本文作者李智勇，聲智科技合伙人&副總裁，訂閱號：zuomoshi(琢磨事)

從CES（國際消費(fèi)類電子產(chǎn)品展覽會 International Consumer Electronics Show）的進(jìn)展來看，Google現(xiàn)在確實(shí)在把語音交互這事兒搞砸，而越來越變成一家很能折騰但不太能干成事的公司。Google在公有云上不太可能超過Amazon了，自動駕駛上折騰了好多年但看起來掛的可能性非常大，而在語音交互上Google很可能會再一次敗給Amazon。 

語音助手上的大PK

今年CES上最有意思的事情是語音交互型產(chǎn)品泛濫，從英偉達(dá)到聯(lián)想，各大巨頭對此達(dá)成了共識，紛紛殺入。這里面比較核心的兩家分別是Amazon和Google，前者的代表產(chǎn)品是Echo和內(nèi)置的語音助手Alexa，后者則是Google Home和內(nèi)置的語音助手Google Assistant。

正常來講不管從那個(gè)維度來看都是Google具有足夠的優(yōu)勢，有技術(shù)、有資源、有積累，但具體看下來Google實(shí)際上落后甚遠(yuǎn)，甚至可能難以挽回。

要想看懂語音交互這方向的走勢，那么需要深度理解與之相關(guān)的產(chǎn)品和技術(shù)的本質(zhì)特征。

Echo這類產(chǎn)品的核心特征是多層技術(shù)高度融合（聲學(xué)、語音識別、語義、搜索、內(nèi)容）。其中聲學(xué)是軟硬件的分割點(diǎn)，向下關(guān)聯(lián)產(chǎn)品ID以及內(nèi)部結(jié)構(gòu)，向上影響語音識別。而語義之后的部分則是純軟件與內(nèi)容。

對于Amazon和Google這樣的公司，它們先天把自己定義為做生態(tài)和平臺的公司，所以其核心一定不是Echo這個(gè)硬件產(chǎn)品本身，而是背后的語音助手比如Alexa，因?yàn)橹挥蠥lexa才代表一種新的生態(tài)。

Alexa這種語音助手很多人覺得是像Android一樣的操作系統(tǒng)，但實(shí)際上看成是一個(gè)操作系統(tǒng)+超級App更為合適。

要把Alexa這樣的語音助手安裝到各種硬件里事實(shí)上有兩種途徑：

• 一種是純軟的方式。我就把語音助手做好，不管誰要用裝進(jìn)去就可以了。這種模式下在技術(shù)層次上最多需要下探到語音識別，核心則是語義和對話。這模式最明顯的參照是搜索引擎。

• 一種則是軟硬融合的方式。我做一個(gè)標(biāo)桿型的硬件產(chǎn)品，然后再把硬件產(chǎn)品中的助手開放出去。這模式最明顯的參照是Android這樣的操作系統(tǒng)。

純互聯(lián)網(wǎng)公司會傾向于第一種方式，因?yàn)檫@種模式最輕，而后一種模式要組織生產(chǎn)和銷售，還要下探到聲學(xué)這樣的層次，無疑重很多。

但模式一的核心問題有兩個(gè)：

• 語音交互很難在現(xiàn)有平臺上啟動（手機(jī)、平板、電腦），而直接把近場上的語音交互遷移到遠(yuǎn)場上效果會很差，誰來解決落地過程中各種坑坑洼洼的問題？

• 不知道硬件上的需求，如何設(shè)計(jì)出與各種硬件適配的API，如何知道怎么提供對于硬件廠商最為便利的方案？把這種苦活累活完全下放給各個(gè)硬件廠商去自己摸索嗎？

Google開放ASR和NLP的API其實(shí)已經(jīng)許久了，但從CES的結(jié)果來看，顯然Alexa這種系統(tǒng)整合型的方案更受歡迎，它即解決了與下層硬件的適配問題，也解決了后端內(nèi)容整合問題。

