音箱在即将过去的 2018 年迎来了狂飙突进的一年，中国的互联网巨头纷纷进场。据测算，2018 年中国的智能音箱出货量达到 2200 万台，相较去年增长 10 倍之多。阿里、百度、小米和京东纷纷参与到补贴大战当中，小玩家已经被排挤出市场。大洋彼岸的美国智能音箱市场同样战况焦灼，但

　　智能音箱产品的核心是会话系统，例如：小爱同学/天猫精灵/小度在家等，然后跟人进行会话。智能问答机器人又称会话代理或智能代理(Intelligent Agent)，是模仿人类对话的计算机程序，检索用户输入，基于关键技术进行内置算法计算，再匹配数据库并返回运算结果。

　　智能问答机器人产品的关键技术包括自然语言处理、解析技术、语音识别、语义识别、SQL和相关数据库、机器学习深度学习等。

　　由于智能问答产品是基于人机交互服务，由内置规则和人工智能支持，它可嵌入众多社交平台，如新浪微博、微信、Facebook Messenger、Slack、Telegram、Text Messages等，具备强大的社会性。

　　常常AI产品经理就智能问产品实施框架，不同模块结合不同技术，多种算法的应用使智能问答产品具备强大交互性。生动有趣的用户界面为人机交互增添了趣味性。此外，智能问答机器人还能够在历史交互中学习，随着时间推移改进响应的精准性。

　　同时，能让用户通过对话式服务高效准确地执行任务。正是智能问答产品具备社会性、交互性、趣味性、智能性及有效性，目前该类产品广泛用于电子商务（例如：阿里旺旺、百度小度等）、医疗服务（情感关怀机器人）、休闲娱乐（度假酒店的智能语音窗帘、各种音乐类智能音箱）等领域，且产品功能愈渐创新，但智能问答类产品在学习领域的研究刚刚处于起步阶段。

　　在智能音箱/问答类产品中，产品经理做智能问答产品，必懂智能问答原理是：模拟人类对话的计算机程序，做哪个领域的产品需要预先构建那个领域的知识库，机器接收问题后经过计算，返回最贴切的匹配。

　　同时结合AI的神经网络算法、机器学习、深度学习、自然语言理解逐步提升之前没有预设的知识库也能与人进行交互。

　　2017年7月份，在位于北京鼓楼的时间博物馆，阿里巴巴 Ai Labs 举办「未来，开口即来」新品发布会，宣布推出该部门第一款自主开发的智能音箱「天猫精灵 X1」，其售价仅为 499 元，其语音交互技术综合采用了来自思必驰的语音识别、语音合成、算法降噪、环麦阵列，以及阿里 AliGenie的NLP和声纹识别等。它能够理解中文语音指令，通过语音交互实现购物、播放音乐音频内容、玩游戏、查天气、问百科、充话费、控制天猫魔盒等功能。

　　在语音交互前端技术方面，“天猫精灵 X1”采用了思必驰环形六麦阵列技术（AISpeech 6mic）。在顶部的六颗高灵敏麦克风有助于收集来自不同方向的声音，从而更容易在周围的噪音中识别出有用的信息，实现360°全角度拾音效果和5米远场交互。思必驰作为项目合作方，在这款音箱中提供了环形六麦阵列、语音识别、语音合成、回声消噪及语音增强等技术方案。该款产品的NLP、声纹识别等技术则来自 AliGenie，它集成了阿里巴巴积累多年的自然语言处理、人机交互等技术。

　　环形麦克风阵列在智能音箱类家居产品中成为了宠儿，一是由于它能够满足家居环境下远场交互的需求，二是由于它能够帮助智能音箱、智能中控、机器人等需要全角度拾音的智能硬件产品实现更好的收音效果。思必驰2015年即推出了国内首款环形6+1麦克风阵列，现已全面升级至环形6麦，算法更优化且成本更低，目前在智能机器人和智能音箱领域有较为广泛的应用。

