0
作者 | 王金旺
出品 | 雷鋒網(wǎng)產(chǎn)業(yè)組
三歲的天貓精靈，有了一顆五歲的心臟，這讓它在智能音箱圈子里顯得有點(diǎn)早熟。
9月17日，阿里將今年的云棲大會搬到了線上，天貓精靈將秋季發(fā)布會搬到了阿里云棲大會上，這次天貓精靈發(fā)布會的場面是這樣的：
往年發(fā)布會的主角庫偉、茹憶、杜海濤轉(zhuǎn)而成為評委，一場阿里味兒的程序員辯論賽代替了往年嚴(yán)肅的秋發(fā)。
庫偉在會后稱，這是我們團(tuán)隊(duì)自編自導(dǎo)自演的一次全新嘗試，目的是更容易在C端觀眾中傳播。
倒是在會后的采訪中，天貓精靈事業(yè)部總經(jīng)理庫偉、天貓精靈首席科學(xué)家聶再清深入解讀了此次秋發(fā)亮相的三款新品：天貓精靈CC10電池版家庭智慧屏、天貓精靈CC MINI、IN糖2。
正是這三款看似基于原有產(chǎn)品線升級迭代的新品，其實(shí)內(nèi)藏了阿里在智能助手、智能交互領(lǐng)域這一年的新思考和新嘗試。
而相對于新品而言，真正凝聚天貓精靈這段時(shí)間戰(zhàn)斗力的是其背后全新的AliGenie 5.0系統(tǒng)。
多模態(tài)交互，不再只是用喚醒詞喚醒智能音箱……，今年AliGenie 5.0系統(tǒng)強(qiáng)調(diào)的新技能看似全無新意，卻又內(nèi)藏玄機(jī)。
甚至可以說，這樣的新技能其實(shí)讓從智能語音技術(shù)衍生而來的天貓精靈開始顯得有點(diǎn)早熟。
嘗試一：「微內(nèi)核」
如果說10寸屏的天貓精靈CC10電池版更多是基于今年上半年天貓精靈CC10的一個(gè)“移動(dòng)化”，天貓精靈CC MINI則是從內(nèi)到外的一次重新設(shè)計(jì)。
從個(gè)頭來看，天貓精靈CC MINI首次采用4寸屏；
從內(nèi)核來看，庫偉特別強(qiáng)調(diào)，天貓精靈CC MINI是首個(gè)搭載阿里自研微內(nèi)核操作系統(tǒng)的帶屏智能音箱。
什么是微內(nèi)核？
這其實(shí)是一個(gè)物聯(lián)網(wǎng)操作系統(tǒng)中的技術(shù)概念。
今天物聯(lián)網(wǎng)終端應(yīng)用的操作系統(tǒng)基本分為三類：
第一類，比較簡單的不帶屏設(shè)備用的是基于RTOS的操作系統(tǒng)；
第二類，一些復(fù)雜的不帶屏設(shè)備或一些簡單帶屏設(shè)備用的是基于Linux的操作系統(tǒng)；
第三類，更大的帶屏設(shè)備用的是安卓系統(tǒng)。
要應(yīng)用、適配這三類操作系統(tǒng)，無論是從成本上，還是從研發(fā)難度上來看，都是一個(gè)很耗時(shí)耗力的過程。
庫偉告訴雷鋒網(wǎng)，微內(nèi)核的含義是相對于宏內(nèi)核的，由于天貓精靈歷代產(chǎn)品中既有帶屏的或簡易或復(fù)雜的產(chǎn)品，也有不帶屏的產(chǎn)品，我們希望可以通過一個(gè)微內(nèi)核加上其它成系列的組件的形式，去適配不同的硬件形態(tài)。
目前，天貓精靈的目標(biāo)是將這樣的微內(nèi)核首先應(yīng)用在簡易的帶屏設(shè)備（例如此次首次應(yīng)用微內(nèi)核的天貓精靈CC MINI）和不帶屏的設(shè)備中。
對此，庫偉也坦言，這個(gè)難度是非常大的，無法一步實(shí)現(xiàn)，此次在天貓精靈CC MINI上的應(yīng)用是我們首次嘗試。通過適配這樣一個(gè)帶簡易屏的設(shè)備，我們看到應(yīng)用能夠跑起來，還通過批量商用出貨檢驗(yàn)了微內(nèi)核操作系統(tǒng)的能力，這樣的微內(nèi)核未來一定能夠用到更多的設(shè)備中（尤其是不帶屏產(chǎn)品）。
