Siri給全世界展現(xiàn)的，是一種更加「擬人化」，更加「生活化」的新的交互方式，盡管推出后并不如人們所期待的那樣聰明，但從那時開始，人類對于「語音交互能帶來怎樣的可能性」這個問題，開始有了更多的思考。
 

Amazon Echo讓人們認識到，原來在家庭生活當中，人們不用圍繞手機，也能夠擁有更智能化的體驗。

2017年，國內(nèi)互聯(lián)網(wǎng)公司們也開始了智能音箱的征途，從百度、阿里巴巴、京東，到小米、喜馬拉雅FM，眾多廠商相繼宣布要瞄準智能音箱發(fā)力，一系列新品也開始在市場出現(xiàn)。

智能音箱戰(zhàn)場已經(jīng)硝煙四起，它的「中國式玩法」究竟是什么？怎樣揚長避短尋找到正確的路徑理解國內(nèi)用戶和智能音箱的關系？這些問題在深圳米唐科技創(chuàng)始人&CEO宋少鵬看來，不單單是技術問題，更是用戶體驗差異的問題。要想找到答案，就必須了解中美環(huán)境的異同。

在極客公園Rebuild 2017大會上，宋少鵬和我們分享了如何從細節(jié)角度來看，中美智能音箱使用上的異同，從更深的角度去理解，中國人究竟需要什么樣的智能家居產(chǎn)品。

語音交互是交互進化的自然階段

在宋少鵬看來，在探討語音交互、人工智能這些話題之前，首先要討論的是Amazon Echo成功的一些必備因素，因為這些要素當中包含了三個問題：

為什么是語音交互而不是其它交互方式進入到人們家庭當中？

為什么智能音箱是從美國，從一個做電商的公司進行了落地？

中國和美國的差異，怎樣影響智能音箱的不同體驗？

為什么是語音交互？在宋少鵬看來，這是由人機交互演進之后的自然選擇，因為它意味著交互成本降低，他舉出了兩個例子：

第一，如果你想算2 的10次方減1，在鼠標、鍵盤、觸摸、語音四中交互環(huán)境下，完成這個交互時間最少的，就是語音交互。因為語音交互所需要消耗的能量更少，人們完成這個交互所需要付出的成本更低。

第二，在古代，熱愛音樂的人去欣賞音樂，需要駕著馬車到音樂廳或者歌劇院。后來留聲機的發(fā)明使人們可以躺在家里聽音樂。面到了iPod，大家可以把1000首歌裝進口袋，手指一滑，就可以欣賞喜歡的音樂。到2014年 Amazon Echo發(fā)布智能音箱，人們只用動動嘴就能得到自己想要的音樂，這意味著能量消耗進一步減少。

所以說，語音交互降低了人跟物理世界交互所需的能耗。這個趨勢符合產(chǎn)品迭代的趨勢。

基于這樣的判斷，宋少鵬創(chuàng)立了Sugr米唐科技，從2013年開始研究音頻產(chǎn)品的互聯(lián)網(wǎng)化，從語音、觸摸、體感等多種方式降低人們獲取音樂的能耗。

而到了2014年，Amazon Echo和 Alexa的發(fā)布，解決了人們需要的語音交互的很多問題。于是Sugr主動擁抱Alexa平臺，成為國內(nèi)第一個經(jīng)過Alexa認證的智能音箱產(chǎn)品。

從小眾走向剛需的智能音箱

說到第二個問題：為什么智能音箱從美國，從一個做電商的公司進行了落地？宋少鵬和他的團隊從2014年就開始運營自有品牌的音箱產(chǎn)品，通過用戶訪談，以及后臺數(shù)據(jù)發(fā)現(xiàn)了一些規(guī)律：中國的音樂消費者跟美國的音樂消費者在消費習慣上有很大的不同。

美國的音樂消費者是成長于汽車上的黃金一代，汽車上都配備收音機，所以他們的音樂消費是從聽收音機開始的。大家習慣了這種背景式的、實時存在式的播放，在任何一個生活場景里面都會有音樂存在，這種情況下，他們更傾向于流媒體音樂形式。

而說到中國的音樂消費者，最初接觸音樂是源于80年代初期改革開放，港臺音樂以盒帶和卡帶形式大量流入內(nèi)地，所以大家接觸音樂是一個歌手的完整專輯，里面有各種各樣的曲風，但很少有合集和混編。

