智能音箱能否成為AI的首張王牌？百度DuerOS給出了答案

人工智能領(lǐng)域再度熱鬧起來，這一次是因為智能語音助手。

在百度推出DuerOS開放平臺后，國安廣視搭載DuerOS的新一代G2人工智能機頂盒及智能語音遙控器又落地河北。未來2年內(nèi)，河北全省預(yù)計將有200萬+用戶享受人工智能帶來的生活改變。與此同時，阿里也推出一款內(nèi)置中文人機交流系統(tǒng)AliGenie的智能音箱，加上騰訊在此前推出的小微智能語音解決方案，智能音箱已然成為BAT的又一戰(zhàn)場，而誰能成為中國版的Echo也成為科技圈的一大談資。

可在業(yè)界看來，阿里以及號稱要在八月份發(fā)布自己的智能音箱的騰訊，更像是智能語音領(lǐng)域一個遲到的“覺醒者”。距離亞馬遜Alexa的推出已經(jīng)有近兩年的時間，蘋果的Siri、Google的Assistant、微軟的Cortana等也在推出時間上占據(jù)優(yōu)勢。即便在國內(nèi)，Fast Company 在去年年底就將百度排在具創(chuàng)新的 AI 和機器學(xué)習(xí)企業(yè)榜單第三位，僅次于 Google 和 IBM。百度深度語音識別系統(tǒng)Deep Speech2更是入選MIT 2016十大突破性技術(shù)。

正如第三方分析機構(gòu)Canalys分析師賈沫所說，智能音箱對人工智能技術(shù)要求很高。盡管目前語音識別方案較為完善，但是在深度學(xué)習(xí)等人工智能技術(shù)上并不是短時間內(nèi)能夠彌補的，只有深耕人工智能才有可能成為大玩家。

這次，百度的DuerOS走在了前面

巧合的是，在阿里推出“天貓精靈X1”的同時，百度也在其AI開發(fā)者大會也首次系統(tǒng)闡述了百度對于AI語音交互領(lǐng)域的重視以及野心，以DuerOS開放平臺為支撐，試圖在AI領(lǐng)域再造安卓式的操作系統(tǒng)生態(tài)。

一個瞄準(zhǔn)了智能硬件，一個要做安卓式的操作系統(tǒng)生態(tài)，與百度相比，阿里在智能語音交互領(lǐng)域的動作還是晚了不少。

巨頭們紛紛瞄準(zhǔn)智能音響，在某種程度上確認了科技領(lǐng)域的一個既定事實，即語音將成為下一代交互入口之一，甚至?xí)谀承╊I(lǐng)域取代現(xiàn)有的圖像、動作等人機交互方式。而想要實現(xiàn)這一宏偉目標(biāo)，僅靠智能音響這一純粹的硬件產(chǎn)品恐怕是難以實現(xiàn)的，畢竟智能音響還需要經(jīng)歷數(shù)據(jù)積累、業(yè)務(wù)完善、云端服務(wù)部署等一系列流程。

阿里和百度不同的選擇，和兩家公司對人工智能的認識不無關(guān)系。早在 2013 年年初，百度就成立了百度深度學(xué)習(xí)研究院（IDL），并在三個月之后在硅谷成立了硅谷人工智能實驗室。而在當(dāng)時，人工智能這個概念在業(yè)界方興未艾，大公司中也僅有百度等少數(shù)玩家嘗試進行系統(tǒng)性的布局。隨著業(yè)界對人工智能領(lǐng)域在未來的不斷看好，科技巨頭們相繼改變了對人工智能的態(tài)度：如果你失去了這塊領(lǐng)地，那你也將失去未來。

從2014年開始，阿里、騰訊等開始陸陸續(xù)續(xù)布局人工智能領(lǐng)域，試圖跟上百度等先驅(qū)者的節(jié)奏，并導(dǎo)致智能語音交互成為彼此交鋒的戰(zhàn)場之一。只不過，當(dāng)追隨者還在琢磨智能硬件作為發(fā)力方向的時候，百度的DuerOS已經(jīng)開始了開放生態(tài)的探索。

為什么說生態(tài)才有未來？

BAT為何要把戰(zhàn)火燒向了智能語音交互領(lǐng)域？一個公認的說法是，智能語音交互是基于語音輸入的新一代交互模式，因此也被視為是新的物聯(lián)網(wǎng)入口。

誠然，作為一種新型的人機交互模式，智能語音交互可以實現(xiàn)人機對話，即通過說話就可以得到反饋結(jié)果。將智能語音系統(tǒng)搭載終端硬件，在這樣的“配合”下，制造商們得以進入家庭的每個角落：在客廳看電視，在臥室吹空調(diào)，在廚房用冰箱，而這些也將成為物聯(lián)網(wǎng)時代下人機共處的具體場景。

