人工智能概念在2017年持续不断升温，语音智能音箱的入口意义逐渐被认可。在7月初举办的百度AI开发者大会上，阿里人工智能实验室发布了第一款语音智能音箱产品天猫精灵X1，音箱内置智能语音助手AliGenie，能够听懂中文普通话语音指令，并实现智能家居控制、语音购物、手机充值、音乐播放等功能，引发了广泛关注。

事实上，早在2014年，美国亚马逊公司就推出了基于Alexa语音助手的智能音箱Echo，起初并不引人注目，但近年来销售量持续攀升。根据美国消费者情报研究合作伙伴（CIRP）的报告，截至2016年年底，Echo系列产品在美国的销售量已经达到700万台，市场热度可见一斑。Echo及其背后的语音助手Alexa让亚马逊公司一飞冲天,谷歌、苹果等国际科技巨头以及百度、阿里、腾讯等国内巨头纷纷推出自家的智能语音产品或者解决方案，对话式人工智能产业似乎马上就要全面爆发。

在智能语音产品大热的背后，我们也应该注意到其所依托的语音交互技术在现阶段仍存在诸多问题，人工智能技术尚处在起步期，还需要大量数据训练才能进一步完善。目前的智能语音产品市场，存在一定的“虚火”。

◎语音识别技术存在瓶颈

目前，市场上的语音智能音箱都以语音交互作为主要的交互方式，但在具体的应用场景中，现阶段语音识别技术的表现还不够完美。

在输入端，让机器“听懂”人的语言，是人机交互的第一步。目前，很多语音识别系统是基于标准的发音进行识别的，实际上，人们说话存在个体差异，发音也各不相同，各种方言、俚语更是千差万别，这些都对语音识别提出了严峻的挑战。系统在对语音进行识别之后，还需要理解语音背后的含义，这就涉及自然语言的理解。然而，当前的技术还只能对关键词进行内容识别和上下文分析，不能消除自然语言中广泛存在的歧义和多义。

在输出端，机器“听懂”了人类的语言后，需要像正常的人类对话一样及时进行反馈，这就涉及语音合成技术。目前，语音合成的自然程度和响应速度还有很大的进步空间。由于受到关键基础技术的制约，语音智能音箱的语音交互还缺乏严格意义上的“人工智能”，对话的现场感还无法达到正常人类交流的水平，存在众多需要克服的技术难点。

◎生态链还不完善

在移动互联网与物联网时代，产品智能化几乎成为一种时代的共识，Echo的意外受捧让人们意识到，智能音箱可能就是传说中的物联网的入口。借助人工智能和物联网，语音智能音箱可以将我们的想法传达给智能设备，实现远程交互控制，其中的关键是“有物可联”。然而，目前的智能音箱所接入的服务更多的是娱乐、购物等互联网应用，硬件类产品相对较少。

由于智能家居概念还处在起步阶段，具有智慧功能的家电还没有普及，传统家电占据主流，加之家电类产品价格较高且耐用，更新换代周期长，智能音箱实现其物联网入口的使命还需要一定时间。同时，各大厂商都在打造自己的产品生态链，不同厂商的产品传输控制协议不同，不易互相连接控制，无法做到互联互通。在互联网内容服务方面，国内的内容和服务存在割裂现象，音乐版权大多属于腾讯，搜索上百度，网上购物在阿里，如何将各家的优势集中起来是很困难的事情。这些因素都制约了智能音箱在智能家居领域的进一步应用。

◎与日常生活还未融合

由于语音识别技术在现阶段还不成熟，尤其是苹果公司的Siri和微软公司Cortana在智能手机上的表现并不尽如人意，语音输入在国内的接受程度不高。在美国，语音智能音箱大多摆放在厨房，这与美国住房面积较大、厨房烹饪噪声较小有关。智能音箱的体积限制了其可移动性。语音识别技术还不能同时进行噪声处理和用户身份识别，因此只能应用于单一场景，不能很好地融合到日常生活中。

语音智能音箱在国内的应用还受东西方文化差异的影响，东方文化相较于西方文化的直接更加含蓄，具有更大的模糊性。由于当前语音交互的现场感和即时性还不够好，从而使东方人更加不愿意使用这类语音智能产品。随着智能音箱类产品在美国等西方国家逐渐流行，隐私问题也逐渐显现。由于语音识别技术需要大量样本数据进行训练以提高识别能力，智能音箱在采集到使用者的音频数据后会上传至后台服务器进一步分析并存储在云端。2017年年初，亚马逊公司的Echo就曾牵扯进了一宗谋杀案。美国阿肯色州警方要求亚马逊公司交出嫌疑犯家中Echo录下的声音信息以破解该谋杀案，但亚马逊公司拒绝向警方提交Echo服务器上的相关信息，引发了广泛讨论。

以Echo为代表的语音智能音箱产品在概念上并不新鲜，很大程度得益于亚马逊公司背后强大的软件、硬件和市场资源。在硬件供应链基础上，打造一个能够对声音进行反馈的音箱并不难，关键在于如何让音箱做到足够智能。语音智能音箱不是简单的硬件产品，而是以人工智能为基础的综合实体应用。当前市场的繁荣引来了众多企业参与到这个领域，如果只是赶风口、蹭热点，不在技术积累上扎扎实实下功夫，短暂的繁荣只会是“虚火”，未来在面对人工智能所带来的产业机会面前，只会更加焦虑。