北京時(shí)間5月7日上午，谷歌在第11屆GoogleI/O大會(huì)上發(fā)布了10英寸帶屏音箱NestHubMax，售價(jià)229美元，這也是自Nest并入谷歌后雙方共同打造的第一款產(chǎn)品。

雖然還有不少人質(zhì)疑帶屏智能音箱是雞肋產(chǎn)品，不過(guò)與純語(yǔ)音交互相比，帶屏幕的互動(dòng)更直觀。目前，互聯(lián)網(wǎng)巨頭包括亞馬遜、谷歌、Facebook和百度等都推出了帶屏智能音箱，將智能音箱作為入口，提供自己原有的服務(wù)。

市場(chǎng)調(diào)研機(jī)構(gòu)StrategyAnalytics的最新研究顯示，智能音箱是2018年最熱門的消費(fèi)電子產(chǎn)品。2018年第四季度的出貨量增長(zhǎng)了95％，達(dá)到3850萬(wàn)臺(tái)，超過(guò)了2017年的總量。其中，帶屏智能音箱占智能音箱的總出貨量需求的10％以上。

StrategyAnalytics總監(jiān)華特金斯（DavidWatkins）評(píng)論道：“谷歌的HomeHub、亞馬遜的EchoShow和百度的小度在家等帶屏智能音箱受到消費(fèi)者的歡迎，他們被音視頻結(jié)合吸引。與僅有語(yǔ)音交互而言，帶屏智能音箱使用場(chǎng)景更多。預(yù)計(jì)到2019年，帶屏智能音箱將成為市場(chǎng)增長(zhǎng)的重要推動(dòng)力?！?/p>

創(chuàng)新落地的載體

“天貓精靈，今天北京天氣如何？”“今天北京天氣晴，12℃~28℃，空氣指數(shù)30?！?/p>

擁有天貓精靈音箱的小伙伴對(duì)于上述對(duì)話一定不會(huì)陌生。天貓精靈體現(xiàn)的是對(duì)話式人工智能，整個(gè)人機(jī)交互過(guò)程可分為喚醒、識(shí)別、理解、反饋四個(gè)環(huán)節(jié)。

“今天北京天氣如何？”這段語(yǔ)音能夠通過(guò)語(yǔ)音識(shí)別轉(zhuǎn)換成文字，提取“今天”、“北京”、“天氣”等關(guān)鍵詞，通過(guò)背后的天氣預(yù)報(bào)網(wǎng)站將數(shù)據(jù)調(diào)取出來(lái)；從天氣預(yù)報(bào)網(wǎng)站調(diào)取出來(lái)的數(shù)據(jù)組裝成自然語(yǔ)音，就是語(yǔ)音合成，即“今天北京天氣晴，12℃~28℃，空氣指數(shù)30?！?/p>

“之所以加入阿里巴巴，主要是自己更偏向于技術(shù)落地的工作。”天貓精靈語(yǔ)音技術(shù)負(fù)責(zé)人聶再清在接受第一財(cái)經(jīng)記者采訪時(shí)表示，此前在微軟亞洲研究院工作時(shí)帶領(lǐng)的研究項(xiàng)目（人立方、微軟學(xué)術(shù)搜索、LUIS）就比較偏創(chuàng)新和實(shí)際技術(shù)落地的結(jié)合。

加入阿里巴巴人工智能實(shí)驗(yàn)后，讓他感受最強(qiáng)烈的是這里創(chuàng)新落地的速度，以及前沿技術(shù)與產(chǎn)品配合的緊密程度。自2017年10月9日加入阿里巴巴以來(lái)，聶再清就一直負(fù)責(zé)天貓精靈語(yǔ)音助手算法的研發(fā)工作。

阿里巴巴人工智能實(shí)驗(yàn)室并不是一個(gè)純研究部門，它與業(yè)務(wù)和商業(yè)是緊密相關(guān)的，即使是前沿技術(shù)研發(fā)也是為未來(lái)的業(yè)務(wù)與商業(yè)研發(fā)。這意味著，實(shí)驗(yàn)室除了學(xué)術(shù)以外，還有自己的產(chǎn)品以及商業(yè)邏輯。

