自2017年開始，國內智慧硬體市場上對智慧音箱的關注度飛速提升，幾家大廠先後推出自己的智慧音箱產品。而在此之前，國外巨頭包括谷歌、亞馬遜，也都已經推出自己的智慧音箱產品，尤其是亞馬遜的Echo，2016年的銷量超過1400萬臺。

為什麼智慧音箱產品在所謂智慧硬體元年過了兩三年之後才火起來？其實火爆的並不是智慧音箱產品本身，而是智慧音箱背後的語音助手，比如亞馬遜的Alexa、蘋果的Siri等。

前面我講了一個智慧燈類產品的案例，這類產品通常需要使用者去找手機、開啟App，然後才能開燈。這個過程的體驗差在哪裡？互動方式。

我們和電燈原來的互動方式是透過牆上的開關，如果是床頭燈，直接伸手就能夠到了，智慧燈反而把這個互動方式複雜化了。

類似電燈這類的產品智慧化，與手機電視不一樣，是沒有螢幕的，因此最好的互動方式應該是語音互動。

蘋果公司旗下的智慧語音助手Siri，目前已經支援自然語言輸入、實時翻譯等多種功能，可以讓一定版本以上的iPhone手機或iPad（平板電腦）變身為智慧化機器人，聽上去十分酷炫。

此外還有亞馬遜的Alexa，我國現在也出現了各類語音識別技術和應用軟體，智慧語音助手品類已經非常之多。可是即使技術已研發多年，甚至有公司表示其產品的語音識別能力已經可以媲美人類，但至今語音互動也沒能成為主流應用。

原因有兩方面。

第一個是語音互動還不太符合人們的使用習慣。智慧手機上的很多輸入法現在已經支援語音輸入，並且效果還不錯，但絕大多數使用者在掏出手機後，最大的習慣不是對著手機說話，而是用手指觸控。我們還沒有形成對著手機說話這類使用習慣，而且如果是在公共場合，由於要保持素質，也不適合大聲講話。

今天的很多年輕人會選擇在網上訂餐，但很少有人在訂餐前便已經考慮好要吃什麼。他們會開啟一個訂餐的App，根據相應推薦進行選擇。在購買火車票或飛機票時也是如此，觸控、點選、滑動才是最習慣、最直接的人機交流方式。

當然，使用習慣不是語音互動沒能成為主流應用的主要原因，主要原因是當前語音互動技術仍然存在較大的應用障礙。雖然目前語音識別技術已經可以說比較成熟，使用者說的標準官方語言如普通話、英語，甚至部分地區的方言，語音識別軟體都可以快速識別並轉換成文字，但是，語音識別只是語音互動的基礎，語音互動更大的挑戰在於語義識別。而語義識別，對於當前的人工智慧技術來說，與人類自身還存在巨大的鴻溝。

舉例來說，我和智慧語音助手說一句話：“這是一本講極致產品的書。”智慧語音助手能夠理解的是這些文字，分別是“這”“是”“一本”“講”“極致”“產品”“的”“書”。每個字或詞，它都可以識別出來，可能根據“吞下”的詞典，也大概知道“書”是什麼，但是，它一定理解不了“講極致產品的書”是什麼書。

而智慧硬體，比如智慧空調，如果我在家比較熱，我希望當我說“屋裡好熱”時，它能夠自動調節溫度；但是如果我說“屋裡好熱，可是孩子感冒了”，它就難以理解我後半句話的意思是不用調低溫度了。

這是當前語音互動領域面臨的最大挑戰。

受技術限制，當前的智慧硬體的使用者互動體驗也不十分完美，反應較慢，使用者經常需要耐心等待人工智慧的迴應，一個回合一個回合地與人工智慧交流，會磨蝕使用者的耐心，這明顯違背了人性。

另外，如果我們想讓人工智慧認識貓這種動物，可能需要讓其瀏覽101萬張貓的照片，這就意味著人工智慧需要大資料的鼎力支援。在網際網路和大資料的相關積累不足時，資料基數也不存在，智慧硬體的使用者體驗便會受到很大限制。

因此，在智慧硬體的互動設計工作上，無論是創業者還是巨頭公司，都還有很長的路要走。

瑕不掩瑜，即使智慧硬體確實存在各種問題，暫不可能在一兩年內就改變世界，但我始終認為它是未來發展的大勢所趨，也是360重點關注且始終踐行的產品方向。