智东西（公众号：zhidxcom）
文 | 寓扬

《Her》是一部关于人机相恋的科幻电影。剧中男主角在一段悲惨的爱情后，偶然的爱上了一款先进的人工智能操作系统（OS），这个虚拟助手能够和人类对话，幽默风趣善解人意，又能够不断自我学习丰富自己的意识和情感。

而当下随着智能音箱等各种智能设备的出现，虚拟语音助手也成为我们谈论的热点。我们何尝不想拥有电影中的虚拟助手，它无处不在地陪伴着我们，并为我们提供各种服务。

就在昨日极客公园的奇点大会上， 出门问问创始人&CEO李志飞回应了这个问题“虚拟个人助理到底与我们生活有多远”，会后他接受了智东西等媒体的采访，并就出门问问的智能音箱、自然语言理解以及行业布局展开对话。

一、出门问问“软硬件结合+多场景联动”

出门问问是一家软硬件结合的人工智能公司，由李志飞在2012年10月创建。而在创办公司之前，李志飞是美国约翰霍普金斯大学计算机系的博士，之后在谷歌总部担任科学家，从事机器翻译的研究工作，这里面最核心的技术就是自然语言理解。

李志飞谈到，在公司创立之初，他们就希望在下一代移动设备或者是计算设备到来的时候，去定义下一代的人机交互方式。为此，出门问问也经历了三个阶段的探索。

在2012年到2014年刚成立的一年半里，出门问问主要做算法，问问团队把语音识别、语义理解、后面内容的对接、搜索、推荐系统都自己做了一遍。李志飞表示，由于之前技术的积累，这个阶段是比较简单的。然后李志飞开始探索技术到底应用在什么地方，并在手机上做了一些应用。

在2014年到2015年，出门问问开始走向软硬件结合的道路。李志飞谈到，“到底什么样的方式能够承载下一代的交互方式？我们就想到软硬件结合这个点”。具体来讲，就是把软件和硬件结合起来，去开拓一个新的品类，而出门问问首先做的软硬件结合的设备就是智能手表。

做完智能手表，出门问问具备了软件、硬件和算法的联合开发能力。在形成一个不错产品的前提下，李志飞又走向了软硬件结合+多场景联动道路的探索。因为人的生活场景的多元的，虚拟助手如果只是在手表上，是非常局限的，而通过多个场景的多款产品的联动，让虚拟助手无处不在，才能让用户更便捷的使用虚拟助理。所以，出门问问开始尝试智能家居、智能车载等更多场景的产品。

目前出门问问软硬件结合的产品已有智能手表Ticwatch、问问耳机Ticpods、车载智能后视镜问问魔镜Ticmirror、智能音箱Tichome等一系列产品。

二、出门问问智能音箱将更加注重音质

在智能家居的产品中，出门问问最早探索的就是智能音箱，并于今年4月份发布智能音箱Tichome以及虚拟个人助理“问问”。李志飞向智东西透露，该款智能音箱将在今年8月24日左右发布上市，月底进入量产。

他谈到，出门问问在去年下半年开始对智能音箱进行调研，今年开始着手去做，第一批样品已经在4月份亮相，目前产品已经打磨了近4个月。

当智东西问及价格时，李志飞表示，问问音箱的价格将会比市场上的音箱贵一些，大致价格在700-1000元之间。为什么问问智能音箱会比天猫精灵X1、小米智能音箱贵呢？它有什么优点？

李志飞谈到，首先在音质上，问问智能音箱要比市场上所有智能音箱的音质要好，主要是采用了高中低音不同的两个喇叭组合，音腔也更大，导致成本的上升。第二，围绕音质，出门问问会寻找更好的音乐源，更优秀的合作伙伴，花更高的成本投资在这一块。第三相比市场上的产品，出门问问在智能语音交互上做的更好，比如说多轮对话、百科问答等。

第四，在策略上，出门问问的智能音箱不止在国内销售，还在国外销售，在海外和谷歌合作，通过自身硬件和Google Assistant相结合。李志飞谈到做硬件只有销售更多的量才有规模效益，有更多的用户使用，才能支撑投入、售后、服务和产品迭代。智能音箱市场80%都在海外，而中国只占了20%，所以从最初起出门问问就要做一款全球化的产品。

