北京時間5月7日上午，谷歌在第11屆GoogleI/O大會上發(fā)布了10英寸帶屏音箱NestHubMax，售價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，不過與純語音交互相比，帶屏幕的互動更直觀。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了95％，達(dá)到3850萬臺，超過了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。與僅有語音交互而言，帶屏智能音箱使用場景更多。預(yù)計到2019年，帶屏智能音箱將成為市場增長的重要推動力。”

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于上述對話一定不會陌生。天貓精靈體現(xiàn)的是對話式人工智能，整個人機(jī)交互過程可分為喚醒、識別、理解、反饋四個環(huán)節(jié)。

“今天北京天氣如何？”這段語音能夠通過語音識別轉(zhuǎn)換成文字，提取“今天”、“北京”、“天氣”等關(guān)鍵詞，通過背后的天氣預(yù)報網(wǎng)站將數(shù)據(jù)調(diào)取出來；從天氣預(yù)報網(wǎng)站調(diào)取出來的數(shù)據(jù)組裝成自然語音，就是語音合成，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?！碧熵埦`語音技術(shù)負(fù)責(zé)人聶再清在接受第一財經(jīng)記者采訪時表示，此前在微軟亞洲研究院工作時帶領(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，聶再清就一直負(fù)責(zé)天貓精靈語音助手算法的研發(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)對話能力為例，很多用戶都表示過每次和天貓精靈說話前都要叫一次“天貓精靈”有點(diǎn)累，能不能實(shí)現(xiàn)一個功能使得用戶在短時間內(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)這個連續(xù)對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天貓精靈說的，哪些話不是。為了識別用戶對天貓精靈說的話這里有兩類信息可用：用戶說的語義內(nèi)容和用戶聲音的強(qiáng)弱、停頓、方向等聲學(xué)特征。

天貓精靈的語音語義科學(xué)家們經(jīng)過多次腦暴，一起獨(dú)創(chuàng)了融合語音和語義特征的混合神經(jīng)網(wǎng)絡(luò)，融入了長短期記憶網(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)練的語言模型，通過海量數(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，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)有超過一百萬用戶主動打開這個功能，成為語音交互一種新的對話模式。

不過，每個人的興趣愛好不同，一個家庭中多個成員共用一個天貓精靈，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)家和個性化推薦科學(xué)家一起提出了一種不依賴于聲紋注冊的開創(chuàng)性的解決方案：把語音指令的聲學(xué)特征在我們的個性化推薦深度學(xué)習(xí)模型（Transformer）中直接使用，創(chuàng)造性地解決了聲紋注冊率低和聲紋聚類不準(zhǔn)導(dǎo)致的語音助手多人混用的個性化推薦技術(shù)難題。大眾盲評的用戶調(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，用戶的人均時長提升10%。

不再是單純的硬件戰(zhàn)爭

智能音箱的戰(zhàn)爭不再是單純的硬件戰(zhàn)爭，更多場景的升級和創(chuàng)新功能的加入或許是更加重要的一環(huán)。數(shù)字中國峰會現(xiàn)場，百度CEO李彥宏稱，以智能音箱為代表的智能家居，可以說是AI時代搜索的新入口，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。

從某個角度上來說，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、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中的共享場所而設(shè)計。

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)較為常見的人臉解鎖功能落地智能音箱以后，可以將每個家庭成員需要的特定服務(wù)實(shí)時呈現(xiàn)或者推送。

谷歌舉例稱，“早上當(dāng)你走進(jìn)廚房時，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)天所需的信息來問候你。當(dāng)你下班回家時，HubMax歡迎你回家，并提供要處理的提醒和消息。智能助理為音樂和電視節(jié)目提供個性化推薦，你甚至可以看到誰給你留下了視頻消息?！?/p>

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在家，又進(jìn)一步激活了百度此前在視頻方面的布局。小魚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”，2018年3月，百度宣布戰(zhàn)略投資小魚在家，從資源、資金、平臺等各方面予以支持。2019年2月，小度在家?guī)林悄芤粝涑鲐浟渴状纬^無屏的小度智能音箱。

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

就本質(zhì)而言，李彥宏多次多場合對百度智能音箱的推廣，意在爭奪智能家居入口話語權(quán)。

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

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

StrategyAnalytics副總裁墨瑟（DavidMercer）表示：“現(xiàn)在問題是，如何通過用戶群獲利，看看每個玩家如何應(yīng)對這一挑戰(zhàn)將會很有趣。第一步是通過智能音箱鼓勵消費(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或平臺提供商帶來創(chuàng)收機(jī)會。語音購物和廣告插入是非常明顯的方式?！?/p>