语音入口，兵家必争
从亚马逊 2014 年发布第一款智能音箱到 2026 年，刚好 12 年——一个轮回。这个数字对中国人来说颇具神秘色彩。从 2014 到 2018 年，市场上涌现出大大小小的音箱产品，号称"百箱大战"，价格更是从从千元级一路降至百元。
百箱大战时间图（AI整理）
在这12年中，智能音箱应该是2014年到2018年最典型的语音硬件产品。除此之外，软件上手机上有语音助手，车内有车载助手；输入法上有各个公司的语音输入法；智能家电也是"重灾区"，电视、冰箱、油烟机，各种各样的智能家电，可以语音控制了，甚至连晾衣架、马桶，都得加一个语音控制吼一声，否则就无法凸显其智能!
这些听起来合理或者不合理的产品，甚至有些可以用"妖魔鬼怪"来形容，到底是图什么呢？排除跟风因素，稍微有些思考和设计的产品，其实核心目的只有一个:
争夺用户和机器交互的入口!
当机器有了“脑子”能思考，有了“手脚”能执行了，那什么才能充当它的耳朵和眼睛？
至少目前来看，还是手机占据主导。
从千元机到百元机，从"人工智障"到GPT-4o再到Agent，这十二年，不仅是硬件和技术的兴衰史，也是我们这代AI从业者的奋斗史。历史总是惊人的相似，"以史为鉴，可以知兴替"。在这个AI巨变的年代，技术日新月异，产品形态也是层出不穷，寻找变化之后的不变，从中获得一些做产品的启发，便是这篇文章的目的。
跌宕起伏的十二年
以小见大
2014年，我刚开始读博士，对互联网行业和AI了解不多。但从论文中铺天盖地的深度学习研究、频繁的企业与实验室交流、师兄师姐们的傲人offer中，我感受到了AI和整个行业的繁荣。这期间崛起了许多新公司：抖音、快手、拼多多、滴滴等。2018年从美国交流回来，突然发现国内网络快得惊人，大家在商场餐厅里都在刷短视频，流量仿佛和流水一样便宜。
2019年毕业，年底赶上疫情，互联网线上业务迎来了这个周期的高潮。腾讯股票在2021年2月超过了它的股票代码00700（700港币）。幸运的是，我在腾讯真实体验了这一刻。到2022年10月，仅一年半时间，股价跌到最低点178——至暗时刻。不幸的是，我也在腾讯更深刻地被上了一课。这期间，裁员风波不断，而且不是个例，整个行业都在经历这样的周期。
这十二年中国互联网行业的跌宕起伏，可以用一个全景图来描述（AI整理，我认为基本准确）：互联网红利见顶与股票下跌同步发生。到2023年，大家绝望到极点，裁员成为共同话题，整个行业都在焦虑地寻找下一个增长引擎。不知是必然还是偶然，真的等到了——生成式大模型！
2014-2026互联网和AI行业发展趋势（AI整理）
历史的交叉点
大模型出现后，我一直在思考一个问题：为什么大模型问世2-3年，都没有催生出一个超级APP？或许豆包算是一个。后来我得出的结论是：
新业务和新业态的出现，需要网络、算法和算力同时突破。
2014年前后，正是这样一个交叉点。
-
网络上，4G让网速得到解放，流量变得便宜，为图文向音视频的过渡提供了通道； -
算法上,基于大数据和深度学习的算法在自然语言、图像和语音等领域成功应用，模型能力大幅提升，为自动驾驶、语音交互、推荐算法提供了核心支撑； -
算力上，无论是端侧还是训练和推理的GPU，都实现了跨越式提升。移动端CPU进入64位架构时代，GPU性能飙升，英伟达的显卡也从游戏领域转向神经网络训练。
时代背景下的语音入口
语音行业同样随着时代和技术起伏发展。理想很丰满——很多人都坚信，语音是人与人最自然的交互方式，也应该是人与机器最自然的交互方式。这十几年,大家探索了众多方向：输入法、浏览器、智能音箱、智能座舱，再到GPT-4o之后自然语音交互催生的情绪陪伴。下图基本描述了这个行业的发展(AI生成,仅参考其发展阶段。国内车载助手实际开始于2016年前后,只是造车新势力更加重视体验)。
语音技术应用落地和场景探索（AI整理）
第一阶段：单向输入（工具属性）
替代文字输入，有两种方式，一种是直接传输语音，比如微信语音；一种是转成文字，也就是语音输入法。此时，还没有到“交互”的形式，仅仅是一种单向的输入。
语音识别技术在深度学习技术和大数据的加持下，语音识别率大幅度提升，语音输入具有的商业化落地的可能。此时最重要的场景就是在智能手机上提供更方便语音输入。百度大力推行语音搜索，在任何一个浏览器输入框里面都能看到一个麦克风按钮。
第二阶段：指令控制（智能硬件）
