關(guān)于智能語音的未來的分析和介紹

20世紀(jì)90年代，互聯(lián)網(wǎng)還比較封閉，許多用戶依賴美國(guó)在線來組織管理網(wǎng)站，他們?cè)谝粋€(gè)網(wǎng)站收集信息的同時(shí)也要列出其他可能包含有用信息的外部網(wǎng)站。如有體育或金融信息的網(wǎng)站，用戶的瀏覽范圍極大地受到限制，這就好像是“被圍墻包圍的花園”，隨后谷歌公司用一把“大錘”敲開了這些“圍墻”：通過谷歌搜索引擎，人們可以輕松訪問各種網(wǎng)站、自由瀏覽網(wǎng)頁。

但是這幾年，谷歌公司和亞馬遜似乎打算重建“花園圍墻”。

谷歌公司的即時(shí)回答功能減少了人們從搜索結(jié)果頁面導(dǎo)航到其他網(wǎng)站的需求；谷歌和亞馬遜分別推出了各自的語音助理，正如數(shù)字營(yíng)銷機(jī)構(gòu)胡歌的創(chuàng)意總監(jiān)索菲·克萊伯所說，“亞歷克莎就是語音版的美國(guó)在線?！?/p>

谷歌助理和亞歷克莎應(yīng)用程序都是由谷歌公司和亞馬遜公司自己開發(fā)的，用戶要訪問任何第三方應(yīng)用程序，必須首先使用谷歌助理或亞歷克莎。例如，如果用戶想使用亞歷克莎的語音調(diào)用功能，可以說：“亞歷克莎，看下《華盛頓郵報(bào)》頭條”或“亞歷克莎，玩下《危險(xiǎn)邊緣》游戲。”同樣地，用戶也可以說：“打開點(diǎn)評(píng)網(wǎng)站Yelp”或“娛樂與體育節(jié)目電視網(wǎng)上有什么新聞？”

如果用戶確切地知道想要的應(yīng)用程序，這種語音調(diào)用可以很好地工作，否則，這就像在沒有搜索引擎幫助的情況下尋找新網(wǎng)站。因此，當(dāng)在沒有指定應(yīng)用程序的情況下提出問題或請(qǐng)求時(shí)，亞歷克莎或谷歌助理將可以決定如何實(shí)現(xiàn)它。這給了谷歌公司和亞馬遜公司很大的控制權(quán)來決定語音流量的去向。

整個(gè)安排看起來很像過去那些“被圍墻包圍的花園”。這并不一定是那些公司（以亞馬遜公司或谷歌公司為代表）為獲得控制權(quán)而有意為之的，盡管它們當(dāng)然非常樂意從中獲益。語音調(diào)用適合由一個(gè)單一的數(shù)字實(shí)體來進(jìn)行，Siri的開發(fā)者們當(dāng)然也認(rèn)同這一觀點(diǎn)。

在沒有主導(dǎo)性的語音助理的情況下，每個(gè)語音應(yīng)用程序都是被獨(dú)立開發(fā)的，每個(gè)語音應(yīng)用程序都有自己的名字、特定的能力和專門的命令的標(biāo)識(shí)。“我覺得人們記不住1萬個(gè)不同的名字和命令集，”切耶爾說，“因此，這個(gè)模式不能一直擴(kuò)大?！?/p>

離開蘋果公司后，切耶爾和吉特勞斯開發(fā)了語音助理Viv，他們希望打造一個(gè)單一的、全能的語音助理。谷歌公司和亞馬遜公司雖然不希望被人視為“有圍墻的花園的守門人”，但它們一直在往這個(gè)方向走。與它們不同的是，Viv團(tuán)隊(duì)已經(jīng)公開宣布它的目標(biāo)是成為人們需要的最后一臺(tái)，也是最好的一臺(tái)計(jì)算機(jī)。

“這是一場(chǎng)競(jìng)賽，”吉特勞斯說，“一場(chǎng)為用戶設(shè)計(jì)單一界面的競(jìng)賽?！?/p>

一.Viv團(tuán)隊(duì)擁有由智能語音領(lǐng)域開拓者所開發(fā)的強(qiáng)大技術(shù)。雖然它的面世較晚，但該團(tuán)隊(duì)已成為這場(chǎng)界面競(jìng)賽中的一匹“黑馬”。幾年前似乎還是“萬馬奔騰”的競(jìng)爭(zhēng)場(chǎng)面，但現(xiàn)在勝負(fù)已經(jīng)非常明顯了。

