從聲學智能到智能助手，誰能成為中國版的Alexa？ | CCF-GAIR 2017

雷鋒網消息，2017年7月7日至9日，全球人工智能與機器人峰會CCF-GAIR大會在深圳大中華喜來登酒店舉行。本次由中國計算機學會（CCF）主辦、雷鋒網與香港中文大學（深圳）承辦的大會聚集了全球30多位頂級院士、近300家AI明星AI企業 ，參會人數規模達3000余人。

8日下午的智能助手專場舉行了主題為“從聲學智能到智能助手”的圓桌對話。元趣CEO吳義堅、驀然認知CEO戴帥湘、Sugr米唐科技CEO宋少鵬作為受邀嘉賓進行分享，門羅機器人CEO楊興義主持對話。幾位嘉賓分別在會上就智能音箱、智能機器人等設備的發展現狀和前景發表了自己的看法，包括智能助手現有的局限性、需要克服的困難及中國未來智能設備的發展周期和前景等方面。

從左至右為門羅機器人CEO楊興義、sugr米唐科技CEO宋少鵬、驀然認知CEO戴帥湘、元趣CEO吳義堅

楊興義：Alexa是目前智能音箱銷售量全球第一的平臺。我問第一個共性的問題，亞馬遜、蘋果、谷歌等國外幾大巨頭都做智能音箱、智能助手類似的東西，包括他們做生態。中國的巨頭也做類似的事情，我想請教第一個問題，你們認為誰會成為中國的Alexa？ 

吳義堅：Alexa的成功不僅僅是技術上，更是產品上的成功，技術當然是很重要的基礎，因為亞馬遜不僅有內容的服務，還包括云端的其他支持，不是簡單的技術。我們做語音很多年，發現語音看起來入口很小，但是后面可以做很多事情。亞馬遜做這個事情的時候邁出的步子很小，雖然一開始不叫音箱，但是切入點很小，就是音箱，而且一開始是稍微智能、音質很好、價格很低的音箱，這是它成功的的因素。國內誰具備這樣的基礎？從我的感覺，阿里是有可能的。阿里的人工智能語音正在全球范圍內吸收技術人才。因此它的技術應該很強，而且具備商業化價值，同時也有音樂等方面的服務。我不是特別看好百度，只是從單品上而言，阿里可能更有機會一點。

戴帥湘：Alexa和Echo是不一樣的，Alexa是人和服務之間對接，通過聲音做媒介的生態系統，它的理想是很大的。我不覺得現在BAT和其他公司有可能做到這樣的地步，因為這種生態是翻天覆地變化的，我覺得需要從頭到后的醞釀過程，我堅信它會出現在我們中國新生代的創業公司中。你說Echo音響賣500萬還是300萬，這不好說，這里面有運營手段等一系列的因素。Alexa還在醞釀，你問我誰會成為中國市場上的Alexa，我覺得我們可能是。

宋少鵬：我覺得楊總的問題問得很好，我想反問一下，中國有沒有誕生Alexa的土壤？

楊興義：從我的理解來說，我覺得Alexa代表了亞馬遜在這塊生態領域努力的結果。亞馬遜為這個事情做了很多東西，包括軟件、硬件、開發者生態。我覺得中國目前有條件，有幾家公司都有可能性，但是誰做得好、誰最后的領先，我想聽你的觀點。

宋少鵬：我首先質疑這個問題，誰會成為中國的Alexa？我們看一下歷史，這是面向未來的問題，我們倒回去看歷史，PC操作系統時代，中國曾經很努力的去嘗試過，但是仍然被微軟Windows一統天下。移動操作系統時代，中國也很努力嘗試過，包括中國移動和其他一些公司，但仍然是谷歌Android的天下。人機對話的操作系統時代，中國的很多公司都在很努力的嘗試，我們看到中國的互聯網勢力在全球也處在了領先地位，衷心希望成長出Alexa，但是作為戴總最親密的朋友，我非常希望驀然認知成為中國的Alexa。

楊興義：第二個問題，接著Alexa往后說，很多公司都做了智能音箱，嘉賓列了很多。我相信除了巨頭在做智能音箱，還有很多深圳的公司在做，你們怎么看企業入局智能音箱這件事、結局怎么樣，會不會有些公司很凄慘？

宋少鵬：我們是在水生火熱的市場里泡著，所以和大家分享一下。我覺得這是一件好事，比如楊總講中國具不具備這樣的土壤，大家都認為具備。具備這樣的土壤要撒很多種子，有土壤和種子才能長出小苗，小苗才有可能長成參天大樹。戴總講機會屬于創業公司，BAT等在做，硬件公司也做，深圳許多外貿公司也在做。我覺得這是一個大考試，這是自然的經濟場，大家進行最直接的競爭，最終競爭活下來的一定是最具優勢的企業、最強壯的企業、最勇猛的企業，這樣的企業才能代表我們國家和產業的水平。所以我認為這是一件大好事。自然的規律永遠一樣，開始充分的競爭，物種的進化，最適宜環境生態的才能存活、成長、壯大，所以最后肯定是匯聚，但是這個市場還在初期，還在進行充分的從上到下、從大到小的競爭。

