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

智能語音以智能家居做為切入點快速發(fā)展。蘋果公司早在2011年就發(fā)布了智能語音助手，但其快速發(fā)展是以2016年亞馬遜Alexa的快速發(fā)展為標志，一是銷量迅速增長。亞馬遜旗下內(nèi)置Alexa的語音購物助手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600萬臺Amazon Echo設備［1］。二是智能語音助手功能急速完善。Alexa在2014年最初發(fā)布時只有13個內(nèi)嵌的技能，現(xiàn)在這項功能已經(jīng)兼容7000款應用，包括連接Uber、Twitter等應用程序。用戶可以通過Echo的語音識別功能，操控任何一項具有聯(lián)網(wǎng)功能的設備，比如電燈、電視、空調(diào)等等。三是生態(tài)快速擴建。2015年12月，英特爾與亞馬遜聯(lián)合宣布，雙方未來將在一系列智能家庭項目上合作，并計劃開發(fā)一個采用英特爾芯片、搭載亞馬遜Alexa虛擬助理的智能語音架構(gòu)。汽車生產(chǎn)商福特在本屆CES上也宣布與亞馬遜合作，未來車主將能夠在福特的車輛上體驗Alexa語音服務，實現(xiàn)聲控購物、搜索導航，甚至車主在家就可以通過語音指令啟動引擎、鎖定或解鎖車門。LG、GE等眾多企業(yè)都與亞馬遜達成協(xié)議，將自家產(chǎn)品內(nèi)嵌Alexa。

深度學習算法助力語音識別技術(shù)提升是智能語音助手快速發(fā)展的主要原因。近兩年，深度學習算法得到快速發(fā)展，其成果率先應用于語音識別等領域，推動其取得突破性進展。2016年，《麻省理工科技評論》將語音識別和自然語言理解相結(jié)合，評為2016年十大突破技術(shù)。應用于語音識別的深度學習算法的卷積神經(jīng)網(wǎng)絡層級（CNN），從最初的8層，到19層、22層、乃至152層的網(wǎng)絡結(jié)構(gòu)，而隨著網(wǎng)絡結(jié)構(gòu)的加深，語音識別的錯誤率也從2012年的16．4％逐步下降到3．57％［2］。許多公司的語音識別系統(tǒng)語音識別正確率超過90％，在很多場合的已經(jīng)超過人類。

語音將成為主流人機交互方式之一。語音交互方式將人們的雙手從觸摸屏解放出來，減少人們在數(shù)據(jù)輸入上花費的時間。但語音交互并不適用于所有場景，例如公共場所跟手機對話是不禮貌的。這時通過屏幕交互可能比語音更方便。較適合語音應用的設備包括家居和汽車，這也是亞馬遜Alexa雖然比蘋果Siri推出晚，卻能取得更快增長的原因之一。

當前的各種智能語音交互助手，只是虛擬個人助理（VPA）的雛形，VPA將具備完善的私人助理功能，成為用戶連接服務的節(jié)點，提供無所不在的服務。VPA將與眾多第三方app程序交互，用戶需要某類服務時均可告知VPA，VPA可搜索并決定調(diào)用哪款app提供服務，單獨app將從桌面移至后臺，成為VPA的一個子服務；VPA還具有學習能力，根據(jù)歷史數(shù)據(jù)掌握用戶的偏好、習慣等，對用戶需求做出預判，提供符合用戶個性特點的不斷優(yōu)化的服務。

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

亞馬遜暫時領先發(fā)展，未來競爭格局存在變數(shù)。亞馬遜搭載Alexa無論從銷量、功能、生態(tài)等方面，均領先于蘋果和谷歌。然而，設備仍然是智能語音助手成功的關(guān)鍵，智能語音助手需要有足夠大的設備平臺作為分發(fā)接口，提供隨時隨地、無所不在的服務，隨身攜帶的手機是較為理想的硬件載體。蘋果和谷歌已經(jīng)在智能手機領域成功，未來可能后來居上，占據(jù)主導位置。

巨頭圍繞智能語音助理展開生態(tài)布局，推動跨平臺、跨系統(tǒng)的智能語音助手應用。廠商通過開放api、與第三方app互動等形式擴大生態(tài)建設，推動語音助手在手機、家居、汽車等領域應用。亞馬遜采取開放Alexa的語音技術(shù)供第三方開發(fā)者免費使用。此外亞馬遜沒有對合作伙伴設置獨家合作協(xié)議，硬件制造商可以自由切換到競爭對手的語音助理，這也使得硬件廠商更樂于集成Alexa。蘋果早在2014年就發(fā)布了自家的智能家居平臺HomeKit，并不斷加強HomeKit與Siri的融合；2016年6月，蘋果宣布開放SDK 給開發(fā)者們，允許其他的第三方應用接入 Siri。谷歌也表示將向開發(fā)者和第三方軟硬件開放assistant。

當前智能語音助手商業(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)務內(nèi)置于Echo中，用戶與 Echo 的互動會鼓勵用戶更多地去購物，而且會將更多的數(shù)據(jù)反饋給亞馬遜的推薦系統(tǒng)，因此網(wǎng)站和應用程序都可以再次促進用戶購買更多商品。另外一種是利用智能語音助手實現(xiàn)對用戶更深層次理解，實現(xiàn)更精準的用戶定位。智能語音助手有著用戶需求的詳細數(shù)據(jù)集，結(jié)合對物理行蹤、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。

使用習慣還有待培養(yǎng)

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

市場碎片化

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

隱私問題

理想情況下，個人鑒別信息應該安全地存儲在用戶設備上，并且不會泄露給智能語音助手提供商或者其他服務提供商。但是實際上智能語音助手需要把用戶數(shù)據(jù)上傳至云端服務器，經(jīng)過計算后將結(jié)果返回到終端，涉及到云端存儲保障隱私問題。

技術(shù)瓶頸

智能語音助手還存在語義理解方面的問題。雖然語音識別技術(shù)這兩年取得了較大進步，但理解整個對話的環(huán)境和上下文語義，是目前絕大部分機器學習或人工智能的瓶頸，機器還很難將詞語表達的意思與語境和情緒相結(jié)合。

一方面，語音識別技術(shù)與國外發(fā)展同步。科大訊飛在國際最高水平語音合成賽Blizzard Challenge 中十連冠，14、15 年兩次國際漢英翻譯大賽IWSLT 全球第一、15 年機器口語翻譯系統(tǒng)獲NIST 國際評測冠軍，在車內(nèi)語音方面交互成功率更是超過86％，領先第二名高達10％［4］。

另一方面，本土智能語音助手相較國外產(chǎn)品具有競爭優(yōu)勢。百度是除美國公司之外，同規(guī)模公司中唯一一個運營智能語音助手的。百度智能語音助手Duer可提供搜索信息、預定電影票、叫出租車等助理服務，采用端到端的深度學習系統(tǒng)，有時它在識別漢語語音片段方面，要比人為識別更加準確。國內(nèi)的大量人口和強勁的中國內(nèi)容數(shù)據(jù)庫是Duer的競爭優(yōu)勢，相比于微軟Cortana，百度的搜索引擎數(shù)據(jù)庫更具優(yōu)勢，谷歌則至今在中國沒法使用，使得Duer成為最受中國市場驅(qū)動的智能語音助手。Duer內(nèi)置于百度安卓搜索app中，安裝在中國上百萬手機中。百度正在致力于將Duer擴展至手機以外的其他設備，例如機器人或者家庭設備。