王先森日记第46篇：中国的人工智能入口

现在有越来越多的人开始认同，未来最好的人机交互方式就是自然语言。而且自然语言互动会逐渐摆脱人对着屏幕互动的束缚，因为你对着屏幕，至少你的目光受限，你眼睛要看着屏幕，你做事情就不方便了。而智能互动应该是融入环境的，应该是让人可以很方便地在不影响其它事情的情况之下来互动，有屏幕可以互动，没屏幕照样互动。

所以，越来越多的人认为，未来的入口应该是语音互动的入口。

一、中国的智能音箱市场现状

1. 中国和国外的区别就是有版权问题

不管音乐还是电视，还是听书，都是要有内容支持的。

亚马逊能做，能提供这些版权。因为亚马逊网站本身就是一个很大的图书内容网站，上面也是有大量的影视内容的。

2. 中国的授权机制比较分散

国外新的电影、电视都会主动授权给各个渠道，同时，音乐版权上亚马逊也引入了 全球最大的正版流媒体音乐服务平台，所以也都不是问题了。

但是，这些在中国全是问题。中国的版权比较分散，音乐主要在阿里和腾讯手里；电影、电视就更分散了，需要单独洽谈；图书简直像一盘散沙，分散在各个出版社、出版公司、出版社、作者。

内容分散，你就很难做好服务。

比如科大讯飞的电视盒子中的语音查询，技术方面其实没有任何问题。但是，因为科大讯飞没有内容源，所以往往是我查到的一个内容，科大讯飞不能提供，那它就给我提供一个 APP，让我下载 APP，里面就有我想要查找的内容。结果，几部电影、电视剧下来，智能电视里下载了一堆 APP 。可见这个用户体验是很糟糕的。

其实，这也反映了做语音互动入口的一大难点。

人们会拿语音互动类比于真人互动服务。如果说语音互动做不好，它不如真人能够直接给你答案，那它的体验就会很差。而我们说，搜索就好很多，因为搜索下面其实有很多项结果，它并不是给你一个直接的答案，而是给你很多个选项，你只要其中之一是你想要的就好了。那语音互动不能给 N 个选项，必须要直接给到最好的结果。

二、中国人工智能入口的三种可能性

1. 期待内容整合，版权的授权模式逐渐清晰

据说音乐内容现在已经在开始整合了，阿里和腾讯有协议，要把所有的音乐内容整合起来，将授权模式清晰化，这样的话人人都只要做好智能音箱就可以了。影视内容的囤积原来乐视最好，现在明显是力不从心了，不知道还有没有人能够强力地把影视内容整合出来，而且能够把这些授权做好。

2. 企业自己来做能够控制内容的音箱

因为既然 IP、知识产权有问题，那么就只做我自己拥有知识产权的内容。比如“得到”出个音箱名字就叫“罗胖”，用户在晚上睡觉之前跟这个音箱说：“罗胖，请你把你今天讲的内容给我再讲一遍，行不？”因为目标用户很明确，而且用户目标也很明确，就是听得到上的这些内容。但是，问题是会丧失扩展性，估计你会好意思说：“罗胖，请帮我讲一本书。”但是不好意思说：“罗胖，请帮我把走廊的灯关了吧。”

3. 另辟蹊径

第一，找家居领域的其它的互动需求，比如 MIT 的 Jibo，所谓的“伴随型的机器人”或是“社交机器人”。当然要小心，这个思路容易成为另一个伪需求，就是到底你需要机器人跟你互动什么，必须要定义清晰。比如国外的小爱因斯坦机器人，定位是孩子的一个小老师，能够让孩子从小都学会跟这个人工智能来智能互动，来替代学习机，这是一个家居领域里面另辟蹊径的例子。

第二，公共场所的服务机器人。

无论是家居领域以外还是以内都是窄众需求，就是用户群不广泛，或者是低频需求，不是你天天能用的。如果要变成颠覆性的人工智能入口的话，必须得变成大众型的高频需求。

从未来的角度看，我们都知道这个机会很有可能是巨大无比的，很有可能会出现下一个 BAT，甚至可能是中国出现超越国外互联网巨头的新公司的大机会。