新“Siri”之戰開打，微軟、亞馬遜、OpenAI已入場_風聞

新一代個人AI助理之戰，終於打響了。

9月，三家公司發佈了重要預告，標誌着這個節點的到來。這三家公司分別是亞馬遜、微軟和OpenAI。

亞馬遜在21日的秋季硬件發佈會上宣佈，“老牌”語音助理Alexa終於要升級，融入大語言模型。新Alexa延遲更低，能理解上下文、記憶此前的對話、無需來回喚醒，而且還會越用越個性化。

同樣是在9月21日，微軟在美國紐約召開秋季發佈會，宣佈自26日起將逐步給Windows11用户推送系列更新，其中一個重要更新是人工智能助手Copilot。Copilot，正如其名“副駕駛”，要成為用户的數字管家，將出現在Windows11的側邊欄，可以語音對話，允許用户通過其控制PC上的設置、啓動應用程序，或是回答問題等。驅動Copilot的是OpenAI目前最先進的大語言模型GPT-4。

沒過幾天，25日，OpenAI突然放招，發佈公告《ChatGPT現在能看、能聽、能説》，宣佈將在未來兩週向付費用户推送多模態新功能。多模態ChatGPT將能基於圖片對話，並進行實時語音對話。舉個例子就是，你打開冰箱拍張照，就可以和ChatGPT語音暢聊晚上吃點什麼。結合ChatGPT已經以App形式登陸安卓和iOS，相比於無所不知的“大明白”AI，此舉讓ChatGPT更具備個人助理的能力。

除了這三家正式宣佈相關產品升級之外，谷歌在上個月被科技媒體Axios爆料，內部郵件顯示，谷歌將利用最新的大語言模型技術對谷歌助手（Google Assistant）進行全新改造。蘋果也被爆料已經搭建好大語言模型的框架，在對地圖、Siri在內的功能進行改造。

科技巨頭在個人助理的戰場上廝殺，上一次出現這樣的場景還是在8年前：Alexa首次發佈於2014年，搭載在亞馬遜智能音箱Echo產品中。也是在那一年，微軟也隨Windows系統推出語音助理Cortana，在中國大陸被稱為“小娜”；谷歌隨安卓4.1推出語音助理Google Now，也就是後來的谷歌助手Google Assistant。那是繼2011年蘋果隨iPhone 4S推出Siri之後，緊跟的三款來自科技巨頭的語音助理競品，拉開了上一代語音助理混戰的序幕。

然而，最初引起大眾極大興趣的語音助理，近幾年已經變成了智能終端必備、但人見人嫌的“人工智障”。隨着去年11月底OpenAI發佈ChatGPT，流暢的對話讓上一代個人助理更加相形見絀。在ChatGPT發佈前不久，Alexa被傳出虧損、裁員的消息，而在ChatGPT發佈之後，微軟“殺死”了Cortana，在今年8月將其下線。

上一代個人助理之戰告一段落，新一代個人助理的戰爭已經奏響號角。有了大語言模型技術的加持，這一次的故事會有不同嗎？

先讓我們官方給出的例子，看看亞馬遜Alexa、微軟Cortana和OpenAI的多模態ChatGPT是怎樣的存在。

接入大語言模型的Alexa，“機器人”味少了。用户可以説得不直白，如“Alexa，我很冷”來讓Alexa開空調，也可以很抽象，比如“讓這個房間看起來像XX球隊的顏色”。用户還可以一次説多個指令，如“Alexa，打開噴頭，打開車庫門，關閉外部燈光”，Alexa就會識別並執行這些任務。

此外，現在，用户可以對Alexa説“Alexa，讓我們聊天吧”，接下來的對話中都不需要再叫Alexa的名字。並且Alexa會記住用户的一些信息和偏好，不必每次都對TA做自我介紹。

在一條演示廣告中，用户和Alexa進入聊天模式。用户想要舉辦一場派對，讓Alexa推薦派對主題，然後再依據主題推薦合適的場地。當用户和Alexa商量好一切之後，用户要求“給我的朋友發送下週五晚上8點的邀請郵件嗎，神秘一些”，Alexa便欣然答應，並閲讀以“你準備好度過一個難忘的夜晚了嗎”開頭的郵件給用户確認。

**比起過去每句話都要叫一聲“Alexa”、前後不能有連續、指令必須清晰明確的語音助手體驗，新Alexa的確“更像人”了。**相信每一個使用智能家居的用户，都受夠了變着法地試探怎麼説才能讓“小X”和“精靈”們聽懂指令。

已經被殺死的微軟Cortana，也就是我們熟悉的“小娜”，基本上和iPhone的Siri差不多。為你打開某個應用、播放一首歌曲，或者回答你的問題（除了今天的日期和天氣之類的基礎問題外，基本上是給你顯示網頁搜索結果）。