而這樣的微內(nèi)核的應(yīng)用，將會在一定程度上解決操作系統(tǒng)碎片化的問題，從操作系統(tǒng)層面讓一些設(shè)備能夠?qū)崿F(xiàn)互聯(lián)互通。
這也是阿里基于自己的基因嘗試做物聯(lián)網(wǎng)設(shè)備互聯(lián)互通的一個(gè)新思路。
嘗試二：「云應(yīng)用」
本次阿里云棲大會上，阿里放出一個(gè)新物種——云電腦「無影」，頗受關(guān)注。
在天貓精靈CC MINI中，研發(fā)團(tuán)隊(duì)也有研發(fā)「云應(yīng)用」。
這里的「云應(yīng)用」，天貓精靈有應(yīng)用與云電腦研發(fā)團(tuán)隊(duì)共同研發(fā)的一些底層技術(shù)，二者有拉通。
其實(shí)，無論是「云電腦」，還是「云應(yīng)用」，二者極力踐行的都是阿里的「云端一體」理念。
「云應(yīng)用」相當(dāng)于將大量計(jì)算、渲染等工作放到了云端，本地更多做的是顯示和應(yīng)用處理，這使得即使像天貓精靈CC MINI這樣本地沒有強(qiáng)大算力的智能音箱也有可能體驗(yàn)大型教育、游戲等應(yīng)用。
研發(fā)人員用天貓精靈CC10電池版內(nèi)測云應(yīng)用
值得注意的是，在今年5月天貓精靈春季發(fā)布會上，天貓精靈市場運(yùn)營總經(jīng)理杜海濤曾指出，天貓精靈將與支付寶小程序打通，今年7月將有170萬+支付寶小程序進(jìn)入天貓精靈設(shè)備。
時(shí)隔四個(gè)月，此次發(fā)布的天貓精靈CC MINI搭載的云化應(yīng)用均為基于支付寶小程序搭建的，“本質(zhì)上，這是一個(gè)‘微內(nèi)核+小程序’的數(shù)碼產(chǎn)品?！?/p>
微內(nèi)核、云應(yīng)用，這些創(chuàng)新應(yīng)用背后其實(shí)都是基于今年全新升級的AliGenie 5.0系統(tǒng)，而此次5.0版本的AliGenie，官方更極力強(qiáng)調(diào)的是「多模態(tài)交互」。
過往三年里，天貓精靈AliGenie系統(tǒng)已經(jīng)經(jīng)歷了四個(gè)大的版本迭代，從AliGenie 1.0到AliGenie 4.0四個(gè)大的版本中，官方依次強(qiáng)調(diào)的是「語音交互」、「視覺交互」、「行動(dòng)力」、「平臺化」四個(gè)技術(shù)關(guān)鍵詞，今年的AliGenie 5.0強(qiáng)調(diào)的則是多模態(tài)交互。
回顧智能音箱這兩年的發(fā)展，不難發(fā)現(xiàn)，視覺識別、手勢識別等多模態(tài)交互技術(shù)并不是天貓精靈此次發(fā)布的智能音箱首次應(yīng)用的技術(shù)，也不是AliGenie 5.0首次提到的概念，甚至早在2018年發(fā)布AliGenie 2.0時(shí)，天貓精靈就在語音交互技術(shù)的基礎(chǔ)上引入了AI視覺技術(shù)，并發(fā)布了“天貓精靈火眼”。
而交互能力作為智能音箱最基礎(chǔ)的能力，早在帶屏智能音箱出現(xiàn)后，谷歌、亞馬遜、阿里、百度等就開始想盡辦法為帶屏智能音箱加入更多交互方式。
包括天貓精靈此前已經(jīng)上市產(chǎn)品天貓精靈CC、天貓精靈CC10均已有加入視覺識別、隔空手勢等交互能力。
這次的多模態(tài)技術(shù)與以往的有何不同？
聶再清告訴雷鋒網(wǎng)，AliGenie 5.0上的多模態(tài)自然交互是“多路感知，一路認(rèn)知。”
2018年，天貓精靈AliGenie 2.0面世，與此同時(shí)，一個(gè)名為“天貓精靈火眼”的產(chǎn)品一同面世，這一產(chǎn)品意味著天貓精靈的智能音箱開始嘗試視覺交互能力。
