相比國內(nèi)外的科技巨頭，微軟在這場號稱“百箱大戰(zhàn)”熱潮里，姍姍來遲。一般來說，遲到的原因無非兩個，一個是動作太慢沒趕上，另一個是在伺機而動等待后發(fā)。如果說此前還無從判斷微軟的“遲”是哪種情況，那么現(xiàn)在則比較清晰了。

兩周前，微軟聯(lián)合音箱制造商哈曼卡頓推出智能音箱 Invoke，Cortana 作為語音智能助手內(nèi)置其中，可供喚醒，執(zhí)行操作。更早前，微軟與亞馬遜同時宣布，打通 Cortana 與 Alexa，在 Windows 10 設(shè)備上對 Cortana 說“call Alexa”，就能夠喚醒后者。 

在AI競爭加劇，智能語音助手混戰(zhàn)的背景下，在薩提亞·納德拉“云+端”的戰(zhàn)略下，從這兩件事其實可以看出微軟對 Cortana 的定位，越來越明晰了：一方面為硬件合作伙伴提供 AI 技術(shù)，另一方面和同行業(yè)伙伴結(jié)盟。 

這個判斷雷鋒網(wǎng)編輯在微軟（亞洲）互聯(lián)網(wǎng)工程院常務(wù)副院長、Cortana 負責人幺寶剛處也得到了確證：

Cortana 的定位是無處不在的人工智能，目前專注效率，既要作為一個應用，也要成為一個平臺。

從應用角度來看，Cortana 進入了 Windows、iOS、Android 等不同的系統(tǒng)，連通微軟生態(tài)中的 Office、Skype 等一同成為效率工具。從平臺角度而言，PC、手機之后，Cortana 相繼也將其 AI 能力應用在了家居、音箱、電視、車載、lOT 等場景中，未來將會隨著微軟的業(yè)務(wù)繼續(xù)進行擴張。

整體來說，智能語音助手這條賽道似乎出現(xiàn)了“奇怪”的盤面，一方面是競爭的加劇，無論是巨頭之間還是創(chuàng)業(yè)公司的涌進都能說明；另一方面則是“結(jié)盟開放”的趨勢越來越明朗。

以下為專訪幺寶剛的Q&A部分，雷鋒網(wǎng)在不改變原意的基礎(chǔ)上做了增刪：

關(guān)于產(chǎn)品

雷鋒網(wǎng)：微軟和哈曼卡頓合作的音箱 Invoke 有什么亮點？

幺寶剛：產(chǎn)品的亮點包括幾個。

第一個是優(yōu)秀的產(chǎn)品自然會吸引最優(yōu)秀的合作者，哈曼卡頓這樣的高端音箱品牌與我們合作，我們也一直希望 Cortana 對外傳達一種高端調(diào)性，因此最突出的一點就是聲音，包括兩部分，一部分是音質(zhì)非常好，另一部分是 Cortana 的聲音——計算機自動生成聲音的自然度也是最好的，這個是第一個亮點。

第二個亮點是，用戶可以通過音箱，直接跟 Skype 連通接打電話，也有一些智能音響可以打電話，但 Skype 除了能夠打電話之外，還跟你的 Skype 聯(lián)系人直接做對話。

第三是跨平臺。用戶不光可以在音箱上呼喚小娜，也可以跨平臺通過 PC，手機等任何操作平臺上聯(lián)動使用Cortana。

作為人工智能助理， Cortana 對用戶提出的知識性問題給予準確的回答，這主要依托了 Bing 的后臺，除了語音識別、自然語言理解，對知識圖譜的建立，都是智能音箱的亮點。其實我們非常高興，雖然我們正式進入這個市場，來的慢一點，但是我們有明晰的定位，并且獲得非常正面的用戶反饋。

Cortana現(xiàn)在定位變的更清晰，現(xiàn)在更多專注在效率方面，高效生活高效工作。

在音箱設(shè)置的時候，如果用戶擁有 Office365 的帳號，就可以直接連接Cortana，并且使用 Cortana 進行管理會議、日程和提醒，因為小娜的跨平臺屬性，用戶可以輕松同步手機和 電腦 ，這樣專注于高效的例子，未來將會在我們產(chǎn)品的特性、功能上不斷加強、優(yōu)化和展現(xiàn)。

