网易科技讯9月15日消息，网易科技主办的第49期五道口沙龙——智能音箱抢滩站，今天下午举行。思必驰CMO龙梦竹、灵隆科技副总裁方律、蜻蜓FM技术总监金鑫、小米智能服务总监王刚围绕智能语音形态，服务种类等进行了对话，顺为资本副总裁段誉进行了主持。
Echo与国内智能音箱使用差异
在Echo和国内音箱，用户使用差异上，方律表示其实差不多，Echo使用用户和国内用户都是使用点播内容比较多。另外，国内目前越来越多O2O服务，比如购物服务等等。
段誉向龙梦竹提问了作为提供底层语音交互技术的平台，思必驰遇到过哪些困难？龙梦竹表示，最大的坑梓阿玉厂商觉得我们是坑，我们觉得厂商也是坑。为什么对技术厂商愿意选择跟大客户合作，因为所有客户的需求，定制化、精品化的需求都需要耗费人力精力物力财力等各方面去进行定制，根据客户体量不一样，产出价值是不一样的，所以对技术厂商来讲也很无奈。
对于Echo和国内智能音箱的差别，龙梦竹表示：“在国外来讲Alexa的服务一个是有声读物，另一个是在个人助理类的应用，比如闹铃设置、语音提醒等。国内更多流行O2O、订餐。”
3-5年智能语音的交互形态？
对于未来3-5年智能语音交互的最终形态如何？
蜻蜓FM技术总监金鑫认为，语音交互还是很主要的一种交互方式，当然会配合图形、图像更好。我们希望用户对内容需求更强，对智能设备操控更多以及个人助理的需求更高。
思必驰CMO龙梦竹表示，现在很流行“中心化”和“去中心化”两个趋势，但这两个方向并不矛盾。所谓中心化就是依靠一个终端产品控制场景下所有的交互；而去中心化是这个场景下任何一个需求不会受限于任何一个终端产品。这是未来方向，万物皆互联。
另外，结合服务，结合场景和用户需求痛点的服务会变很多。这里有三个此：融合、创新和重构。整个语音交互和物联网发展下，很多行业跟场景会发生融合，未来的服务一定是基于用户本身。第二个是创新，整个语音交互会带来很多数据的创新，很多产品设备的创新。第三个是重构，把我们过去的认知全部颠覆了，会有很多新行业。
灵隆科技副总裁方律认为，短期内适合语音类产品是耳机类产品。
小米智能服务总监王刚则认为，产品的定义什么是高频、刚需的。只有在这样的情况下，用户才愿意用。这是产品场景的定位。从耳机、户外、驾车场景去考虑高频刚需的用户到底需要什么。
未来呈现的最多服务形态？
蜻蜓FM技术总监金鑫认为，内容会是一个非常强的需求，另外一个是外卖。外卖是目标性比较强的需求。排在第三的是对智能家居的控制。
思必驰CMO龙梦竹，首先产品会细分，从而导致大批内容会细分。国内现有的音箱产品，一个是小米小爱对智能家居和小米生态链控制；第二个是天猫精灵带来的整个支付、线上体验户有提升；第三是其他产业做的语音笔记类服务会提升。
灵隆科技副总裁方律认为，叮咚音箱也会提供购物服务，但体验并不够好。明年会推出带有屏幕的交互产品，因此购物是我们的一个主要方向。另外，一个是教育方向，比如与新东方的合作。还有一个是对智能设备的控制。
小米智能服务总监王刚表示，我们第一件想做的是跟微信打通，在语音交互的场景下，如果重要的人在发信息的情况下，可以提醒一下。因此，他认为是跟用户最息息相关的服务是第一需求。
另外一个是做一个开放平台，让开发者可以把自己的应用和需求在小米平台上进行集成。（静静）
圆桌论坛原文：
段誉：大家好，我是顺为资本的段誉，介绍一下我们公司。
顺为资本是雷军先生在2011年创立的一家VC，现在我们有三期美金，两期人民币，一部分也有跟小米密切相关的项目，生态链投资，供应链投资，另外还有三分之二左右是互联网教育、金融，现在的出海，一些黑科技领域的投资，也包括了人工智能、AR/VR的领域，在这个时间点注意到了智能音箱领域发展非常快，今年正好也发布了一些产品，如果有跟语音交互有关的各方创业者可以积极主动地找到我们。
我理解这个圆桌更多是跟技术有关的，既然我们有一些做内容的公司，主持人给我的任务是更多谈一谈服务，先从叮咚的方总开始。
