方面是提高用戶對產品的理解，另一方面要把后臺的服務做好。”

但在龍夢竹看來，智能音箱不應該被叫做智能音箱，“沒準有一天，有個廠商做了一個機器人形的智能音箱，它就爆發了呢？它只是外形是機器人或者音箱，如果你們現在想貼概念，我更愿意把它定義為新型的智能產品，弱化智能音箱這個概念。關鍵是找到精準的受眾和場景。”龍夢竹說到。

在朱俊文看來，目前語音交互上有三個入口級的產品：智能音箱、智能故事機、智能家電。“三個產品周期不一樣，音箱處于市場培育期，兒童智能故事機今年進入快速發展，而智能家電明年才能完成市場教育。另外，智能燈的需求也可能會起來。”

根據朱俊文的觀點，中國智能音箱銷量爆發還是在明年。“未來競爭的焦點是在智能云平臺上面，其中互聯網公司是很重要的力量，整個行業希望有一個完整的云平臺解決方案來做。”朱俊文說到。

而百度的DuerOS將使用場景的重點落在了家庭、車載、手機等能夠快速迭代的場景中。景琨認為，這三個場景對語音的需求是逐漸的升溫的，家庭和車載的需求是從0到1，手機上的語音助手以前就有，后續它的角色會越來越重要。“電視絕對是屬于一個未來語音交互的重要載體”，景琨認為，有語音的能力之后，用戶跟設備的交互黏性以及活躍度會急劇提高。

劉銳則看好家庭和車載兩個場景，“語音交互用在智能家庭場景中，需要有輸入、輸出，還要有一個信息呈現中心。這個信息呈現中心，必須要一個大一點的屏幕，可能是電視。車載場景可能還需要網絡再好一點，比如說5G的普及。”

在謝殿俠看來，智能音箱在中國是一個新興的市場，而電視、冰箱、空調卻是一個存量市場。“沒準智能語音交互的電視會跑得更快。”謝殿俠稱，“未來真正在家庭中起到重要作用的，可能還是電視，另外我還看好智能臺燈、兒童故事機等。”

三、去中心化：再談智能家居控制論

在謝殿俠看來，從人機交互發展的維度論角度，語音交互最大的貢獻是提供了控制維度。

“現在的手機APP與過去PC上的網頁和軟件有什么區別？主要的區別就是APP進行了升維，這個維度就是諸多的傳感器、麥克風以及相機。”謝殿俠解釋到，“因為有了GPS傳感器，才有了滴滴、Uber、ofo這些公司；這個基礎上再加上語音、麥克風，就有了微信、WhatsApp；如果再加上攝像頭，就有了Instagram。”

根據謝殿俠的觀點，當APP升維之后，就產生了PC時代沒有的公司和產品。未來有了語音交互之后，就又增加了一個維度，就是控制維度。謝殿俠認為，過去的傳感器只是感受，現在的傳感器是控制，想象力非常巨大，未來的產品形態會發生翻天覆地的變化。而智能音箱，只是大時代下的冰山一角。

但是，這里有個坑：智能音箱不應該成為中樞控制設備，去控制其他家電，而應該是去中心化的。就像朱俊文所說，沒有Echo之前，很多人都在談中控，這里的核心是中控模式，但是亞馬遜的Echo是去中心化的。

“語音交互機器人是未來的發展方向，未來的語音交互將是Always On（實時在線），家庭中所有的電器都應該具備語音交互能力。”謝殿俠這樣憧憬到。

劉銳認為，未來的語音采集端應該是分布在家庭各個地方，就像Echo Dot一樣。“真正能做到智能化的體驗的應該是，遍布在家庭各個角落，達到去中心化的效果。”

也就是說，智能家居控制這件事，目前還是一個美好的想象。

“Echo最初打動人的最重要的功能是開關燈，反饋很強、很迅速，正反饋這是人性中很根本的一點。”劉銳說到，Echo火起來有一個點確實是因為智能家居，但是中國智能音箱市場如果押注在智能家居控制上，目前是一件非常有風險的事情。

魏強認為，家居物聯網是一個過程，必須形成一套統一的標準。智能家居雖然是個趨勢，但是迭代更新速度太慢，實現的路徑會很曲折。

云知聲Pandora項目負責人張鵬認為，用語音控制家居是未來的趨勢，但是中控是不是一定必須要用音箱來呈現，可以是任何型態的存在。

但是，在宋少鵬看來，智能音箱不一定非要控制家居才能成為入口，只要能承載流媒體播放、信息播放、信息獲取分發，就已經是一個入口。

“在智能家居真正實現之前，所有的預測都只是一種言論。”劉銳說，預測未來最好的辦法是加入并創造它。

起碼，從目前來看，智能家居其實是“皇帝的新裝”。