不過，聶再清解釋稱，現(xiàn)在的視覺能力和當(dāng)時(shí)的視覺能力有些不同，關(guān)鍵在于“融合”二字。
實(shí)際上，AliGenie 2.0中的視覺能力還是對于單獨(dú)視覺信號的處理和應(yīng)用，現(xiàn)在的多模態(tài)交互，其實(shí)我們已經(jīng)把視覺信號、語音信號、上下文的語義信號的特征綜合到一個(gè)空間里做決策。
如果說之前的多模態(tài)交互是三路輸入分別對應(yīng)三路不同的輸出，今天的多模態(tài)交互則意味著將三路輸入信號信息一起進(jìn)行分析，最終分析出一個(gè)結(jié)果，并再以多模態(tài)的形式輸出給用戶。
以唇動(dòng)喚醒為例，天貓精靈需要通過視覺能力識別出唇動(dòng)的動(dòng)作，再通過語音技術(shù)識別出的語音是否與視覺識別到的唇動(dòng)是否匹配，再結(jié)合上下文的語義理解這個(gè)命令是給天貓精靈的，還是這個(gè)人和其他人的對話。
識別的最終識別結(jié)果和輸出結(jié)果為：
分析結(jié)果：不是在和天貓精靈說話；輸出結(jié)果：不應(yīng)答。
分析結(jié)果：是和天貓精靈說話，響應(yīng)相應(yīng)的指令；輸出結(jié)果：同時(shí)輸出語音、文字等多模態(tài)內(nèi)容。
這樣的多模態(tài)自然交互技術(shù)，不僅使得用戶不再只能通過喚醒詞喚醒智能音箱，更能適應(yīng)多種應(yīng)用場景下的交互需求。
聶再清對這樣的多模態(tài)交互有更深刻的認(rèn)識：
在我看來，多模態(tài)自然交互是一個(gè)特別重要的交互升級，重要性相當(dāng)于我們在移動(dòng)互聯(lián)網(wǎng)時(shí)代的手機(jī)從鍵控交互到觸屏交互的升級，多模態(tài)自然交互將會是一種非常自然的交互方式。
隨著更接近人感官的多模態(tài)自然交互方式的深入應(yīng)用，智能音箱在交互體驗(yàn)上也將變得更成熟。
智能音箱之爭，早已成為巨頭之爭；智能音箱之爭，本質(zhì)其實(shí)是智能助手之爭。
2020年，智能助手的戰(zhàn)火從智能助手蔓延到智能耳機(jī)。隨著科大訊飛、百度先后進(jìn)入TWS智能耳機(jī)領(lǐng)域，阿里會不會是下一個(gè)進(jìn)入這一賽道的玩家？
至少，在采訪中，庫偉并沒有否認(rèn)。
庫偉提到：
耳機(jī)在本質(zhì)上和音箱有點(diǎn)像，在過去一段時(shí)間里我們也在想，音箱是放在家里的硬件，隨身攜帶沒那么方便，耳機(jī)可以伴身隨行，如果你能夠和它交互實(shí)現(xiàn)一些應(yīng)用，是挺好的一個(gè)場景。
我們想了很長時(shí)間，而且也和OEM廠商嘗試推出了一些產(chǎn)品，實(shí)話說，因?yàn)橐恍┘夹g(shù)問題，產(chǎn)品用戶體驗(yàn)還達(dá)不到我們內(nèi)部產(chǎn)品上市要求。
庫偉也提到：
今天我們在做天貓精靈的時(shí)候，不是簡單把它當(dāng)作一個(gè)3C產(chǎn)品來看，而是把它作為承載未來在5G、AIoT時(shí)代的智能硬件一個(gè)打磨重要產(chǎn)品陣地的實(shí)驗(yàn)場來看，我們希望用越來越多的新技術(shù)、新平臺，去實(shí)驗(yàn)、去打磨，從而能夠在更廣泛的范圍內(nèi)把這些平臺推廣開。
隨著此次AliGenie 5.0的推出和應(yīng)用，多模態(tài)自然交互、微內(nèi)核、云應(yīng)用帶來了更新的思路和理念的同時(shí)，也帶來了些許不一樣的用戶體驗(yàn)。
2020年，阿里還將如何重新喚醒天貓精靈？你又將如何喚醒你手中的天貓精靈？
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。