讓我們從蘋果公司開始，一個(gè)公司接一個(gè)公司地分析。Siri是世界上被使用最廣泛的語音助理，它每月處理100億次請(qǐng)求，會(huì)說20多種語言，這是個(gè)好消息。

壞消息是，蘋果公司沒有按照Siri開發(fā)者的設(shè)想來推進(jìn)Siri的發(fā)展，這使它的能力沒有預(yù)想的那么好。許多科技評(píng)論家都把焦點(diǎn)放在Siri身上，不管公平與否，Siri已經(jīng)成為語音人工智能的“出氣筒”。Siri“笨手笨腳”“令人尷尬”（《華盛頓郵報(bào)》）；“Siri是蘋果公司錯(cuò)失的最大機(jī)會(huì)”（《休斯敦紀(jì)事報(bào)》）；“Siri有令人尷尬的不足之處”（《紐約時(shí)報(bào)》）。技術(shù)分析師杰瑞米·歐陽告訴《今日美國(guó)》：“這就好像蘋果公司已經(jīng)完全放棄了Siri?！?/p>

雖然這有點(diǎn)言過其實(shí)，但蘋果公司被批評(píng)并不冤枉，它最初是語音人工智能的領(lǐng)導(dǎo)者，但現(xiàn)在已經(jīng)落到后邊了。直到2018年2月，蘋果公司才發(fā)布了智能音箱HomePod。這已是在谷歌公司推出智能家居設(shè)備谷歌家庭近一年半之后，也是在亞馬遜回聲音箱推出三年半之后的事了。

評(píng)論家稱贊了智能音箱HomePod的音質(zhì)，但也指出人們需要為它支付更高的費(fèi)用——發(fā)布時(shí)的售價(jià)是349美元，而亞馬遜回聲音箱發(fā)布時(shí)的價(jià)格是99美元。很多人指責(zé)Siri在這款設(shè)備上的表現(xiàn)不佳。截至2018年6月，智能音箱HomePod在美國(guó)智能音箱市場(chǎng)的份額僅為4%。

蘋果公司在智能語音領(lǐng)域的做法，似乎與它的設(shè)備制造商的背景有關(guān)。因此，蘋果公司將Siri定位為基于設(shè)備的一項(xiàng)重要的特色功能，而不是被銷售的產(chǎn)品。然而，如果像谷歌公司和亞馬遜公司預(yù)測(cè)的那樣，這種技術(shù)將成為一種環(huán)境性的存在，那么語音助理將至少會(huì)給蘋果公司帶來一些風(fēng)險(xiǎn)。

在未來的這種人工智能機(jī)器人“生活”在云端、通過廉價(jià)商品“發(fā)聲”的世界里，銷售高價(jià)電子產(chǎn)品的蘋果公司，與現(xiàn)在相比，可能會(huì)變?nèi)鹾芏唷?/p>

二.接下來分析微軟公司，微軟公司擁有世界一流的人工智能部門，員工有8000多人。它擁有強(qiáng)大的必應(yīng)搜索引擎，可以增強(qiáng)其語音助理回答問題的智能水平。它還有一個(gè)成熟的語音助理——微軟小娜。

但微軟公司很難讓它的語音技術(shù)得到用戶的青睞。它在必應(yīng)和Skype上都有聊天機(jī)器人，但這兩個(gè)平臺(tái)都遠(yuǎn)不如谷歌公司或臉書公司的Messenger這種平臺(tái)那么受歡迎。用戶可以在手機(jī)操作系統(tǒng)Windows Phone上使用微軟小娜，但由于該系統(tǒng)的市場(chǎng)占有率從未突破個(gè)位數(shù)，裝有該系統(tǒng)的手機(jī)已于2017年停售。

在智能音箱方面，配備微軟小娜的哈曼卡頓智能音箱的市場(chǎng)份額非常小，開發(fā)人員不愿意開發(fā)語音應(yīng)用程序，不愿意眼睜睜地看著它們?cè)谝粋€(gè)不受歡迎的平臺(tái)上慢慢被大眾遺忘，所以，他們大多都避開了微軟小娜。

盡管面臨這些挑戰(zhàn)，但微軟公司并沒有放棄。用戶可以通過Windows操作系統(tǒng)訪問微軟小娜，微軟小娜每月約有1.45億活躍用戶。微軟公司并沒有把微軟小娜作為一款全能型助理來銷售，而是將它定位為一名職場(chǎng)助理，這符合微軟小娜近來的整體戰(zhàn)略：向公司提供軟件和基于云的商業(yè)服務(wù)，其中包括人工智能支持的語音技術(shù)。