拔高一層來看整件事情，我們可以講做語音助手這事，事實(shí)上有這樣幾個(gè)關(guān)鍵控制點(diǎn)：

• 做標(biāo)桿型的硬件產(chǎn)品，但不與已有用戶習(xí)慣對沖。直接講就是新品類必須避開手機(jī)和PAD，否則一定會被覆蓋掉。

• 豐富后端內(nèi)容，對于語音助手而言，硬件、音樂甚至打電話都是內(nèi)容。內(nèi)容需要從頭部開始逐漸填充長尾內(nèi)容。引申開來就是要把Alexa和Echo這個(gè)產(chǎn)品分割開來，讓它后面的東西盡可能的多。

• 樹立技術(shù)優(yōu)勢，在這里技術(shù)既包含深度學(xué)習(xí)這樣的純算法也包含聲學(xué)等與物理緊密相連的領(lǐng)域。當(dāng)內(nèi)容沒多到一定程度的時(shí)候，前端技術(shù)（聲學(xué)和語音識別）要比語義更重要。因?yàn)樗鼈兏绊懰俣群途取?nbsp;

亞馬遜做對了什么？

在上一節(jié)提到的幾個(gè)點(diǎn)上亞馬遜幾乎每個(gè)都做對了。

第一亞馬遜沒回避硬件的煩難，花了四五年打造了Echo，這樣一來亞馬遜就掌握了一個(gè)很難被超越的制高點(diǎn)。

這看著很詭異，但事實(shí)就會這樣，否則的話Google直接把Google Assistant開放出來就行了，根本不需要自己打造什么Google Home。但實(shí)際上硬件和背后Assistant的耦合程度遠(yuǎn)高于搜索和瀏覽器，搜索和瀏覽器的耦合程度事實(shí)上是便利不便利，但Alexa和前端的硬件的耦合程度則牽涉好不好用的問題。而Google則是迫于Echo的壓力才開始做Google Home。

第二亞馬遜在Echo獲得初步成功后迅速開始分離Echo和Alexa，具體動作就包括完SDK（ASK&AVS）的文檔和案例，成立Alexa Fund，積極尋找戰(zhàn)略合作伙伴等。最終結(jié)果之一就是所謂的7000項(xiàng)技能。7000個(gè)技能是非常可怕的事情，完全足以覆蓋技術(shù)和某些內(nèi)容上的劣勢。這就好比淘寶上商家數(shù)一旦超過某個(gè)閾值，QQ流量再大也搞不定了。

那現(xiàn)在Google有幾個(gè)第三方伙伴呢，它只有1個(gè)。而且Google似乎還在神游，它作為后來者本應(yīng)該上來就把這一系列東西都做了，這樣才體現(xiàn)后發(fā)優(yōu)勢，但它并沒有。

第三是用用穩(wěn)妥的方案打造更優(yōu)異的體驗(yàn)。穩(wěn)妥的方案是說前端至少要和亞馬遜持平，后端再體現(xiàn)語義和內(nèi)容連接上的優(yōu)勢，這樣就可以在整體上反超。但Google很有意思的選了個(gè)兩麥克的方案，直接導(dǎo)致交互效果很差。這實(shí)在是大昏招，從便宜的角度解釋是合理的，但你在做的是個(gè)標(biāo)桿型產(chǎn)品，便宜與否真的那么關(guān)鍵嗎？

引申一下這意味著什么？

這意味著Google可能很難追上Amazon了。

Google和Amazon相比無疑的在技術(shù)層面上會有優(yōu)勢，但是如果對技術(shù)進(jìn)行分解我們會發(fā)現(xiàn)實(shí)際上Google真正可能具有優(yōu)勢只是NLP和搜索部分。這就非?？膳拢?yàn)镹LP部分不存在質(zhì)的差異，你并不能在這個(gè)點(diǎn)上單憑算法明顯拉開體驗(yàn)，而在內(nèi)容沒多到一定程度的時(shí)候，搜索的優(yōu)勢根本體現(xiàn)不出來。而一旦技術(shù)突破，亞馬遜則在這部分累積了足夠多的數(shù)據(jù)。請注意這里的數(shù)據(jù)是完全和場景匹配的數(shù)據(jù)，而不是匹配度低的網(wǎng)頁公開數(shù)據(jù)，其中還包含了用戶的各種偏好。