　　天猫精灵X1采用了最平凡的圆柱形设计，有黑白两种配色，高度为128mm，直径为82mm。在硬件配置上，天猫精灵 X1采用了业内首颗 SmartAudio专业处理芯片，相比此前市面上的主流芯片，处理效率提升25%，功耗降低32%。系统软件方面，采用了一键声波配网技术，这让天猫精灵 X1 不到 10 秒就能连上网络。而配网对智能家居来说，非常有挑战性，目前大部分产品配网时间平均大于 30 秒。

　　一个值得注意的细节是天猫精灵 X1 的底部设计了朝下发光的灯带（12 颗高亮 RGB 唤醒灯），因此并不会直接刺眼，同时通过不同颜色的视觉反馈能够表示不同的含义（1600 万色），这一点在现场连线产品演示时也能注意到。

　　从产品功能方面，天猫精灵X1内置阿里第一代中文人机交流系统AliGenie，相当于一个“你的小秘书”，支持效率工具、订日程、备忘提醒；音频音乐播放；购物助手支持话费充值、订外卖；日常生活用品购买；健身教练支持倒计时、卡路里查询等。 其背后拥有阿里体系庞大的内容资源，可为用户提供丰富多样的服务。

　　基于阿里系的主生态网上购物，X1 推出了声纹识别，还打通了支付环节。用户先将自己的声音注册后生成声音密码，与机器绑定后，确认开启声纹购功能。随后，当用火狐说出 “帮我买一箱牛奶” 这样的需求时，天猫精灵会要求用户跟着念一串随机数字进行声纹校验，如果确认为用户本人，天猫精灵会从用户绑定的支付宝中进行扣款完成交易。

　　浅雪介绍，声纹识别技术是生物识别的重要识别手段之一，结合服务链多重安全机制，已达到商用的级别。这也是阿里在语音深度学习领域的核心技术之一。据悉，天猫精灵目前最多可以识别 6 个人的身份。

　　阿里还重点介绍了号称「第一代中文语音人机交流系统」的 AliGenie，这是一个云端语音操作系统，能够听懂中文普通话语音指令。

　　目前已经可以实现智能家居控制、语音购物、手机充值、叫外卖、音频音乐播放等功能，覆盖了音乐、影视、餐饮、人物、旅游、财经等 20 多个领域，能够理解人类 80% 的意图。

　　AliGenie 还配备了技能市场，类似于手机的应用市场，开发商可以为其开发出各种各样的实用技能，丰富其产品的使用场景。目前，AliGenie 的开发者平台主要面向 4 种类型的开发者，包括内容开发者、应用开发者、智能家居开发商和硬件生产商，并向开发者们开放了包括深度学习、自然语言处理、搜索/推荐算法和知识表示及推理问答系统等四大核心技术，以帮助开发者及硬件厂商节约研发成本，更好地为用户提供服务。

　　这里值得关注的是内容开发者和硬件生产商的开放。在采访环节阿里表示，内容开发者平台类似于一个「语音版公众平台」，内容创业者可以在这里进行音频内容的上传，并且形成特有的内容服务；而硬件生产商方面，已经和「芭比娃娃」生产商美泰尔进行合作，将来开发出与 AliGenie 语音联动的玩具产品。硬件方面目前阿里智能联盟的上千万智能家居设备已经能够与天猫精灵 X1 进行连接，随着阿里对 AliGenie 开发者平台的开放，天猫精灵 X1 也将能够支持越来越多的智能硬件设备。

　　阿里推出的不仅是天猫精灵X1，AliGenie的智能语音平台的用户前景也许才是他更关注的焦点。

　　2018年3月22日，阿里巴巴人工智能实验室2018春季发布会上，阿里发布了搭载AliGenie2.0系统的“天猫精灵火眼”。只需要49元购买天猫精灵XHolder，天猫精灵X1的用户就能升级成天猫精灵火眼。

　　简单来说，在AliGenie 2.0系统加持下，天猫精灵火眼具备视觉认知和交互能力，可识别117套儿童读物（直接有声阅读）、40000种中国家庭常用药（说出药品名称、功效、用法以及保质期等），未来还将增加“万物识别”和“人脸识别”技能。

