技術雪球裏的小度，向內尋找答案_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2019-07-04 21:49
智能音箱市場上，風起雲湧的變化還在繼續。
根據Canalys、Strategy Analytics、IDC三家機構提供的市場數據，2019年Q1小度系列智能音箱出貨量躍居中國第一、全球第三。
在2017-2018慘烈的千箱大戰的一地雞毛之後，智能音箱市場從2018年底基本宣告進入三足鼎立時代，百度小度、阿里天貓精靈、小米的小愛成為市面上收割絕大部分市場的三巨頭。
很多媒體與評論者都認定，今天這個階段，智能音箱已經陷入膠着的同質化競爭，巨頭的主要任務就是提高補貼和性價比、多找流量明星代言、多與家電和車企聯動。甚至認為如今智能音箱已經越來越難完成硬件創新，市場和營銷變成了唯一的突破口。
然而事實果真如此嗎？智能音箱是否真的已經抵達了紅海的末尾，只能靠外部玩法續命？
向音箱內部，向技術體驗，向AI的宏觀曲線，還有眾多變數籠罩在音箱市場背後。而技術升級能力在這一新興市場中的槓桿作用，可能遠比外界認識的更加重要。
AI交互，從未標記為“已解決”
近兩年，我們開始習慣手機與音箱中的AI語音交互。然而，人類開始研究對話式AI的歷史，可以追溯到上世紀50年代貝爾實驗室的Audry系統。當時研究者們判斷對話AI具有三大難題：單詞識別、句子的理解、從語言分析對話方意圖的能力。
歷經了50年曲折的AI技術發展，最終人類搞定了詞義識別這件事。但如果説今天的智能音箱，已經缺乏硬件創新可能，人機對話能力將停留於此，那毫無疑問是過分自大的。
客觀來看，今天的智能音箱產品，在交互的自然、流暢與可持續能力上，依舊具有極大的阻礙，每一台設備的語音交互都不足以稱為完整形態。主要來看，有三大問題縈繞在智能音箱左右：
1、喚醒效率問題。是否能適應遠場與複雜聲源環境的喚醒。這是一個軟硬一體化問題，需要算法創新與芯片側的聯合創新。
2、語義理解的深度問題。這個問題決定了對話是否能被理解，方言、個性化的語言習慣、中英夾敍、複雜長句的理解等領域構成了這一問題的主要挑戰。
3、機器記憶體驗的問題。這個問題決定了對話是否能夠持續，主要挑戰包括機器能否有效記憶、篩選文本和跨時間保留對話。
這些問題的廣泛存在，讓智能音箱不能停留在今天。客觀來説，不管媒體和評論者是否認為今天的智能音箱普遍缺乏創新能力，小度助手，一直沒有停下解決最核心技術問題的努力。
去年7月，小度助手發佈了3.0版本。其核心技術特點是在自然交互能力上進行了升級，強調自然語言處理能力支持下的深度語義分析，並且輸出為極客模式、兒童模式等差異化體驗。
事實上，小度助手3.0就可以看作對上述第二個問題進行的集中攻堅，以自然語言處理技術，結合多模態技術解決語義理解體驗深度。
而在剛剛發佈的小度助手5.0中，對於前兩個問題都給出了新的答案。在聽清方面，小度助手如約引入了百度首創的流式截斷的多層注意力模型（SMLTA）。這個在AI圈中被稱為暴力到不講道理的模型，將極大程度增強小度助手的喚醒能力。搭配剛剛發佈的語音芯片鴻鵠，未來喚醒之路上的小度助手還有很多底牌。
在聽懂方面，結合百度NLP的知識增強語義表示模型ERNIE，小度助手的核心理解算法全面升級為超大數據預訓練深度模型，並且通過融合百度全網搜索能力與大規模精準用户畫像，小度助手可以學習用户畫像，不斷升級語義理解的個性化能力。
而面對問題3，小度助手放出了刷屏級別的新技術——全雙工免喚醒能力。這讓小度助手5.0在可以理解更復雜語義的基礎上，能夠知道自己應該何時被喚醒，何時保持沉默繼續等待命令。這一技術突破，指向人類之間對話時的“拒絕反應”，是因為人類能夠記住上下文，不需要每一句都進行回覆，才可以用沉默構成交互的一部分。這個能力，指向着上述第三個問題：機器記憶。
梳理一下不難發現，小度助手不僅沒有喪失向內尋求技術突破的能力，而且還是在以年為單位，連續性系統性地直面語音交互的根本問題。而且小度助手的技術進化，是呈現出與百度AI技術發展同頻特徵的，都表現為通過多AI基礎技術融合，更高效算法模型的使用，以及平台化、模塊化的技術特性。
讓我們先把小度助手5.0帶來的結論——“AI向內創新，並非沒有可能”這句話放在這裏。帶着它，我們可以重新審視一下今天三國鼎立的智能音箱市場。
同樣的中局，不同的終局