這時(shí)候沒人會和Google扮演陪練的角色，一起從頭玩一遍。 

Google好像又把事搞砸了

在過去漫長的時(shí)間里，Google這個(gè)公司有點(diǎn)被神話了，讓人潛意識的覺得它無所不能，但Google實(shí)在不是一個(gè)做產(chǎn)品的公司，我們也許可以把它定義為做算法的公司或者對算法癡迷的公司。如果Google真的在語音交互這事上玩大條了，那核心原因很可能就在這里。 

做算法的時(shí)候技術(shù)是第一維度，但做產(chǎn)品的時(shí)候體驗(yàn)是第一維度，你并不能掉過來玩：我這項(xiàng)技術(shù)很NB，所以我要把它放產(chǎn)品里，所以用戶要為此買單。而是要反過來思考，比如延時(shí)、響應(yīng)率和對答準(zhǔn)確率在這類產(chǎn)品上影響用戶體驗(yàn)，所以我要在現(xiàn)有技術(shù)上把這體驗(yàn)做到極致。

從表現(xiàn)出來的行為來看，Google正好屬于前一種。

上面說到的選擇兩麥克風(fēng)方案來實(shí)現(xiàn)Google Home，從這個(gè)角度來解釋也是合理的。比如說如果想在云端用深度學(xué)習(xí)等處理前端信號問題，并堅(jiān)信能做好，那這么選擇前端方案就完全沒問題，后端持續(xù)改善算法就行了。

但這樣一來產(chǎn)品體驗(yàn)上打折扣就非常厲害。如果Google是第一個(gè)發(fā)布這種產(chǎn)品，時(shí)間窗口很大，那也問題不大，關(guān)鍵它不是，它需要這樣一款產(chǎn)品來和亞馬遜的Echo競爭，這就可怕了。你是后發(fā)，那怕做到一樣的水平也沒啥優(yōu)勢何況你還差一截。挑戰(zhàn)新技術(shù)這事在工程師思維下是合理的，但在產(chǎn)品思維下就錯(cuò)的離譜。

這類的問題點(diǎn)還有很多，比如你喚醒詞叫什么不好非叫”OK Google”，做智能助理顯然Alexa更適合這種擬人一點(diǎn)的情景。

Google Home出來后本應(yīng)該使勁推廣Google Assistant到各大廠商，而不是趟在既有的優(yōu)勢上睡大覺（Google在技術(shù)、不同設(shè)備關(guān)聯(lián)、內(nèi)容上是有優(yōu)勢的，畢竟它有Youtube等），但從CES上來看，Google并沒有忙著干這事，至少到現(xiàn)在為止我們還看不到Google版的Alexa Service Kit和Alexa Voice Service。

這樣看來Google和亞馬遜之間差了至少一年的差異。對打造產(chǎn)品的用戶來講選擇依賴于那家甚至是個(gè)不用考慮的問題，一邊是有開放API很多第三方客戶，一邊是沒有開放API只有一個(gè)第三方客戶。換你你也會這么選擇?。ò衍浻泊蛲?，API封裝到這個(gè)程度還是很費(fèi)勁的，如果你不信看看這里的文檔吧。 

小結(jié)

Google的業(yè)務(wù)最依賴于云，但事實(shí)上在云服務(wù)上敗于亞馬遜，Google自動駕駛啟動最早但看架勢似乎會起個(gè)大早趕個(gè)晚集，Google人工智能投入最多但從現(xiàn)在的進(jìn)展來看，很可能會再次敗給亞馬遜。

如果說前兩次失敗不動搖根本，那這次很不一樣，因?yàn)樵贏I這里交互既是搜索，它其實(shí)輸不起，輸了就會變成另一個(gè)微軟。 

本文作者李智勇，聲智科技合伙人&副總裁，訂閱號：zuomoshi(琢磨事)

