2017年或成智能音箱元年 人工智能也将商业化？.doc

《2017年或成智能音箱元年 人工智能也将商业化？.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2017年或成智能音箱元年人工智能也将商业化？这是BAT下半年的其中一个“战场”。　　2014年底，亚马逊在官网悄悄地发布了Echo，但估计就连亚马逊自己也没想到，这个看上去“简洁得有点简陋”的奇怪音箱，居然能够在日后卖出800多万台，不仅直接给亚马逊带来将近10亿美元营收，甚至在Kindle之后成为又一款消费者所认可的终端。　　　　Echo之后所代表的技术趋势并不“隐晦”：智能语音技术落地点，全新交互方式，全新服务接口这种概念的分析早就被写了几百遍。但另外一边却是赤裸裸的现实——一贯紧跟全球消费电子市场的中国，在智能语音的具

2、体商业化这件事上却“落后”了。　　好在，“落后”并不意味着错过，反之因为“落后”，让整个行业积聚了非常强大的力量，随时有可能爆发出来。换句话说，2017年很可能会成为中国智能音箱市场最难得的“黄金发展期”。　　两个星期，BAT全部进入战场　　　　虽然这早已不是BAT在同一个领域中争高下，但在两周内让3家巨头同时进入“战场”，智能语音的魅力的确很大。第一个有动作的是腾讯，在两周之前的腾讯云峰会上，腾讯云就发布了全新的智能语音产品“腾讯云小微”。　　而小微主要包括了3个开放性的平台：能够通过SDK接入硬件的硬件开放平台；包含腾讯各

3、种自由内容、应用资源的Skill开放平台；以及能够让机器不断学习和决策的小微服务机器平台。　　　　有趣的是，在官方资料中，腾讯还提到了自己的一点优势，小微的所有能力来自于微信AI团队。后者之前实际上已经将语音识别、加入语义分析技术的语音输入、语音转文字、等功能添加到微信当中。　　“BA”则显得更为默契，将自己的智能音箱产品的发布都定在了7月5号。　　　　在前日上午的百度“Creat2017”AI开发者大会中，更新的DuerOS成为了最重要的发布环节。百度在这次大会上也祭出了大手笔——联合数家音箱生产、语音交互技术提供商，为其他

4、第三方产品制造商、开发者提供软硬件一体化解决方案。　　百度同时还在开发者大会现场宣布了对KITT.AI的收购，后者在“热词检测（唤醒）”、“智能语音对话”这两项与智能语音息息相关的技术上有很不错的积累。但同时百度并没有打算“独吞”这些先进技术，而是将其语音能力和自然语言能力融入平台，向合作伙伴免费开放，官方将其称之为“赋能开放”。　　　　短暂的午休之后，阿里终于“最后一个”加入进来，画风略微不同的他们发布了“天猫精灵X1”智能音箱。值得稍微提一嘴的是，有业内人士爆料：“阿里这款智能音箱实际是来自思必驰的方案。”但硬件本身或许并

5、不是“天猫精灵X1”最为重要的特点，关键还是在于阿里已经在其之上实现了声纹识别以及支付环节的打通。　　这也符合业内对于阿里进军智能音箱的一贯预期：阿里智能音箱的最大挑战、同时最大的优势是购物。依托电商建立庞大帝国的阿里不可能不做购物，但这项服务本身放在语音上面来进行有挑战，像EchoShow那样带有显示屏的智能音箱或许更适合这种任务，但那样的产品同样需要继续等待。　　对于BAT的新动向，Rokid智能音箱负责人文杰也接受了采访：　　BAT进军智能音箱这件事对于我们来说算不上威胁，倒不如说是一种机遇。我们很期待他们接下来在这方面

6、的服务端口开放。　　对此，喜马拉雅副总裁李海波也有着类似的观点：　　虽然我们有打造自己的音箱，但是我们也会将自己的服务开放出去，别的智能音箱产品也能够调用我们的音频内容资源。因为我们关心的只是单个用户在喜马拉雅中停留的时间。”　　先期引爆的英文语音市场　　　　早前，美国市场研究公司StaTIsta曾做过相关的统计，2016年美国的智能家居市场销售额为97亿美元，而中国仅有5.2亿美元。普及率的增长更是惊人，美国的数值为5.8%，而中国仅为0.1%。　　　　外国调研机构给出的亚马逊官方硬件产品销售情况图　　但由于是大洋彼岸的关系

7、，也有不少人曾经对亚马逊Echo“夸张”的销售数据提出过质疑，就此也询问了国内某智能音箱生产商：　　去年亚马逊Echo智能音箱的销售效果的确不错，在国内它总的生产量刚超过800万台，其中初期的Echo和简化版EchoDot差不多对半。国内销售量第一名可能只有它的1/100。　　参考目前Echo和EchoDot分别定价179/49美元，光是这800万台设备就已经能够给亚马逊带来10亿美元的营收，这还不算在使用音响之后所带来的服务订购、网上购物等二次消费。　　　　从原理上说，智能音箱的代表产品，亚马逊Echo背后的Alexa，以及

8、它的前辈Siri，实际上都属于智能语音技术。其核心非常简要——要让机器在语音对话这一环节拥有近似于人的能力。　　尽管语音对话是人类平日做得最多的动作之一，它的难度却不可小觑。从语音到文字的转换、机器语音的发声、再到多句语音的上下文理解，这些环节在没有人工智能技术之前迟迟未能取