阿里入局智能音箱，爭奪智能家居語音交互入口

機器之心原創

作者：吳欣

亞馬遜、微軟、三星、谷歌、蘋果等公司都在爭奪智能家居交互入口的躍進道路上，巨頭圍獵之下，中國的大小公司所面臨的競爭激烈程度可見一斑，而更殘酷的可能是，到最後這會是一場 AI 技術之戰。

「整個科技的變革帶來新一次紅利，我們也在思考是否有比觸屏更好的交互方式，經過一段時間的研究，我們認為語言是下一代交互的自然方式。」阿里巴巴人工智慧實驗室負責人淺雪（本名陳麗娟）在發布會上說，「另一方面，智能音箱是一個產品線很長的產品，任何一個環節出現問題，整個音箱的體驗都會很差，這是阿里自己做音箱的重要原因。」

阿里巴巴人工智慧實驗室負責人淺雪

7 月 5 日，在位於北京鼓樓的時間博物館，阿里巴巴 Ai Labs 舉辦「未來，開口即來」新品發布會，宣布推出該部門第一款自主開發的智能音箱「天貓精靈 X1」，其售價僅為 499 元。如此前機器之心的報道，它能夠理解中文語音指令，通過語音交互實現購物、播放音樂音頻內容、玩遊戲、查天氣、問百科、充話費、控制天貓魔盒等功能，短期內僅面向中國市場發售。

作為淘寶網第一代產品經理，淺雪特別談到開發音箱的產品設計理念：「在家庭環境下使用的一款產品，不應該是外觀很大、只有大聲音的智能設備，這是我們對這款產品的第一個思考，另一方面，語音交互這種方式將無所不在，做得越來越小，才是語音交互助手終極追求方向。」

阿里巴巴智能音箱技術揭秘

根據現場介紹，天貓精靈 X1 採用了首顆為智能語音行業開發的定製晶元，在解碼、降噪、聲音處理、多聲道的協同等方面做了專門的優化處理。針對 AliGenie 需要進行大量音頻處理、聲音合成的工作環境，定製晶元加入了獨立的 NEON 處理單元，NEON 技術可加速音頻和語音處理、電話和聲音合成等，從而帶來更優秀的語音識別及音頻處理效果。值得一提的是，這款晶元面積減少 25%，功耗降低 32%，效率提高了 25%。

系統軟體方面，採用了一鍵聲波配網技術，這讓天貓精靈 X1 不到 10 秒就能連上網路。而配網對智能家居來說，非常有挑戰性，目前大部分產品配網時間平均大於 30 秒。

收音方案則採用了六麥克風收音陣列技術。在頂部的六顆高靈敏麥克風有助於收集來自不同方向的聲音，從而更容易在周圍的噪音中識別出有用的信息，來達到更好的遠場交互效果。據了解，思必馳作為項目合作方，在這款音箱中提供了環形六麥陣列、語音識別、語音合成、回聲消噪及語音增強等前端技術解決方案。

作為提升天貓精靈 X1 理解力、執行力和進化力的關鍵系統 AliGenie，集成了阿里巴巴積累多年的自然語言處理、人機交互等技術。淺雪介紹稱，「AliGenie 擁有用戶畫像、語境和上下文、同義詞、反義詞、上下位、口語化表達能力。我們通過數據演算法格式，以計算、演算法、數據三方面來呈現。計算層面使用了 FPGA 雲端硬體定製化邏輯電路加速，進行前端雲端聯合優化。在演算法方面，具備語音特徵表達能力，並首創了混合神經網路，AliGenie 也學習了強化和隨機策略。」從數據上看，憑藉阿里巴巴積累起來的一批獨有、海量的中文語料，AliGenie 目前認識的中文實體已經超過一億，但在維基百科上的中文實體還不到 1000 萬。

不久前，為天貓精靈 X1 提供技術支持的團隊也首次曝光了其自然語言處理成果。據了解，目前通過深度機器學習，天貓精靈 X1 已兼容 20 個領域的自然語義理解。

基於聲紋識別技術，天貓精靈 X1 實現了不少功能。首先，音箱能夠在家庭使用場景中識別 6 個人，並保證身份指向性，以提供良好的私密性。其次，用戶在發起購物、充值等需求時說出聲紋密碼，音箱就可以啟動聲音識別系統進行身份驗證，並在確認後完成交易。與亞馬遜 Echo 購物功能不同的是，前者支持用戶把商品加進購物車，而天貓精靈 X1 可以通過聲紋驗證直接支付。根據官方信息，阿里人工智慧實驗室正在對聲紋識別、聲紋購、NLP 中文對話引擎等核心技術申請專利。

