前兩天蔣總的朋友問我(wǒ)(wǒ)，如何在自己的豪宅布置智能家務慢居（真是紮心）。交流了各種協議走線問題後，我(花技wǒ)(wǒ)問他控制中(zhōng)心怎兵器麼做，豪哥提出打算用美帝的Control4的觸控面闆。屌絲終于在此刻找到了自豪師男感，我(wǒ)(wǒ)淡淡地告訴他，自從用了粗糧家的『小(xi紅制ǎo)愛同學』，家裡的無線開(kāi)關已經開(kāi)始積灰了，間厭更不用提智能家庭App了。
雖然無法精确度量，但喜歡窩在沙發上看國劇的我(wǒ)(wǒ)，本能地發現說一空村(yī)句『小(xiǎo)愛同學，關閉客廳的燈』要比伸手去靜山(qù)找遙控器（或者遙控器替代品）要省時省力，耗能少。某聲開秒學項目的FA曾嚴謹地比較過不同交互方式的優劣（當然他們的結論是Voi黃去ce First）。 我(wǒ)(wǒ)的理解是，不同的任務，有熱空不同的最佳交互路徑，例如對于複雜(zá)的長時間輸入（例如寫這說作篇文章，或是coding），目前的軟件仍然需要鍵盤的支持。對慢行于多輪次複雜(zá)邏輯的交互，由于視覺的反饋很快，觸控也門我具有一(yī)定優勢（例如重設一(yī)部手機，或是在App上買機票(p答了iào)）。但如果是單輪輕度輸入，語音的優勢就會很明顯（例如，讓小(我你xiǎo)愛/Siri幫忙設置早上7點的鬧鐘，絕對是Killer App）。拿東更有趣的是，在這個場景下(xià)語音将複雜(zá高土)的輸入設置（早晨，7點，每天重複，确認）合并了，一(yī)氣呵成好到，妙不可言。
但真正讓智能語音用起來的，并非單純的識别技術，甚著離至不是玄妙的智能對話(huà)，我(wǒ)(wǒ河媽)覺得是這種交互第一(yī)次突破了距離(lí)的限制。能夠躺在床上/在不沙發上随意發号施令，之前隻能由『真人助理』來花近完成。雖然早幾年的Siri等一(yī)票(pi科體ào)語音助手希望解決同樣的問題，抛開(kāi)時不時的答遠家非所問不講，單純拿起手機按下(xià)Home鍵再舉到嘴邊這個動作黑費，就已經很令人掃興了。
相反地，紅樓夢在王熙鳳出場時，用到了『粉面含春威不露，紙飛丹唇未啟笑先聞』這句詩。可以想象，當鳳姐還遠在屏輛書風之後時，笑聲已然傳來；同樣的，主人在卧室看書(shū)，也可以樹答通過語音把客廳的燈和電(diàn)視關掉。之前曾有人希望通過視用紅覺或超聲波做『隔空手勢識别』，相對于同樣遠距離(lí影地)的語音，使用的複雜(zá)度和學習成本都太高了。民體
遠場的一(yī)系列功能是如何實現的呢？為什麼明喝之前的語音助手都是近距離(lí)的呢？引用相海問非老師的技術架構圖，在進行語音識别（包括本地和雲端）舞報之前，有一(yī)系列複雜(zá)的聲學前端算法，包些自括：
回波抵消（去(qù)除音箱自己播放(fàng)北人的音樂）
波束形成（隻聽(tīng)人說話(huà)的那個方向，去(q錢美ù)除其他方向的幹擾）
去(qù)混響（簡單理解為去(qù)除桌椅闆凳的聲音反射農劇）
聲紋識别（爸爸在說還是媽媽在說）等
經過這一(yī)系列的聲學處理，相對『幹淨』的語音信号才會進器跳入負責喚醒的模型，喚醒之後才會進一(yī)步地來飛進入雲端負責語音識别的模型。
這一(yī)交互涉及到了：
物(wù)理硬件層（聲腔結構設計，麥克風陣列設計）
信号層（上述聲學處理）
後續的數據層（語音識别，NLP，TTS等）為體
這三層分(fēn)别需要物(wù)理聲學，信号處理，和計算機專弟說業三個領域的人才相互配合，是個相當複雜(zá)的工(g他也ōng)程。這還隻是語音技術層面，作為消費(fèi)級産品，一(yī)款音腦廠箱想要達到好的效果，還涉及到産品層，和産品之上應用層面的一(yī)系列答票問題。
亞馬遜号稱已經投入5000人的研發團隊，另外(wài)還有1000個職位白算Open，地主家的餘糧還是多多的。當然，貝索斯敢于如此投入，也和Al紙影exa一(yī)騎絕塵的戰績相關，目前根據三方統計，貝爺家的各種音箱已經出貨快紅1500台以上，這還不包括通過AVS認證的第三方設備（大(dà)概在400-唱風500萬台之間），整個市場占有率應該在70-80%。更有殺傷力的是，什都随着出貨量的增長，Skills（類似手機上Apps）的數量也幾乎同步了間增長，看來已經形成了『硬件-系統-軟件』的正循環。
回到本文的主題。IOT喊了很多年，從20年前的智能家居，務電到09年無錫落地的物(wù)聯網産業園，再到14年火(huǒ)熱的件紙智能家居創業，乃至去(qù)年底孫正義大(dà腦睡)神提出鞋子比人更聰明，IOT都處在隻打雷不下(xià)雨的尴尬狀離計态。之前我(wǒ)(wǒ)的認識是『雲——網——端』三黑我層中(zhōng)端的密度不夠，即設備數量還不夠多，從而數據量不夠大(dà)，謝知和人接觸點也不夠多。
但根據小(xiǎo)米公布的數據，MIOT在16年城事底大(dà)約5000萬入網設備，17年中(zhōng)6000萬短兵，17年11月開(kāi)發者大(dà)會上講是800亮藍0萬。5000萬和8000萬我(wǒ)(wǒ)覺得并沒有本質的差别，但紙海融入了智能語音交互後，原先的App指令控制，傳感器觸發在輛，變成了遠場語音控制。這樣一(yī)來，用北交互界面從單一(yī)的手機App（家裡不方便），傳近會感器觸發（冷冰冰且不豐富），擴展到了無處不在的語音指令（方便且有溫度）。這就冷大(dà)概解釋了小(xiǎo)米開(kāi)發者大(dà)會場面火(huǒ也下)爆的原因吧。
當然，語音交互絕不止是遠距離(lí)版的遙年森控器而已。再借用相非老師一(yī)張圖，獨立于智能家居的硬件設備外技海(wài)，語音交互有機會将随身設備，車(chē)載設備熱這，乃至互聯網的一(yī)系列服務串起來。例如，我(wǒ)(w資火ǒ)們可以在車(chē)裡通過語音提前把外(wài南林)賣點好（真是屌絲福音），或是在跑步時通過耳機把家裡的熱水器打開(k土答āi)（目前還需要解決低功耗喚醒問題），或是在家快兒通過音箱把凱叔召喚出來給孩子講故事（已經實現）。
或許，技術本身就是讓原本少數人的特權（鋼鐵俠愛店的Javis）飛入尋常百姓家。能夠見證這一(yī)過程，一時的确令人興奮。