曾經很多人認為，千箱大戰無非是千篇一律的戰爭，這東西非常簡單，誰都能做。結果很快缺乏技術和產品創新力的音箱品牌就大面積死亡。這時我們發現，原來音箱之間還是有很大不同的。
到了今天，我們又認為市面上剩下的三家主要音箱本質是相同的，市場主旋律是膠着的補貼戰和流量戰。這種認識，似乎又回到了當年的老路上。
如果説當年的音箱是遍地石子，今天的音箱就是三大雪球滾動向前。我們需要注意的是，剝開這三個雪球，會發現它們的核心完全不同。
小米的小愛，包裹着IoT產品的連接；天貓精靈包括着電商和阿里生態；而百度的核心是AI技術，是對話式AI解決方案的持續進化能力。
不同的核心，確立了不同的發展模式和市場行為。百度沒有阿里的電商狂歡，阿里沒有小米鋪天蓋地的IoT生態，而小米的音箱也不太可能具備小度的拒絕反應和機器記憶能力。
與眾多媒體認為的音箱紅海正相反。真正的音箱三巨頭之爭，是營銷好做、明星好請，但內在的技術與產品價值核心卻不好替換。
如果説三家音箱是三個雪球，天貓精靈可以被稱作“新零售雪球”，小愛叫做“米家雪球”，而小度則更適合“AI技術雪球”這個稱呼。
從頭到尾，智能音箱的中局就是一場差異化競爭。雖然目前在市場份額上似乎來到了驅動的臨界點，但接下來的走向，更可能是“你打你的，我打我的”，甚至各自把智能音箱打成截然不同的東西。
不同的內核，定會裹挾不同的外層，通往不同的方向。
技術雪球裏的小度，要向何處去？
事實上，內核差異已經影響到了音箱市場的產品表現與市場競爭格局。比如説小度出貨量偏向長線持續增長，原因之一在於小度系列的技術體驗更突出，容易引發口碑傳播。
我們可以以技術雪球裏的小度助手為例，看看它的內核會將智能音箱的未來帶到何處。
1、底層技術升級，連接的是用户體驗的差異化。小度系列為什麼不同，可以輕鬆用幾句對話感覺到。這讓小度更適合口碑傳播和體驗式傳播，造成了小度的一系列品牌建設順利展開，市場銷量持續快進。
2、基於技術模塊化打造的技術與技能平台，連接的是內容和開發者、IoT設備。三者可以更低門檻接入小度生態，完整利用小度的技術優勢轉化為自身優勢。比如，小度助手5.0帶來了更好的技能開發體驗。面向開發者的全雙工免喚醒能力使得人機交互更加自然，用户的交互成本降低一半；DPL（DuerOS Presentation Language）則讓開發者可以自定義技能的視覺展現。在開發門檻不斷降低、開發體驗和想象力不斷飆升的情況下，最終可以看到小度用户的沉浸時間更長，連接設備更廣泛，並且消費者應用第三方技能的時間不斷增加。平台的技術便捷與高可用，構成了小度吸引開發者的核心價值。
3、軟硬一體化的技術架構，連接着硬件能力與核心算法模型的排列組合能力。新的硬件形態、新的硬件能力，比如帶屏、投影等，可以更快接入核心算法層。在本屆百度AI開發者大會上，小度系列又推出了小度智能音箱大金剛、小度智能音箱Play、小度在家1C 4G版，這些新產品滿足了不同人羣和場景的需要，同時都具備投屏功能，可以一句話連接電視，一句話點播視頻，無縫連接小米、海信、創維、TCL等主流智能電視品牌。小度助手能夠源源不斷推出新品、新硬件能力的原因，是底層技術架構的模塊化與平台化。
可以看到，小度能夠在不同領域後來居上，根本跳板是對話式AI底層技術與平台化的領先性與持續進化能力。這種能力的延展性很廣闊，甚至現在已經有人説在小度的技術能力下，智能音箱已經完全不像是我們印象中的那種產品，達成了音箱不只是音箱的開始。
但有個邏輯或許可以在今天進行類比：音箱到底是什麼，能走到哪裏；是一兩年的玩物，還是三五年的風口，抑或如同冰箱電視一樣永遠放在生活中的不可替代品？
想回答這個問題，我們可以想想當年的電視。如果電視永遠停留在12寸黑白的時代，那麼沒有幾年它就將遭到膩煩，沉睡於垃圾箱和博物館。今天我們依舊在孜孜以求地購買合適的電視產品，原因在於電視的技術在進化，電視生態在發展。
技術進化是一切的開始，電視產品的技術進步，才能帶動電視網絡、電視內容、周邊產業（比如遊戲機、音響）的滾動進步。
智能音箱正處在同樣的階段。向內尋找答案，以技術撬動進步或許是接下來很多故事不能或缺的前提條件。
電視可以永遠12寸黑白，也可以是8k高清的家庭娛樂平台。智能音箱可能不是音箱，只是會一問一答交互，套用模板觸發語音指令的“人工智障玩具”；音箱也可能不是音箱，而是能滔滔不絕聊下去，背靠海量技能與IoT設備的家庭智慧中樞。
技術進化，是前後二者唯一的差別。