摘要

行業(yè)熱，行業(yè)洗牌，行業(yè)發(fā)展，下一個十年的人機交互會怎樣進行?

「在深圳，至少有 200 家工廠在做智能音箱，但是從全球，你能找到既提供軟件、硬件整合解決方案還設(shè)有專項產(chǎn)品體驗工程師的方案公司，一只手就能數(shù)得出來?！?/span>

在音頻行業(yè)摸爬滾打 14 年的宋少鵬看來，2017 年國內(nèi)智能音箱行業(yè)的百箱大戰(zhàn)，幾乎和功能機過渡到智能機時如出一轍。這場硝煙中，他和他的團隊為廠商提供的解決方案，就是那「一只手就能數(shù)出來」的一員，這讓他在這一年有了更多實現(xiàn)想法的機會。

「我們提供的是智能語音交互產(chǎn)品全棧式的解決方案，包括 Wi-Fi 模塊，底層技術(shù)，操作系統(tǒng)，還有語音 Skill，是軟硬結(jié)合的全棧式解決方案，這樣的能力國內(nèi)并不多。」盡管宋少鵬已經(jīng)在這一領(lǐng)域深耕多年，但隨著智能音箱行業(yè) 2017 年的爆發(fā)，他做的這些才開始真正從冷變熱再到發(fā)燙，因為這些正是構(gòu)建語音交互生態(tài)所必須的。

智能音箱是開啟未來的第一步

12 月9 日的騰訊開放日上，第一次面向公眾展示的眾多騰訊「黑科技」中，最受用戶歡迎的 Top3 就有宋少鵬帶領(lǐng)深圳米唐科技和騰訊云小微一起打造的「情緒森林」。當(dāng)我對著屋子里的語音控制臺唱出「天青色等煙雨」的歌詞時，伴隨一圈 LED 燈閃過，屋內(nèi)的燈光瞬時變成了冷艷的藍色。宋少鵬為這愁動提供的，就是讓設(shè)備能「聽見」和「理解」人說話的能力，從專業(yè)角度講，就是音頻交互解決方案。盡管只是一次活動展示，但米唐科技和騰訊的聯(lián)手，會在接下來的一年帶來更多落地的產(chǎn)品。

「國內(nèi)這么多廠家在做，大家開始都在學(xué)習(xí) Amazon，不知道該怎么做都得從 Echo 那找答案。比如你呼叫音箱，喊完它名字要在幾秒內(nèi)回應(yīng)?指示燈要怎么亮?亮多長時間?音箱上面的按鍵怎么設(shè)計?這些我們很早就開始研究?！顾紊蠃i和米唐科技的確很早就看到了 Amazon Echo 帶來的影響，從 2013 年離開微軟創(chuàng)業(yè)開始，他和他的米唐科技，就把智能語音交互定為了主攻方向。

業(yè)界很少有做音頻解決方案的公司關(guān)注這些交互細節(jié)，但是米唐科技從一開始就把解決方案和產(chǎn)品體驗合在一起，他們甚至編輯了一本厚厚的交互手冊，把Echo 的種種細節(jié)收錄進去，「因為從體驗上來說，Amazon Echo 值得學(xué)習(xí)」，宋少鵬說。這種對體驗的把握也換來了好結(jié)果，就在十一月亞馬遜全球開發(fā)者大會上，首次公開了Amazon Alexa 的 SI 計劃，米唐科技作為 Amazon 認證并推薦的首批 Amazon Alexa 智能語音系統(tǒng)全球合作伙伴，被介紹給了全球的廠商和合作伙伴，他們被賦予了能夠幫助國內(nèi)廠商出海的能力。

這是行業(yè)在 2017 年的小小縮影，經(jīng)歷了過去十年 iPhone帶動的移動互聯(lián)網(wǎng)普及，互聯(lián)網(wǎng)巨頭們已經(jīng)部署起來圍繞吃穿住行的生態(tài)系統(tǒng)，但想要更進一步融入人們生活還需要更多手段，大洋彼岸大紅大紫的 Amazon Echo 無疑是很好的示范。如 Amazon 的腳步一樣，語音交互起始于智能音箱，接下來還會有電視盒子(Fire TV)，鬧鐘(Echo Spot)等各種可能。

無疑，2017 年真正打響的不是智能音箱，而是語音交互領(lǐng)域的發(fā)令槍。

音箱的背后是語音交互的藍海

起風(fēng)的時候，所有廠商都以為會有能力飛的更高，但不是所有廠商都能飛的很遠。在宋少鵬看來，米唐科技要做的，是幫助不論大小品牌，都擁有面向未來的解決方案和生產(chǎn)模式，這是即將迎來新交互時代的必要準(zhǔn)備。

