這個年代，動不動就有人談?wù)撊斯ぶ悄?，就有?chuàng)業(yè)者跳出來說要做智能機(jī)器人，但結(jié)果卻只是紙上談兵，不了了之。小智音箱CEO何永對于AI的理解有著自己的看法，人工智能最終的落地是在人機(jī)交互上面，而目前人機(jī)交互最直接的方式應(yīng)該是語音識別，語音交互的方式既接地氣，人人都能接受，又能實(shí)實(shí)在在的解決實(shí)際問題。

能聽又能說，能想還會做的機(jī)器人是聚熵智能最想做出的產(chǎn)品，何永帶領(lǐng)的聚熵團(tuán)隊(duì)將第一代產(chǎn)品與音樂做了深度結(jié)合，注入了很多機(jī)器人屬性的東西在里面，雖然看上去就像一個普通的音箱，但它卻具備了能與人進(jìn)行語音溝通的能力，能完成用戶下達(dá)的各類語音控制，甚至還能通過控制紅外模塊去遙控家中的家電。

關(guān)于CEO何永，小智“超級音箱”的“奶爸"，誰能想到他之前是在中科院搞基因工程的，做生物信息學(xué)研究，據(jù)他本人介紹就是在人工智能的技術(shù)上，利用計(jì)算機(jī)的手段與技術(shù)去研究分析人體的DNA。至于為什么現(xiàn)在又開始做智能硬件，一方面是因?yàn)樗髮W(xué)所讀的專業(yè)確實(shí)計(jì)算機(jī)，自己對這塊饒有興趣，另外就是基于對未來的判斷，他覺得未來有兩塊領(lǐng)域會很有發(fā)展，一塊是人工智能，一塊是納米醫(yī)學(xué)。而醫(yī)學(xué)門檻太高，目前沒什么可能。

“可能5年前10年前，人工智能這個概念就喊得很嗨了，實(shí)際上的話，在08、09年之前，這個領(lǐng)域發(fā)展很慢，它只是最近這幾年發(fā)展非?？?。我推斷在未來5到10年，人工智能能在很多領(lǐng)域能夠給大家的生活的帶來實(shí)質(zhì)性的變化。”

雷鋒網(wǎng)：“人工智能”與“音箱”有什么聯(lián)系？

何永：其實(shí)這個產(chǎn)品一開始不叫“音箱”，應(yīng)該叫“機(jī)器人”。但是因?yàn)樗鸵魳方Y(jié)合了，所以我們就把它叫“音箱”，當(dāng)然這并不代表我們以后的產(chǎn)品還會是音箱的形式出現(xiàn)。此前還做過一款軟件產(chǎn)品（智能360），現(xiàn)在也還在做，為什么既做軟件還要去做硬件呢？因?yàn)槲覀冇X得做硬件可以讓軟件更好的落地。

考慮做硬件是我們分析了很多家電產(chǎn)品，像電視、空調(diào)、路由器等很多東西，最后還是選擇了音箱作為載體，因?yàn)橐粝渚哂辛藥讉€特征，能很好的結(jié)合人工智能。

首先，家庭里面需要與語音結(jié)合的產(chǎn)品并不多，比如說空調(diào)，電視，這類產(chǎn)品是有必要的。但是路由器就沒有必要，平時放在拐角處，語音接收不方便，也不便于移動。還有燈、插座開關(guān)，也可以結(jié)合語音，但是運(yùn)用起來很簡單，不能真正把人工智能的東西運(yùn)用起來。所以我們分析了很產(chǎn)品之后，發(fā)現(xiàn)只有音箱是最合適的。

雷鋒網(wǎng)：第一代產(chǎn)品選擇“音箱”還有什么原因？

何永：首先，語音可以很好地提升用戶體驗(yàn)，以前音箱是用手機(jī)控制播放，現(xiàn)在可以跟它說話就能播放，這個體驗(yàn)就已經(jīng)提升了。

第二個，它是真的帶有人工智能的價值在里面，因?yàn)橐粝洳幌耖_關(guān)，開燈、關(guān)燈兩個操作就沒了。音箱的交互可以有很多種形式，比如點(diǎn)歌時，你可以和它說“來首周杰倫的歌”、“來首青花瓷”、“來個鋼琴曲”等等，可以有很多種說法，這樣就可以把人工智能的真正價值，也就是我們公司的價值體現(xiàn)出來。

最后，音箱本身能說話。比如說燈的交互只有兩種，但是它不能說話，所以你無法知道你說的話它是不是很好地執(zhí)行了。但如果我和小智說“把臥室的空調(diào)打開”，它就會跟你反饋說“好的，已經(jīng)給你打開了”，所以產(chǎn)品本身能說話可以解決很多問題。

基于這三點(diǎn)我們選擇了音箱為載體去做這些事情，但不代表我們只能做音箱，我們給產(chǎn)品注入了許多的機(jī)器人的屬性：你可以直接和它對話交流，和它聊天，它也可以算“１＋１＋１=？”，小孩可以問它百科知識。