換而言之，如果語音交互取得廣泛應(yīng)用，智能語音系統(tǒng)企業(yè)獲利的同時，還將帶來從元器件到內(nèi)容服務(wù)全產(chǎn)業(yè)鏈的重構(gòu)。對此，百度也直接放言，對話式人工智能系統(tǒng)DuerOS將成為百度在下一個時代重回巔峰的核心。

然而，要實現(xiàn)這樣的場景，不僅需要深耕語音語義識別技術(shù)，還需構(gòu)建完善的生態(tài)。從PC時代的Windows，到移動互聯(lián)網(wǎng)時代的安卓和iOS，再到智能語音時代的百花齊放，巨頭們一直想要實現(xiàn)的就是打破信息孤島，而開放往往被證明是正確的答案。在人工智能時代有著同樣的商業(yè)邏輯，在系統(tǒng)級層面進行開源和開放，吸引足夠多的服務(wù)和硬件合作伙伴，連接起更多的終端和數(shù)據(jù)，終實現(xiàn)“萬物互聯(lián)”的場景。

為了構(gòu)建生態(tài)，百度做出了兩個重要舉措，一是收購了專注語音喚醒和自然語音交互技術(shù)的人工智能創(chuàng)業(yè)公司KITT.AI，并相繼發(fā)布了DCS(DuerOS Conversational Service)和DBF(DuerOS Bot Framework)兩大基礎(chǔ)協(xié)議，使得DuerOS成為國內(nèi)軟硬一體的“全”解決方案；二是百度在硬件上跟科勝訊、英特爾、MTK、Rockchip、全志、RDA、Realtek、高通等公司合作推出了不同的開發(fā)套件，包括套件的個人版、輕量版、標(biāo)準(zhǔn)版以及開放電路板設(shè)計、開放結(jié)構(gòu)設(shè)計等完整一體化參考設(shè)計，以吸引更多硬件廠商的加入。

百度的做法有何啟示？

當(dāng)然，在人工智能的風(fēng)口下，試圖從系統(tǒng)層面做開放的絕不止百度一家，包括科大訊飛、云知聲等也有所嘗試，但百度的做法押對了嗎？

百度將DuerOS開放平臺分為智能設(shè)備開放平臺、對話核心系統(tǒng)、和技能開放平臺三層。簡而言之，對話系統(tǒng)提供算法能力，比如語音技術(shù)、自然語言處理技術(shù)、搜索技術(shù)、多輪對話技術(shù)等能力，以及知識圖譜等大數(shù)據(jù)；技能層，整合了音樂、有聲、新聞、娛樂等10大類、100多種生對話技能和愛奇藝、懶人聽書這類第三方內(nèi)容資源，免費開放給開發(fā)者；算法層就是上文所提到的幾種軟硬結(jié)合的解決方案。

不難理解百度的野心，通過這些開源的技術(shù)和服務(wù)，開發(fā)者們可以實現(xiàn)不同場景的智能應(yīng)用，輕松設(shè)計出滿足自己需求的產(chǎn)品，而非局限在“音箱”的形式上。語音交互平臺搭載終端硬件，成就更多的智能產(chǎn)品，進而搭建起良性的生態(tài)產(chǎn)業(yè)鏈，這才是百度現(xiàn)在和未來的發(fā)力重點。

能夠證明這一策略行之有效的，或許還是亞馬遜Echo的成功。Echo在發(fā)布之初似乎并不討市場喜歡，即便在音質(zhì)輸出和設(shè)計方面均不輸專業(yè)級產(chǎn)品，亞馬遜還推出了一套完整的音樂流媒體服務(wù)。而當(dāng)諸多的開發(fā)者接入Echo，亞馬遜也嘗試著將Alexa開放給更多開發(fā)者，使得這款智能語音助手更加“好玩”的時候，銷量便開始一路水漲船高。

DuerOS的討巧之處在于，只需要修改17行代碼，就可以在幾秒鐘內(nèi)把搭載亞馬遜Alexa的設(shè)備遷移到百度DuerOS，極大地方便了開發(fā)者的“陣地轉(zhuǎn)移”，尤其對國內(nèi)的開發(fā)者而言，而在這之前，整個過程至少需要五個研發(fā)人員花費3到6個月的時間。百度度秘事業(yè)部總經(jīng)理景鯤也因此向開發(fā)者公開呼吁，在中國選擇DuerOS。

總的來看，BAT等巨頭們擁抱語音交互已經(jīng)是不爭的事實，只是阿里在生態(tài)的搭建上則多少顯得有點瞻前顧后，雖然推出了AliGenie平臺，但與百度DuerOS鼓勵第三方開發(fā)產(chǎn)品合作共贏不同，阿里的重心還是自家產(chǎn)品。而騰訊在這個領(lǐng)域還尚未形成清晰的戰(zhàn)略布局。以至于有業(yè)內(nèi)人士對此分析稱，從策略上來看，百度的DuerOS是大生態(tài)戰(zhàn)略，而天貓精靈X1等幾乎就是照抄Echo。