　　据官方介绍，AliGenie1.0是阿里巴巴推出的第一代中文人机交流系统，通过“听”和“说”，带来了全新的交互体验。

　　AliGenie2.0在“听”和“说”的基础上引入视觉能力，能够进行视觉认知、多模态交互、情景感知。

　　其中，AliGenie 2.0的视觉认知能力包括图像识别、人脸识别、物体检测；AliGenie 2.0的多模态交互能力可以通过对语音、图像、触摸等多种交互形态的融合，模拟人与人之间的交流方式；AliGenie2.0的情景感知能力，则基于你所在的上下文、对话场景自主学习，深刻理解情景需求。

　　据了解，AliGenie 2.0首先将视觉能力落地在天猫精灵X1，通过搭载在天猫精灵手机APP的“精灵火眼”功能，以及天猫精灵XHolder，天猫精灵在几乎没有增加硬件设备成本的情况下，实现了视觉识别能力。

　　阿里表示，起名叫“精灵火眼”，意味着天猫精灵从此有一双炯炯的火眼，能看见、感知外部的世界，拥有视觉能力的天猫精灵，会给人们生活带来更大的帮助。

　　此外，精灵火眼提供了一个全新视觉系统，基于3D虚拟形象，提供自然交互的表情拟态动画，目前包括近20多种拟态动画，触摸虚拟形象的不同部位，能够产生反馈和互动，使用户体验从天猫精灵的语音交互升级为“精灵火眼”的自然互动。

　　面向儿童，精灵火眼能识别117套图书，通过图像识别，结合智能语音互动、声音朗读，帮助儿童读书、识字。面向老人，精灵火眼能够识别4万种药盒，覆盖中国家庭常用药，只要用精灵火眼扫一扫药盒，就能用语音播报药名、功效、过期日等信息。

　　天猫精灵从2017年8月8日正式开售天猫精灵系列产品，直到2018年7月5日，时隔不到一年，累计全渠道销量为500多万台。

　　5G时代即将来临，手机厂商们也都纷纷进军智能家居这块市场平台， 华为进军AI智能音箱的敲门砖，同华为Mate 20一起发布的“华为AI音箱”表现如何。

　　华为AI音箱的外形看起来有点像堂鼓，不过堂鼓是以木为框，两面蒙牛皮，而华为AI音箱则是以塑料材质塑形后，在所谓的“木框”蒙上了一层帆布“皮”。同堂鼓一样能给人一种朴实的感觉，放在那都不会有突兀的感觉。

　　堂鼓的鼓皮是用动物皮革制成，通过特殊工艺去除了皮革的粗糙感，保留了皮革上特有的纹路。而华为AI音箱上的帆布采用棉质线编制而成，摒弃了帆布的糙感，却有了同帆布一样的质感，可以很清晰的感受到棉线上的纹路却不会有粗糙的感觉，拿在手中还是挺舒适的。

　　华为AI音箱的“鼓面”上有四个按钮来分别实现音量调节、播放/暂停、接通/挂断电话等最基本的操作，鼓面上的六个收音孔则是能够带来更好的拾音效果，让人在唤醒的时候更加简单，体验更好。

　　底部配有一个，因为电源接口较为靠内，所以采用了走线凹槽的方式，同时为了加固摆放还贴了一圈的圆形防滑垫，防滑垫边缘还有一个用于恢复出厂设置的圆形小孔。底部不足6厘米的直径圆内贴有APP二维码下载地址和12V/2A的电源输入规格以及强调调音是联合丹拿完成的凹陷字体。

　　音箱，音箱，最重要的就是一个“音”字。 华为AI音箱在为保证其音质的前提下选择了北欧扬声器品牌——丹拿，并且也是同丹拿一起联合调音。在使用过程中也符合丹拿的一贯作风，在低音方面表现会更加突出一些。

　　音箱采用了一个丹拿设计的线W全频带扬声器单元，再用2×1500mm²的无源低音辐射器配合。保证高还原度的的音质。