戴帥湘：我演講的時候提到，我本人是不看好音箱這個事情的，但是商業就是如此，一旦有些成功的案例在大洋彼岸開始發酵，我們就會開始進行模仿，即使市場不是那么大。我覺得這是一個好事。大公司砸錢至少有一個好處就是可以教育民眾，這對交互產業鏈是比較好的事。但是音箱是不是好的載體，我們現在誰也不能說，誰也說不好，中美文化的差異還是很大。我堅定的不看好音箱。   

吳義堅：有一個觀點和前兩位差不多，不管未來怎么樣，到目前為止，Echo音箱是唯一一個以語音交互為核心，具有實用價值的產品。因為我做了十幾年的語音，從IBM90年代末到比爾·蓋茨下一代語音交互界面，做了這么多年才發現語音技術沒有什么用，觸摸交互改變了整個世界。早年講車載，車載不是新東西，車是你覺得離語音最近的時候，手和眼睛都被車控制，語音就是剛需中的剛需，但做了十幾年還沒有成功案例。我當時做機器人也是出于這個。看到Echo這個產品，我覺得未來不是虛火，而是具有教育用戶、教育市場的意義，給行業樹立很好的標桿。亞馬遜這家公司確實做得很出色，Siri大家都知道，但是沒有什么太多的實用性用。但是Echo不一樣，雖然最開始用處很小，但是證明了確實有用。國內很好，有這么多廠商在做，你可以看到任何市場都是如此，一開始百花齊放，甚至魚龍混雜，但是經過市場的的自然淘汰、進化，最終出來的才是真正好的產品。

楊興義：其實我的判斷是這樣的，中國目前機器人的品類非常不成熟，目前標準化的產品，有兩個品類好一點，一個是無人機大疆，二是掃地機器人科沃斯。雙十一賣幾十億，下一個標準化的品類是智能音箱或者家里的場景。第三個問題，我想針對不同的嘉賓問個性化的問題。吳總，你做兒童機器人，你覺得兒童機器人是一個剛需嗎？人工智能發展像2歲的孩子，是孩子玩兒童機器人，還是兒童機器人玩孩子？

吳義堅：談掃地機器人或者智能音箱，說這個名詞的時候，你已經知道主要是干什么。但是當你說兒童機器人的時候，你不知道它要干嘛。所以這個行業要教育用戶的第一點是兒童機器人到底用來干什么。我們回答有沒有用之前先回答到底用來干什么。玩兩下的價值是玩具，但是機器人絕對不僅僅停留在這么一個階段。再深一點是娛樂，兒童產品和普通產品還不一樣，因為是家長買單、小孩子使用。這里面我們切中的點是娛樂和教育，娛樂是因為小孩子有更多的時間，教育是讓小孩子學習。這兩點做好了，不管叫兒童機器人還是其他名字都不重要。做技術的想炫技術，但是用戶買單的不是技術，是通過技術能提供什么有價值的內容和服務。我們在這塊領域是一直貫徹這個。教育很重要，我們希望和語言相關，比如學英語、練口語，這點要做到最極致。像掃地機器人，不需要干什么，就是掃地，只要掃好就可以買單。兒童機器人也是如此，這其實是一個非常大的概念，這里面有編程類機器人、拼裝類機器人，還有玩具機器人，我們是偏教育，甚至主打英語這點。兒童機器人這個市場是否存在，還是在于你這個產品到底給用戶提供哪點價值，如果這個價值有人買單，即便不叫機器人，也存在這個市場。

楊興義：驀然做車載和家居兩個場景，我昨天上午體驗了場景的案例。在中國也有一些語音語義的技術公司，可能比你還早一點做這兩個場景，包括車載、家居和互聯網。驀然認知作為新興創業公司，你的優勢在哪里，怎么打敗競爭對手？

戴帥湘：2006年、2007年也有人做團購、售后服務，但是你會發現后面很多年才爆發，反而是后面的公司真正成功了。AI可能會更不一樣，這是因為技術的積累需要一個過程，不是誰先就誰好。技術和產品還是有些差別，只有用戶認知、工業積累、學術界研發達到一定的點才能得到合適的結果。我們以前的一些公司很少有工業和學術的積累，因為沒有需求，主要的積累是在搜索公司。以前有語音進入汽車、電視機，但是單向指令和對話沒有觸碰到交互的本質——對話。0和0.1沒有差別，當到1的時候才有用。我們真正了解了核心的部分，但是要和更多的廠家合作，語音識別純粹處理起來是緩慢的過程。我覺得這是需要澄清的事情。競爭對手確實會先有渠道的優勢、商業的優勢，我們也認同，但是我覺得還是有機會的。 

