一、智能語(yǔ)音助手加速發(fā)展 技術(shù)驅(qū)動(dòng)是主因

智能語(yǔ)音助手成為2017年CES和MWC熱點(diǎn)之一，內(nèi)置智能語(yǔ)音助手的產(chǎn)品覆蓋多個(gè)領(lǐng)域、多個(gè)品牌的多類產(chǎn)品，例如福特汽車、惠而浦、LG等家電廠商的洗衣機(jī)、電冰箱、電烤箱等家用電器，LG家庭機(jī)器人和華為智能手機(jī)等，智能語(yǔ)音助手儼然成為諸多智能產(chǎn)品的核心配置。智能語(yǔ)音助手在2016年呈現(xiàn)了加速發(fā)展之勢(shì)，體現(xiàn)在以下方面：

智能語(yǔ)音以智能家居做為切入點(diǎn)快速發(fā)展。蘋果公司早在2011年就發(fā)布了智能語(yǔ)音助手，但其快速發(fā)展是以2016年亞馬遜Alexa的快速發(fā)展為標(biāo)志，一是銷量迅速增長(zhǎng)。亞馬遜旗下內(nèi)置Alexa的語(yǔ)音購(gòu)物助手Echo客戶滲透率已由2％提升至5％，截至2016年年底，亞馬遜共賣出600萬(wàn)臺(tái)Amazon Echo設(shè)備［1］。二是智能語(yǔ)音助手功能急速完善。Alexa在2014年最初發(fā)布時(shí)只有13個(gè)內(nèi)嵌的技能，現(xiàn)在這項(xiàng)功能已經(jīng)兼容7000款應(yīng)用，包括連接Uber、Twitter等應(yīng)用程序。用戶可以通過(guò)Echo的語(yǔ)音識(shí)別功能，操控任何一項(xiàng)具有聯(lián)網(wǎng)功能的設(shè)備，比如電燈、電視、空調(diào)等等。三是生態(tài)快速擴(kuò)建。2015年12月，英特爾與亞馬遜聯(lián)合宣布，雙方未來(lái)將在一系列智能家庭項(xiàng)目上合作，并計(jì)劃開(kāi)發(fā)一個(gè)采用英特爾芯片、搭載亞馬遜Alexa虛擬助理的智能語(yǔ)音架構(gòu)。汽車生產(chǎn)商福特在本屆CES上也宣布與亞馬遜合作，未來(lái)車主將能夠在福特的車輛上體驗(yàn)Alexa語(yǔ)音服務(wù)，實(shí)現(xiàn)聲控購(gòu)物、搜索導(dǎo)航，甚至車主在家就可以通過(guò)語(yǔ)音指令啟動(dòng)引擎、鎖定或解鎖車門。LG、GE等眾多企業(yè)都與亞馬遜達(dá)成協(xié)議，將自家產(chǎn)品內(nèi)嵌Alexa。

深度學(xué)習(xí)算法助力語(yǔ)音識(shí)別技術(shù)提升是智能語(yǔ)音助手快速發(fā)展的主要原因。近兩年，深度學(xué)習(xí)算法得到快速發(fā)展，其成果率先應(yīng)用于語(yǔ)音識(shí)別等領(lǐng)域，推動(dòng)其取得突破性進(jìn)展。2016年，《麻省理工科技評(píng)論》將語(yǔ)音識(shí)別和自然語(yǔ)言理解相結(jié)合，評(píng)為2016年十大突破技術(shù)。應(yīng)用于語(yǔ)音識(shí)別的深度學(xué)習(xí)算法的卷積神經(jīng)網(wǎng)絡(luò)層級(jí)（CNN），從最初的8層，到19層、22層、乃至152層的網(wǎng)絡(luò)結(jié)構(gòu)，而隨著網(wǎng)絡(luò)結(jié)構(gòu)的加深，語(yǔ)音識(shí)別的錯(cuò)誤率也從2012年的16．4％逐步下降到3．57％［2］。許多公司的語(yǔ)音識(shí)別系統(tǒng)語(yǔ)音識(shí)別正確率超過(guò)90％，在很多場(chǎng)合的已經(jīng)超過(guò)人類。

二、智能語(yǔ)音助手將成為新的用戶入口

語(yǔ)音將成為主流人機(jī)交互方式之一。語(yǔ)音交互方式將人們的雙手從觸摸屏解放出來(lái)，減少人們?cè)跀?shù)據(jù)輸入上花費(fèi)的時(shí)間。但語(yǔ)音交互并不適用于所有場(chǎng)景，例如公共場(chǎng)所跟手機(jī)對(duì)話是不禮貌的。這時(shí)通過(guò)屏幕交互可能比語(yǔ)音更方便。較適合語(yǔ)音應(yīng)用的設(shè)備包括家居和汽車，這也是亞馬遜Alexa雖然比蘋果Siri推出晚，卻能取得更快增長(zhǎng)的原因之一。

