銷量緩踩剎車的智能音箱，與狂飆的ChatGPT，能擦出什么火花？

ChatGPT帶來(lái)的生成式AI熱潮正在席卷各行各業(yè)，各類智能硬件產(chǎn)品上也不斷涌現(xiàn)出新的功能和應(yīng)用。

在出貨量逐年下跌、消費(fèi)者熱情逐漸消退的智能音箱產(chǎn)業(yè)，生成式AI強(qiáng)大的語(yǔ)義理解、用戶意圖理解以及內(nèi)容生成能力，給了這一產(chǎn)業(yè)的玩家們尋找新機(jī)遇的絕佳機(jī)會(huì)。

前有小度科技融合文心一言打造的針對(duì)智能設(shè)備場(chǎng)景的人工智能模型“小度靈機(jī)”，后有天貓精靈接入“鳥鳥分鳥”模型打造“AI嘴替”，并官宣將接入阿里大模型通義千問……智能音箱在生成式AI的加持下，正在變得更“聰明”，更有“人情味”。

那么，現(xiàn)在有哪些玩家已經(jīng)入局生成式AI與智能音箱的集成？生成式AI如何賦能智能音箱，而搭載生成式AI技術(shù)的智能音箱距離大規(guī)模普及還有多遠(yuǎn)？我們?cè)噲D通過(guò)追蹤各家智能音箱玩家的最新動(dòng)作并與智能音箱行業(yè)從業(yè)者對(duì)話來(lái)找到這些問題的答案。

一、巨頭動(dòng)作頻發(fā)，ChatGPT是智能音箱的下一個(gè)風(fēng)口嗎？

智能音箱與生成式AI技術(shù)的結(jié)合已經(jīng)在巨頭玩家中出現(xiàn)雛形。2月9日，小度宣布將融合文心一言，打造針對(duì)智能設(shè)備場(chǎng)景的AI模型“小度靈機(jī)”，并將其應(yīng)用到小度全系產(chǎn)品中。4月11日，天貓精靈宣布將正式接入阿里巴巴通義千問……

眾所周知，小度、天貓精靈已經(jīng)穩(wěn)坐國(guó)內(nèi)智能音箱市場(chǎng)前三甲多年。洛圖科技的數(shù)據(jù)顯示，2022年中國(guó)智能音箱全年銷量達(dá)到2631萬(wàn)臺(tái)，百度（35%）、小米（31%）、天貓精靈（27%）、華為（4%）四個(gè)品牌合計(jì)占據(jù)了高達(dá)96.5%的市場(chǎng)份額。

當(dāng)下，這些智能音箱玩家也成為了生成式AI浪潮中的主力軍，走得快的一批已經(jīng)拿出了基于生成式AI技術(shù)的智能音箱測(cè)試產(chǎn)品，還有一類智能音箱玩家正在競(jìng)相發(fā)布生成式AI技術(shù)領(lǐng)域的成果積累，而走得最慢的一類玩家，還尚未透露大模型領(lǐng)域的相關(guān)布局。

▲部分智能音箱玩家的生成式AI技術(shù)布局（來(lái)源：官方公開信息）

1、小度、天貓精靈搶跑，ChatGPT版智能音箱已公開測(cè)試

一類就是以小度、天貓精靈為代表的智能音箱玩家，它們已經(jīng)大踏步入局，并初步亮出了自己的成果。

小度這邊亮出的是人工智能模型“小度靈機(jī)”，借助小度靈機(jī)大模型，現(xiàn)有智能音箱中的語(yǔ)音助手可以變成“超級(jí)助理”。

在官方發(fā)布的測(cè)試視頻中，測(cè)試員告訴超級(jí)助理，他要在周末做各種各樣的事情，而在敘述這些事的時(shí)候，測(cè)試員會(huì)故意提出“修改時(shí)間”的要求，比如原定于周日要做的A事件被B事件替換。

即使面對(duì)測(cè)試員的一系列復(fù)雜要求，這位超級(jí)助理也可以從中提煉出真正有效的信息，并據(jù)此給測(cè)試員生成一份正確的時(shí)間安排表。

此前小度智能音箱并沒有理解這樣復(fù)雜描述并提取信息、進(jìn)行整合的能力，小度靈機(jī)模型的作用體現(xiàn)的比較明顯。

此外，在智能家居場(chǎng)景中的設(shè)備控制環(huán)節(jié)，小度靈機(jī)大模型可以化身智能管家，更準(zhǔn)確地識(shí)別出用戶的真實(shí)需求。