小娜的技術(shù)正在不斷的迭代過程中，現(xiàn)在可能越來越多的人工智能同行也都了解到，這需要很大的投入和基礎(chǔ)力量，微軟深耕人工智能領(lǐng)域，其技術(shù)投入和研發(fā)力量不言而喻，例如就在今年8月，我們的對話語音識別技術(shù)達到了人類專業(yè)水平，錯誤率由5.9%進一步降低到5.1%。雖然數(shù)字感覺很小，但到后面的提高也會越來越困難，這個就是技術(shù)的進步。

雷鋒網(wǎng)：除了賦能硬件廠商外，內(nèi)容上也很重要，微軟在這方面有什么進展？

幺寶剛：想要成為無處不在的人工智能助理，小娜還有很長的路要走，我們現(xiàn)在所專注的是以下幾點：

第一點，打鐵自身要硬，我個人對于微軟自身的技術(shù)非常自信，特別在基礎(chǔ)的科學研究和技術(shù)，例如語音識別，語意理解，微軟多年的積累和沉淀帶來相當大的優(yōu)勢。

第二點，除了技術(shù)之外，還要帶給用戶足夠好的體驗。我認為，用戶體驗分為兩部分：一個是加入微軟生態(tài)，與微軟的生產(chǎn)力工具 Office、Skype 等結(jié)合；另外一個，是小娜的IQ方面的發(fā)力，她需要非常聰明，具備足夠的知識儲備，從 Cortana 上可以看到，當時微軟在 Bing 上面做投入是有道理的，如果我們不做搜索引擎，那么現(xiàn)在搭建一個完備的知識圖譜是很困難的事情，而幸運的是，微軟目前既有高效的生產(chǎn)力工具，又有搜索引擎，搭建知識圖譜，讓人工智能擁有足夠的知識。。

第三點，就是技能的開發(fā)平臺。我們希望開發(fā)者、第三方用戶、廠商，都可以利用這個技能平臺進行開發(fā)，提供內(nèi)容，加到 Cortana 里，網(wǎng)易云音樂就是個例子。這個平臺已經(jīng)在美國推出了，晚一點時間，會在中國繼續(xù)大力推廣，這也是我們希望與合作方構(gòu)建科技生態(tài)的一部分。

雷鋒網(wǎng)：讓用戶覺得體驗好的標準是什么？

幺寶剛：最基本的層面，是語音的識別率，我剛才也提到，目前我們的我們的對話語音識別技術(shù)達到了人類專業(yè)水平；再往上升一層，是我們希望用戶的問題能獲得最直接有效的幫助。對于同一個問題，有很多智能助理，哪個回答的最接近于用戶希望得到的，我們是請了專業(yè)的人來評測的。但我覺得最關(guān)鍵的，更多用戶使用所產(chǎn)生的大數(shù)據(jù)有足夠多的用戶，使用黏性、使用頻度實際上證明了這個事情對他有多重要。如果他每天都會來用幾次，說明這個有用，不然的話自然而然就不用了，就會選擇別的了。所以我覺得我們既有技術(shù)層面的，也有應用層面的，還有用戶層面的一些度量。

雷鋒網(wǎng)：未來微軟有沒有可能推出自己的智能音箱？

幺寶剛：小娜未來的發(fā)展自然會跟隨公司戰(zhàn)略，作為微軟生態(tài)的一部分，像微軟內(nèi)部已有硬件，例如Xbox，小娜已經(jīng)在進行整合，所以我們也將會配合公司的戰(zhàn)略發(fā)展。

雷鋒網(wǎng)：目前對 Cortana 在營收上有什么期待嗎？或者KPI。

幺寶剛：像剛才我也提到，在商業(yè)模式方面，我們第一年的專著點會是先專著于用戶數(shù)量和用戶體驗上，所以至少在我們這個財年這不是一個目標。

關(guān)于競爭

雷鋒網(wǎng)：你覺得智能語音助手，在未來競爭中可能會勝出的因素有什么？

幺寶剛：我們也在思考這樣的事情。我覺得有幾點：

第一，一定要有自己專業(yè)核心的投入，人工智能這個概念已經(jīng)不陌生了，歷史上也經(jīng)歷過遇冷，因為本身就很難，核心的東西，需要長期不懈的努力，才可能有突破。我認為關(guān)鍵點在于公司是否愿意在基礎(chǔ)研究方面做持續(xù)不斷的投入。不然，你的核心技術(shù)將來會依賴于別人。而微軟在這方面，擁有多年積累的技術(shù)、同樣在人才方面，我們也投入很多。