下一代交互入口陷入混戰

至此，這場由亞馬遜帶動起來的語音交互中國巷戰，已經聚齊中國互聯網巨頭。除了通過自主研發與合作方式推出產品，也紛紛開放自己的技術與服務實施生態化圈地運動。

AliGenie 系統不僅支持天貓精靈 X1，還擁有一個開發者平台，將對開發者開放深度學習、自然語言處理、搜索 / 推薦演算法、知識表示及推理問答系統四個方面的核心技術。在分成方面，開發者可以獲得全部收益，平台在推廣期間不參與分成。

AliGenie 平台主要面向四種類型的開發者，包括內容開發者、應用開發者、智能家居開發商和硬體生產商。不同的開發者，可以通過 AliGenie 創建技能，提供更多的語音服務，如現場展示的應用 Keep。

事實上，阿里巴巴的優勢也包括內容和應用端，從淘寶網、天貓到支付寶等平台可支持的日常商業服務眾多。目前，該系統除了包括音樂音頻、兒童教育、家居控制等方面的應用入駐，該系統也接入 5 家酒店，並與美國最大玩具廠商美泰達成戰略合作，在智能家電方面支持 100 多個品牌。在這之後，阿里還會推出相關的阿里 AI 創新開發者計劃。

不久前，騰訊雲也推出騰訊雲小微智能服務系統，包含了硬體、skill、智能服務三大平台。與幾大巨頭中最早推出音箱產品叮咚的京東、更專註於開放語音交互底層技術的 DuerOS 相比，騰訊雲小微不僅僅聚焦在語音層面，服務於包括智能音箱在內的各類硬體產品以及機器人等，幾乎對標於 Amazon 的 Alexa。在此前機器之心的採訪中得知，除了飛利浦電視、親見家庭語音助手等已經亮相的產品外，其平台已經有 200 多家合作夥伴已經在陸續接入，在騰訊雲小微第一期「畢業生」中將有 30 多款針對不同場景的智能音箱與耳機、20 多款人形機器人、車載 HUD、大家電等產品，同時還有超市智能管理、樓宇監控對講等應用。而在騰訊公司執行董事劉熾平在接受《The Information》採訪時透露，騰訊正在研發一款智能音箱，或在八月份發布。

一批仍然不可忽視的玩家，也都在不斷加碼。利用先發優勢，京東與科大訊飛於 2015 年 8 月合作推出的京東叮咚也已經接入 100 多項互聯網服務並且擁有自主的開發者平台，服務夥伴包括中通快遞、e 袋洗、百度地圖、京東通信、JIMI 機器人、有道雲筆記。此外，叮咚還接入智能硬體平台——京東微聯，從而使用戶通過叮咚音箱的語音交互控制平台上的家電產品，包括生活電器、廚房電器、空調、可穿戴設備等。在 2017 年 6 月的亞洲消費電子展上，京東發布了叮咚智能音箱 Top 和叮咚二代，相比第一代產品，新產品新增了自定義喚醒詞、聲紋識別、第三方音箱擴展、多種發音人等功能。

除了互聯網巨頭，傳統 IT 廠商聯想集團也進軍智能音箱領域，在 2017 年 1 月，聯想在 2017 年國際消費類電子產品展覽會上發布智能音箱，共配置了八個 360 度遠場麥克風，並採用雜訊抑制與回聲消除技術，使其能夠接收 16 英尺（5 米）以外用戶的語音命令。聯想的智能音箱擁有兩個版本，國內版採用聯想研究院與思必馳共同研發的中文自然語義理解系統，能進行多輪語言自然互動。海外版則集成 Amazon Alexa 雲語音服務。

亞馬遜、微軟、三星、谷歌、蘋果等公司也都在爭奪智能家居交互入口的躍進道路上，巨頭圍獵之下，中國的大小公司所面臨的競爭激烈程度可見一斑，而更殘酷的可能是，到最後這會是一場 AI 技術之戰。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！