文/李智勇
回退到五年前，可能并不會有人想到給Google造成最大麻煩的會是亞馬遜，Alexa的成功事實上正在對Google造成根本性威脅�，F(xiàn)在再回頭看亞馬遜一路采取的行動，你會發(fā)現(xiàn)它幾乎每步都做對了：（1）從收購三家語音公司打造Echo，（2）再到花4~5年打造一款產(chǎn)品的體驗而不是草草拼湊一款好像能用的產(chǎn)品，（3）然后確定一個柱狀的ID而不是擬人態(tài)的機器人來降低用戶預(yù)期，（4）銷量一旦站到百萬以上則開放后端Alexa Skills Kit以及Amazon Voice Service，（5）再到最近的開放七麥克風(fēng)陣列。幾乎每一步都高度務(wù)實和正確，與之相比有些國內(nèi)公司就顯的太想抄近路了。
從麥克風(fēng)陣列說起
麥克風(fēng)陣列是把多個麥克風(fēng)組合在一起來對聲場的空間特性進行采樣并處理的系統(tǒng)，形狀不局限于環(huán)形，而可以有線性、十字等。（更詳細的介紹，請參見聲智科技的陳孝良博士的文章，如：http://www.leiphone.com/news/201610/BSlh3Kf6wcqNCRH9.html）。亞馬遜Echo這產(chǎn)品雖然用到了很多技術(shù)，也連接了很多內(nèi)容，但最為核心的部分正是麥克風(fēng)陣列。因為在柱型ID下面，人們的預(yù)期已經(jīng)被大幅收窄，這樣內(nèi)容外的核心的體驗點就只有速度和精度。而在遠場語音交互中由于真實場景中各種干擾聲源的存在，精度的瓶頸就變成了聲學(xué)，而不是已經(jīng)相對成熟的深度學(xué)習(xí)等。聲學(xué)技術(shù)中對最終體驗比較關(guān)鍵的正是這次亞馬遜授權(quán)給第三方的：麥克風(fēng)陣列，喚醒、回聲抵消、降噪、去混響等算法，當然還有一部分是融合到AVS中的已經(jīng)開放出來的遠場語音識別。
亞馬遜開放自己的7-Mic陣列的本質(zhì)含義在于亞馬遜正式把Alexa的優(yōu)先級放在Echo這個產(chǎn)品之上�；趤嗰R遜的7-Mic陣列以及配套技術(shù)，理論上講少數(shù)其它公司是可以打造出交互體驗與Echo一樣的產(chǎn)品的，而顯然的用亞馬遜陣列其背后必須集成的是亞馬遜的Alexa。
這很符合一個互聯(lián)網(wǎng)公司的本質(zhì)定位，Echo再怎么賣下去也很難讓亞馬遜變成蘋果，但Alexa如果成功則可以大幅侵蝕Google的市場份額。簡單來講是這樣：Alexa占據(jù)搜索多少份額，Google就失去多少。這點上正好可以突出一個產(chǎn)品公司和互聯(lián)網(wǎng)公司的差別，蘋果嘗試過授權(quán)自己的操作系統(tǒng)，但很快放棄了，這在產(chǎn)品公司的商業(yè)邏輯上是合理的；亞馬遜開放自己的核心技術(shù)，并授權(quán)給第三方，這在互聯(lián)網(wǎng)公司的商業(yè)邏輯下也是合理的。
亞馬遜的這次行動可以平息掉行業(yè)里面一些很莫名其妙的爭論，比如兩個麥克風(fēng)就夠了等等。既然亞馬遜認識到了對多麥克風(fēng)陣列的需求，并且NXP等也愿意跟進，那無疑的可以說明多麥克風(fēng)陣列是市場必須的環(huán)節(jié)。這反過來可以襯托Google Home上的決策失誤，Google那什么來覆蓋多麥克風(fēng)陣列的市場？
正在形成的新行業(yè)
顯然的大家也會比較關(guān)注亞馬遜這樣的行動會對國內(nèi)市場以及創(chuàng)業(yè)公司有什么樣的影響？
直接的影響其實不大，因為國內(nèi)語音交互的啟動速度眼下看比國外要慢個2~3年。但間接的影響其實并不小，因為亞馬遜的一系列行為本質(zhì)上是在開啟一個新的分工鏈條，這個分工鏈條里很可能出現(xiàn)很多個百億市值的公司（想象下iPhone的產(chǎn)業(yè)鏈拉動了多少百億市值的公司）。
很多人可能以為亞馬遜自己的授權(quán)行為會導(dǎo)致第三方技術(shù)提供商生存空間被壓縮，但其實正相反，在這個新開啟的行業(yè)中會涌現(xiàn)出新的有實力的技術(shù)提供商。
