微软的傲慢与偏见——Cortana小娜失败根源

本文介绍了微软语言交互产品——Cortana的发展历程以及逐渐消弭背后，微软的傲慢与偏见。

• “Hi，Siri，给我讲个笑话”
• “天猫精灵，今天天气怎样”
• “小度，为我导航最近的加油站”
• ……

今天用语音唤醒智能助手，已经不再像以前那样是一件颇有耻感的事情了。“音箱大战”的澎湃之力，已经让偏远至村镇的群体都AI了起来，智能语音早已下沉得不能再下沉了。语音交互的习惯逐渐培养起来，接下来就是做文章、讲故事的好日子了。在这样的大好局面中，微软语音助手Cortana小娜却传出了要“脱团单飞”的消息，即将终止在iOS和安卓两大移动应用平台上提供服务，这无疑是自绝于人民群众的自杀式行为。

小娜的失败给语音交互领域留下了哪些“遗产”，而它的创造者在失去移动端制霸权后，又将告别智能语音助手这一关键入口，接下来的航线又指向何处？

Cortana小娜的“美强惨”人生

今天语音交互的主流人群，可能都没有来得及能跟小娜在手机端产生一次对话。而在PC端偶尔召唤出来，最大的可能也是因为操作失误。但这并不代表这位以FPS 游戏 Halo 中的 AI 角色命名的Cortana ，水平真的如此泯然众人矣。

准确来说，在AI黑科技方面，微软并不输给谷歌、苹果这些高光实验室。而小娜背后的微软亚洲研究院（人工智能-语音识别方向）更是产业界的“黄埔军校”。有着如此背景的小娜，问世时可比答非所问的Siri聪明多了。

在一则视频中，用户通过搜索引擎向Google Now、小娜、Siri提问“埃菲尔铁塔有多高？小娜在数年前就将知识图谱与AI相结合的方式来呈现答案，跳过引擎抓取的大量无用信息，直接告诉对方答案——铁塔的高度。

更关键的是，小娜所依托的微软亚洲研究院有着大量的中文语音识别、语义分析成果积累，当时Siri还是一个中文听不懂、回答颠三倒四，最大的作用就是讲笑话的搞笑型选手。除了历史沉淀，小娜之所以聪慧，也源于其在微软“云为先，移动为先”核心战略中的关键地位。

当时，小娜与Bing、Azure等产品正在逐步取代Office和Windows，成为微软在移动时代的新业务核心。为此，微软在对小娜的打磨上也十分用心。

小娜的定位是“智能助理”，当时已经可以处理复杂的口语指令，来帮用户打开第三方应用、查找文件、收发邮件等等。2016年，小娜的语音识别率就已经超越了人类。2018年早些时候，为了让小娜的表达听起来更人性化，微软还收购了一家名为“语义机器”的人工智能初创公司。可以说绝对是亲生的待遇了。

小娜所担负的理想，即使在今天看来，也极具前瞻意义。在技术愿景上，小娜被设计为云端驱动（cloud－driven），许多智能计算都是在云端完成的，设备终端只做轻量级的整合。这使其跨平台统一服务成为了可能。

所以在应用场景上，微软工程师们提出了“Cortana Everywhere”（小娜无处不在）的想法。即让小娜在各种不同配置、不同版本、不同操作系统的终端设备上都能够被调用，并提供一致性的用户体验。只要智能终端具备一定的计算能力，可以运行小娜的客户端堆栈（Client Stack），就能够运行。

当时设想的足够运行小娜的最小设备是智能手环，在微软的Microsoft Band 上，小娜可以识别语音并以文字形式呈现出来。

当时的产品负责人在谈到小娜的理想化未来时，描绘了这样一个场景“一件衣服里内置了麦克风，它可以听到我说话，将信息传达给我口袋里的手机，然后手机和云端进行通讯。整个过程用户都不需要从口袋里掏出手机，佩戴耳机就可以听到小娜的回复。”