**而Copilot則更像一個實幹型的助手。**比如你可以要求Copilot幫你“整理桌面”，它就會把窗口平鋪排列；當你瀏覽網頁的時候，可以呼出Copilot讓它幫你總結、解釋、重寫網頁的內容；編寫文案、總結圖表更是不在話下。更有意思的是，Copilot還具備對圖片的處理能力，你可以在截圖後直接讓Copilot進行去除背景、摳出人像等操作。

和升級後的Alexa一樣，Copilot的對話體驗也更偏“人類”，你可以直接讓Copilot“播放讓我集中精力的歌”，它就會找到Spotify上的對應歌單。

**至於OpenAI的ChatGPT，也在轉向多模態之後變得更貼近生活。**前文已經提到，你可以打開冰箱拍張照，和ChatGPT討論晚上吃什麼。

在官方給出的另一個例子中，用户給ChatGPT發送了一張自行車的照片，問它如何調低座椅。ChatGPT提醒用户查看車的型號，確認是有快拆杆還是用螺栓固定，並給出詳細步驟。用户還是不明白，拍攝了座椅連接處的照片並圈出某部位，問這是不是快拆杆。ChatGPT識別出這是螺栓，並建議用內六角扳手。用户接着發難，拍攝了一張工具箱的照片，詢問ChatGPT哪一個是內六角扳手，它也成功識別了出來。

除了日常生活中的問題解決外，由於具備語音功能，可以“説”的ChatGPT還可以給孩子講睡前故事。更有意思的是，當你與人吵架，也可以把能聽會説的ChatGPT擺上來，幫你們梳理思路，解決爭論。

不過，不管是新Alexa，還是Copilot和多模態ChatGPT，都有一定的使用門檻。

Windows11操作系統內置的Copilot目前沒有收費的消息，應該是免費向用户開放的，但是要等更新逐步推送。而在辦公套件Microsoft 365上，Copilot屬於高級訂閲功能，每月收費30美元。

OpenAI的多模態ChatGPT僅向高級訂閲用户開放，也就是ChatGPT Plus，每月20美元。

而新Alexa未來可能會收費。在亞馬遜秋季發佈會之後，彭博社採訪了即將離任的亞馬遜設備和服務部門副總裁大衞·林普（David Limp），他表示亞馬遜“絕對”在考慮Alexa的訂閲模式。

林普拒絕討論Alexa若收費的話定價會是多少，並表示“你今天所熟悉和喜愛的Alexa將保持免費”，但為AI聊天機器人提供動力並不便宜，他承認“在雲端進行模型推理的成本是巨大的。”

剛開始打仗就想着怎麼收費，這看似急功近利，實際上都是上一代個人助理之戰的血淚教訓。

個人助理產品早就有，其中的代表是微軟在1995年就推出的微軟鮑勃（Microsoft Bob），彼時比爾·蓋茨（Bill Gates）還是微軟的CEO，在那一年首次登上《福布斯》全球富翁榜榜首。但現在回頭看，鮑勃顯得很臃腫：軟件顯示一座虛擬的房間，就像一間個人辦公室，角落裏蹲着卡通狗助手，親切地問你需要什麼幫助。

這條路沒有走通，僅一年，微軟就用Clippy代替了鮑勃，就是那個濃眉大眼的曲別針，熱心腸地想幫你做這做那（但什麼都做不好），也不成功，是大家批評嘲笑的對象。

到了2011年，一切都改變了，蘋果推出iPhone 4S，“附贈”的還有Siri——一個沒有實體形象，可以長按Home鍵呼出的語音助理，可以幫你打開應用，還能回答問題，甚至可以俏皮地給你講笑話，在當時頗具“未來感”。

科技巨頭們聞風而動。在2014年，語音助理大爆發，佔據安卓的谷歌推出了Google Now（兩年後升級為谷歌助手Google Assistant），佔據PC操作系統的微軟推出了Cortana，而亞馬遜乾脆研發智能音箱設備，將Alexa塞了進去。

電影《她》上映了，電影中男主人公和電腦操作系統的語音助手談戀愛，後者的配音是好萊塢著名演員“寡姐”斯嘉麗·約翰遜（Scarlett Johansson），而語音助手的界面像極了Cortana。電影上映後，《連線》雜誌甚至報道有一些iPhone用户認為Siri似乎開始擁有“自我意識”。

到了2019年之前，各家陸續在更多端口搭載語音助手，谷歌、蘋果、微軟都推出了智能音箱設備，Alexa和Cortana還搞起了合作，可以在自家語音助手那裏呼出對方，以實現更多功能。在國內，手機智能語音助手和智能音箱也開始湧現，小度、小愛、天貓精靈等悉數登場。

