10 年前電影《鋼鐵俠》上映，影片中那個能幫助主人翁 TonyStark 處理各種事物、計算各種信息的智能管家 Jarvis，憑借著流暢無障的人機(jī)對話、近乎無所不能的技能、具備人格和獨(dú)立思維等理想的設(shè)定，成為了不少人對 AI 助手的完美假想對象。

是的，在科幻作品從來都不缺乏想象力，回憶起早期標(biāo)榜科幻的動漫作品《人型電腦天使心》，同樣也為我們描繪了一個更加理想化的 AI 世界：AI 變成人型具象的產(chǎn)品形態(tài)，來服務(wù)人類。

當(dāng)然，以上只是科幻作品對于 AI 所進(jìn)行的暢想，距離現(xiàn)實(shí)生活仍有非常大的差距，不過一部分在過去曾被認(rèn)為是科幻情節(jié)的功能，例如語音助手，其實(shí)已經(jīng)在智能手機(jī)、智能音箱等產(chǎn)品上露面了。

盡管它們不能做到像 Jarvis 那樣將自主意識轉(zhuǎn)移到云端，從而變得無處不在；也不能做到像人型電腦那般擬人仿真，但作為一個搭載智能語音助手的產(chǎn)品，它們基本也能完成用戶在日常生活中指派的多數(shù)命令。

（圖自：TechHive）

相比起智能手機(jī)，在銷量上還不足以被稱得上是「爆款」的智能音箱，近年來反而變成了被越來越多企業(yè)寄予厚望的 AI 「新容器」，在現(xiàn)今的智能音箱領(lǐng)域里，不僅有硅谷科技巨頭的風(fēng)向指引，還有一部分國內(nèi)創(chuàng)業(yè)團(tuán)隊全力押注。

盡管智能音箱的存在感正在逐漸變得越來越明顯，但有不少用戶反饋，現(xiàn)階段的智能音箱仍然無法勾起他們的購買欲望。

不過，這問題到底出在哪里？

這可能是「落差感」的鍋

前面之所以提到科幻作品中 AI 的情節(jié)與現(xiàn)實(shí)中 AI 情況的對比，其實(shí)我想順延下來表達(dá)一個點(diǎn)—落差感。實(shí)際上，大多數(shù)用戶在買智能音箱之前和買智能音箱之后，往往都會形成這樣一個非常明顯的反差：

買之前：這些功能看上去好方便、好好用！

買之后：用起來好像也就那樣…

如果將智能音箱帶來的這個落差感從使用體驗(yàn)的角度再進(jìn)一步分析并拆分，我們基本上可以總結(jié)出造就這種反差感受的幾個細(xì)分點(diǎn)。

功能并非剛需

現(xiàn)在的智能音箱在功能上基本都大同小異，它們大多都是以播放音頻內(nèi)容作為核心，并在語音交互的基礎(chǔ)上，拓展了聊天、控制智能家居、查詢天氣、講笑話、查交通、定鬧鐘等方面的功能。

XX，幫我設(shè)一個 7 點(diǎn)的鬧鐘。

XX，播放一首周杰倫的歌。

XX，今天需要帶雨傘嗎？

…

實(shí)際上，對于用戶來說，這些功能并非剛需，況且一部分智能手機(jī)已經(jīng)兼具了語音助手，透過這些智能手機(jī)，你也能獲得相似的功能和體驗(yàn)。

（圖自：Tata CLiQ）

不懂人意，答非所問

與宣傳視頻中描繪的美好景象不同，在實(shí)際體驗(yàn)中，語音識別率和句意理解仍然是阻礙用戶獲得良好使用體驗(yàn)方面的障礙之一。

首先是語音識別率，我想很多用戶在多次喚醒智能音箱未遂，或音箱多次無法準(zhǔn)確識別出指令后，應(yīng)該會對智能音箱的興趣減掉了一大半。

其次是句意理解的問題，在某些時候，大多數(shù)智能音箱其實(shí)是不能聽懂你的意思的。一旦提問句式變得復(fù)雜、句子結(jié)構(gòu)與智能音箱預(yù)設(shè)不符，那么它很容易將你的指令變成搜歌或搜索網(wǎng)頁的關(guān)鍵詞。

不具備「流暢」的對話能力

也正因?yàn)樗欢艘?、答非所問，并且它響?yīng)速度慢、每次接受指令前，都需要喚醒詞喚醒。因而這些問題所帶來的中斷感和不便，就讓你很難與智能音箱展開一次流暢的對話。

而且，目前還有蠻多的智能音箱并不支持聊天內(nèi)容上下文關(guān)聯(lián)，簡單來說，就是智能音箱已經(jīng)記不住你上幾句話說了什么。

AI 仍需要用戶幫忙培育

實(shí)際上，現(xiàn)在的智能音箱產(chǎn)品還不能做到真正的「智能」。它需要繼續(xù)積累用戶的數(shù)據(jù)，并通過分析用戶的使用情況，逐步完善其智能性，這樣它才能在你需要的時候，變得相對更懂你。

從這一過程到真正成熟，可能需要相對漫長的時間，而這對于購買了產(chǎn)品的用戶來說，可能不是一件能接受的事情。因?yàn)檫@樣便會在他們的主觀印象中，留下一個智能音箱技術(shù)不成熟、不實(shí)用的烙印。

用戶希望從智能音箱中獲得什么呢？

外媒 Forbes 曾在《解釋人工智能重要性的關(guān)鍵定義》一文中提到，人工智能的定義已經(jīng)逐漸從傳統(tǒng)字面上的理解轉(zhuǎn)變?yōu)?3 種試圖實(shí)現(xiàn)的形態(tài)：