最典型的代表是开头提到的智能音箱。作为音箱，无论智能与否，它的首要功能是播放音乐和讲故事。除了智能音箱，还有电视、各种语音控制的智能家居、智能手表(出门问问)。这些硬件更像是遥控器和中控，将语音交互带入家庭。此时，语音不再是单纯的输入，而是形成了交互和控制——人机之间可以进行简单的互动。语音合成也从机械的参数拼接时代，进化到基于深度网络的框架，音质和自然度都有明显提升。
这些智能硬件的出现,建立在多项技术突破之上：语音识别准确率提升、远场拾音技术(如麦克风阵列)、深度学习在3A算法上的应用、唤醒技术，以及自然语言理解能力的提高。
第三阶段：场景服务（车载助手）
车载助手并非始于2020年。Siri问世后，传统车企就开始探索车载语音助手。科大讯飞、百度、思必驰、出门问问都将车载业务视为重要方向,连腾讯也在布局。
造车新势力崛起后，作为智能设备制造商，他们比传统车企更重视智能化和用户体验。汽车成为最大的智能硬件。在双手被占用、相对私密的车内环境中,语音成为天然的交互入口，也成为继家庭之后又一重要落地场景。
这一阶段开始拼细节：声纹识别、多音区、趣味玩法、可见即可说——这些功能都是为了提升用户体验,成为消费者选择的理由。
第四阶段：情绪价值与执行（大模型和智能体）
大模型出现后，技术到应用都发生了巨大变化，甚至让人觉得过去十年的努力和技术积累都付诸东流。
技术上，大模型让自然语言理解任务发生了巨变——那些复杂、人工设计的规则和槽位不再需要了(或被弱化了)。架构上变化更大，语音端到端的概念在GPT-4o之后被引爆，传统的"语音识别→语音理解→语音合成"框架受到挑战，技术和体验上又开始了新一轮的数据、架构、能力、延迟等多方面的持续升级。
AI的发展若仅停留在交互层面，已无法满足用户需求。人民群众日益增长的“全能型智能化”期待，与现阶段AI大模型相对有限的智能及产品工程实现之间的矛盾， 成了当前的主要矛盾。随着AI发展和媒体的铺天盖地渲染，焦虑气息在蔓延，用户胃口越来越高，也期待更智能的产品出现。
应用上，逐渐从简单交互演变为情绪陪伴和任务执行。这是技术创新带来的最直接的升级。体验上，模型能听得懂用户的语言，并能给出积极的反馈；功能上，说一句话（或者一段描述）就期望完成某某功能，这种任务开始流行和可行。
题外话，开个玩笑——Vibe Coding可能是目前大模型有价值的应用之一。但Vibe Coding对程序员最大的价值是功能吗？换一个角度，我觉得不要忽略其情绪价值！当一个人看到Vibe Coding写出一个漂亮应用时，内心的喜悦和成就感可想而知；当你给AI分享一个想法时，它第一时间送来"这个想法太棒了"，多少给了我很大的信心，哈哈)
现在比任何时候都需要个性化的数据
模型能力越来越强，上下文越来越长，记忆机制的引入，最后到Agent的执行层面，都在快速的进化，用户一方面希望AI无所不能，一方面又无法充分的将自己的背景、需求，传递给AI，导致AI在没有充分的背景知识下，进行了“平均主义”的执行，这样自然达不到用户的个性化需求。
互联网的数据差不多都被压缩到大模型里面了，而后面产生的数据，也将慢慢的被大模型生成的占据主流了，也就是说，这些数据的价值，必然是越来越低。那么什么数据有价值？对于用户来说，就是那些没有在互联网上留下痕迹的数据：
听的、说的、看的、想的。
那么如何获取这些数据呢？答案只有一个：入口。那么新AI时代，什么样的产品有可能成为普遍的入口呢？
不知道！
对于极少部分人在一些限定场景中，他们可能已经有了，比如录音笔、可穿戴相机、智能眼镜、智能耳机、智能手环、智能戒指等等。但是对于绝大多数人，还没有答案。OpenAI隔三差五就爆出来做AI硬件，但大部分都是乌龙，这说明他们也没有想好到底什么形态才是最终的入口。
最后
经过这十几年的发展，语音流量入口的市场占有率无疑是大幅度上升的。在国内，AI原生应用的豆包作为一个助手，特别是主打的语音助手，对于推动语音交互，可以说功不可没。但是一个公司必然有一个公司的基因，他们也尝试了硬件的入口，但并不能算成功。
这是一个变革的时代，AI与硬件的下一次‘交叉点’或许就在明天的某个早晨。无论最终的超级入口是一副眼镜、一枚戒指，还是豆包这样的AI原生应用，争夺‘听、说、看、想’的战役才刚刚打响。参与和见证这个时代，是幸运也是幸福的。同时，也不妨慢下来思考一下，为某个用户群提供一个入口不难，是否真的会有一个入口、一个形态，适合所有人？
内容来源：AI语音AI思考
声明：本微信文章出于非商业性的教育和科研目的，并不意味着声学楼支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们！我们会予以更改或删除相关文章，保证您的权利！