以連續(xù)對(duì)話能力為例，很多用戶都表示過(guò)每次和天貓精靈說(shuō)話前都要叫一次“天貓精靈”有點(diǎn)累，能不能實(shí)現(xiàn)一個(gè)功能使得用戶在短時(shí)間內(nèi)和天貓精靈的多次交互只需喚醒天貓精靈一次？要實(shí)現(xiàn)這個(gè)連續(xù)對(duì)話能力的最大的技術(shù)挑戰(zhàn)是能夠區(qū)分用戶的哪些話是對(duì)天貓精靈說(shuō)的，哪些話不是。為了識(shí)別用戶對(duì)天貓精靈說(shuō)的話這里有兩類信息可用：用戶說(shuō)的語(yǔ)義內(nèi)容和用戶聲音的強(qiáng)弱、停頓、方向等聲學(xué)特征。

天貓精靈的語(yǔ)音語(yǔ)義科學(xué)家們經(jīng)過(guò)多次腦暴，一起獨(dú)創(chuàng)了融合語(yǔ)音和語(yǔ)義特征的混合神經(jīng)網(wǎng)絡(luò)，融入了長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)，卷積網(wǎng)絡(luò)(CNN)和注意力機(jī)制(Attention)，并結(jié)合預(yù)訓(xùn)練的語(yǔ)言模型，通過(guò)海量數(shù)據(jù)的訓(xùn)練，深度網(wǎng)絡(luò)自主學(xué)習(xí)到人機(jī)對(duì)話提取的能力。最終，在讓用戶能夠享受到便捷的連續(xù)交互的同時(shí)，實(shí)現(xiàn)了業(yè)界最低的誤打擾率。聶再清透露，目前已經(jīng)有超過(guò)一百萬(wàn)用戶主動(dòng)打開(kāi)這個(gè)功能，成為語(yǔ)音交互一種新的對(duì)話模式。

不過(guò)，每個(gè)人的興趣愛(ài)好不同，一個(gè)家庭中多個(gè)成員共用一個(gè)天貓精靈，此前就存在天貓精靈將父母喜歡的歌曲推薦給女兒的情形。

聶再清表示，聲紋算法科學(xué)家和個(gè)性化推薦科學(xué)家一起提出了一種不依賴于聲紋注冊(cè)的開(kāi)創(chuàng)性的解決方案：把語(yǔ)音指令的聲學(xué)特征在我們的個(gè)性化推薦深度學(xué)習(xí)模型（Transformer）中直接使用，創(chuàng)造性地解決了聲紋注冊(cè)率低和聲紋聚類不準(zhǔn)導(dǎo)致的語(yǔ)音助手多人混用的個(gè)性化推薦技術(shù)難題。大眾盲評(píng)的用戶調(diào)研數(shù)據(jù)顯示，加入聲紋后大大降低了歌曲推薦的興趣混亂程度，有效地解決了多人混用的推薦難題，用戶的人均時(shí)長(zhǎng)提升10%。

不再是單純的硬件戰(zhàn)爭(zhēng)

智能音箱的戰(zhàn)爭(zhēng)不再是單純的硬件戰(zhàn)爭(zhēng)，更多場(chǎng)景的升級(jí)和創(chuàng)新功能的加入或許是更加重要的一環(huán)。數(shù)字中國(guó)峰會(huì)現(xiàn)場(chǎng)，百度CEO李彥宏稱，以智能音箱為代表的智能家居，可以說(shuō)是AI時(shí)代搜索的新入口，它讓人們用更自然的方式和機(jī)器進(jìn)行交互，也是家庭里面的信息服務(wù)的入口。

從某個(gè)角度上來(lái)說(shuō)，智能音箱甚至強(qiáng)調(diào)的功能也不僅僅是音箱的基礎(chǔ)功能了。比如，相較于普通智能音箱，帶屏音箱一般增加了屏幕和攝像頭。因此，不僅可以實(shí)現(xiàn)智能音箱原有的播放音樂(lè)、查看天氣和新聞、控制智能家居產(chǎn)品等功能，還可以進(jìn)行視頻觀看、視頻通話功能，甚至集成安防功能。