耳不耳熟？云+AI+泛终端，这个今天普遍出现在各种行业前沿技术峰会PPT上的智能交互画卷，几年前就被微软描画了出来。

（Microsoft Band 上的小娜效果）

可惜，凡事总有但是。

小娜最终还是走上了“美强惨”的道路。最后那个令人意难平的“惨”字，源于不久前它的彻底失败。

微软正式宣布战略性收缩小娜业务，将在2020年1月31日退出iOS和Android平台，这是一封来自官方的死刑宣判书。

其实早在今年1月份的时候，微软CEO纳德拉就宣布不再将Cortana视为Alexa、Google Assistant的竞争对手。但走到彻底放弃移动端应用市场这一步，也不由令人唏嘘——小娜明明应该是主角的剧本，最终却沦落成了炮灰，一切究竟是怎么发生的？

三人行必有炮灰：微软的语音交互“滑铁卢”

尽管有点马后炮的嫌疑，但今天我们回望微软在语音消费级市场的大溃败，或许能对当下还在场内的玩家有一个更为清晰的认识。总体来说，小娜的“生不逢时”，主要体现在三个节点上：

1. 生于智能，但困于终端

智能语音助手的第一要义，除了在技术上要能实现足够高精准度的识别理解能力之外，最核心的一点是要有任务属性，即能够帮助人解决特定需求。也意味着，它必须能够获取其他设备和应用的控制权，才能够达到这样的要求。

但小娜除了在微软体系内拥有足够多的权限，比如调用和理解邮件、处理365office等等。而且大部分是发生在PC环境中，语音交互相比鼠标要位居其次。在更广大的移动场景中，受限于Windows Phone可怜的市场占有率，小娜很难做到像Siri、echo与google assistant那样，与自家硬件无缝整合。

比如在打开应用时，使用“Hey Cortana” 语音唤醒；亦或是始终保持语音待命，以低耗电状态运行等，这些必要的能力小娜都很难在竞争对手的设备上实现。

而缺少了来自终端用户行为的数据滋养，小娜在脑力进化、内容理解等能力上也逐步与对手们拉开了差距。微软在消费级移动终端上的失利，最终转化为小娜的败北。

2. 生为语音，却难觅应用

尽管微软在小娜应用开始，为其设计了非常具象的应用场景，比如用户可以通过输入文本或语音与小娜交流，可以语音搜索互联网内容，或者是直接询问关于影视剧集、天气、附近商户、交通路线、航班、音乐、百科等信息。和微软账户绑定以后，小娜还能在不同平台间同步邮件、待办事项、短信等个人信息。

但回顾小娜推出时的整体环境，不仅对用户来说，语音交互是一件有些尴尬的事，常常需要跟春节与不熟的亲戚寒暄一样，需要搜肠刮肚地想话题；即使在今天，跟音箱里的语音助手聊两句就任由其落灰的也不少见。

更悲催的是，小娜出现的时候终端计算能力还并没有现在这么GPUCPU集体发功的强大，移动网络服务也不像现在这么高速、普及、稳定，当时如果遇上网络状况不好，小娜的语音识别就很慢，有些情况下甚至用不了。

而今天用户使用语音对话方式发出指令的不适感几乎消除了，小娜却已经身处强敌环伺的森林法则中，难以再翻身。

3. 生于智能，却困于自封

今天凡是拥有智能语音助手的厂商，早已达成共识，无论是行为数据的累积，还是交互习惯的培养，都需要尽可能多的与用户发生联系。开放，合作，是一切的前提。而微软闭关造城的霸主思想，或许是小娜注定失败的注脚。

2014年，被今日智能助手广泛致敬的“亚马逊Alexa+echo”模式，还只是个实验雏形。为了让任何人都愿意用，亚马逊成立一个新的部门Alexa Voice Services，敞开了招呼大家加入来开放能够用Alexa交流的软硬件，吊灯、冰箱、燃气灶、汽车……很多虽然今天依然看起来很傻，但今天Alexa成为全球应用最广泛的语音助手，拥有1.5万种以上的技能，与这种开放形态不无关系。