在演示中，測(cè)試員告訴智能管家，“我每天早上七點(diǎn)半一定要起床，周末可以晚一些，大概九點(diǎn)左右，干脆就九點(diǎn)半吧。冬天室內(nèi)溫度不能低于23度，夏天溫度可以定在26度?！贝藭r(shí)超級(jí)助理可以根據(jù)這些描述，確定要在什么時(shí)候開啟家中的空調(diào)、調(diào)整到什么樣的溫度比較合適。

相比傳統(tǒng)智能助手只會(huì)理解“打開空調(diào)”這樣的簡(jiǎn)單單一指令，靈機(jī)模型可以認(rèn)識(shí)到：“用戶到家時(shí)，家里溫度與用戶期望的不一樣，所以需要打開空調(diào)，并且根據(jù)現(xiàn)在的季節(jié)調(diào)節(jié)到合適的溫度”。

顯然，大模型的加入，可以讓智能音箱實(shí)現(xiàn)認(rèn)知能力上的提升。

▲小度靈機(jī)大模型

天貓精靈的策略是針對(duì)于智能音箱訓(xùn)練出一個(gè)個(gè)性更為鮮明的大模型。4月11日，天貓精靈宣布將接入通義千問，據(jù)阿里巴巴集團(tuán)董事會(huì)主席兼首席執(zhí)行官、阿里云智能集團(tuán)首席執(zhí)行官?gòu)堄峦嘎?，未?lái)，天貓精靈除了能回答用戶的提問外，還會(huì)成為更人性化的智能助手。

不同于知識(shí)面更為廣泛的通識(shí)性大模型，更加垂直的“個(gè)性化大模型”面向的是家居場(chǎng)景中相對(duì)更個(gè)性化的需求，在這種個(gè)性化的大模型加持下，這些智能音箱產(chǎn)品可以產(chǎn)生一些特定的“人格化”特征，比如“鳥鳥分鳥”，這一模型的語(yǔ)氣、語(yǔ)調(diào)與脫口秀演員鳥鳥如出一轍，使得智能音箱在內(nèi)容生成、理解能力更強(qiáng)的基礎(chǔ)上，還增強(qiáng)了可玩性。

▲天貓精靈“鳥鳥分鳥”

2、智能音箱+生成式AI雙雙參與，華為、亞馬遜、谷歌仍緘口不言

第二類是此前在生成式AI技術(shù)以及智能音箱領(lǐng)域均有布局，但尚未透露是否會(huì)將兩者進(jìn)行結(jié)合的玩家，包括華為、亞馬遜、谷歌等。

擁有“盤古系列AI大模型”的華為，是智能音箱產(chǎn)業(yè)的重要參與玩家，從其應(yīng)用領(lǐng)域來(lái)看，華為云盤古大模型將在氣象、醫(yī)藥、游戲、稅務(wù)等方面應(yīng)用，但對(duì)于大模型在智能音箱領(lǐng)域的布局未有相關(guān)動(dòng)向公布。

亞馬遜穩(wěn)坐智能音箱市場(chǎng)出貨份額第一多年，上周，亞馬遜的Bedrock生成式AI服務(wù)和自有大模型泰坦（Titan）剛剛面世，相比于微軟、谷歌等，其動(dòng)作已經(jīng)落后。

不過(guò)，亞馬遜還未透露是否將其相關(guān)技術(shù)應(yīng)用于智能音箱Echo中。

今年3月，谷歌發(fā)布聊天機(jī)器人Bard后，就有外媒報(bào)道，該公司正在重組其虛擬助理部門Assistant的匯報(bào)架構(gòu)，以專注于其此前推出的聊天機(jī)器人Bard研發(fā)。

谷歌副總裁兼助理業(yè)務(wù)部門負(fù)責(zé)人Sissie Hsiao說(shuō)：“隨著Bard團(tuán)隊(duì)繼續(xù)這項(xiàng)工作，我們希望確保繼續(xù)支持并執(zhí)行未來(lái)的機(jī)會(huì)。今年，我們比以往任何時(shí)候都更加專注于為用戶提供有影響力的交付?！?/span>