這樣的不同其實就在我們兩地的音樂APP上有了體現(xiàn)，宋少鵬以Spotify和 QQ音樂做了類比：

搜索在QQ音樂始終是一級菜單，在最顯眼的地方，最方便用戶搜索。在Spotify上你要到二級菜單才能完成搜索的功能。

封面、歌詞在QQ音樂屬于非常顯著的位置，非常多的視覺信息，而在Spotify里沒有。

因為美國人對音樂的剛性需求，他們對于流媒體音樂的使用習慣，所以在智能音箱為大家提供語音交互的時候，用戶對于語義理解的要求反而沒有那么高，點播歌曲的頻度沒有那么多。

當我們再看Amazon Echo在北美剛開始的成功，其實就在于Amazon Echo首先解決了家庭環(huán)境聽音樂的痛點，可以讓音樂一天不停地播放，使得Amazon可以以MVP（minimum viable product，最小化可實現(xiàn)原型）的形式，拿出一款產(chǎn)品來迅速交付消費者并進行迭代。

這之后Amazon Echo進入了一個快速迭代的流程，開始迭代服務、信息，比如說天氣、交通等等，這樣使他的服務越來越豐富，也使得用戶的黏性越來越高。

音箱本來是被動播放音樂的產(chǎn)品，人工智能和語音助手的植入使它成為一個主動獲取信息、獲取音樂，成為一個流量的入口。慢慢地，技術的迭代使得它開始加入了家居其他產(chǎn)品的控制功能，逐步成長為家居的中控，這樣就有了無比巨大的想象空間。

這也就解釋了為什么幾乎所有的互聯(lián)網(wǎng)巨頭，包括Google、亞馬遜、微軟、蘋果都進入了這樣一個產(chǎn)品競爭的賽道。

智能音箱落地中國還缺什么

盡管宋少鵬和他的團隊開發(fā)出的產(chǎn)品早已進入了亞馬遜的Alexa認證體系，成為亞馬遜平臺上第一個通過認證的來自中國的智能音箱。但智能音箱在中國應該給用戶提供什么樣的服務？仍是他思索的問題。

中美消費者對于音樂消費的DNA是不同的，所以在中國，點播會是一個非常強的需求，是一個常態(tài)，點播所帶來的技術上的需求會更加急迫，它包括更強大的語義理解能力，更豐富、更深入的音樂知識圖譜，以及更完善的音樂版權和曲庫。

另外，中國人家庭環(huán)境和美國也有區(qū)別，通常都是壁掛式或者是落地式的空調，每一個空調都有單獨的搖控器，這就決定了如果音箱作為一個智能家居的中控，它對于空調的接口、控制場景和體驗是不同的。

這樣的場景還有很多，包括廚房、臥室等等，也正因為不同的場景，因此所帶來的用戶需求一定是不同的。

所以在宋少鵬看來，在中國做智能音箱一定不能復制Echo的路徑，而是要找到我們真正消費者的需求，落實消費者的場景，來解決我們自己的問題。

宋少鵬和他的團隊做出了Sugr Sense方案，這是一個完整的智能音箱解決方案，它包括了麥克風和麥克風陣列的處理技術，里面有去回聲、去噪音、聲源定位、語音喚醒等等技術特征。這其中有一套單麥克風的解決技術，是目前全球唯一一套可以通過Amazon嚴格測試并認證的單麥克風解決方案，不但可以降低行業(yè)門檻，還可以提升整個行業(yè)的效率。

這項單麥克風解決方案在Amazon的測試環(huán)境里擁有不錯的成績，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，喚醒響應率能達到100%，在9 英尺的距離，在設備自身播放音樂，AEC（自適應回聲消除）場景下，正確響應率達到了98%。

提到產(chǎn)品經(jīng)歷過Amazon的認證過程，宋少鵬提到，Amazon對于產(chǎn)品認證的環(huán)節(jié)非常考量，有多個環(huán)節(jié)：

首先，認證從產(chǎn)品開箱體驗開始，事無巨細。

之后，官方會測試網(wǎng)絡的配置、喚醒的速度、燈效、光效、回答的效率、回答的準確率，甚至連APP的交互體驗都在測試范圍內(nèi)。

經(jīng)歷了這樣的過程，產(chǎn)品會接入Amazon，幫助合作伙伴把產(chǎn)品送到線上和北美線下的店鋪進行銷售，這樣是從認證-合作的整個過程。

所以，Amazon Echo的成功不僅僅在于提供給用戶一些方便的功能，更是從包裝到使用到售后的一套完整的用戶體驗，而在國內(nèi)，經(jīng)歷這樣良性的過程，才能把握好產(chǎn)品對于產(chǎn)品和消費者之間的關系，這也許是智能音箱落地中國的重要因素。