可见，作为一款智能音箱，李志飞首先还是聚焦在音箱的核心功能听歌上，并提供更优质的音质和音乐源，其次才是智能化程度，这和苹果HomePod的理念不谋而合。

此外，李志飞也谈到，跟风苹果也没有什么不好，因为一个小的创业公司很难去定义一个产品品类，但可以在品类的基础上通过技术去创新。出门问问也在做一款类似苹果AirPods耳机，预计今年年底将会推出产品。

三、虚拟个人助理究竟离我们有多远

电影《Her》描述的是2025年的情形，其中的虚拟助理具有自然对话、善解人意、无处不在、爱恨情仇四个特点。但李志飞表示，未来7、8年要实现这一款产品是非常非常困难的，核心瓶颈就在于自然语言理解能力。

目前的智能音箱更多的还是“one shot”模式，即一轮对话，多轮对话也只是应用在闲聊中。李志飞表示，问问音箱可以展开基于上下文背景的多轮对话，比如你可以说“播放音乐”，然后可以接着问“这首歌是什么名字”、“歌手是谁”、“他结婚了吗”等更深度的对话，但为了用户体验，每次发问仍然需要唤醒。

当智东西问及NLP（自然语言处理）的发展状况以及何时才能实现《Her》中的虚拟助理时，李志飞表示， 语音交互发展到今天，语音识别基本已经到了可用的程度，当然也需要对各种噪音和口音环境迭代优化，但根本瓶颈在于自然语言理解和对话系统上。

NLP和对话管理背后都是机器学习、大数据、云计算算法，但NLP更多的指一句话在上下文中如何去理解它；对话管理是前面进行到了一个什么样的状态，即机器说过什么、人说过什么，没说过什么，它是对化状态的管理，这两个技术都是语音交互比较大的瓶颈。两者的突破在于怎么能有效的把NLP技术和知识图谱、推理的结合。

而自然语言理解很难说它发展到哪种程度，说白了还是计算机没有常识，没有办法对物理世界进行建模。一个很有趣的悖论是，一方面计算机可以创造一个程序，打败世界上最牛的棋手；但是另一方面，计算机都不能像一个5岁小孩一样跟你进行正常对话，而这正是计算机没有对物理世界和常识进行建模和理解。

四、智能音箱是战略性布局

考虑到智能音箱在NLP上的瓶颈，以及国内使用的实际情况，那智能音箱当下在国内是否是一个伪需求呢？

李志飞坦言，不好判断智能音箱在国内是否是伪需求，尽管亚马逊Echo可以达到千万销量，但短时间内达到千万级别的量还是很困难的。

首先，国内用户在对智能音箱的认知上是远远低于美国的，他们的调查显示，在美国80%的人知道智能音箱是什么，而中国认知度20%都不到。第二美国智能家居的成熟度是比较高的，房子更大， 用户喜欢去DIY，而国内这样的环境是不具备的。总的来说，国内智能音箱发展不容乐观。

但对所有的公司，包括像出门问问以语音交互为核心的公司，智能音箱就是一个战略性的产品。虽然销量起来需要时间，技术成熟需要时间，但是如果今天不去做智能音箱，未来四年就算用户有这个需求，技术上已经成熟，那么跟你也没有关系。与运营的产品不同，这样的产品需要很多技术上的积累，像天猫、叮咚的布局更是看中智能音箱未来的战略价值。

当谈到小米智能音箱（299元）、天猫精灵X1（499元）的价格时，李志飞表示，出门问问不会选择低价路线，在市场不成熟的当下，降低价格不见得能够卖出多少产品，反而会降低研发、推广的成本。

结语：百箱大战即将到来

目前，市面上的智能音箱越来越多，叮咚音箱、天猫精灵、若琪音箱、小雅智能音箱、小米智能音箱、问问智能音箱等都陆续加入战局，还有一大波玩家正在路上，“百箱大战”即将到来！

有的玩家硬件把控强，拼性价比；有的玩家技术强，拼交互；有的玩家内容资源丰富，打内容；还有的打渠道等等。但没有一家企业全部具备以上优势，而未来的比拼一定是基于用户体验的生态。

而国内市场和用户最终是否买账也要画上一个大大的问号。但正如李志飞所说，智能音箱是一款布局未来的战略性产品，谁也承受不起错失风口的风险。