一、行業(yè)方興，冰與火同在

前兩年，對于互聯(lián)網(wǎng)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(chǎn)品。

太平洋的東邊，亞馬遜的Echo出貨量已經(jīng)超過了1000萬臺，占據(jù)了美國70%的市場。美國智能音箱市場已經(jīng)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(lián)想、小米等科技巨頭們也開始布局，尤其是在小米發(fā)布了299元的智能音箱之后，整個產(chǎn)業(yè)鏈全面躁動。據(jù)一位供應鏈人士介紹，由于各大互聯(lián)網(wǎng)公司的布局，目前國內(nèi)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(jīng)深耕智能音箱市場兩年的魏強這樣對網(wǎng)易智能說到。

魏強是靈隆科技的總經(jīng)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(chǎn)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(chuàng)業(yè)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(zhuǎn)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(jù)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(tǒng)，音箱的工業(yè)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(nèi)市場的火爆，讓他們紛紛開始將目標轉(zhuǎn)向國內(nèi)。

押注AI的百度也嗅到了商機，百度度秘事業(yè)部總經(jīng)理景鯤在接受網(wǎng)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(fā)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(chǎn)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(jù)有機構粗略統(tǒng)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(yè)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(nèi)專攻自然語言理解的創(chuàng)業(yè)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(shù)的習慣是看電視。這幾點原因?qū)е轮袊粝溆脩羯伲褂脠鼍啊r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(nèi)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(wǎng)易智能表示。

網(wǎng)易人工智能產(chǎn)品總監(jiān)劉銳總結說，“因為統(tǒng)計上的問題，中國智能音箱目前銷量數(shù)據(jù)可能比這個數(shù)據(jù)（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(tài)度。”

老樹開花科技為國內(nèi)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(lián)網(wǎng)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(tǒng)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(jīng)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(tǒng)藍牙音箱的蛋糕，“如果能將這部分存量市場進行轉(zhuǎn)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(xiàn)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(xiàn)很多的品牌和產(chǎn)品，可以起到教育市場的作用。”魏強這樣預測國內(nèi)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(huán)的問題，魏強表示他沒有答案，“當年手環(huán)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(jīng)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(chǎn)品，但Alexa是一個必然。龍夢竹認為，互聯(lián)網(wǎng)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(xiàn)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(chǎn)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(yè)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(xiàn)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(chǎn)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(chǎn)品，他的盈利點不是在硬件本身，而是在未來的后端的內(nèi)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(jīng)做了兩年，產(chǎn)品體驗是最重要的，一方面是提高用戶對產(chǎn)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(fā)了呢？它只是外形是機器人或者音箱，如果你們現(xiàn)在想貼概念，我更愿意把它定義為新型的智能產(chǎn)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(chǎn)品：智能音箱、智能故事機、智能家電。“三個產(chǎn)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(fā)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(jù)朱俊文的觀點，中國智能音箱銷量爆發(fā)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(lián)網(wǎng)公司是很重要的力量，整個行業(yè)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(xù)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(xiàn)中心。這個信息呈現(xiàn)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(wǎng)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(diào)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(fā)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(xiàn)在的手機APP與過去PC上的網(wǎng)頁和軟件有什么區(qū)別？主要的區(qū)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(jù)謝殿俠的觀點，當APP升維之后，就產(chǎn)生了PC時代沒有的公司和產(chǎn)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(xiàn)在的傳感器是控制，想象力非常巨大，未來的產(chǎn)品形態(tài)會發(fā)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(fā)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(lián)網(wǎng)是一個過程，必須形成一套統(tǒng)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(xiàn)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(xiàn)，可以是任何型態(tài)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(fā)，就已經(jīng)是一個入口。

“在智能家居真正實現(xiàn)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(chuàng)造它。

起碼，從目前來看，智能家居其實是“皇帝的新裝”。