因為亞馬遜的這種行動本質(zhì)含義在于加速激活語音交互這個市場。假設(shè)我們前面的判斷正確，亞馬遜確實認為Alexa遠比Echo重要，那無疑的亞馬遜的核心使命是盡快為Alexa獲取客戶，這樣一來只用自己的麥克風(fēng)陣列（以及背后一系列技術(shù)）來為Alexa獲取用戶顯然是極不明智的。那樣的話，Alexa用戶的增長速度會與自己麥克風(fēng)陣列技術(shù)的銷售速度等同。同時做過聲學(xué)前端的人會知道，聲學(xué)前端事實上是一種只能適度標準化的技術(shù)，也就是說即使有80%的工作在一個產(chǎn)品上重用，但一旦遷移到第二個產(chǎn)品上還有至少20%的工作要調(diào)整，這和芯片有本質(zhì)差異。所以如果不能拉動整個鏈條，只依賴于自己一個公司，那語音交互推開的速度會極慢。所以如果亞馬遜足夠名字那一定會積極尋找第三方技術(shù)提供商，培育生態(tài)，只有前端的生態(tài)鏈條足夠成熟并且有足夠的動力支持亞馬遜，那么Alexa才可能真的加速普及。
國內(nèi)有的很多人被互聯(lián)網(wǎng)模式荼毒過深，會想當然的覺得一切會免費，但可能并沒有意識到NXP這類大公司如果沒有合適的邊際利潤，那就根本沒和亞馬遜做下去的動力。我們假設(shè)說亞馬遜做成了Alexa，那亞馬遜可以得到Alexa整個生態(tài)，那這時候NXP可以得到什么？也就是說除非亞馬遜只是自己玩這游戲，否則如果想創(chuàng)建生態(tài)鏈條，那就需要為生態(tài)鏈條上的各個玩家留下利潤空間。
這件事情上一個典型的反例是Google的Chrome Book，Chrome Book從體驗上其實已經(jīng)基本滿足了用戶對筆記本的各種需求，甚至可能更加方便。但展開上核心的一個問題是Google并沒為第三方廠商留下足夠的利潤空間，比如聯(lián)想使勁推這產(chǎn)品，但最終發(fā)現(xiàn)自己無法從中盈利，這時候即使有銷量，聯(lián)想這類公司顯然也動力也不足。從過往戰(zhàn)略的明智程度上來看，亞馬遜不是Google，所以估計不會犯Google的錯誤。
在這樣的大背景下，遠場語音交互的新鏈條上，最有機會的反倒正是對前端有深刻理解的公司，這些公司幾乎每個都不可能通吃整個市場，但考慮市場規(guī)模，只要占據(jù)20%的市場份額已經(jīng)足夠支撐起10億美元上估值的公司。在PC、手機上國內(nèi)公司參與這個分工鏈條比較晚，所以這個部分幾乎全是海外公司，但眼下聲智科技這樣的創(chuàng)業(yè)公司正在嘗試在其中搶占合適的位置。
亞馬遜開放7-Mic陣列授權(quán)后，Google、微軟等預(yù)計會采取相應(yīng)行動，因為亞馬遜的授權(quán)顯然不會允許支持Google Assistant與Cortana。
國內(nèi)語音交互的發(fā)展
國內(nèi)其實是缺一款能和Echo媲美的標桿性產(chǎn)品，沒有這樣一款產(chǎn)品，大家就沒法相信語音交互是普遍可用的。聲智科技等公司可以提供與亞馬遜水平相當?shù)倪h場語音交互技術(shù)，但顯然的把這種技術(shù)轉(zhuǎn)化為產(chǎn)品體驗仍然需要合適的人與足夠的投入進行打磨。
沒有這樣一種標桿性產(chǎn)品，那就只會有各種簡單嘗試，但這種簡單嘗試基本上都只會得到體驗較差的產(chǎn)品，無法擔(dān)負起激活市場的重任（想想iPhone和Echo）。這很像用火柴燒水的那個比喻：只要還是單根火柴，那不管你用多少根事實上都無法燒開一壺水，只有把足夠多的火柴放在一起，一起點燃，那才能最終把水燒開。
顯然的突破語音交互只有兩個瓶頸：一個是技術(shù)上的這就包括了交互的速度和精度，這只能依賴技術(shù)提供商來突破；一個是用戶習(xí)慣上的，這需要硬指標與內(nèi)容同步突破。這兩者的突破都需要沉淀和打磨。而國內(nèi)的很多嘗試更像是重復(fù)：迅速點燃火柴，嘗試迅速的燒開水，然后發(fā)現(xiàn)水沒開這樣一個過程。
這點上其實需要大公司扮演更多的角色，因為其投入和產(chǎn)出都會比較大。打造一個平庸的產(chǎn)品可能只需要1百萬，但打造一個足夠有說服力的產(chǎn)品可能需要5000萬以上，這對創(chuàng)業(yè)公司挑戰(zhàn)確實會比較大。但收益顯然也是巨大的，假設(shè)說騰訊花了1億RMB打造了一款像Echo一樣的產(chǎn)品，那其它人即使打造了完全一樣的產(chǎn)品，很多人也會更傾向于活在騰訊的生態(tài)下（這正是Google尷尬的地方）。反過來講，這意味著誰第一個在國內(nèi)打造出了一個成功的產(chǎn)品，誰更有可能扮演亞馬遜的角色，去挑戰(zhàn)既有搜索市場的格局。
小結(jié)
亞馬遜發(fā)功越來越有穩(wěn)準狠的勢頭，但不管怎樣，我估計它那產(chǎn)品進不來中國。