因此，微軟小娜在智能語音領(lǐng)域不是一個(gè)全面的領(lǐng)先者，但微軟公司在公司領(lǐng)域的競(jìng)爭(zhēng)中還處于穩(wěn)固的有利位置。

臉書公司未來的發(fā)展也是個(gè)未知數(shù)。如果它效仿微信的模式——微信實(shí)際上是有10億用戶的即時(shí)通信平臺(tái)——那么臉書公司的狀況會(huì)很好，因?yàn)樗麄冊(cè)贛essenger上布置了強(qiáng)大的機(jī)器人。但是否會(huì)這樣發(fā)展，形勢(shì)還不明朗。

除了即時(shí)通信平臺(tái)，臉書公司還進(jìn)行了廣泛的語音人工智能研究，但在落地過程中，進(jìn)展不是很順利。據(jù)報(bào)道，臉書公司開發(fā)了一款智能音箱，但在劍橋分析公司的丑聞引發(fā)人們對(duì)隱私的擔(dān)憂后，該產(chǎn)品的發(fā)布被擱置。所以，臉書公司現(xiàn)在在智能語音領(lǐng)域發(fā)力還不夠。

三.無論以何種標(biāo)準(zhǔn)衡量，谷歌公司和亞馬遜公司都是這場(chǎng)競(jìng)爭(zhēng)中最受歡迎的贏家。

2018年，只有39款設(shè)備支持與微軟小娜集成，194款設(shè)備支持與Siri集成，而5000多款設(shè)備支持與谷歌助理集成， 2萬款設(shè)備支持與亞歷克莎集成。在全球范圍內(nèi)，為谷歌助理開發(fā)的應(yīng)用小程序有1700多個(gè)，為亞歷克莎開發(fā)的應(yīng)用小程序有5萬個(gè)。亞馬遜公司占據(jù)了美國(guó)智能音箱市場(chǎng)65%的份額，谷歌公司占據(jù)了20%的份額。

谷歌公司和亞馬遜公司是美國(guó)智能語音領(lǐng)域很受歡迎的公司，判斷它們前景的最佳方式是看它們選擇如何從語音業(yè)務(wù)中盈利。當(dāng)你直接向這兩家公司的高管提出盈利方面的問題時(shí)，他們會(huì)感到窘迫，會(huì)老生常談地說語音技術(shù)還處于早期階段。

他們可能會(huì)表示，他們?nèi)栽谂橛脩魧ふ易罴洋w驗(yàn)，一旦解決了這個(gè)問題，回報(bào)就會(huì)隨之而來。這個(gè)回答雖然含糊其詞，但也并非假話。到目前為止，兩家公司都在搶占地盤，在努力吸引盡可能多的用戶，因?yàn)樗鼈冎?，領(lǐng)先的平臺(tái)最終會(huì)有多種方式獲得巨額利潤(rùn)。

不過，即便是現(xiàn)在，兩家公司的高管們肯定也在考慮各種盈利途徑。最簡(jiǎn)單的盈利模式是直接從來馬遜回聲音箱和谷歌家庭等設(shè)備的銷售中獲利。但與蘋果公司不同的是，這兩家公司似乎都對(duì)這一模式不感興趣，因?yàn)樗鼈兌荚趬旱蛢r(jià)格以擴(kuò)大市場(chǎng)份額。

一家獨(dú)立研究公司拆解了一臺(tái)亞馬遜回聲音箱，并估計(jì)其組件的成本約為35美元。算上管理費(fèi)用和運(yùn)輸成本，它的實(shí)際成本會(huì)更高，而亞馬遜網(wǎng)站卻以29.95美元的低價(jià)出售它。亞歷克莎開發(fā)和發(fā)布的負(fù)責(zé)人格雷格·哈特表示：“我們通過讓人們使用我們的服務(wù)來盈利，而不是靠用戶購買設(shè)備來盈利。”

下一個(gè)可考慮的盈利模式是做廣告。其他公司可以通過付費(fèi)的方式在語音助理說話之前或之后植入廣告。但到目前為止，谷歌公司和亞馬遜公司都還不允許這樣操作，但在未來的某個(gè)時(shí)刻，它們肯定會(huì)這么做，問題是哪家公司會(huì)第一個(gè)開始。

“它們都不想成為第一個(gè)這樣做的公司，因?yàn)榱硪粋€(gè)公司會(huì)說，‘嘿，我們公司不做廣告，他們公司做廣告。’”語音人工智能領(lǐng)域的企業(yè)家亞當(dāng)·馬奇克說。