第二，要有基礎(chǔ)應用。人工智能助理必須有自己的內(nèi)容，需要足夠聰明，并且擁有足夠的知識，那這個從哪里來？微軟之所以有知識圖譜，是因為我們投資了多年的 Bing 。同樣，我們之所以能夠?qū)Ｗ⒃谛史矫?，也是因為?Office 多年的積累，以及對用戶需求的了解。

第三，足夠多的數(shù)據(jù)。目前有兩種人工智能的應用場景，一種是比較通用的，還有一種是在垂直領(lǐng)域的應用。我認為，要獲得足夠的數(shù)據(jù)首先要有多年的技術(shù)積累，其次要對行業(yè)非常了解，微軟認知服務(wù)集合多種智能API以及知識API，目前我們已發(fā)布包括視覺，語音，還有翻譯語言，語義理解等29款工具，我們也希望能和更多合作伙伴一同探索人工智能的更多應用和可能。

雷鋒網(wǎng)：微軟整體的戰(zhàn)略，是云為先移動為先，Cortana 在這個戰(zhàn)略里扮演著什么樣的角色？

幺寶剛：微軟 CEO 薩提亞提出智能云+智能邊緣計算的概念，也就是Cloud+AI的模式，我們認為，未來的世界是由智能云和智能端，用人工智能將所有東西連接在一起。我覺得的 Cortana 是一個非常典型的體現(xiàn)，原因在于，首先我們對 Cortana 的定位，是一個無處不在的智能助理，所謂無處不在是指， Cortana 既可以獨立作為一個應用存在，也可以存在在微軟的應用或者合作伙伴的應用、甚至存在于定制的設(shè)備里，當然做到這一點的前提是，小娜必須生活在云端，只有這樣的話，才能夠同時為這么多的終端服務(wù)。

另外，Cortana 后臺的很多技術(shù)，其實應用的都是云服務(wù)，Cortana 可以通過智能助理的使用，把語音做的更好，做更好的語音，我們還通過微軟的認知服務(wù)提供給那些暫時不需要 Cortana，但是需要微軟語音服務(wù)的開發(fā)者使用。

雷鋒網(wǎng)：小冰那邊會講一些數(shù)據(jù)，比如說對話輪次達到多少輪，小娜好像不太強調(diào)這些數(shù)據(jù)。

幺寶剛：對，因為小冰是一個情感機器人，那她陪伴用戶的時間長，對她來說是一個很重要的指標。我先不說小娜先說搜索引擎，那搜索引擎最理想的對話次數(shù)是多少？

雷鋒網(wǎng)：一輪。

幺寶剛：就是我馬上就告訴你答案。但是對于智能助理，理想狀態(tài)到底應該是多少？這個其實說實在的，我們也沒有把這個問題規(guī)定下來，是一輪或者多輪。我覺得可能最后還是要看客戶的問題是什么？比如用戶提出一個問題，是對智能助理說，幫我定一班去上海的火車，我下午有個會，那這個智能助理就應該很聰明的知道，用戶下午幾點開會，用戶的火車應該在下午兩點就要出發(fā)，那他就給你定好了兩點的火車。但如果你的問題是你給我講一個笑話吧，或者給我唱首歌。那你是只唱一首歌就完了嗎？所以這個其實還是要看場景來定的。所以我覺得根據(jù)場景會有不同測量的指標，可以分享的是，從小娜推出之后到現(xiàn)在，用戶問過的問題已經(jīng)超過了一百億。

雷鋒網(wǎng)：在和其他硬件系統(tǒng)整合的時候，會不會出現(xiàn)權(quán)限上的差異？比如說 iOS 給 Siri 的權(quán)限大一點？

幺寶剛：每個平臺其實都有限制，即使像 Siri 在 iOS 也不可能所有事情都做，因為有時候用戶或者APP本身會有授權(quán)，關(guān)鍵是說你了解這個限制，然后看怎么樣讓用戶獲得最好的體驗。

雷鋒網(wǎng)：某種程度上來說 Cortana 也算一個 OS，只是沒有提這樣的概念，微軟如何來面對類似百度這樣的廠商的競爭？

幺寶剛：一方面是微軟對技術(shù)的多年投入；另外一方面就是不可能全面出擊，而要找到專注點。我們的專注點在于生產(chǎn)效率；第三是微軟還是作為一個平臺的公司，我們希望變成一個開放的系統(tǒng)，與更多的合作伙伴進行合作。此外，因為很多人都想做開放平臺，但不是所有的開放平臺大家都去用的，所以我覺得微軟作為一家國際性、擁有全球領(lǐng)先科技和具備信賴感的科技企業(yè)我為此充滿信心。

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。