而谷歌的智能音箱產(chǎn)品Echo是否會(huì)融入Bard的能力，谷歌尚未給出準(zhǔn)確答復(fù)。

3、蘋果、小米尚未官宣，內(nèi)測(cè)或已開啟

最后一類是以蘋果、小米為代表的玩家，這些玩家已經(jīng)深耕智能音箱市場(chǎng)多年，但尚未透露與大模型相關(guān)的技術(shù)研發(fā)具體進(jìn)展。

小米曾透露，其很早就在AI大模型領(lǐng)域有嘗試，采用多技術(shù)路線并行，其中，小愛同學(xué)就是典型的大模型落地應(yīng)用場(chǎng)景。

作為國(guó)內(nèi)智能音箱玩家前三甲，小愛同學(xué)的實(shí)踐應(yīng)用經(jīng)驗(yàn)已經(jīng)非常豐富。據(jù)了解，截至2022年12月小愛同學(xué)全球月活躍用戶1.15億。上周五，小米雷軍在微博談到大模型，并著重提到了小愛同學(xué)團(tuán)隊(duì)在AI領(lǐng)域已耕耘多年。

并且，他還透露：“我們正在研發(fā)一些有趣的技術(shù)和產(chǎn)品，等我們打磨好了，再給大家展示?！?/span>

此外，蘋果也曾在2月的內(nèi)部會(huì)議上透露，蘋果正在重點(diǎn)關(guān)注人工智能和大模型，Siri開發(fā)團(tuán)隊(duì)等在定期測(cè)試“語(yǔ)言生成概念”。此外據(jù)外媒9to5Mac報(bào)道，蘋果已經(jīng)在tvOS 16.4中引入了“Siri自然語(yǔ)言生成”的新框架。

ChatGPT的出現(xiàn)與爆火證明了生成式AI這一路線的正確性，先行的巨頭玩家也證明了智能音箱與生成式AI結(jié)合的可行性，以及生成式AI技術(shù)正在為逐漸沒落的智能音箱產(chǎn)業(yè)帶來(lái)新變量的必然性。

回溯過(guò)往，2014年亞馬遜推出全新硬件品類Echo，將智能語(yǔ)音交互技術(shù)植入傳統(tǒng)音箱，帶動(dòng)了智能音箱的火爆熱潮。時(shí)至今日，這一曾被科技圈眾星捧月的“黃金賽道”，卻聲勢(shì)漸熄。

二、熄火的智能音箱，在ChatGPT浪潮里尋找新變量

從市場(chǎng)數(shù)據(jù)來(lái)看，市場(chǎng)調(diào)研機(jī)構(gòu)洛圖科技的報(bào)告顯示，2022年全球智能音箱市場(chǎng)出貨量為1.2億臺(tái)，同比下降25%；國(guó)內(nèi)智能音箱市場(chǎng)銷量2631萬(wàn)臺(tái)，同比下降28%。IDC發(fā)布的2023年中國(guó)智能家居市場(chǎng)的十大洞察也透露，智能音箱和視頻娛樂設(shè)備的市場(chǎng)需求正在逐漸消退，整個(gè)市場(chǎng)呈現(xiàn)下滑趨勢(shì)。

▲2017年-2022年中國(guó)智能音箱市場(chǎng)銷量規(guī)模變化（圖源：洛圖科技）

智能音箱產(chǎn)品中存在的交互體驗(yàn)、應(yīng)用場(chǎng)景單一、產(chǎn)品缺乏創(chuàng)新、互聯(lián)互通差等問題使得一些設(shè)備被放在用戶家中“吃灰”。

當(dāng)下，以ChatGPT為代表的生成式AI技術(shù)在上下文理解、多輪對(duì)話、內(nèi)容生成等方面展現(xiàn)出了極高的交互水準(zhǔn)，巨頭玩家的入局也展現(xiàn)了其與智能音箱的可行性，那么從整個(gè)行業(yè)來(lái)看，生成式AI技術(shù)能為智能音箱帶來(lái)什么新的變量？

首先從基本功能來(lái)看，智能音箱曾被看好的語(yǔ)音交互和智能家居入口兩大功能在實(shí)現(xiàn)上與生成式AI的特性有一定相似之處。這些功能都需要智能音箱去理解用戶的真實(shí)意圖，并且生成質(zhì)量更高的答復(fù)，或者能通過(guò)對(duì)用戶說(shuō)話內(nèi)容上下文的理解來(lái)控制相應(yīng)的智能家居設(shè)備。