也是在同一年，时任微软Windows Phone项目高管Marcus Ash在被媒体问到小娜是否会登陆其他应用平台时，表示“微软只会在Windows Phone版Cortana彻底成熟之后才可能考虑其他平台，也不会考虑为iOS和Android的深度整合而开发底层访问功能”。直到2015年，WP系统眼见着市场惨淡，无法为小娜提供有竞争力的发展空间，当时微软才宣布转战安卓和iOS。就连这样的平台开放也是非常有限的，因为是“中美特供”，当时只针对中国和美国市场提供服务。

而同一年，百度已经召开了“度秘”的发布会，将其打造成了一个集微软小冰（聊天机器人）+微软小娜（语音助手）+bing必应（搜索引擎）+垂类O2O的语音交互产品。随后，“小度”的能力伴随着DuerOS平台被开放给了众多软硬件开放者。

对于开放生态的“傲慢与偏见”，使小娜错过了向消费层生长出根须并持续进化的机会。

2018年的时候，微软也曾试图将小娜的重心继续加码安卓和iOS，对它进行了大规模的改进，包括更新的UI，支持在蓝牙上播放音乐，启动速度提升了20%，并与微软其他服务进行了更深层的整合，比如可以加入Skype会议。

尽管如此，无论是面对中国市场BAT等巨头的中文语音助手，还是在海外市场与谷歌、亚马逊和苹果等正面交锋，微软小娜无论是硬件基础规模，还是平台化的延展能力，都无法再逆风翻盘。在微软的Build 2018中，通过Cortana与Alexa的互操作性展示，微软也只好承认了小娜本身的功能，已经不足以满足当下用户对语音助手的诉求了。次年1月，以小娜为核心的智能扬声器计划被宣告终止。

就连如今的退出，都在惨淡的成绩面前显得不那么悲情了。根据Sensor Tower的最新数据， Cortana应用在App Store上的“生产力”类别中仅排名第254，在Google Play中仅排名第145。好像退出也并没有损失很大的样子。

小娜原本有着最抢眼的开场，却在坚守着Windows和Office的微软脚步下，走向了移动的终局。

小娜走了，微软的语音交互未来在哪儿？

小娜虽然可以说是从移动端消弭了，但语音交互这个未来入口却不能轻言放弃。从微软透露的信息我们知道，小娜还将作为微软唯一的语音助理工具存在，在微软所有的Windows产品中嵌入，包括Xbox游戏平台，再博一次。

小娜是否还有希望重回大众视野视野还未可知，但从微软的“滑铁卢”不难看到，语音作为AI引发的交互革命，赛事的焦灼点却往往在技术之外。

在“千箱大战”的热身过后，泛智能终端的语音交互战局才刚刚拉开帷幕，未来所有机器、智能硬件，比如汽车、家居、办公等都可能被这场浪潮席卷冲刷。在这个过程中，胜利者的成功也许无法复制，但失败者的教训却值得反复咀嚼。

语音交互巨作为对信息生态和生活方式的重构，涉及了非常复杂的社会链条，庞大如微软也难免步步踩坑。目前看来，可以确定的是，建立产业链上下游合作生态将是第一奥义。

语音底层技术突破已经逼近天花板，大家都是在90%以上的极限成绩上反复拼小数点，通过产业伙伴的助力，打通语音交互软硬件的上下游产业链关系，在5G+AIoT的泛智能终端生态中占据先发位置，对未来的市场主导权争夺有着重要意义。

其次，国际化竞争态势日趋激烈，而中国厂商的本土产品优势会被持续放大。来自Google Assistant的数据显示，已经由此超过70%的互联网请求是自然语言、对话方式发出的。其中各个技术厂商包括创业者都有着各自的优势，但归根结底，用户体验才是抢夺市场的最高法则。在这一方面，中国科技厂商谁能最先完成下沉市场的使用时间收割，以贴近最广大用户群体的姿态完成心智占领，就等于率先在“语音+万物”的赛场上做完了准备工作。

可以预料的是，除了在智能音箱外形上不断做新文章之外，未来的中国语音交互战场还会有新的硬件形态通过厮杀，来完成消费市场的真正变革。

总之，小娜的失败，留给我们最大的反思或许是：不要让强者的傲慢与偏见，让AI的生命力在封闭中走向凋零。