自從計算機誕生以來，人機交互的媒介一直在演進，短短幾十年從鍵盤和鼠標到觸屏時代，2014年亞馬遜的Echo橫空出世，宣示著一個新時代到來：智能語音。
兵家必爭之地
在中新天津生態城里有這樣一家入駐企業——艾聽科技，通過揚聲器的革命，他們重新定義了聲音的傳播方式——定向傳播。即使在醫院、酒吧這樣的嘈雜環境里，通過揚聲器的定向傳播，在指定的區域里會清晰地聽到播放的內容，而站在旁邊的人則完全不受干擾。艾聽科技的創始人有著多次創業的經歷，而最終選定了聲音作為變革的領域。
在漫長的時間里，“聽”這個重要的人體感知上面的技術裹足不前，進展緩慢。艾聽科技COO王劍解釋，從技術角度看，因為聲音本身的物理特性導致可測量、可計算非常難；另一方面，就是人自身的聽覺有很多主觀感受在里面，甚至所謂人們聽到的音量大小，實際并不是一個簡單的物理量，而是不同環境下，人耳對聲音強度的一種感知。不過，近年來越來越多的創業隊伍開始將聲音作為創業的對象，與艾聽科技的定向傳播不同的是，他們的目光瞄準了智能語音。
自2014年亞馬遜的智能音箱Echo橫空出世以后，智能語音迅速成為巨頭爭奪的戰場，各式各樣的智能語音產品開始出現，以智能音箱為例，除了Echo，蘋果推出了HomePod，微軟有invoke，谷歌推出Google home ，國內則有京東聯手科大訊飛(002230,股吧)推出叮咚，阿里推出天貓精靈X1，小米、聯想等也相繼推出智能音箱，用硝煙四起形容智能音箱市場并不為過。表現最為出色的Echo截止到2016年年底銷量已經達到600萬臺，預計2017年將會突破千萬臺。
用比較極客的語言來描述，智能音箱產品大多是指通過定向麥克風，進行用戶語音信息的收集，通過語音識別及NLP技術，對用戶的語音進行反饋。“大家都知道智能音箱不賺錢，可是又都不敢不做”，一位業內人士形容當下的市場。王劍認為，巨頭之所以紛紛在智能語音上投入，是因為未來智能家居可能都會以語音控制作為入口，有別于傳統的智能家居需要通過專門應用程序或者平板進行控制，智能音箱在操作門檻上更低，所以必然會成為更好的一個入口，就像之前都去搶占所謂的PC端入口，移動端入口一樣。
從基礎層面的語音識別，到人工智能層面的深度學習，再到智能硬件，加上云計算的龐大計算能力，智能音箱為代表的智能語音是各種互聯網技術的集大成者，這也是為何直到現如今人機交互才進入語音時代的重要原因，它需要一系列的技術準備。思必馳市場部高級市場經理陳輝龍對記者表示，目前語音技術實現了重要突破，識別率通常能達到百分之90%以上，在以前這是不可想象的，運算能力的提高又能夠為技術廠商提供很大的空間，再加上人工智能的突飛猛進，都為智能音箱的出現做出了鋪墊。
技術是軟肋
盡管不論是初創公司還是巨頭，都紛紛重金投入智能語音產品，但是仔細觀察周圍，就會發現使用智能音箱的消費者寥寥。如果去相關的論壇上看看消費者對產品的測評，就會發現槽點滿滿：“聽不懂"人話"、“距離稍微遠一點就要扯著嗓子喊”、“希望越大，失望越大”等等。智能音箱是否會像可穿戴設備一樣，過了新鮮勁，就被消費者扔在儲物柜里蒙塵？
核心技術上的硬傷仍然是軟肋，這包括麥克風陣列技術、遠場語音識別等等。“Echo之所以能夠大火，是因為其采用了6+1的麥克風陣列，具備遠場識別功能，如果沒有麥克風陣列，單純一兩個麥克風識別率就會差很多。”陳輝龍解釋說。
亞馬遜強大的平臺資源是Echo能夠受歡迎的另一大法寶。Echo只是一個設備，而它的語音助手Alexa才是設備的大腦，ALexa所具有的強大的資源和海量的計算能力讓任何一個智能語音產品都望塵莫及。通過合作更多的家居設備，亞馬遜正在為Alexa構建更完善的生態鏈，對著電視說一聲，“Alexa，打開電視”，就能打開電視的酷炫場景已經可以實現。
今年7月份BAT中的兩家百度和阿里在同一天召開發布會，前者在發布會上宣布duerOS開放平臺發布，后者則發布了天貓精靈X1，在智能語音領域，兩家采用不同的競爭策略，擅長營銷的阿里選擇了賣產品，而骨子里透露著技術基因的百度則選擇了建立開放平臺，企圖建立智能語音的大生態。
事實上，這也是當前智能語音市場的兩大競爭策略。但是要想做出一款完美的智能語音產品，還是離不開開放平臺的支持。畢竟，智能音箱只是一個入口，最終的夢想是智能家居。“夢想的具體實現需要每個家居設備具備智能性，而實現智能性和集中控制，又需要所有的設備遵守一個相互間進行通信的協議，有了協議，每個智能終端才能理解控制端發來的指令，才能做出正確的響應。”王劍解釋說。
從早年間海爾做智能家居，到后面日本三洋強勢提出自己的協議，再到后來小米不斷推出各種米家智能電器。因為沒有大家共同遵守的協議，就變成每個廠家都需要組建足夠強大的產品線聯盟，或者自己完全做獨立的一套產品。不解決智能家居設備之間互聯互通的問題，就會導致即便用戶買了智能音箱，可能也沒有想象中那么美好。
當然，任何技術的進步都需要時間，智能語音也是如此，它需要不斷從各種生活化的場景中學習，不斷更新迭代，這就是當前深度學習的主流方式，誰能在這個平臺中建立最廣泛的人脈，讓其平臺接觸到最多的開發者和應用，誰的學習速度就更快，也就能在這場競賽中跑在前頭。
責任編輯：吳一波
科大訊飛輪值總裁吳曉如： 發揮龍頭帶動效應助力“中國聲谷”蜚聲海外
玩樂會驚現"陳偉霆" 微鯨大秀人工智能語音
當語音識別撞上方言，誰比誰懵逼？
智能語音云集成兩項國標發布填補空白