很多企業都有戰略部門，但不管寫多少PPT，很多中國企業的戰略通常可以用一句話來概括：美國人干什么，我們就干什么！按照這邏輯推導，今年很可能出現100家做智能音箱的，因為CES上最火的是Amazon Echo，而這100家智能音箱企業的最終結局很可能和百團大戰后的結果大相徑庭。要想看清這問題，需要認識到AI企業與互聯網企業在調性上的根本沖突，而要想認識這種沖突，那我們先要回歸到產品本身。

　　京東+訊飛沒行，憑什么你就行

　　任何人想在中國市場做類似Echo的智能音箱，那都不能回避一個極為根本的問題：京東+訊飛的叮咚不算太成功，憑什么你做就成功了？

　　古代人講兵法總是會講正合奇勝，看待Echo這類產品的時候同樣可以借用這個視角。產品本身有所依托（功能基礎）這是正，而不管在ID、交互、宣傳還是在價格上有所創新則是奇。前者保證基本面，后者保證差異化。

　　從這個角度來看Smart Speaker這類產品的“正”是音箱自身的音樂屬性，奇是指語音交互是否足夠便利（背后可以分解為速度和精度），是否能喚起大家的好奇心，是否有一個足夠有影響力的人站臺等。從這個角度看對大公司而言這類產品成功與否其實是決心和耐心的函數：

　　音箱是一個既有品類，而語音交互可以讓交互變得更加便利，也就是說智能音箱帶來的升級其實是在已有功能基礎上添加了一個正向新特性。這樣一來產品角度看這類別的成功其核心障礙只有一個：語音交互的新新特性是否真的讓體驗變得更好還是說只是一個說法。如果確實足夠好，那就相當于同樣花那么多錢，買一個更好的東西。

　　難就難在這一點核心要求在語音交互上偏偏難以達到。

　　做電腦的時候我們很多企業扮演的其實是組裝的角色，做手機的時候扮演的角色高級了一些，加入了更多的定制工作，但這兩類活骨子里的技術門檻其實并不高。也正因此產品所需要的打磨周期就短，市場則相對成熟容易獲得迅速的正反饋，公司投入決心也就容易堅挺。

　　我們再看下小米的例子：

　　2010年4月6日，北京小米科技有限責任公司正式成立

　　2010年8月16日，MIUI首個內測版推出。

　　2011年8月29日，小米手機1千臺工程紀念版開始發售。

　　2011年9月5日，小米正式開放網絡預訂，半天內預訂超30萬臺，取得了重大的成功。

　　產品整個打磨周期大概在一年左右，這其中正反饋有兩種：一是MIUI上獲得的各種積極反饋，二是半天內預訂超過30萬臺了。一旦后一個反饋出現，那就不管是CEO還是資本就都會更有信心擴大戰果。總結來看這是兩個步驟：

　　第一步在相對成熟的體系上進行定制組合（高通+Android）。

　　第二步獲得市場正反饋并加大投入。

　　如果拿智能音箱做對比，那就就會發現差距還是挺大的。

　　第一根本沒有一個相對成熟的軟硬件體系，而是大家都在摸索之中。軟件上，指望別人把中文語音交互做成Android那樣的成熟度比較不靠譜，必須得是中國企業自己挑大梁了。這次如果真的搞成了，那還可以順手搞定我們呼喚了許多年的國產操作系統問題。硬件上也因為是新東西所以根本還沒有成熟的生產鏈條來給你配套，很多人估計都是第一次聽說世界上還有一種東西叫麥克風陣列，里面還要做Beamforming來定向收音。

　　第二正因為前面說的問題Echo這類產品就不太可能迅速獲得市場的正反饋。作為一種純正的必須全依賴于自己技術的新東西，最初體驗最多可用，然后就需要持續打磨，但最初銷量是不可能高的。這就和我們互聯網培養出來的一波流打法差異很大，一波流打法下大家總想速勝，干個一錘子買賣，行了我再增加投入，但這事它事實上要求即使沒賣出去那么多的時候還得持續投入。

　　看著不過是又一款新產品，但Smart Speaker這新品類事實上整體上挑戰中國企業的文化、方法論和技術水平。總結來看，現在國內并不缺做智能音箱的，也不缺把智能音箱做出來的，唯一缺的是持續投入真把產品做好的。形象點講，如果以Elon Musk做SpaceX的姿態來做，那這事是能搞定的，但以做腦白金的姿態來做，那最多還是一個叮咚。

