从1950年开始至今，语音识别技术经历了由小词汇、孤立词汇的识别，到大词汇量、特定声音识别的飞跃发展。然而，语音识别技术只是智能语音助手实现工作的第一步。

　　总的来说，语音助手实现其工作大体要经过三步：其一是前端的语音识别，即将声音转换成文字；其二是自然语言的理解，将文字解读成行为；其三是通过开放API接口等技术来实现行为等操作。

　　因此，语音助手能否提供强大的服务，主要取决于其技术和连接整合能力。在技术上，主要使用云计算、语音识别、语音合成等AI技术。即在前端面向用户时，主要需要语音识别、语音合成技术。在语音识别时，系统需要把语音转化成文字，这就需要强大的语音库作为支撑，就需要云计算技术。而语音合成则是将反馈的文字结果转化成语音输出。

　　在后端则是人工智能技术的使用。面对用户的众多请求，语音助手需要通过机器学习（深度神经网络）来不断自我学习，了解用户的说话方式和爱好需求，进而输出个性化的服务。

　　而其连接整合能力就是指，语音助手将越来越多的设备和服务接入，从而构建自身生态的能力。尤其是在智能家庭中，用户最终获得的是体验和服务，单一设备单一APP控制不是智能家居的追求，智能家居需要的是形成一个生态，形成一个闭环，从而通过一个入口来更便捷的控制所有设备。而这需要语音助手平台一方面开放其语音助手，另一方面也要加强商务合作，来聚合服务。

　　据工业和信息化部电子科技信息情报研究所数据显示，2012年以来，全球智能语音产业规模持续快速增长。2013年，全球智能语音产业规模整体达33.7亿美元，同比增长38.1%；2014年较2013年同比增长41.0%，产业规模大幅提升。预计到2017年，全球智能语音规模将达112.4亿美元，复合增长率达35.1%。

　　据了解，语音技术以其广阔的产业应用席卷人们的日常生活和工作，其产业规模大幅提升主要得益于三方面。第一是大数据、云计算等技术的发展使得智能语音技术的应用不断成熟；第二是各国政府、相关行业及资本的持续关注推动语音技术的研发和产业化；第三是随着移动互联网技术的发展，智能语音技术正在快速成为人们日常生活的组成部分，并显著改变消费者的交互方式。

　　但智能语音市场在带来高价值的同时，也将导致行业的垄断。据MBA报告，智能语音产业是技术先导型的新兴产业，存在核心技术壁垒、行业应用壁垒和语音资源壁垒，具有显著的“马太效应”。从全球范围来看，仅有少数厂商在语音市场具有竞争力，一类是传统语音技术厂商，拥有长期技术和用户积累，如美国的Nuance公司，但近年逐渐衰落，而让位给互联网巨头。另一类是以IBM、微软、谷歌、苹果等为代表的IT巨头，凭借在互联网端的优势迅速抢占语音信息流入口。

　　资料显示，早在2009年，Nuance公司占有全球语音识别市场约69%的市场份额。在2012年，Nuance的市场份额下降到62%，Nuance、谷歌、微软、苹果、IBM、科大讯飞五家企业占据市场份额超95%。2013年，Nuance市场份额下降到51%，而谷歌依靠其在互联网和移动互联网领域的优势，市场份额由16.9%上升至28%；苹果、微软、科大讯飞以4.7%、4.4%、4.3%的市场份额分列第三、第四、第五位。可见智能语音行业的寡头垄断特征十分明显。

　　此外，随着智能家居已从概念向商业化阶段发展，语音控制和交互将是智能家庭的一大趋势。根据市场研究公司Juniper发布的数据，2018年全球智能家居市场规模将达710亿美元。以苹果、三星、海尔为代表的消费电子厂商和以谷歌、小米、乐视等为代表的互联网企业开始纷纷推出智能家电产品，为智能家居市场打前站。而智能家居的发展也将带动智能语音服务的快速增长。