雷鋒網(wǎng)：語音交互難點(diǎn)在哪？

何永：做語音交互沒有想象中的那么簡單，里面有很多問題需要解決：

第一個麥克控制鏈技術(shù)，我們做的是遠(yuǎn)場交互，手機(jī)上的語音識別技術(shù)雖然很成熟但其實(shí)屬于近場識別，拿到三五米遠(yuǎn)可能就完全不能用。

第二就是基于麥克風(fēng)的降噪，這里要考慮到如何把環(huán)境噪聲去掉，再把人聲放大。

第三就是當(dāng)放音樂的時候怎么去進(jìn)行語音控制，這里面有個很大的問題叫回音對焦，就是說設(shè)備播放音樂的時候，人聲很容易被掩蓋，這個時候改如何去進(jìn)行語音識別，是個技術(shù)難題。

第四就是喚醒機(jī)制，遠(yuǎn)距離對話首先要喚醒設(shè)備。原來的喚醒技術(shù)誤喚醒率高，平時無意中說出來的話可能就是觸發(fā)詞，就會誤觸發(fā)機(jī)器人說話，所以這也是個問題。

第五個就是遠(yuǎn)場的語音識別，不僅是識別，還包括了對語調(diào)進(jìn)行訓(xùn)練，不是手機(jī)上簡單的語音識別。

第六個就是語義的理解。同樣做智能語音識別，與小i機(jī)器人不同的是，我們做2C，他們做2B。他們的技術(shù)用于企業(yè)客服，數(shù)據(jù)是有限的。但是隨著人工智能的發(fā)展，數(shù)據(jù)反而會越重要，相同的技術(shù)用于不同的領(lǐng)域，起到的結(jié)果是完全不一樣的。

雷鋒網(wǎng)：怎么做好技術(shù)與產(chǎn)品的結(jié)合？

何永：為什么做語音智能音箱就我們一家呢？因?yàn)閺募夹g(shù)到最后的產(chǎn)品實(shí)現(xiàn)這中間要經(jīng)過很多環(huán)節(jié)，它不是簡單地把東西往里塞，里面有很多東西需要驗(yàn)證。

把技術(shù)與產(chǎn)品結(jié)合需要一個非常長的時期，一般要三到五年的時間，主要有4個環(huán)節(jié)：第一個，技術(shù)本身的理論驗(yàn)證，然后到技術(shù)的工程實(shí)現(xiàn)，然后第三個就是和產(chǎn)品結(jié)合，第四個集成產(chǎn)品。

雷鋒網(wǎng)：如何看待音質(zhì)這個問題？

何永：對于傳統(tǒng)的音箱來說，音質(zhì)和外觀最重要，但對智能產(chǎn)品來說，這兩個是基礎(chǔ)，還有第三個與第四個：交互體驗(yàn)與音樂源。我覺得交互體驗(yàn)是在這幾點(diǎn)中最重要的，我們一代的價格是399，所以我們的音質(zhì)也不和市面上1000以上的音箱去比，這里可以說明下的是，低價位的音響設(shè)備對普通消費(fèi)者來說音質(zhì)存在的細(xì)微差異基本聽不出來，只有更高價位的音箱和專業(yè)的聽音師才能聽出差異。即便如此，還是不排除我們第二代的產(chǎn)品會在這個價格的基礎(chǔ)上做到更好的音質(zhì)。

后記

何永希望能利用小智超級音箱來連接智能硬件，通過語音能夠控制家里的一切家電。人工智能與音箱的結(jié)合，可以認(rèn)為是何永對人工智能布局智能家庭的一次嘗試，他想要做的可能還遠(yuǎn)不止于此。

比如最后談到了智能機(jī)器人Pepper的時候，何永認(rèn)為Pepper更多是做企業(yè)服務(wù)，而未來他們的方向會是家庭服務(wù)，他也甚至指出了這里面存在亟待解決的兩個難點(diǎn)：第一點(diǎn)，真正的智能化，第二點(diǎn)就是硬件本身能做的事情的成本降低了。

小智，做的不僅是超級音箱，他可能還有更大的“陰謀”。

小智招賢納士，求賢若渴，歡迎有志之士簡歷猛砸郵件：hrd@360iii.com。

---

雷鋒網(wǎng)先鋒志（公眾號：vangzine）致力于發(fā)掘更多產(chǎn)品和技術(shù)創(chuàng)新驅(qū)動的創(chuàng)業(yè)項(xiàng)目。如果你也在創(chuàng)業(yè)，如果你也認(rèn)同產(chǎn)品和技術(shù)是改變世界的中堅(jiān)力量，歡迎通過我們向業(yè)界介紹自己。聯(lián)系方式：startup@leiphone.com，24小時內(nèi)會收到我們的回復(fù)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。