叮咚音箱应该是国内第一批智能音箱，到现在也积累了最多的经验和数据，从我自己比较关心的一点来看，您看到国内使用智能音箱和美国使用Echo上有一些具体的差异和相似的地方吗？
方律：Echo用户使用比较多的是点播内容，国内很多用户还是使用点播内容比较多，一方面前段时间，另外一些O2O的服务上线，特别是购物，如果音箱在屏幕方面做得好，未来相应会有比较大的增长。
段誉：目前除了听歌之外排在第二第三的应用是什么呢？
方律：首先是内容的点播，第二是购物，第三是各种服务的介入。
段誉：我想问一下龙总这边，您这边对接了很多公司，大小都有，从思必驰的角度来看分别都遇到了哪些困难？踩过哪些坑？以后如果有小公司再找到您这边您有什么建议给他们？
龙梦竹：其实刚刚我在分享中说到了，现在最大的坑在于厂商觉得我们坑，我们也觉得厂商很坑。
为什么对技术厂商来讲大家愿意选择跟大客户合作，因为我们对所有客户的需求，定制化、精品化的需求都需要耗费人力精力物力财力等各方面去进行定制，根据客户体量不一样，产出价值是不一样的，所以对技术厂商来讲也很无奈，有时候你的产品会很好，我们很愿意合作，但我们会提一些门槛和费用，客户可能给不起这个钱，所以国内为什么很流行做平台也是因为我们把更多定制的权利交给客户来做，以思必驰为例，我们去解决之前麻烦的关键解决办法，也就是现在DU的核心，五个字“定制规模化”，把各个环节的定制能力和权利交给客户自己进行。
从我们现在合作的各个场景来看，其实想补充刚刚那个问题，刚刚叮咚主要是从音箱本身来看，而我们看Alexa提供的服务，在国外来讲Alexa的服务一个是有声读物，另一个是在个人助理类的应用，比如闹铃设置、语音提醒等，这个场景会比较多一些。
国内更多流行O2O、订餐，在Alexa一万多个技能里它们的活跃度是很低的，不只是智能音箱，还有智能家居，整个需求可能还是在有声读物、个人助理处理方面的功能更多。
段誉：回到刚才的问题追问一下，如果我是很小的公司，没什么量，和思必驰合作起来是不是就会比较困难？
龙梦竹：没有，现在我们做平台，所有的合作都是免费的，整个平台有技术支持。
除了特别的技术定制，比如有特别的合成音、特别的引擎要重新定制，一般的交互可以自己在平台上完成，这部分服务现在是免费的。
段誉：下一个问题提给蜻蜓FM的金总，我也用蜻蜓FM，充值了，我们看到蜻蜓FM跨很多终端，手机上是最大的，车里也有，还接了音箱，您从内容平台来看，在不同场景上用户使用的习惯和听的内容有很大差别吗？
金鑫：其实有一部分是类似的，但也会有一些差别，还是举用户场景的例子，开车大部分是在白天，上下班时间，这种情况下很多人会听广播，假如是在入睡之前可能会听一些偏催眠的，包括你的家庭有小孩，放放儿歌，不同的场景、不同的用户会有一些区别。
还有一些共性是整个内容的变化趋势，最开始大家会听传统广播电台的，不管是成年人还是老年人对这部分需求比较大，随着整个内容的变化，包括点播内容的普及，在点播内容生产制作方式的多样化，对用户需求的把控来讲，显然这种点播内容形式适合付费内容的形式其实更符合未来用户消费的需求，从我们的角度来讲，无论不管是车载也好、家居也好、音箱也好，点播业务一定会越来越多，也希望慢慢地偏付费一些，当然这跟整个蜻蜓发展的诉求有关，也希望有这样一个发展趋势，但可能从我们观察到的发展变化的节奏来讲并不会特别快，特别是车载，要整个普及、慢慢优化，时间会更长一些。
段誉：从平台的角度来讲现在更鼓励用户去付费订阅一些他感兴趣的，而不是我们建议他的汽车频道、少儿频道，来推类似于智能流媒体的形式？
金鑫：其实这两个都会有，从内容平台来讲核心要满足用户的需求，有的用户需求他可能对付费知识雷德比较感兴趣，但从我们的平台来讲，毕竟有付费意愿的用户还是少，大部分用户还是停留在免费的，不管是脱口秀、历史，还是某一个垂直频道，内容平台就是我们通过自己的内容，通过各种各样的产品和技术优化，更好、更全面地满足用户的需求，我们并不会特别在意一定要强推你的付费节目，而是看用户自己的需求和他的使用场景是怎样的。