當(dāng)前的各種智能語(yǔ)音交互助手，只是虛擬個(gè)人助理（VPA）的雛形，VPA將具備完善的私人助理功能，成為用戶連接服務(wù)的節(jié)點(diǎn)，提供無(wú)所不在的服務(wù)。VPA將與眾多第三方app程序交互，用戶需要某類服務(wù)時(shí)均可告知VPA，VPA可搜索并決定調(diào)用哪款app提供服務(wù)，單獨(dú)app將從桌面移至后臺(tái)，成為VPA的一個(gè)子服務(wù)；VPA還具有學(xué)習(xí)能力，根據(jù)歷史數(shù)據(jù)掌握用戶的偏好、習(xí)慣等，對(duì)用戶需求做出預(yù)判，提供符合用戶個(gè)性特點(diǎn)的不斷優(yōu)化的服務(wù)。

三、巨頭加快展開(kāi)智能語(yǔ)音助手生態(tài)布局

巨頭已悉數(shù)入場(chǎng)，爭(zhēng)搶智能語(yǔ)音交互新入口。蘋果是發(fā)展智能語(yǔ)音助手的先鋒，于2011年在iPhone中內(nèi)置了智能語(yǔ)音助手產(chǎn)品Siri。谷歌2012年發(fā)布了名為Google now的智能語(yǔ)音產(chǎn)品，并于2016年推出演進(jìn)產(chǎn)品Google Assistant。亞馬遜于2014年推出內(nèi)置語(yǔ)音助手Alexa的無(wú)線音箱產(chǎn)品。微軟發(fā)布智能語(yǔ)音助手時(shí)間相對(duì)較晚，其智能語(yǔ)音助手產(chǎn)品Cortana于2015年與新的Windows 10操作系統(tǒng)一同發(fā)布。Facebook于2015年推出智能語(yǔ)音助手服務(wù)M，內(nèi)置AI技術(shù)，并有一個(gè)人工團(tuán)隊(duì)支撐。百度也于2015年發(fā)布名為Duer的智能語(yǔ)音助手產(chǎn)品。三星2016年收購(gòu)了智能語(yǔ)音助手技術(shù)公司Viv，并計(jì)劃于2017年推出相關(guān)產(chǎn)品。這些廠商均擁有一個(gè)主導(dǎo)的生態(tài)，例如電子商務(wù)，搜索引擎，智能手機(jī)，這些都提供了大量的數(shù)據(jù)來(lái)支撐這些具體平臺(tái)的智能語(yǔ)音助手。大量用于“學(xué)習(xí)”的數(shù)據(jù)，使得AI更有效率，使得推薦和定位更加細(xì)致入微。

亞馬遜暫時(shí)領(lǐng)先發(fā)展，未來(lái)競(jìng)爭(zhēng)格局存在變數(shù)。亞馬遜搭載Alexa無(wú)論從銷量、功能、生態(tài)等方面，均領(lǐng)先于蘋果和谷歌。然而，設(shè)備仍然是智能語(yǔ)音助手成功的關(guān)鍵，智能語(yǔ)音助手需要有足夠大的設(shè)備平臺(tái)作為分發(fā)接口，提供隨時(shí)隨地、無(wú)所不在的服務(wù)，隨身攜帶的手機(jī)是較為理想的硬件載體。蘋果和谷歌已經(jīng)在智能手機(jī)領(lǐng)域成功，未來(lái)可能后來(lái)居上，占據(jù)主導(dǎo)位置。

巨頭圍繞智能語(yǔ)音助理展開(kāi)生態(tài)布局，推動(dòng)跨平臺(tái)、跨系統(tǒng)的智能語(yǔ)音助手應(yīng)用。廠商通過(guò)開(kāi)放api、與第三方app互動(dòng)等形式擴(kuò)大生態(tài)建設(shè)，推動(dòng)語(yǔ)音助手在手機(jī)、家居、汽車等領(lǐng)域應(yīng)用。亞馬遜采取開(kāi)放Alexa的語(yǔ)音技術(shù)供第三方開(kāi)發(fā)者免費(fèi)使用。此外亞馬遜沒(méi)有對(duì)合作伙伴設(shè)置獨(dú)家合作協(xié)議，硬件制造商可以自由切換到競(jìng)爭(zhēng)對(duì)手的語(yǔ)音助理，這也使得硬件廠商更樂(lè)于集成Alexa。蘋果早在2014年就發(fā)布了自家的智能家居平臺(tái)HomeKit，并不斷加強(qiáng)HomeKit與Siri的融合；2016年6月，蘋果宣布開(kāi)放SDK 給開(kāi)發(fā)者們，允許其他的第三方應(yīng)用接入 Siri。谷歌也表示將向開(kāi)發(fā)者和第三方軟硬件開(kāi)放assistant。