楊興義：宋總，未來中國有很多人工智能的產品、智能助手的產品走向全世界，我們有可能用到中國的Alexa，但是目前還是以亞馬遜的Alexa為主，我們走向海外市場，你有什么建議？

宋少鵬：首先，產品體驗是最根本的，無論是在中國還是國際運營一款產品，最終勝出有幾個因素，用戶體驗我認為是很核心的因素。二是整合性因素，產品的運營，產品的設計、設計語言、品牌、占據的用戶場景，基于用戶場景你提供的服務，在服務的需求下選擇的技術，你提供什么樣的成本（性價比），最終還有客服、售后服務等等，所有這些是一個完整的體系，像考GRE，里面有語法、單詞、寫作、聽力，這是一樣的，缺一不可。我們幫助很多團隊做很多事情，我們在Alexa上面一個全站式團隊，除了語音信號處理、喚醒詞、語義內容的對接、流媒體對接、產品之外的商務對接、運營的對接，我們可以提供全套的服務、技術、咨詢。

出海的產品以用戶體驗為先、以系統能力做支撐，系統能夠包括品牌的定義、產品場景的選擇、場景所帶來服務的選擇、服務帶來的技術選擇，以及產品出去之后所有背后的支撐，包括物流、客服等一系列的能力。

楊興義：我們覺得現在的技術、產品，真正到能夠擁有很好的用戶體驗，其實可能還有一些距離，包括我們的識別準確率、成功喚醒率，還有噪音環境下的處理，知識圖譜相關的內容，用戶和功能進行交互的過程，商業的閉環還沒有那么成熟。我覺得智能語音助手的路很長，并不像現在市場這么火熱。現在我問最后一個問題，你們認為未來真正特別棒的語音助手應該是什么樣的形態或者什么樣的功能，或者怎么定義未來真正好的產品？

吳義堅：你說未來是多少年？

楊興義：5-10年。

吳義堅：50年以后我想反而好說。5-10年這個階段可能還不會出現純通用型的產品。如果一個機器人什么都可以干，50年左右應該還可以，5-10年是各個領域在深耕，但是各個領域之間會打通，剛才說到車、手機、平板，里面一定存在能處理多場景的助手類服務。我認為語音是AI助手，可能是它和你進行比較自然的交互，但是一定是多模態，要有視覺，甚至要有觸摸、攝像頭、體感，助手會把這些信息融合得更好，而不是像現在這樣，現在的助手是孤立的，人臉識別就是人臉識別，和語音沒有關系，那時候感知信息在智能化方面會做更好的融合。助手可能通過你走路的姿態、人臉、聲音，很多方面融合在一起，為你后續服務做了很好的準備。我覺得這是5-10年內可以做到的。

至于說具體的形態，我看不清，因為我剛才說的這些東西可以存在于各種形態里面，智能手機絕對是一個中心，它是單中心、多個副中心還是多中心，這個地方我還真的沒有特別好的答案，因為這里面有太多的可能性。50年反倒簡單，50年之后一定是機器人，這個設備不一定叫手機，反正就是一個設備。消費品怎么進化到哪一步很難說。

戴帥湘：我是技術出生，所以我是堅定的樂觀主義者，10年內一定會出現大的交互層面的變化，一定會產生以語音為主，以其他方式為輔的交互形態，這僅僅只是交互的形態。對于產品來說，我還是用之前說的一句話描述：應用你感覺不到它的存在，但是它的確無處不在。所有的設備并不是要新品類，對現有設備的交互的革新，打造新交互的打造，我覺得幫助傳統產業、傳統設備做到這樣一個變化，足以形成非常巨大的生態。我覺得這是融合在所有設備里，可能一個設備就足夠，當然可能出現新的設備，但是它的交互方式就是全部核心。我覺得10年內可以做到這點。

宋少鵬：我的兩位同學一位在微軟做研究，一位在百度做研究，講得很深奧。我之前是做產品的，如果有幸和團隊把Sugr打造成穩定、盈利的公司，我對智能助手會有一個具像的需求。我對產品的定義是：“召之即來、揮之即去，所見所得，如影隨形”。我給大家舉一個例子，打個響指飛過來，有點像蜻蜓。我說我要參加雷鋒網的大會，他帶著我走。到了，他就躲起來。如果我想訂機票、訂餐，需要他的時候就會飛過來，如果需要地圖，它全息投一個屏幕給我看。所以我相信這在有限的時間內，所有在座的人一定可以感受到這樣的場景，我們將來會往這個方向努力。技術永遠是在你身邊，在最合適的時候，用最合適的方式給你最合適的信息，這是我們對長遠助手的展望。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。