既然语音交互的现场感当前还无法做到人类水平，自然就希望先把机器回答的时间缩短，再次提醒这个指标要用平均时间，而且必须稳定可靠。这是至关重要的，试问你会和一个半天时间才冒出一句的机器对话吗？应该不会，这会让你崩溃，即便对方是人类也不行，或许还会涉及到尊严问题。显然， 当前阶段人工智能还不能追求模仿人类智慧，这有太多的物理和哲学难题没有解决，也不要杞人忧天争论什么“奇点理论”，机器威胁人类还是漫长的过程，考虑这些之前，不如先想想如何解决产品中的每个关键问题。

　　|东西方的文化差异也制约了国内语音智能交互技术的发展

　　国内外对于智能音箱的理解或许还有更多差异，但是当东方人尝试使用智能音箱的核心——语音智能助手的时候，这里还有个文化阻碍的问题，这或许是东西方文化差异的结果。理解这点之前，我们先把语音和语言区分一下，语音（Speech）是语言（Language）的信号载体，语音是人的发音器官发出的，承载一定的语言意义，而语言才承载人类的智慧。通俗的讲，语音是天生就存在的，婴儿的咿呀咿呀也算是语音，甚至其哭声也代表一定的意义，而语言则是需要学习不断进化的。 人机语音交互实际上就是语言的交互，即便语音识别做到100%，对于理解语言来说也没有具体意义，何况语言总是个性的、场景的和情绪的。

　　语言是社会文化的产物，离开了文化就没什么语言可言了。语言又是社会文化的写照，不仅反映社会文化的形态，而且语言结构也反映了人们的价值观念。显然，不同国家的语言习惯是千差万别的，由于各民族生活的环境不同，由此而形成的文化内涵和语言习惯自然不同。毫无疑问， 东西方由于文化的巨大差异，其语言表达方面也存在巨大的差异。而这种差异也决定了类似Echo这类语音智能助手的普及速度。

　　东方文化总是含蓄的，和西方直接表述不同，我们总喜欢拐弯抹角的表达意思。“是”时不说“是”，却说“不是”。“不是”时不说“不是”，却总说“是”，这让热恋中的东方男生时不时的就会崩溃。事实上，东方人的处事哲学中最重要的一点就是“ 话到嘴边留半句”。这可苦了语音智能助手，很多时候当东方人面对Echo这类智能音箱的时候，据我们大量实验观察，真的是还需要仔细思考一下才会出口。

　　这已经超越了任何技术的范畴，相比西方人来说， 东方人使用语音智能产品面临着更大的心理障碍。与西方人觉得机器不够聪明不同，而东方人面对这类产品的表现更为含蓄和尴尬。再加上当前语音交互的现场感和即时性确实还不够好，更是加剧东方人这种心理上的障碍。这种障碍导致东方人使用Echo这类语音智能产品的时候，很难连续说出超过十句不同的表述。

　　事实上， 东西方的二次元文化差异也折射了语音智能助手在东西方的不同地位。西方的动漫，比如说变形金刚，实际上就是典型的人机语音交互，而诸如钢铁侠、星球大战等等都有人和机器人的自然语音交互。反观东方的二次元文化，比如圣斗士星矢和最终幻想，更多的还是强调人人之间的交互和表达。从这个层面来看，东方相比西方，整体来说，人机对话和人工智能方面的普及教育要差很多，自然，东方大众对于语音智能助手的认同就不如西方。

　　国内的智能音箱或者说语音智能助手还在早期市场教育阶段，前面还有一段满是荆棘的小路去趟，即便明知有坑，或许也会跌落不少先驱，但是脚步必须迈出去，前景必然是美好的。趟路的过程，或许需要很大的牺牲，才能培养出一大波的技术人员、营销人员，积累出一大批铁杆用户。这个战略布局国外已经提前走了一步，国内也不要总幻想着弯道超车，哪有那么多弯道，别人也不傻，踏踏实实地迈出坚实的步伐即可。

　　国内互联网发展其实也这样走过，BAT也并非各个领域最早的开拓者，而是踏着先驱再不断发展壮大。不好预计这个趟路过程需要持续多久，毕竟不是预测国足的比赛结果，但是相信会比互联网和移动互联网的过程都会更快。