與谷歌上款帶屏音箱HomeHub相比，NestHubMax還增加了廣角的智能攝像頭，并且增大了屏幕尺寸。NestHubMax能實(shí)現(xiàn)在線觀看視頻、家居控制、拍照、安全監(jiān)控和視頻通話等功能。谷歌稱，NestHubMax特別為家庭和朋友聚會(huì)中的共享場(chǎng)所而設(shè)計(jì)。

此次發(fā)布的NestHubMax還增加了臉部匹配（FaceMatch）功能。此項(xiàng)在手機(jī)上已經(jīng)較為常見(jiàn)的人臉解鎖功能落地智能音箱以后，可以將每個(gè)家庭成員需要的特定服務(wù)實(shí)時(shí)呈現(xiàn)或者推送。

谷歌舉例稱，“早上當(dāng)你走進(jìn)廚房時(shí)，智能助手知道你的日程安排、通勤細(xì)節(jié)、天氣以及其他當(dāng)天所需的信息來(lái)問(wèn)候你。當(dāng)你下班回家時(shí)，HubMax歡迎你回家，并提供要處理的提醒和消息。智能助理為音樂(lè)和電視節(jié)目提供個(gè)性化推薦，你甚至可以看到誰(shuí)給你留下了視頻消息。”

李彥宏提到，兩年前，百度推出全球第一款帶屏智能音箱小魚(yú)在家，又進(jìn)一步激活了百度此前在視頻方面的布局。小魚(yú)在家與百度的合作始于2015年，2017年合作推出帶屏智能音箱，2017年4月推出搭載百度DuerOS的新款視頻通話機(jī)器人“分身魚(yú)”，2018年3月，百度宣布戰(zhàn)略投資小魚(yú)在家，從資源、資金、平臺(tái)等各方面予以支持。2019年2月，小度在家?guī)林悄芤粝涑鲐浟渴状纬^(guò)無(wú)屏的小度智能音箱。

“如同下棋講究占據(jù)先機(jī)，堅(jiān)持技術(shù)創(chuàng)新，就會(huì)讓我們下出‘先手棋’，而不是再做跟隨者?！?/p>

就本質(zhì)而言，李彥宏多次多場(chǎng)合對(duì)百度智能音箱的推廣，意在爭(zhēng)奪智能家居入口話語(yǔ)權(quán)。

不過(guò)，不管是智能音箱硬件技術(shù)，還是遠(yuǎn)場(chǎng)識(shí)別、語(yǔ)音識(shí)別和語(yǔ)義識(shí)別等語(yǔ)音交互技術(shù)，都存在不少問(wèn)題，例如出現(xiàn)誤喚醒率高、連續(xù)對(duì)話不穩(wěn)定、語(yǔ)義理解能力差等情況。有用戶表示，希望能提高識(shí)別率，“現(xiàn)在買智能音箱只用來(lái)聽(tīng)歌、當(dāng)鬧鐘等，而這些手機(jī)語(yǔ)音助手就能完成，真正接入并控制家電的太少了”。

即使在美國(guó)，智能音箱最大的用處也是聽(tīng)音樂(lè)。尼爾森此前一份報(bào)告指出，幾乎所有消費(fèi)者（90％）都用智能音箱聽(tīng)音樂(lè)，而68％的人會(huì)聽(tīng)新聞；大約81％的用戶會(huì)使用語(yǔ)音交互來(lái)獲取實(shí)時(shí)信息，例如天氣和交通狀況。

StrategyAnalytics副總裁墨瑟（DavidMercer）表示：“現(xiàn)在問(wèn)題是，如何通過(guò)用戶群獲利，看看每個(gè)玩家如何應(yīng)對(duì)這一挑戰(zhàn)將會(huì)很有趣。第一步是通過(guò)智能音箱鼓勵(lì)消費(fèi)者更廣泛和更頻繁地使用應(yīng)用和服務(wù)，這將為設(shè)備OEM或平臺(tái)提供商帶來(lái)創(chuàng)收機(jī)會(huì)。語(yǔ)音購(gòu)物和廣告插入是非常明顯的方式。”