　　少點想象和PR，多看點問題

　　AI這領域的核心問題是想象和PR太多，落地太少。不是不能落地，而是落地的長周期導致有些人對此興趣不足。這通常并不是個人問題，而會涉及到公司文化上的深層次沖突。假設說我們身處一個快節奏的公司，公司一切KPI等全基于此來確立，那一個人進入公司后，他只有兩種選擇：一個是真心做慢節奏的產品，忍受長期沒成績，中途可能還被干掉了；二是想點辦法快點出彩，避免從他老板的角度看過于尷尬。顯然的PR是一種緩解尷尬的有效手段。

　　一個公司如果真想做人工智能，必須正視的問題至少有兩個，而這兩個都需要比較高的戰略耐性：

　　限定范圍與開放領域

　　我們總是可以在一個極為狹窄的領域里證明人工智能的強大，比如識圖、標準環境語音識別、下棋、最強大腦。但這就和讓人和計算機比計算速度一樣，缺乏一種現實意義，做PR是可以的，但做產品就不靈。如果對話系統被限定于只回答100個問題，那之前的硬編碼也可以做的非常精確，但那顯然會因為適配范圍太窄而對用戶不產生價值。要想落地AI必須徹底解決一個子領域中的全部問題，這樣才能貢獻于產品，比如：精準的放音樂是一個子領域，自主的避障和行走是一個子領域，鑒黃是一個子領域。眼下看我們還很難打造一種通用型的智能，但要想有用那人工智就不能單獨的只是擅長分類圖片等。解決子領域問題是商業化，圖片分類等是技術研究，這中間是有鴻溝在的。

　　算法、數據與原子

　　產品對技術的要求總是高度綜合的，這點在語音交互上體現的特別明顯，當語音識別、自然語言理解需要產品化的時候，你并不能約束用戶必須把電視關了、其它人不能說話、說話的時候必須正面產品90度、必須把音箱音量設置到足夠小等等。那樣產品就沒法用了。也就是說真想做好產品還要打穿原子和比特的邊界，補全整個鏈條，把聲學、語音識別、語義理解進行系統的整合。

　　第一點解決的越好，人工智能的現實影響也就越為深遠，第二點解決的越好人工智能落地的速度也就越快。對于眼下而言，核心問題是要解決第二個問題，不解決它就不能消化此前的技術紅利。不管解決那點都需要點原創精神，恰如前面所說，我們一下子沖到了世界最前沿，大家同一起跑線，類比手機的話我們既沒有高通、MTK，也沒有Android了。我們聲智科技的CEO陳孝良博士被采訪的時候經常會說聲智科技的定位是語音交互下的高通和MTK，不理解上面的背景通常就很難理解為什么在這個時間點上這樣一類企業特別有現實意義。

　　非要想的話可以往這兒想

　　既然投入這么多，那這個點還值得不值得打？是真有錢賺還是會像O2O那樣雖然熱鬧但很難賺錢？

　　這其實是個不得不打的點，因為語音交互會顛覆的東西其實遠比表面上看到的多，這里只說一點。

　　我們先做個基本的假設，那就是Alexa獲得了巨大成功（Echo、智能音箱、Alexa有關聯，但其實是不同的東西，這點在之前文章中有說，這里不再重復），滲透到各種設備之中，包圍了人們的生活，人們有50%的時間在通過語音和設備打交道，并且日活逼近Android。

　　那這時候一定會衍生這樣的需求，用戶會說：Alexa，幫我通知下馬化騰，明天我不見他了。這時候就需要有一種通訊的IM來實現這種需求。這時候亞馬遜就有兩個選擇：第一它接入一種已有IM，比如Whatsapp，或者Skype。第二種是自己做一個嵌在Alexa里面。亞馬遜至少有一半的幾率會選擇后者，而不是把這種基礎設施開放給別人，因為前兩種要么屬于Facebook，要么屬于微軟。如果在中國是阿里巴巴做成了Alexa，那估計百分百不會選擇對接微信。這樣一來配合一個語音交互的核心特征，顛覆性的事情就出現了：

　　語音交互背后隱藏的各種應用具有唯一性。

　　我們很難想象這種語音交互方式：Alexa幫我用Whatsapp給馬化騰留個消息，明天我不見他了。在語音交互中WhatsApp這類應用的標識很可能會被優化掉。如果Alexa還只是百萬級、千萬級DAU的應用時那這個特性還不關鍵，但如果它是10億DAU的系統，那這個特性的影響就會被無限放大，也就說搜索、IM、電商很可能都只有一家，而不是像現在雖然少，但還有個1，2，3名。

　　小結

　　人工智能的道路其實會比想的還長一點，這不止受限于技術（此前的技術紅利已經可以帶來足夠多的機會），也還受限于文化與認知上的沖突。至少在啟動階段和過去這些年形成的互聯網經典打法有點格格不入。與此同時，他背后又會蘊含著足夠強的顛覆性力量，誘惑確實足夠強。這樣看來2017注定會是一個在糾結中前行的年頭。