他舉了過去幾年正在發(fā)生的工廠質(zhì)檢員的例子：

「客戶工廠有個小妹妹，她以前是做擰螺絲的測試，因為我們的產(chǎn)品進到工廠，她要做語音交互的測試，剛開始因為英語不行，呼叫 Alexa 呼叫不了，我們的人也會教他怎么測，我們有完整的測試指南，一個一個項目告訴她，這對于一個沒有英語基礎(chǔ)的人來說這是很難的，但她必須要做。時間長了她開始知道這些英語分別是什么意思。那些工廠里測試的質(zhì)檢員，他們其實不僅要會擰螺絲，還需要學(xué)習(xí)英語基礎(chǔ)，這是產(chǎn)業(yè)升級、產(chǎn)品出海的一部分?！?/span>

產(chǎn)業(yè)鏈加速升級，沒有及時轉(zhuǎn)型的中小品牌被淘汰，但留下的發(fā)展就會越來越好。這也是智能音箱作為一個全新階段的標(biāo)志，如同智能手機行業(yè)優(yōu)勝劣汰一樣。

在宋少鵬看來，智能音箱或者語音落地產(chǎn)品并非是由入場時間決定輸贏，服務(wù)完成度、交互體驗會成為留住用戶最重要的砝碼，這是語音交互帶來變革時最重要的變量，也是一些廠商能夠抓住的新機會。在選擇和騰訊合作共同進行產(chǎn)品研發(fā)時，他看到了這一點：

「語音交互在中國市場是一個從無到有的過程，也是一個特別偏 C 端的產(chǎn)品。騰訊在用戶體驗運營上有很好的經(jīng)驗，盡管行業(yè)需要摸索，但和最關(guān)注用戶體驗的公司一起前行一定是對用戶最有益的。」這是中小品牌急需的能力，米唐科技多年的努力正好可以幫助中小企業(yè)在這方面補上短板。同時，他還認為，豐富的內(nèi)容是完善用戶體驗不可缺少的部分。

「像騰訊這樣，有閱文的文學(xué)內(nèi)容，有 QQ 音樂的音樂類內(nèi)容，有騰訊視頻的視頻類內(nèi)容，還和京東電商，滴滴出行，美團點評這些服務(wù)部分連接，這些服務(wù)矩陣綁在語音技術(shù)之后，才更能體現(xiàn)出語音交互的價值，智能硬件不止要做語音交互，還要做好內(nèi)容服務(wù)?！?/span>

數(shù)據(jù)更能說明語音交互的產(chǎn)業(yè)重點。截至 2017 年底，Amazon Echo 系列在美國銷量超過 3300 萬臺，成功占領(lǐng)很多人家庭時，它憑借的不僅是優(yōu)質(zhì)的硬件和語音識別，還有自身 Skill 商店的上萬種獨特「技能」，正是這些技能讓很多人愛上了 Echo。而后起追趕的 Google、微軟等公司，自身技能數(shù)量只有幾百種，遠遠少于 Echo，因此人們選擇時優(yōu)先考慮的方向更加明確。語音交互時代，品牌與品牌競爭是全方位連接萬物的能力，從生活服務(wù)到日常工具。當(dāng)人們開始嘗試在家里用語音控制開燈關(guān)燈時，如果另外一家產(chǎn)品沒有這種能力，競爭力就大大減弱。

如果沒有智能音箱，用戶無法感知到語音交互連接萬物的能力，而智能音箱出現(xiàn)之后，更多產(chǎn)品都將具備「聽說」能力，行業(yè)在慢慢變化。

「今年 Black Friday 銷量最好的一款產(chǎn)品，是一臺支持 Alexa 的智能電飯煲。所以人可以用語音控制溫度，加熱時間等功能，這時語音交互就像 Wi-Fi 一樣無處不在，無所不能?！乖谒紊蠃i看來，目前國際包括國內(nèi)語音交互急需的就是這種連接一切的能力，這在淘汰掉一些與時代脫節(jié)的企業(yè)的同時，也會為產(chǎn)業(yè)創(chuàng)造了更大機會。

對這一點，博聯(lián)(BroadLink)深有體會，這家公司因為智能音箱的銷量增長而收到了不錯的市場反潰「和智能音箱配對的智能插座、智能遙控等產(chǎn)品銷量提升了百分之五十。」博聯(lián)科技副總裁趙哲海告訴我們，因為智能音箱而帶動的用戶需求非常明顯。在不改變傳統(tǒng)家庭電器使用習(xí)慣的基礎(chǔ)上，通過更換智能插座、智能遙控等設(shè)備，普通用戶就可以用語音控制包括臺燈、空調(diào)、電視機等設(shè)備。博聯(lián)為阿里巴巴、京東的產(chǎn)品都提供了配套的智能產(chǎn)品，這些產(chǎn)品又加強了人們對語音控制萬物這件事的真切體驗。