從CES（國際消費(fèi)類電子產(chǎn)品展覽會 International Consumer Electronics Show）的進(jìn)展來看，Google現(xiàn)在確實(shí)在把語音交互這事兒搞砸，而越來越變成一家很能折騰但不太能干成事的公司。Google在公有云上不太可能超過Amazon了，自動駕駛上折騰了好多年但看起來掛的可能性非常大，而在語音交互上Google很可能會再一次敗給Amazon。

語音助手上的大PK

今年CES上最有意思的事情是語音交互型產(chǎn)品泛濫，從英偉達(dá)到聯(lián)想，各大巨頭對此達(dá)成了共識，紛紛殺入。這里面比較核心的兩家分別是Amazon和Google，前者的代表產(chǎn)品是Echo和內(nèi)置的語音助手Alexa，后者則是Google Home和內(nèi)置的語音助手Google Assistant。

正常來講不管從那個(gè)維度來看都是Google具有足夠的優(yōu)勢，有技術(shù)、有資源、有積累，但具體看下來Google實(shí)際上落后甚遠(yuǎn)，甚至可能難以挽回。

要想看懂語音交互這方向的走勢，那么需要深度理解與之相關(guān)的產(chǎn)品和技術(shù)的本質(zhì)特征。

Echo這類產(chǎn)品的核心特征是多層技術(shù)高度融合（聲學(xué)、語音識別、語義、搜索、內(nèi)容）。其中聲學(xué)是軟硬件的分割點(diǎn)，向下關(guān)聯(lián)產(chǎn)品ID以及內(nèi)部結(jié)構(gòu)，向上影響語音識別。而語義之后的部分則是純軟件與內(nèi)容。

對于Amazon和Google這樣的公司，它們先天把自己定義為做生態(tài)和平臺的公司，所以其核心一定不是Echo這個(gè)硬件產(chǎn)品本身，而是背后的語音助手比如Alexa，因?yàn)橹挥蠥lexa才代表一種新的生態(tài)。

Alexa這種語音助手很多人覺得是像Android一樣的操作系統(tǒng)，但實(shí)際上看成是一個(gè)操作系統(tǒng)+超級App更為合適。

要把Alexa這樣的語音助手安裝到各種硬件里事實(shí)上有兩種途徑：

一種是純軟的方式。我就把語音助手做好，不管誰要用裝進(jìn)去就可以了。這種模式下在技術(shù)層次上最多需要下探到語音識別，核心則是語義和對話。這模式最明顯的參照是搜索引擎。

一種則是軟硬融合的方式。我做一個(gè)標(biāo)桿型的硬件產(chǎn)品，然后再把硬件產(chǎn)品中的助手開放出去。這模式最明顯的參照是Android這樣的操作系統(tǒng)。

純互聯(lián)網(wǎng)公司會傾向于第一種方式，因?yàn)檫@種模式最輕，而后一種模式要組織生產(chǎn)和銷售，還要下探到聲學(xué)這樣的層次，無疑重很多。

但模式一的核心問題有兩個(gè)：

語音交互很難在現(xiàn)有平臺上啟動（手機(jī)、平板、電腦），而直接把近場上的語音交互遷移到遠(yuǎn)場上效果會很差，誰來解決落地過程中各種坑坑洼洼的問題？

不知道硬件上的需求，如何設(shè)計(jì)出與各種硬件適配的API，如何知道怎么提供對于硬件廠商最為便利的方案？把這種苦活累活完全下放給各個(gè)硬件廠商去自己摸索嗎？

Google開放ASR和NLP的API其實(shí)已經(jīng)許久了，但從CES的結(jié)果來看，顯然Alexa這種系統(tǒng)整合型的方案更受歡迎，它即解決了與下層硬件的適配問題，也解決了后端內(nèi)容整合問題。