不過，語音廣告似乎不太可能產(chǎn)生與在線廣告和移動(dòng)廣告相當(dāng)?shù)氖杖耄驗(yàn)檫m合播放語音廣告的平臺(tái)比較少。如果你使用傳統(tǒng)的谷歌搜索引擎，如搜索廉價(jià)航班，那么谷歌公司可以在鏈接列表的頂端投放四個(gè)付費(fèi)搜索廣告，但如果消費(fèi)者在聽到一個(gè)答案之前必須聽四個(gè)廣告，他們就不會(huì)進(jìn)行太多的語音搜索。

這對(duì)于谷歌公司來說是有問題的。谷歌公司基于廣告的模式——谷歌公司以這種模式創(chuàng)造驚人的巨額收入——是以人們?cè)敢饣ù罅繒r(shí)間來翻閱搜索結(jié)果為前提的。

隨著人們使用手機(jī)的時(shí)間增加，他們?yōu)g覽搜索結(jié)果頁面所花的時(shí)間已經(jīng)減少了，頁面廣告曝光率的下降趨勢(shì)伴隨著語音搜索的出現(xiàn)而加劇?！肮雀韫緯?huì)想，‘哎呀’，”弗雷斯特研究公司的市場(chǎng)分析師詹姆斯·麥奎維說，“當(dāng)人們開始喜歡語音搜索時(shí)，我們的傳統(tǒng)商業(yè)模式就徹底消失了，因?yàn)檎娴牟粫?huì)有太多的廣告模式存在?！?/p>

利用語音服務(wù)盈利的最大機(jī)會(huì)可能出現(xiàn)在電商領(lǐng)域，這顯然對(duì)亞馬遜公司有利。在家里的任何地方，用戶都可以通過語音訂購東西——紙巾、薯片、新的烤面包機(jī)等。一項(xiàng)市場(chǎng)研究預(yù)測(cè)，到2022年語音購物的規(guī)模將從目前每年20億美元增加到每年400億美元。另一項(xiàng)研究發(fā)現(xiàn)，擁有亞歷克莎設(shè)備的家庭每年花在亞馬遜網(wǎng)站購物的錢比普通家庭多66%。

亞馬遜公司的“糖果罐”變得更甜了。無論何時(shí)，只要有人通過語音搜索或訂購產(chǎn)品但沒有指定品牌，亞馬遜網(wǎng)站都會(huì)第一個(gè)推薦做廣告的品牌。當(dāng)消費(fèi)者通過語音購物時(shí)，如果他們不喜歡聽到的第一個(gè)品牌，就可能會(huì)要求提供更多的品牌選擇但也可能不會(huì)，這會(huì)讓出售商品的公司感到壓力，但增強(qiáng)了亞馬遜公司的影響力。馬奇克說：“突然之間你不再買原來的品牌了，你會(huì)買亞馬遜網(wǎng)站告訴你的品牌?！?/p>

如果一個(gè)公司的產(chǎn)品在搜索結(jié)果中靠前，或最先被提及，那么它的銷售額很可能遠(yuǎn)遠(yuǎn)高于在搜索結(jié)果中排名靠后的產(chǎn)品。因此，公司會(huì)樂于向亞馬遜公司付廣告費(fèi)。更重要的是，亞馬遜公司有自有品牌，從童裝到狗糧，有上百個(gè)品牌，而且品牌數(shù)量還在不斷增加，亞馬遜公司肯定會(huì)在語音搜索中優(yōu)先推送這些品牌。

亞馬遜公司尚未公開表示是否會(huì)允許其他公司付費(fèi)以獲得語音搜索排名優(yōu)先權(quán)。它需要以一種足夠透明的方式做到這一點(diǎn)，以免讓客戶覺得自己受騙了。對(duì)于付費(fèi)排名有一個(gè)先例：在基于屏幕的亞馬遜網(wǎng)站上，公司付費(fèi)獲得的產(chǎn)品特色展示信息顯示在其他產(chǎn)品信息之前。

谷歌公司并非沒有意識(shí)到電子商務(wù)可能是從語音業(yè)務(wù)中盈利的最佳方式。谷歌公司與沃爾瑪公司、塔吉特公司、好市多公司、科爾士百貨公司、史泰博公司等零售商結(jié)成了聯(lián)盟，這些公司受到共同敵人亞馬遜公司的威脅。