構(gòu)建與人類思維方式相近的系統(tǒng)（強(qiáng) AI）

只會執(zhí)行而不懂人類思維方式的系統(tǒng)（弱 AI）

基于人類思維方式作為模板，但最終不斷進(jìn)化和發(fā)展的系統(tǒng)

如果從上述的概念看，現(xiàn)階段的智能音箱應(yīng)該是屬于第二種弱 AI 的范疇內(nèi)，它們不具備獨(dú)立的思維，無法揣測用戶的想法，并且只會執(zhí)行預(yù)設(shè)的指令。

對于這種程度的 AI 智能音箱，其實(shí)指望它能像 Jarvis、人型電腦那樣知你懂你，是不現(xiàn)實(shí)的。不過，回歸到實(shí)際需求上來看，用戶希望從智能音箱中獲得什么呢？如果將上面列出的這些問題歸納總結(jié)起來，大致能得出兩個方面的需求，一個是要足夠智能，另一個是技能和服務(wù)要多。

要足夠智能

這里又可以拆分為兩部分：一個是智能音箱要「知你懂你」，另一個是盡可能地想你所想。

「知你懂你」這里所說的含義，是指音箱能夠知道你說的指令，并懂你想表達(dá)的意思。簡單來說，就是語音識別準(zhǔn)確率和句意理解能力。

之前在我體驗(yàn)渡鴉 Raven H 智能音箱的時候，它的語音識別準(zhǔn)確率就讓我滿意：即便是用 80% 的音量播放音樂、離 Raven H 相距 3 米左右的距離時，它都能響應(yīng)到，并準(zhǔn)確識別出語音指令。

而說到句意理解能力這一塊，目前大多數(shù)智能音箱仍然限制在預(yù)設(shè)句式的條條框框之中。

但實(shí)際上「知你懂你」這個問題，已經(jīng)隨著專用語音芯片的逐步成熟以及語音交互生態(tài)的支持，能夠從根本改善這個方面的體驗(yàn)。

至于想你所想，其實(shí)就是通過了解用戶的使用習(xí)慣來，來提前預(yù)知用戶的需求?，F(xiàn)在大多數(shù)智能音箱還不具備這樣的能力，那么有沒有解決的方法？渡鴉使用了一種「非智能」的方式來解決這個問題。

在 Raven H 上，渡鴉提供了一個 Flow 的功能，通過用戶手動預(yù)先設(shè)置后， Raven H 會在每天鬧鐘提醒后，自動播報當(dāng)天的天氣、路況、限行以及你的日程安排。

盡管這離真正的想你所想還有蠻大的差距，但起碼在 AI 技術(shù)還不夠成熟的時候，這也算是一種折中的方案。

技能和服務(wù)要盡可能多

在使用各種不同的智能音箱后，它們留給我印象最深的并不是那些像播放音樂、查天氣、講笑話等基礎(chǔ)功能，而是它們的技能與服務(wù)所帶來的延伸功能。

例如，我就記住了天貓精靈 X1 可以點(diǎn)外賣、充話費(fèi)；小米 AI 音箱和渡鴉 Raven H 能夠查找手機(jī)…

盡管這當(dāng)中某些技能和服務(wù)，未必是每個用戶最需要、最實(shí)用的功能，但在基礎(chǔ)功能體驗(yàn)拉不開較大差距的智能音箱領(lǐng)域，這些小技能和服務(wù)，反而是一款智能音箱相較于其他競品獨(dú)有的小優(yōu)勢。

實(shí)際上，作為參照對象的亞馬遜 Echo 智能音箱，它在剛開始面世的時候音質(zhì)一般智能不足，但是隨著亞馬遜不斷讓其學(xué)習(xí)更多的技能，于是它終成標(biāo)桿。

其中 Echo 利用技能和服務(wù)所做到了的一個優(yōu)勢，便是將功能延伸到更多的智能家居設(shè)備上，并與它們建立起聯(lián)動性。

而在聯(lián)動智能家居這方面，愛范兒此前體驗(yàn)蘋果的樣板房時，就已經(jīng)感受到這方面的便利性。當(dāng)時，蘋果還未推出智能音箱 HomePod，覆蓋了不少 HomeKit 設(shè)備的樣板房仍以 Apple TV 或 iPad 作為智能家居的中樞。

但使用 Apple TV 控制又有些繁瑣，iPad 又因隨身攜帶的幾率高而容易失去對智能家居中樞的遠(yuǎn)程控制。這個時候，音箱就是這個場景下最佳的解決方案。

畢竟，用戶面對的都是一些邏輯簡單的操作，如控制設(shè)備開關(guān)和調(diào)整溫度。這些通過語音就能夠操控，中間也不需要屏幕的參與。在這個狀態(tài)下，用戶只需要一個可聯(lián)網(wǎng)、帶智能助手的音箱就能夠解決問題。

因此，盡可能多地擴(kuò)展智能音箱的技能和服務(wù)，也是智能音箱一個關(guān)鍵的點(diǎn)。

總的來說，作為一種基于弱 AI 形態(tài)的產(chǎn)品，智能音箱的本質(zhì)其實(shí)還只是生活中的一種「輔助」工具，但這也不是說，它就沒有成為生活必需品的潛質(zhì)。隨著 AI 技術(shù)的不斷發(fā)展，硬件芯片的功能逐漸完善、語音識別等核心技術(shù)取得突破以及智能家居的普及，可以預(yù)見的是，像智能音箱這樣的產(chǎn)品將會慢慢變得成熟、可靠，并且更好地為我們的生活服務(wù)。

指不準(zhǔn)，未來的智能音箱形態(tài)就真的會變成一個無處不在的 Jarvis，或是一位人型電腦呢？