這種語音控制萬物的能力不僅被賦予到音箱身上，同時也被添加到越來越多智能產(chǎn)品上，騰訊在長安汽車中接入的云小微的服務(wù)，小米在電視中接入的語音助手服務(wù)，這一系列通過語音交互將萬物連接在一起的產(chǎn)業(yè)變革中，語音交互解決方案公司，都低調(diào)的站在背后，提供完整的解決方案，幫助他們將產(chǎn)品落地。

未來十年的交互革命

讓語音交互成為無時不有，無處不在的可能，是宋少鵬創(chuàng)業(yè)時曾有過的樸素愿望，因為連接互聯(lián)網(wǎng)，擁有了無盡的娛樂和社交，智能手機在過去十年枝繁葉茂。這種方式同樣為電視機引導(dǎo)了一條路，于是有了智能電視的一波產(chǎn)業(yè)熱潮。

音頻是不是一樣也可以做這樣的事情?當(dāng) 2012 年還未出現(xiàn)智能音箱時，他曾有過這種猜想，當(dāng) Amazon Echo 出現(xiàn)并改變美國用戶的家庭生活時，他的設(shè)想成為可能。「從移動互聯(lián)網(wǎng)時代進入未來十年的物聯(lián)網(wǎng)時代，產(chǎn)業(yè)鏈在重構(gòu)邊界的過程，Echo 是引發(fā)這種改變的第一步?！顾栽谒磥?，盡管智能音箱目前剛剛開始落地中國用戶的家庭，但新的交互方式在未來十年誕生更多行業(yè)。

「智能音箱是語音交互的第一步，是很重要的中心，這個中心建立起來，可以進一步擴展到電視上，還可以放在別的地方，因為語音交互出現(xiàn)，也許可以讓去中心化的任務(wù)達成。語音交互要被賦予更多設(shè)備，電視，冰箱，洗衣機，汽車，這些設(shè)備都不能全都由互聯(lián)網(wǎng)公司完成，用戶體驗和交互設(shè)計全部被下放到這些周邊廠商，這也許是去中心化的未來?！?/span>

對從事語音交互解決方案的米唐科技而言，能夠提供給行業(yè)最大的價值就是更豐富的產(chǎn)品形態(tài)以及更完善的產(chǎn)品體驗。在摸索過程當(dāng)中，他和團隊的確找到了不同的解決方案來應(yīng)對不同場景。除 Amazon Echo 傳統(tǒng)的 6+1 環(huán)形麥克風(fēng)陣列之外，線性麥克風(fēng)陣列可以為電視機提供服務(wù)，單麥克風(fēng)可以為小型產(chǎn)品提供服務(wù)。

「在單麥克風(fēng)上的技術(shù)，我們的 Sugr Sense 有目前全球唯一一套可以通過 Amazon 嚴(yán)格測試并認證的單麥克風(fēng)解決方案，這能降低行業(yè)門檻，還可以提升整個行業(yè)的效率?！顾紊蠃i介紹說，「這項單麥克風(fēng)解決方案在 Amazon 的測試環(huán)境下有很不錯的成績，在 9 英尺的環(huán)境下(2.74 米)，普通辦公或者是家居環(huán)境下，喚醒響應(yīng)率能達到 100%，在 9 英尺的距離，在設(shè)備自身播放音樂，AEC(自適應(yīng)回聲消除)場景下，正確響應(yīng)率達到了 98%?！巩?dāng)然，他和他的團隊并不僅僅局限在室內(nèi)，語音交互會是未來無處不在的交互方式，如同現(xiàn)在人們出門看見屏幕就想要伸手觸摸那樣，語音交互應(yīng)該能夠出現(xiàn)在各種地方。所以團隊也在進行戶外場景的解決方案。

這是另外一種挑戰(zhàn)，「技術(shù)上戶外和房間內(nèi)的產(chǎn)品差異是非常大的，房間是封閉的，那么聲音通過墻壁天花板反射到音箱，收到的是各種聲音的混疊，壞處是它混疊了，好處是它加強了，音量被加大了。但如果是曠野，你沒有任何一個反射，它聽到的就是線性的聲音，技術(shù)處理會不一樣。方案成熟的話，未來會有很多場景?！拱殡S 5G時代的到來，語音交互會和 AR，VR 這些技術(shù)共同帶來新的變革，而這一切，現(xiàn)在都在悄悄發(fā)生。

當(dāng)不少從來沒有接觸過智能音箱的家庭第一次感受智能音箱，體會到在各種擴展技能的加持下，用語音控制臺燈，冬天不用起床關(guān)燈關(guān)空調(diào)，叫外賣，買東西甚至叫車，看醫(yī)生......這些基于語音控制中心的「萬事萬物互聯(lián)」功能時，新的交互會再一次改變所有人的生活，宋少鵬對此深信不疑。