当然我们很欢迎像您这样的更多付费用户。
段誉：下一个问题留给王刚老师，小爱音箱算是第一批产品，我现在比较痛苦的是三天两头App都在升级，能不能跟我们介绍一下小爱音箱最近的进展，App总升级是怎么回事，到底升了哪些内容？给大家介绍一下。
王刚：大家可能觉得主持人跟我是一伙儿的，但这个问题他绝对没有提前告诉我，而且这个问题揭了我们的老底。
现在我们的音箱确实属于公测阶段，只有一千多位用户公测，在公测阶段体验打磨升级都会非常快，我们的APP基本每天都会升级，入门也是每两天一次升级，现在主要的核心还是我们在打磨智能家庭的一些设备控制体验，我们本身的App这块从智能家庭控制到我们通过开放平台接入第三方技能这块，希望在这个月底正式发售前会有一个非常丰富的状态，我们前两天刚跟印象笔记先联系起来了，希望在9月底正式发售前有一个更加良好的用户体验。
段誉：我再替各位观众提个问题，唐（音）总说要准备一些货，今年有一些量，在达到这个目标之前各方权重是什么？比如音乐、第三方服务，顺序是怎样的？或者说花精力比较多的是哪些？
王刚：花精力比较多的是从用户真实的需求来的，这里面有大量细节需要打磨，每天我们都会花大量时间看每个用户的每个需求，优先处理头部需求，比如用户经常问音箱多少钱，在没有建立这个模型之前我们一定不会处理问“多少钱”这件事，他其实是想问你的音箱卖多少钱，我们整个打磨体验是随着用户跟音箱说什么，我们去提炼需求，然后找到我们的优化点，随着用户量不断增加，让我们能看到用户真实希望从音箱里得到什么，从而不断打磨。
我们第一批发售的公测用户都是小米智能家庭的发烧友，他们整个在智能家庭的控制里玩得很High，所以我们在这里面打磨投入的精力是最大的。
段誉：接下来想提一些问题大家共同回答，我们经常跟大家聊的时候会得到，音箱只是交互的一种形态，我们更多是从场景来看，可能是在车里、可能是在家里，可能是在飞机上，产品形态可能是五花八门的，现在往后看三年或五年，相对来说终级的智能语音交互会是什么样子的？第二，用户从中获取服务最多的会是什么样的服务呢？尤其在中国。
金鑫：从我个人的角度来讲我认为跟语音的交互还是一种很重要的方式，因为它是人最天然最直接的方式，当然需要把图形图像的体验做得更好，我们希望用户对内容的需求比较强，但从我个人的体验来讲，我自己家里也有一些智能设备，对智能设备的操控会更多，包括对个人助理的需求特别强。
这两种频率会比较高，但每次的使用时长会相对较短，对内容的需求是使用频次不那么多，但整个消费场景会比较多，特别是对音箱来讲，播放的东西绝大部分，不管是音乐也好还是其他的，这个可能是从内容平台来讲，整个内容的变化面临很大的升级跟调整，我希望从交互方式，其它智能家居的变革来讲，后面也会随着科技的发展有很强的变化。
龙梦竹：这个问题想回答的还挺多的，我简单说几个。
第一是现在很流行的中心化和去中心化的区别，我们所谓的中心化，这两个方向其实不矛盾，所谓的中心化是你依靠一个终端的产品可以去控制这个场景下所有的交互，这叫中心化。去中心化的意思是我在这个场景下的任何一个需求不会受限于任何一个终端产品，举个例子，在这个屋子里，未来理想的方式，可能我的麦克风是智能的，我可以通过麦克风控制PPT的翻页，可能灯是智能的，我可以通过灯控制空调，但反过来，空调跟灯又是联动的，万物皆智能，万物皆互联，这是未来的方向，这就是所谓的中心化和去中心化的发展。
另外结合到服务，结合场景和用户需求痛点的服务会变多，这里有三个词：融合、创新、重构。在整个语音交互和物联网发展下，很多行业跟场景会发生融合，相融。因为我们未来的服务一定是基于用户本身，基于场景、现实情况和基于行业的融合；