此前，智能音箱大多情況下只能實(shí)現(xiàn)一問一答或者十分簡(jiǎn)單的溝通，依托于生成式AI技術(shù)在內(nèi)容生成和理解能力上的優(yōu)勢(shì)，智能音箱可以在進(jìn)一步理解用戶意圖的基礎(chǔ)上，讓回答內(nèi)容的質(zhì)量能夠更趨向于真人的表現(xiàn)。

除了基本功能，生成式AI技術(shù)能制定計(jì)劃、生成摘要等強(qiáng)大理解能力的技術(shù)將進(jìn)一步擴(kuò)展智能音箱的應(yīng)用場(chǎng)景。智能音箱在語(yǔ)音交互方面具有聲音大而清晰的天然優(yōu)勢(shì)。未來(lái)，智能音箱的功能可能并不止于家庭，或許會(huì)走進(jìn)辦公場(chǎng)所成為人們工作的助手等。

從交互方式來(lái)看，生成式AI技術(shù)將會(huì)讓人與機(jī)器交互的體驗(yàn)更加流暢。ChatGPT的交互方式是文本，需要用戶打開電腦或者手機(jī)，鍵入文字才能得到回應(yīng)，而智能音箱則不同，其主要依靠語(yǔ)音，用戶不需要借助其它設(shè)備，只要智能音箱能聽到用戶聲音就可以觸發(fā)交互。

除此以外，在市場(chǎng)上，ChatGPT也正在帶動(dòng)智能音箱產(chǎn)業(yè)成為資本的焦點(diǎn)。據(jù)證券之星的消息，奮達(dá)科技、漫步者、國(guó)光電器等智能音箱概念股都出現(xiàn)大漲行情，資金涌入跡象明顯。

在智能音箱產(chǎn)業(yè)進(jìn)入瓶頸期的當(dāng)下，生成式AI、大模型的出現(xiàn)又將其重新拉回大眾視野，并且迅速帶來(lái)顛覆性革新，其能為這一產(chǎn)業(yè)帶來(lái)多少新變量，還需要搭載著新技術(shù)的智能音箱真正走進(jìn)家庭，我們才可能知道答案。

三、“ChatGPT版”智能音箱普及背后的三大挑戰(zhàn)

不過(guò)，想要讓搭載著生成式AI技術(shù)的智能音箱真正在每一個(gè)用戶家中實(shí)現(xiàn)普及，背后還有算力、數(shù)據(jù)、隱私等天然壁壘。

前段時(shí)間，生成式AI浪潮中最炙手可熱的ChatGPT也被踩下剎車，ChatGPT Plus暫停付費(fèi)、多國(guó)的監(jiān)管機(jī)構(gòu)禁止ChatGPT使用，這背后同樣折射出生成式AI進(jìn)入C端市場(chǎng)需要面臨的算力、數(shù)據(jù)安全、隱私保護(hù)的考量。

首先從算力層面來(lái)看，面對(duì)參數(shù)規(guī)模的大幅增長(zhǎng)，“暴力堆疊”（利用大量高性能GPU）已經(jīng)成為企業(yè)提升大模型訓(xùn)練效果的主要手段，這背后高昂的成本可能成為“ChatGPT版”智能音箱落地普及的門檻。

不過(guò)算力成本高昂的問題并非無(wú)解，此前，創(chuàng)新奇智推出制造業(yè)預(yù)訓(xùn)練大模型，創(chuàng)新奇智CTO張發(fā)恩在接受媒體采訪時(shí)透露，同樣規(guī)模參數(shù)的大模型，其訓(xùn)練精度和所需算力水平其實(shí)在快速下降。

更直觀的來(lái)看就是，隨著開源大模型的出現(xiàn)，一些企業(yè)不需要自己從0到1去訓(xùn)練大模型，前人被訓(xùn)練好的大模型可以直接調(diào)用，再在這一基礎(chǔ)上進(jìn)行優(yōu)化，這相比于從頭開始訓(xùn)練的大模型，其成本將少得多。