谷歌公司計(jì)劃擴(kuò)大其購物平臺(tái)，要成為亞馬遜公司更有力的競(jìng)爭(zhēng)對(duì)手。只要谷歌公司在用戶語音搜索后將其引導(dǎo)到聯(lián)盟公司的網(wǎng)站，谷歌公司就可以通過這一領(lǐng)先的商業(yè)模式收取這些零售商的少量廣告費(fèi)。

總而言之，在美國(guó)智能語音領(lǐng)域?qū)嵙?qiáng)大的谷歌公司正在快速成長(zhǎng)。

亞歷克莎在市場(chǎng)份額和盈利模式方面都相當(dāng)有優(yōu)勢(shì)，亞馬遜公司在目前的競(jìng)爭(zhēng)中領(lǐng)先一步。麥奎維說：“地球上每一家想用語音人工智能做點(diǎn)事的公司都在聯(lián)系亞馬遜公司，每個(gè)想在語音人工智能方面有所成就的研究生都在聯(lián)系亞馬遜公司……亞馬遜公司在智能語音領(lǐng)域積累了如此多的優(yōu)勢(shì)，這真的只剩一個(gè)問題，即它會(huì)在什么時(shí)候選擇大干一場(chǎng)?！?/p>

四.時(shí)間是2036年4月，地點(diǎn)是Hip 4872——這是位于仙后座星群里的一顆恒星。從地球發(fā)出的無線電信號(hào)經(jīng)過近33年的“長(zhǎng)途跋涉”后到達(dá)這里。無線電信號(hào)包括關(guān)于智人的基本信息及關(guān)于人類的數(shù)學(xué)、物理、化學(xué)和地理的濃縮版知識(shí)。里面還有國(guó)旗畫面、宇航員莎莉·萊德發(fā)來的信息及大衛(wèi)·鮑伊的歌曲《星俠》的編碼。

上面所有這些都是在一個(gè)名為Cosmic Call的外星人探索項(xiàng)目的支持下，通過射電望遠(yuǎn)鏡發(fā)射的。如果任何有智慧的生物接收并解讀出這些信號(hào)，它們將會(huì)收到創(chuàng)建計(jì)算機(jī)程序的指引，當(dāng)然，這種可能性是微乎其微的。一旦實(shí)現(xiàn)，外星人就可以與人類的代表——機(jī)器人艾拉交流。

作為勒布納獎(jiǎng)得主的聊天機(jī)器人，艾拉會(huì)聊天和講笑話。它對(duì)美食和名人都有自己的看法，它會(huì)喋喋不休地談?wù)撛诶咕S加斯和溫哥華等地旅行的事。由于它喜歡瞎猜，總是不按常理出牌，因此它無疑是一個(gè)不完美的“地球大使”。但是，它對(duì)語言的巧妙運(yùn)用和顯而易見的交談?dòng)?，使它成為整個(gè)Cosmic Call項(xiàng)目中最具人類特色的元素。

當(dāng)我們?cè)谡Z音技術(shù)的推動(dòng)下向前邁進(jìn)時(shí)，世界應(yīng)該擁抱它所創(chuàng)造的充滿希望的人文精神。從魚鉤到火星探測(cè)器，我們一直在制造工具。雖然我們制造出了很多對(duì)我們有用的東西，但它們?cè)诟顚哟紊隙疾幌裎覀?。即使是類人機(jī)器人，它們能做的也只是笨拙地移動(dòng)，使用語言是人類這個(gè)物種真正與眾不同的地方。

語言把我們連接起來，因此，教機(jī)器掌握語言不同于通過編程讓它們學(xué)會(huì)進(jìn)行衍生品交易、做手術(shù)、進(jìn)行海底航行或其他事情。我們正在“共享”人類的核心特征。

這份“禮物”不應(yīng)該隨便“贈(zèng)送”。語音技術(shù)為世界帶來了新的力量和便利性，但我們不用對(duì)其如此敬畏以至于忘記評(píng)估其中的許多風(fēng)險(xiǎn)。如果應(yīng)對(duì)得當(dāng)，語音技術(shù)有可能成為我們發(fā)明的、最有感情的技術(shù)。認(rèn)為人工智能只能是冷冰冰的算法的觀點(diǎn)是錯(cuò)誤的，我們可以將最好的價(jià)值觀和同理心注入其中。

我們可以讓它變得聰明、令人愉快、精靈古怪并且善解人意。有了語音技術(shù)，我們最終可以制造出不那么陌生、更像人類的機(jī)器。