大模型卷進(jìn)智能音箱，戰(zhàn)火重新點(diǎn)燃

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)話來找到這些問題的答案。

智能音箱與生成式AI技術(shù)的結(jié)合已經(jīng)在巨頭玩家中初現(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。

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?，未來，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。

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。

谷歌副總裁兼助理業(yè)務(wù)部門負(fù)責(zé)人Sissie Hsiao說：“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?！?/p>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。

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)帶來新變量的必然性。

回溯過往，2014年亞馬遜推出全新硬件品類Echo，將智能語音交互技術(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。

從市場(chǎng)數(shù)據(jù)來看，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)。

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)來看，生成式AI技術(shù)能為智能音箱帶來什么新的變量？

首先從基本功能來看，智能音箱曾被看好的語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)，或者能通過對(duì)用戶說話內(nèi)容上下文的理解來控制相應(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。智能音箱在語音交互方面具有聲音大而清晰的天然優(yōu)勢(shì)。未來，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。

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，并且迅速帶來顛覆性革新，其能為這一產(chǎn)業(yè)帶來多少新變量，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。

不過，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。

更直觀的來看就是，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，未來隨著算法進(jìn)化，大模型訓(xùn)練過程中對(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，并且適配于語音交互的場(chǎng)景。

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。

現(xiàn)在，我們還無法給出類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。

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)交互模式也將帶來新的變革。