智能音箱會讓阿里再次“芝麻開門”嗎？

【中國數(shù)字視聽網(wǎng)訊】2017年7月5日，阿里人工智能實驗室在北京時間博物館發(fā)布了一款名為“天貓精靈”的智能語音音箱。一個智能語音音箱，對于阿里的意義來說卻可大可小。

2003年5月淘寶成立，當年10月推出支付寶。此后迄今14年，淘寶一路超越ebay易趣、雅虎等成為亞洲第一大網(wǎng)絡(luò)零售商。2008年推出淘寶商場，2012年1月更名為天貓，2017年7月“天貓精靈”公測。

阿里公眾與客戶溝通部張啟表示，“感覺現(xiàn)在的天貓精靈有點像2003年淘寶剛開始發(fā)展的時候，一切都剛開始。”從當年淘寶第一版非常丑陋的網(wǎng)頁入口到今天精工細作的智能語音音箱入口，“天貓精靈”會不會成為阿里的下一個進化奇點?人工智能時代，阿里的進化之路又將如何演進?

阿里的“航天飛船”

2016年，阿里人工智能實驗室(A.I.Labs)成立，負責阿里巴巴集團旗下消費級AI產(chǎn)品的研發(fā)。2017年3月，阿里宣布“NASA計劃”，聚集于核心領(lǐng)域的研究，解決未來10年到20年后的困難。而“天貓精靈”作為阿里自研的硬件產(chǎn)品，實際上承擔了類似“航天飛船”的硬件功能。

阿里人工智能實驗室負責人陳麗娟(花名：淺雪)在“天貓精靈”發(fā)布會上介紹，天貓精靈X1比亞馬遜Echo和蘋果的Homepod都小巧，這樣的設(shè)計是為了進入家庭時沒有侵入感。當然，“天貓精靈”的小巧外形很有可能是針對中國家庭的面積而設(shè)計。

為了實現(xiàn)小巧的外形設(shè)計，天貓精靈X1采用了首顆專門為智能語音行業(yè)開發(fā)的芯片，針對需要進行大量音頻處理、聲音合成的工作環(huán)境，定制芯片加入了獨立的NEON處理單元，可加速音頻和語音處理、電話和聲音合成等，帶來更優(yōu)秀的語音識別及音頻處理效果。

天貓精靈X1內(nèi)置中文人機交流系統(tǒng)AliGenie，AliGenie實際上與阿里人工智能大腦ET共享技術(shù)成果。依靠阿里云強大的機器學習技術(shù)和計算能力，AliGenie作為人工智能系統(tǒng)就已經(jīng)很成熟。因此，天貓精靈X1的難點并不在語音識別、智能語音交互等人工智能功能，反而在于硬件的設(shè)計、制造、供應(yīng)鏈管理等阿里之前沒有涉及到的業(yè)務(wù)領(lǐng)域。

陳麗娟表示，阿里之所以沒有選擇外包的方式來完成天貓精靈X1的硬件設(shè)計、生產(chǎn)和制造等工作，是因為智能語音音箱涉及到了非常復雜的軟硬件集成與硬件工程，目前在市場上還找不到一家能夠滿足所有上下游零部件集成研發(fā)、生產(chǎn)與制造的廠商，因此阿里只好自己來承擔這個硬件產(chǎn)業(yè)集成的角色。

全面激活阿里技術(shù)生態(tài)體系

天貓精靈X1和AliGenie應(yīng)用了阿里積累多年的語音識別、自然語言處理、人機交互等技術(shù)。

基于聲紋識別技術(shù)，X1還推出了聲紋購功能，這也是是第一個商用的聲紋購物系統(tǒng)。

阿里人工智能實驗室的語義理解系統(tǒng)還帶有記憶功能和總結(jié)歸納能力，加入了模擬的“長期記憶”和“短期記憶”功能，能夠針對不同的場景和時間度，讓語義理解系統(tǒng)更加貼近用戶。除此之外，阿里人工智能實驗室還已經(jīng)著手其他多個語種的研究。

現(xiàn)在，這些阿里技術(shù)生態(tài)體系，也隨著AliGenie開發(fā)者平臺對外開放，包括了語音技術(shù)、服務(wù)入口以及硬件方案，并整合阿里生態(tài)體系中豐富的互聯(lián)網(wǎng)服務(wù)和商業(yè)鏈接能力，共同為消費者提供智能體驗。

AliGenie開發(fā)者平臺主要面向四種類型的開發(fā)者：內(nèi)容開發(fā)者、應(yīng)用開發(fā)者、智能家居開發(fā)商和硬件生產(chǎn)商，開放的核心技術(shù)包括深度學習、自然語言處理、搜索/推薦算法、知識表示及推理問答系統(tǒng)等，將免費開放給開發(fā)者和硬件廠商，無需從頭搭建AI語音系統(tǒng)。

至于為什么叫X1，阿里表示在數(shù)學中“X”代表未知數(shù)和變量，天貓精靈X1作為阿里消費級AI產(chǎn)品的開端，也充滿著未知和變量，阿里人工智能實驗室推出的第一款產(chǎn)品因此命名為X1。

語音交互是思維方式的變革

自從亞馬遜推出Echo智能語音音箱以來，全世界都把目光投向了下一代人機交互方式：智能語音。今年恰逢iPhone十周年，10年前iPhone用手寫人機交互方式徹底顛覆了之前的鍵盤式人機交互，當年很多IT和手機企業(yè)都死守鍵盤交互而最終被甩出歷史的舞臺。

iPhone的手寫人機交互是蘋果公司的首創(chuàng)么?當然不是，之前已經(jīng)有包括微軟在內(nèi)的多家科技公司研發(fā)出了手寫觸屏人機交互技術(shù)，但在PC鍵盤思維統(tǒng)治之下，沒有一家公司愿意相信一個沒有鍵盤的手機會成功。蘋果推出第一代iPhone，不僅僅是一個技術(shù)和產(chǎn)品路線的選擇，而是思維方式和觀念的徹底變革。

沒有鍵盤的手機，到底如何成功?十年后的今天，同樣的問題又出現(xiàn)了。沒有手寫觸屏的智能終端，到底如何成功?如果僅僅把智能語音人機交互看成是一種技術(shù)和產(chǎn)品路線，顯然無法成功。就像當年的iPhone一樣，智能語音人機交互本質(zhì)上是一種思維方式的變革。

怎么理解智能語音人機交互是一種思維方式的變革呢?

很簡單，如果一個智能終端只剩下一個麥克風和音箱來完成人機交互的話，就將失去手寫和鍵盤輸入的豐富而明確的選項與空間，只剩上下句對話之間的極為有限的選項和空間，這種極簡、有限而又模糊的方式，勢必倒逼整個互聯(lián)網(wǎng)產(chǎn)品與生態(tài)的重新思考與再設(shè)計。

一款智能語音音箱，僅僅是這個重新思維與再設(shè)計過程的起點。只有通過學習和積累實際使用智能語音音箱產(chǎn)品的用戶行為大數(shù)據(jù)，才有可能完成這個重新思維與再設(shè)計。經(jīng)過這個過程的洗禮，下一個阿里的形態(tài)，才有可能浮出水面。

（編輯：daisy）