从 CES（国际消费类电子产品展览会 International Consumer Electronics Show）的进展来看，Google 现在确实在把语音互动这件事搞砸，而越来越变成一家很能折腾但不太能干好事的公司。Google 在公有云上不太可能超过 Amazon 了，自动驾驶折腾了好多年但看起来失败的可能性非常大，而在语音互动上 Google 很可能会再一次败给 Amazon。

　　语音助手上的大 PK

　　今年 CES 上最有意思的事情是语音互动型产品泛滥，从英伟达到联想，各大巨头对此达成了共识，纷纷杀入。这里面比较核心的两家分别是 Amazon 和 Google，前者的代表产品是 Echo 和内建的语音助手 Alexa，后者则是 Google Home 和内建的语音助手 Google Assistant。

　　正常来讲不管从那个角度来看都是 Google 有足够的优势，有技术、有资源、有积累，但具体看下来 Google 实际上落后甚远，甚至可能难以挽回。

　　要想看懂语音互动这方向的走势，那么需要深度理解与之相关的产品和技术的本质特征。

　　Echo 这类产品的核心特征是多层技术高度融合（声学、语音辨识、语义、搜索、内容）。其中声学是软硬件的分割点，向下关联产品 ID 以及内部架构，向上影响语音辨识。而语义之后的部分则是纯软件与内容。

　　对于 Amazon 和 Google 这样的公司，它们先天把自己定义为做生态和平台的公司，所以其核心一定不是 Echo 这个硬件产品本身，而是背后的语音助手比如 Alexa，因为只有 Alexa 才代表新的生态。

　　Alexa 这种语音助手很多人觉得是像 Android 一样的操作系统，但实际上看成是一个操作系统＋超级 App 更为合适。

　　要把 Alexa 这样的语音助手装载到各种硬件里事实上有两种途径：

一种是纯软性方式。我就把语音助手做好，不管谁要用装进去就可以了。这种型态下在技术层次上最多需要下探到语音辨识，核心则是语义和对话。这型态最明显的参照是搜索引擎。

另一种则是软硬融合的方式。我做一个标竿型的硬件产品，然后再把硬件产品中的助手开放出去。这型态最明显的参照是 Android 这样的操作系统。

　　纯互联网公司会倾向第一种方式，因为这种型态最轻，而后一种型态要组织生产和销售，还要下探到声学这样的层次，无疑重很多。

　　但型态一的核心问题有两个：

语音互动很难在现有平台上启动（手机、平板、电脑），而直接把近场的语音互动迁移到远场效果会很差，谁来解决落地过程中各种坑坑洼洼的问题？

不知道硬件上的需求，如何设计出与各种硬件适配的 API，如何知道怎么提供对硬件厂商最便利的方案？把这种苦累活完全下放给各个硬件厂商自己摸索吗？

　　Google 开放 ASR 和 NLP 的 API 其实已经许久了，但从 CES 的结果来看，显然 Alexa 这种系统整合型的方案更受欢迎，它既解决了与下层硬件的适配问题，也解决了后端内容整合问题。

　　提高一层来看整件事情，我们可以讲做语音助手这事，事实上有几个关键控制点：

做标竿型的硬件产品，但不与已有用户习惯对立。直接讲就是新品类必须避开手机和 PAD，否则一定会被覆写掉。

丰富后端内容，对于语音助手而言，硬件、音乐甚至打电话都是内容。内容需要从头部开始逐渐填补长尾内容。引申就是要把 Alexa 和 Echo 这个产品分割开来，让它后面的东西尽可能多。

树立技术优势，在这里技术既包含深度学习这样的纯演算法也包含声学等与物理紧密相连的网域。当内容没多到一定程度时，前端技术（声学和语音辨识）要比语义重要。因为它们更影响速度和精度。

　　在上一节提到的几个点上亚马逊几乎每个都做对了。

　　第一亚马逊没回避硬件的烦难，花了 4、5 年打造了 Echo，这样一来亚马逊就掌握了一个很难被超越的制高点。

　　这看着很诡异，但事实就会这样，否则的话 Google 直接把 Google Assistant 开放出来就行了，根本不需要自己打造什么 Google Home。但实际上硬件和背后 Assistant 的耦合程度远高于搜索和浏览器，搜索和浏览器的耦合程度事实上是便利不便利，但 Alexa 和前端硬件的耦合程度则牵涉好不好用的问题。而 Google 则是迫于 Echo 的压力才开始做 Google Home。

　　第二亚马逊在 Echo 获得初步成功后迅速开始分离 Echo 和 Alexa，具体动作就包括完整 SDK（ASK&AVS）的档案和案例，成立 Alexa Fund，积极搜索战略合作伙伴等。最终结果之一就是所谓的 7,000 项技能。7,000 项技能是非常可怕的事，完全足以覆写技术和某些内容上的劣势。这就好比淘宝上商家数一旦超过某个临界值，QQ 流量再大也搞不定了。