然而，也是在這個階段，語音助手越來越普及，大眾對其的評價卻慢慢從充滿幻想，變為了感到失望。在國內，這些語音助手喜提“人工智障”稱號。人們在網上發帖詢問“Cortana老自己彈出來，怎麼關掉啊”，或是分享智能音箱怎麼都聽不懂“關掉客廳的燈”的簡單指令的短視頻。

以Siri為例，2018年Vetro Analytics的數據顯示，Siri的使用率為19.6%，依賴度僅為11%，每位用户每月平均使用時長只有短短14分鐘。

體驗差，直接影響着語音助手產品的商業前景。

就在ChatGPT推出之前，2022年11月，媒體Business Insider報道，根據其獲得的內部數據，一季度亞馬遜Worldwide Digital部門運營虧損超過30億美元。這個部門包括從Echo智能音箱、Alexa語音技術到流媒體服務的所有內容。而熟悉該部門的人士表示，這一虧損是亞馬遜所有業務部門中最大的，而且其中大部分損失都要歸咎於Alexa。報道估計，2022年該部門的虧損甚至會達到100億美元。

Alexa的開局並不差，第一代Echo設備的銷量超過500萬台。但是其商業模式一直是個問題，所有的語音助手其實都有這個問題：提供了服務，然後呢？2018年，亞馬遜預計2021你那每台設備都將虧損5美元。

上一代語音助手並沒有很好的貨幣化舉措，再加上交互的體驗並不好，Alexa期望可以將亞馬遜的電商服務融合進去，但糟糕的體驗無法支撐這個願景，而頻繁地詢問用户要不要買東西本身又在損害體驗。用户到頭來和語音助手間的大部分對話瑣碎而日常，如今天的天氣、日期、打開某個應用等，而這並不能讓亞馬遜賺錢。

在裁員、虧損的消息傳出後，亞馬遜表示還是會大力發展Alexa，但是外界看不到什麼新的可能。

ChatGPT的出現，讓一切都不同了。

一方面是危機，ChatGPT基於大語言模型的出色對話能力，讓大眾幾乎在第一時間就將之與上一代語音助手進行對比，結論就是“太差了”。問題改變，上一代語音助手不思進取、不上大模型，就有可能落後捱打，即便是蘋果和谷歌也得忌憚這種可能性。

除了谷歌在今年8月被傳出要用大語言模型升級谷歌助手以外，蘋果也有類似的傳聞。今年7月，名記馬克·古爾曼（Mark Gurman）爆料，蘋果已經完成了其大語言模型的基礎框架，被稱為“Ajax”，定位為支持對話式AI系統，並已經將其應用在地圖、Siri等功能上，做人工智能改進。

而在科技巨頭動作之前，早就有各種整合了大模型的個人助理第三方應用出現。如今年6月，就有人“復活”了微軟鮑勃，使用的是GPT-3.5模型，在微軟商店上架。

另一方面是機遇。以亞馬遜Alexa為代表的智能生態想象，如今在5G加持、大模型支撐之下，實現的可能性前所未有得大。

本次秋季發佈會，亞馬遜在宣佈Alexa將全面升級之時，也已經勾勒出了廣闊的前景：亞馬遜將大語言模型注入200多個智能家居API，為Alexa提供更主動無縫管理智能家居所需的背景信息。同時，亞馬遜要推出工具，允許Alexa控制第三方產品的某些功能，後者無需在智能家居生態系統的工具包中。亞馬遜表示，已經和通用電氣、飛利浦、小米、iRobot等合作開發這些功能。

但現在要面臨的新挑戰也是10年前所沒有的，AI對於個人隱私和數據安全的威脅正在被重視。不管是新Alexa、Copilot還是多模態ChatGPT，在向個性化助理的方向進發時，將不可避免地觸及這一問題。目前，新Alexa發佈，亞馬遜將利用用户與Alexa的語音交互來訓練模型的消息已經在被討論。

“誰贏得了個人代理，那就是一件大事。因為你將再也不會去搜索網站或去生產力網站，你再也不會去亞馬遜（購物）。”在今年5月的一場活動上，比爾·蓋茨如是預測。

問題是，究竟會是誰贏下這場戰爭呢？亦或是像上一代語音助手之戰一樣，轟轟烈烈之後沒有贏家。

參考資料：

1、IT之家：《“大眼夾”重生，變身 ChatGPT 聊天機器人》

2、智東西：《昨夜微軟與亞馬遜“聯姻” 還拋出5道AI殺手鐧》

3、金融界：《從“全村的希望”到“大裁員”，亞馬遜是如何摧毀Alexa 的？》

4、鈦媒體：《智能手機之爭的下半場：語音助手之戰》