拔高一層來看整件事情，我們可以講做語音助手這事，事實(shí)上有這樣幾個(gè)關(guān)鍵控制點(diǎn)：

做標(biāo)桿型的硬件產(chǎn)品，但不與已有用戶習(xí)慣對沖。直接講就是新品類必須避開手機(jī)和PAD，否則一定會被覆蓋掉。

豐富后端內(nèi)容，對于語音助手而言，硬件、音樂甚至打電話都是內(nèi)容。內(nèi)容需要從頭部開始逐漸填充長尾內(nèi)容。引申開來就是要把Alexa和Echo這個(gè)產(chǎn)品分割開來，讓它后面的東西盡可能的多。

樹立技術(shù)優(yōu)勢，在這里技術(shù)既包含深度學(xué)習(xí)這樣的純算法也包含聲學(xué)等與物理緊密相連的領(lǐng)域。當(dāng)內(nèi)容沒多到一定程度的時(shí)候，前端技術(shù)（聲學(xué)和語音識別）要比語義更重要。因?yàn)樗鼈兏绊懰俣群途取?/p>

亞馬遜做對了什么？

在上一節(jié)提到的幾個(gè)點(diǎn)上亞馬遜幾乎每個(gè)都做對了。

第一亞馬遜沒回避硬件的煩難，花了四五年打造了Echo，這樣一來亞馬遜就掌握了一個(gè)很難被超越的制高點(diǎn)。

這看著很詭異，但事實(shí)就會這樣，否則的話Google直接把Google Assistant開放出來就行了，根本不需要自己打造什么Google Home。但實(shí)際上硬件和背后Assistant的耦合程度遠(yuǎn)高于搜索和瀏覽器，搜索和瀏覽器的耦合程度事實(shí)上是便利不便利，但Alexa和前端的硬件的耦合程度則牽涉好不好用的問題。而Google則是迫于Echo的壓力才開始做Google Home。

第二亞馬遜在Echo獲得初步成功后迅速開始分離Echo和Alexa，具體動作就包括完SDK（ASK&AVS）的文檔和案例，成立Alexa Fund，積極尋找戰(zhàn)略合作伙伴等。最終結(jié)果之一就是所謂的7000項(xiàng)技能。7000個(gè)技能是非?？膳碌氖虑?，完全足以覆蓋技術(shù)和某些內(nèi)容上的劣勢。這就好比淘寶上商家數(shù)一旦超過某個(gè)閾值，QQ流量再大也搞不定了。

那現(xiàn)在Google有幾個(gè)第三方伙伴呢，它只有1個(gè)。而且Google似乎還在神游，它作為后來者本應(yīng)該上來就把這一系列東西都做了，這樣才體現(xiàn)后發(fā)優(yōu)勢，但它并沒有。

第三是用用穩(wěn)妥的方案打造更優(yōu)異的體驗(yàn)。穩(wěn)妥的方案是說前端至少要和亞馬遜持平，后端再體現(xiàn)語義和內(nèi)容連接上的優(yōu)勢，這樣就可以在整體上反超。但Google很有意思的選了個(gè)兩麥克的方案，直接導(dǎo)致交互效果很差。這實(shí)在是大昏招，從便宜的角度解釋是合理的，但你在做的是個(gè)標(biāo)桿型產(chǎn)品，便宜與否真的那么關(guān)鍵嗎？

引申一下這意味著什么？

這意味著Google可能很難追上Amazon了。

Google和Amazon相比無疑的在技術(shù)層面上會有優(yōu)勢，但是如果對技術(shù)進(jìn)行分解我們會發(fā)現(xiàn)實(shí)際上Google真正可能具有優(yōu)勢只是NLP和搜索部分。這就非?？膳?，因?yàn)镹LP部分不存在質(zhì)的差異，你并不能在這個(gè)點(diǎn)上單憑算法明顯拉開體驗(yàn)，而在內(nèi)容沒多到一定程度的時(shí)候，搜索的優(yōu)勢根本體現(xiàn)不出來。而一旦技術(shù)突破，亞馬遜則在這部分累積了足夠多的數(shù)據(jù)。請注意這里的數(shù)據(jù)是完全和場景匹配的數(shù)據(jù)，而不是匹配度低的網(wǎng)頁公開數(shù)據(jù)，其中還包含了用戶的各種偏好。