第二是创新，整个语音交互会带来很多新数据的创新，很多产品设备的创新，包括现在大家会说到本身智能产品是通过传感器来感知，屋里遍布所有传感器，我就不再是一个智能家居设备，我就是一个智能家居本身，就把人变成智能家居中的一个东西，这也是一个好的思路，整个语音交互会带来好多数据结构的创新和好多新的硬件，甚至会产生新的行业，比如腾讯导航昨天刚刚推了一个动漫人物声音的导航，把二次元和传统跨次元融合了，这是一个新行业的产生。
第三是重构，把我们过去的认知全部颠覆了，有很多新行业产生，包括二次元和医疗。
思必驰在一次专访中提到，现在这个行业人工智能里不再缺技术人才，缺的是AI产品经理，未来产品怎么定义，怎么满足用户痛点需求，怎么实现未来的希望，更多是交给AI产品经理做的事情。
方律：从产品来看我觉得是这样的，为什么大家来做音箱呢？因为音箱的天然属性是声音，成本上不会增加很多，以前做电视的做不上去为什么，电视本来利润就薄，不可能再把麦克风加上去，这是一个比较实际的问题，可能看起来短期内除了音箱之外第一个适合语音交互的产品是耳机，手机有触摸，大家觉得触摸比语音更方便，耳机上有麦克风，有播放器，所以我们觉得接下来我们在耳机上也会做一些尝试。
王刚：有谁用过Siri的请举手我看一下。还是挺多的，有50%；我再问一下，有谁会每天用Siri？每天用Siri的只有两个人。
刚才看到有50%的观众，大概应该有四五十人会用过Siri，但只有两个人每天用Siri，大家觉得Siri是不是一个成功的产品？Siri其实三四年前就在做了，Siri做了之后，各大厂商都纷纷做语音助手，但到现在大家并不觉得Siri是一个好的产品，为什么？同样的思路可以回答主持人刚才的问题，什么样的产品是刚需的、高频的，只有刚需、高频的产品才能真正让用户愿意用，才能让产品本身基于用户的需求打磨得更好，这是产品场景的定位。
刚才在座嘉宾都谈到了可能我们是从耳机场景、户外场景、驾车场景去考虑高频刚需的用户到底是什么。
段誉：顺着王刚老师的回答再提最后一个问题，以未来一年12个月为时间点，我们的一系列服务，除了音乐之外，还有出行，比如滴滴打车、外卖，还有个人助理，定电影票等服务，如果让每位嘉宾说三个能迁移到智能音箱上的服务，大家觉得排序是怎样的？
金鑫：不包括内容吗？
段誉：可以包括内容（笑）。
金鑫：可能跟我自己的使用习惯有关，我依然认为内容会是比较强的需求，当然我会把它排第一。
段誉：能细分一下吗？因为这是非常抽象的，可以是儿童听故事，也可以是听别的。
金鑫：蜻蜓的平台很大一部分用户是听小说的，活跃用户非常强，每天的平均使用时间在200分钟以上，其实是很难理解的一个事儿，儿歌听起来是小朋友的需求，但其实它从某种程度来讲是父母的需求，如果细分的话我觉得会比较难，但还是取决于家庭成员构成的情况。
是回到刚才的问题，整个的内容我觉得还是比较强的需求，而且从成本来讲是比较低的。
第二，如果是我的话，我会把外卖排到靠前，从解决各种各样的问题来看，外卖的目标性比较强，从用户使用需求来讲是比较强的需求，如果我自己的话会把它排第二。
第三，我会把智能家居控制放到第三。
龙梦竹：第一是产品细分导致内容细分，会有大批儿童类的Echo，专门以儿童故事为核心的产品产生，这个我很看好。
根据当前国内很火热的音箱产品，还有两个，一个是小米小爱音箱对于智能家居，尤其是小米生态链控制的交互，这肯定会热。
第二是由天猫精灵带来的整个支付，线上体验这块，尤其是声纹解锁以后，不管是O2O也好定单也好，购物体验会有明显提升。
第三是京东和其它产业都在做的语音笔记，这类体验应该也会提升。
方律：刚才龙总提到了购物这块，说实话我们叮咚音箱也能购物，但我们觉得体验不够好，因为购物很复杂，而且仅基于语音操作起来还是相对比较困难。
明年我们会推出带屏的交互产品，不管是自己的设备带屏还是跟市场上通过电视屏做交互，方便用户的下单购物，购物对我们是比较重要的。
段誉：会不会点一些经常性的，比如“再来一打鸡蛋”之类的。
方律：用户在京东上买东西对价格还蛮敏感的，因为京东经常有促销、有秒杀，所以大家会挑便宜的，比如之前京东曾经做过一个“京东奶点”的，看起来用户的接受度一般，中国的用户可能还是希望比较一下价格，看一下。我觉得购物是我们的主要方向。