并且，未來(lái)隨著算法進(jìn)化，大模型訓(xùn)練過(guò)程中對(duì)算力的依賴度也會(huì)大大降低。

第二個(gè)挑戰(zhàn)是，ChatGPT爆火的很大一部分原因是它可以顛覆式提升生產(chǎn)效率，而這種輸出方式主要以文字、圖片、視頻為主。智能音箱則更注重語(yǔ)音交互，但在人們的日常生活、工作中，需要音頻反饋的內(nèi)容可能只占一小部分，大部分還是以文本、圖片、視頻輸出為主。因此，“ChatGPT版”智能音箱的普及落地需要找到一個(gè)能切準(zhǔn)用戶真正剛需，并且適配于語(yǔ)音交互的場(chǎng)景。

物聯(lián)網(wǎng)音視頻技術(shù)底層服務(wù)商相關(guān)負(fù)責(zé)人告訴智東西，站在大模型的角度，它對(duì)意圖理解、情緒理解、個(gè)性塑造和反思能力有很強(qiáng)的表現(xiàn)并擅長(zhǎng)內(nèi)容創(chuàng)作等，但此前智能音箱的交互還停留在機(jī)械式問答。

他補(bǔ)充道，未來(lái)可能會(huì)誕生一些陪伴型的設(shè)備形態(tài)，當(dāng)然也有可能有別于現(xiàn)有的智能音箱。

如果仍然以聊天對(duì)話、控制智能家居設(shè)備的功能為主，搭載“ChatGPT”的智能音箱可能很快也會(huì)褪去熱度，再次沉寂，因?yàn)檫@看起來(lái)與之前的智能音箱相比并沒有很大區(qū)別。

第三個(gè)挑戰(zhàn)就是，對(duì)于用戶家庭數(shù)據(jù)、隱私安全的保護(hù)。消費(fèi)者對(duì)于智能音箱收集個(gè)人數(shù)據(jù)的問題一直比較敏感，如果想要搭載生成式AI技術(shù)的智能音箱可以更好地理解用戶需求，并給出個(gè)性化解決方案，那么生成式AI勢(shì)必會(huì)涉及到對(duì)用戶個(gè)人信息的收集。

此時(shí)用戶對(duì)于這類產(chǎn)品是否會(huì)接受，以及相關(guān)法規(guī)法律的健全完善，都會(huì)是行業(yè)要面對(duì)的挑戰(zhàn)。

因此，當(dāng)一個(gè)更聰明的智能音箱出現(xiàn)在用戶家庭中，勢(shì)必會(huì)經(jīng)歷較長(zhǎng)的市場(chǎng)教育階段。

一項(xiàng)新技術(shù)的革新以及對(duì)整個(gè)產(chǎn)業(yè)產(chǎn)生實(shí)際的影響必然是長(zhǎng)期過(guò)程，而這一波AI新浪潮仍處于發(fā)展的早期，因此其對(duì)于智能音箱這一產(chǎn)業(yè)產(chǎn)生的切實(shí)影響可能還未明確展現(xiàn)出來(lái)。

現(xiàn)在，我們還無(wú)法給出類ChatGPT技術(shù)在智能音箱中廣泛應(yīng)用、引起真正革命的確切時(shí)間，但可以預(yù)見的是，ChatGPT引爆的熱潮正在加速這一進(jìn)程。

結(jié)語(yǔ)：解密AI帶給智能音箱的想象空間

隨著生成式AI技術(shù)的快速發(fā)展，日漸熄火的智能音箱產(chǎn)業(yè)將有望找到新的增長(zhǎng)空間。在此基礎(chǔ)上，智能音箱等智能終端設(shè)備的人機(jī)交互模式也將帶來(lái)新的變革。

多年以來(lái)，曾靠語(yǔ)音助手紅極一時(shí)的智能音箱一直沒發(fā)展出什么爆款新功能，也沒有出現(xiàn)令人驚艷的重磅升級(jí)，使得消費(fèi)者的換新需求大打折扣，如今這類上知天文下知地理、還能擁有情感陪伴的生成式AI技術(shù)，未來(lái)如能和智能語(yǔ)音助手結(jié)合在一起并落地到用戶家中，將有望帶給智能音箱產(chǎn)業(yè)新的生機(jī)。

不過(guò)對(duì)于其未來(lái)能產(chǎn)生哪些新的場(chǎng)景、新的應(yīng)用？智能音箱的形態(tài)又會(huì)發(fā)生什么樣的變革？目前還未有定論。

文章轉(zhuǎn)載自智東西