這時(shí)候沒人會和Google扮演陪練的角色，一起從頭玩一遍。

Google好像又把事搞砸了

在過去漫長的時(shí)間里，Google這個(gè)公司有點(diǎn)被神話了，讓人潛意識的覺得它無所不能，但Google實(shí)在不是一個(gè)做產(chǎn)品的公司，我們也許可以把它定義為做算法的公司或者對算法癡迷的公司。如果Google真的在語音交互這事上玩大條了，那核心原因很可能就在這里。

做算法的時(shí)候技術(shù)是第一維度，但做產(chǎn)品的時(shí)候體驗(yàn)是第一維度，你并不能掉過來玩：我這項(xiàng)技術(shù)很NB，所以我要把它放產(chǎn)品里，所以用戶要為此買單。而是要反過來思考，比如延時(shí)、響應(yīng)率和對答準(zhǔn)確率在這類產(chǎn)品上影響用戶體驗(yàn)，所以我要在現(xiàn)有技術(shù)上把這體驗(yàn)做到極致。

從表現(xiàn)出來的行為來看，Google正好屬于前一種。

上面說到的選擇兩麥克風(fēng)方案來實(shí)現(xiàn)Google Home，從這個(gè)角度來解釋也是合理的。比如說如果想在云端用深度學(xué)習(xí)等處理前端信號問題，并堅(jiān)信能做好，那這么選擇前端方案就完全沒問題，后端持續(xù)改善算法就行了。

但這樣一來產(chǎn)品體驗(yàn)上打折扣就非常厲害。如果Google是第一個(gè)發(fā)布這種產(chǎn)品，時(shí)間窗口很大，那也問題不大，關(guān)鍵它不是，它需要這樣一款產(chǎn)品來和亞馬遜的Echo競爭，這就可怕了。你是后發(fā)，那怕做到一樣的水平也沒啥優(yōu)勢何況你還差一截。挑戰(zhàn)新技術(shù)這事在工程師思維下是合理的，但在產(chǎn)品思維下就錯(cuò)的離譜。

這類的問題點(diǎn)還有很多，比如你喚醒詞叫什么不好非叫”OK Google”，做智能助理顯然Alexa更適合這種擬人一點(diǎn)的情景。

Google Home出來后本應(yīng)該使勁推廣Google Assistant到各大廠商，而不是趟在既有的優(yōu)勢上睡大覺（Google在技術(shù)、不同設(shè)備關(guān)聯(lián)、內(nèi)容上是有優(yōu)勢的，畢竟它有Youtube等），但從CES上來看，Google并沒有忙著干這事，至少到現(xiàn)在為止我們還看不到Google版的Alexa Service Kit和Alexa Voice Service。

這樣看來Google和亞馬遜之間差了至少一年的差異。對打造產(chǎn)品的用戶來講選擇依賴于那家甚至是個(gè)不用考慮的問題，一邊是有開放API很多第三方客戶，一邊是沒有開放API只有一個(gè)第三方客戶。換你你也會這么選擇！（把軟硬打通，API封裝到這個(gè)程度還是很費(fèi)勁的，如果你不信看看這里的文檔吧。

小結(jié)

Google的業(yè)務(wù)最依賴于云，但事實(shí)上在云服務(wù)上敗于亞馬遜，Google自動駕駛啟動最早但看架勢似乎會起個(gè)大早趕個(gè)晚集，Google人工智能投入最多但從現(xiàn)在的進(jìn)展來看，很可能會再次敗給亞馬遜。

如果說前兩次失敗不動搖根本，那這次很不一樣，因?yàn)樵贏I這里交互既是搜索，它其實(shí)輸不起，輸了就會變成另一個(gè)微軟。