第二是教育，我们跟新东方做了一个版本的音箱，我们发现用户的使用活跃度非常高，它也比普通版卖得贵。
还有刚才讲的个人家居的控制，包括我们控制了小米的智能设备，空气净化器、风扇以及跟小米手机打通，这块也是用户比较大的需求 。
王刚：从我的观点来讲大家最离不开什么？现在大家每天在电子设备上应用最多的是什么？大家会毫不犹豫地说“微信”，所以我们第一件想做的就是跟微信打通，我们希望在我们语音交互的场景下，可能是在耳机、可能是在车载情况下，重要的人给你发微信，你是不是可以让微信消息（读出来），当然有隐私考虑，如果你的设备本身是耳机设备，你在户外跑步时是不是希望你关注的人给你发消息时提醒你一下，否则你就可以安心跑步了，假如雷总给段誉发个消息，你可能会停下跑步马上看一下，引入的服务到底是什么，我觉得应该是用户日常生活最息息相关的、最离不开的。所以我们第一希望跟微信打通，但微信是不是愿意跟我们打通我们是不知道的。报道上可以强调一下（笑）。
第二，我们真的只想做一个开放的平台，让广大开发者可以把自己的应用和需求在我们的平台上集成，我们定义好相应的平台和接口，开发者把自己的能力嫁接进来，最后具体用户有什么样的需求其实是一个开放生态里的千万开发者定义的，而不是我，我们希望达到这样。
段誉：这涉及到一个问题，我作为终端消费者怎样定制？
王刚：这其实是很关键的，技能引导，我们首先要有很多技能，当用户说出他的需求时我们能告诉他哪个技能更适合你，然后把相应的用户的需求进行服务分发，把流量导给我们平台上的开发者，这是我们思考的问题。
在一开始的阶段我们平台上的技能可能没有那么多，所以我们分发的能力很多是听不懂的，但这确实是一个长期的过程，随着平台上的技能越多，我们希望用户表达的需求能有相应的满足，我们希望我们只做平台上的事情，最后在这个平台上可以有微信、可以有滴滴，可以有非常大的Apps，能够满足用户的需求，所以我们本身不是做微信做滴滴，我们只做平台。
段誉：我就这些问题。
现场提问：谢谢主持人，我有一个问题想问方总和龙总。从创新的角度来讲心里的输入是音频输入，如果能够把音频和视频做一个接口，我们知道现在有一些创新的产品，像跟AR结合，联想出了这样一款音箱，你们对这个方向怎样点评？未来您觉得智能音箱还会有哪些变种、变化？
方律：我们的音箱目前我们称之为“弱视觉交互的产品”，等交互的补充不多，所以接下来更多会是强视觉交互，比如带屏带AR/VR的，比如我要买iPhone8，金色和银色，左边是金色右边是银色，我可以直接指出来，这样更方便交互。
如果除了语音之外能加上更多的交互方式我觉得是非常好的，我们会做这种尝试。
龙梦竹：其实从语音交互本身来讲，语音交互其实是人机交互多模态交互中的一环，多模态交互包括语音、图像、人脸、手势、体感等等，你刚才提到的AR/VR更多是在体感里，去年VR刚火时就有很多游戏厂商找到我们，游戏里的VR效果还要用手操作，没办法让玩家产生丝毫快感，所以希望加入语音交互，这和你提到的方向是一致的，但目前的难点在于中国的智能设备发展时间还不是特别长，从单点智能到整体智能需要一段时间，以机器人为例，我们都希望扫地机器人在那儿靠着时我们说“过来”，扫地机器人过来了给我扫地，从语音来讲、声源定位来说都OK，它的行走也OK，但你把语音跟行走加起来就不好做，因为它里面涉及到其它东西，所以这是单点智能到整体智能的问题。
另外，现在整个发展方式从人机交互来看是从单一模态交互往多模态混合交互发展，现在我们有很多设备，机器人里会把语音识别跟人脸识别混到一起做，安防领域也有刷脸刷声纹刷指纹，未来的方向肯定是多模态交互，包括语音+图文+虹膜+声纹等各种，现在走到最前面、用户觉得最方便的是语音，但长远来看这其实是人机交互的发展方向，就像你刚才说的，未来是有很多可能性的。
谢谢。
本文来源：网易科技报道
责任编辑：
姚立伟_NT6056