當(dāng)前智能語(yǔ)音助手商業(yè)模式呈現(xiàn)多樣化。目前較為成熟的亞馬遜的商業(yè)模式。亞馬遜的核心零售業(yè)務(wù)內(nèi)置于Echo中，用戶與 Echo 的互動(dòng)會(huì)鼓勵(lì)用戶更多地去購(gòu)物，而且會(huì)將更多的數(shù)據(jù)反饋給亞馬遜的推薦系統(tǒng)，因此網(wǎng)站和應(yīng)用程序都可以再次促進(jìn)用戶購(gòu)買更多商品。另外一種是利用智能語(yǔ)音助手實(shí)現(xiàn)對(duì)用戶更深層次理解，實(shí)現(xiàn)更精準(zhǔn)的用戶定位。智能語(yǔ)音助手有著用戶需求的詳細(xì)數(shù)據(jù)集，結(jié)合對(duì)物理行蹤、搜索歷史以及電子郵件和文本內(nèi)容的了解，可實(shí)現(xiàn)更好的廣告定位，Google和Facebook等公司目前主要采取此種收入模式。

四、智能語(yǔ)音助手當(dāng)前發(fā)展仍存不足

使用習(xí)慣還有待培養(yǎng)

根據(jù)Gartner的調(diào)查數(shù)據(jù)，用戶經(jīng)常使用智能語(yǔ)音助手的兩至三個(gè)功能—天氣、位置和日歷核對(duì)。Echo雖然擁有上千種功能，但是大部分功能用戶并不會(huì)使用，用戶使用亞馬遜Echo的最的功能是設(shè)置時(shí)間和播放歌曲，80％以上用戶使用過(guò)［3］。

市場(chǎng)碎片化

目前，市場(chǎng)上有多家廠商提供智能語(yǔ)音助手服務(wù)，這些廠商與不同的設(shè)備廠商達(dá)成合作，形成了各自為陣的生態(tài)系統(tǒng)。內(nèi)置智能語(yǔ)音助手的設(shè)備商，必須對(duì)現(xiàn)存的替代方案開(kāi)放，并與不同的服務(wù)提供商協(xié)作，才能提供便于用戶使用、尤其是跨平臺(tái)使用的服務(wù)。

隱私問(wèn)題

理想情況下，個(gè)人鑒別信息應(yīng)該安全地存儲(chǔ)在用戶設(shè)備上，并且不會(huì)泄露給智能語(yǔ)音助手提供商或者其他服務(wù)提供商。但是實(shí)際上智能語(yǔ)音助手需要把用戶數(shù)據(jù)上傳至云端服務(wù)器，經(jīng)過(guò)計(jì)算后將結(jié)果返回到終端，涉及到云端存儲(chǔ)保障隱私問(wèn)題。

技術(shù)瓶頸

智能語(yǔ)音助手還存在語(yǔ)義理解方面的問(wèn)題。雖然語(yǔ)音識(shí)別技術(shù)這兩年取得了較大進(jìn)步，但理解整個(gè)對(duì)話的環(huán)境和上下文語(yǔ)義，是目前絕大部分機(jī)器學(xué)習(xí)或人工智能的瓶頸，機(jī)器還很難將詞語(yǔ)表達(dá)的意思與語(yǔ)境和情緒相結(jié)合。

五、國(guó)內(nèi)與國(guó)外同步發(fā)展

一方面，語(yǔ)音識(shí)別技術(shù)與國(guó)外發(fā)展同步?？拼笥嶏w在國(guó)際最高水平語(yǔ)音合成賽Blizzard Challenge 中十連冠，14、15 年兩次國(guó)際漢英翻譯大賽IWSLT 全球第一、15 年機(jī)器口語(yǔ)翻譯系統(tǒng)獲NIST 國(guó)際評(píng)測(cè)冠軍，在車內(nèi)語(yǔ)音方面交互成功率更是超過(guò)86％，領(lǐng)先第二名高達(dá)10％［4］。

另一方面，本土智能語(yǔ)音助手相較國(guó)外產(chǎn)品具有競(jìng)爭(zhēng)優(yōu)勢(shì)。百度是除美國(guó)公司之外，同規(guī)模公司中唯一一個(gè)運(yùn)營(yíng)智能語(yǔ)音助手的。百度智能語(yǔ)音助手Duer可提供搜索信息、預(yù)定電影票、叫出租車等助理服務(wù)，采用端到端的深度學(xué)習(xí)系統(tǒng)，有時(shí)它在識(shí)別漢語(yǔ)語(yǔ)音片段方面，要比人為識(shí)別更加準(zhǔn)確。國(guó)內(nèi)的大量人口和強(qiáng)勁的中國(guó)內(nèi)容數(shù)據(jù)庫(kù)是Duer的競(jìng)爭(zhēng)優(yōu)勢(shì)，相比于微軟Cortana，百度的搜索引擎數(shù)據(jù)庫(kù)更具優(yōu)勢(shì)，谷歌則至今在中國(guó)沒(méi)法使用，使得Duer成為最受中國(guó)市場(chǎng)驅(qū)動(dòng)的智能語(yǔ)音助手。Duer內(nèi)置于百度安卓搜索app中，安裝在中國(guó)上百萬(wàn)手機(jī)中。百度正在致力于將Duer擴(kuò)展至手機(jī)以外的其他設(shè)備，例如機(jī)器人或者家庭設(shè)備。