语音助手，正加速逼近下一代操作系统

　　2005年当LaryPage掏出一张5000万美金的支票慷慨地拥抱AndyRubin和他的Android系统的时候，肯定不会想到，他提前预定了一张谷歌在10年之后移动互联网时代最重要的一张船票。
　　如今移动互联网整个生态大局已定。但是下一个十年乃至二十年，重新洗牌的时候，会诞生一种什么样的操作系统？AndyRubin曾有一个著名论断，操作系统存在周期性，大约每12年循环一次，MSDOS是上世纪70年代末的首批操作系统之一。Macintosh和Windows接着在80年代初问世。90年代则出现了互联网。现在是移动时代。每一个都会变得越来越强大，承前启后。
　　Rubin这位从微软去到谷歌、见证了两个时代的终极极客，在2017年播下了自己的种子Essential，包括一部他心目中理想的智能手机，以及一款智能家居AI产品EssentialHome。EssentialHome的核心就是Essential的操作系统AmbientOS。Rubin并没有向外界详细介绍这款操作系统，但是他强调，
　　我认为会是AI，它和我们现在看到的其它系统稍有不同。今天，我们看到了模式匹配、视觉技术、自动驾驶汽车的自动化以及Siri、谷歌助理等语音助手，但是我认为在这之外还有一种技术能够包罗万象，不只是一个操作平台。
　　Rubin给出的答案，AI为基础的自然语音交互，可以突破单纯的语音助手App或者底层的静默服务，成为一种越级的操作系统。就像Android最初只是为数码相机设计的一样，最初它诞生于被主流忽略的边缘地带。
　　无独有偶，纯粹的边缘试验品亚马逊Echo毫无迹象地爆发，这是第一种纯语音控制的硬件，并且被媒体形容为iPad之后最热销的消费电子产品。亚马逊带头掀起一股热潮，也让谷歌苹果跃跃欲试，国内百度和阿里也未旁观，百度雄心勃勃推出了对话式人工智能操作系统DuerOS，阿里则做了AliGenie语音平台和YunOS。
　　值得注意的是，移动时代早期谷歌是两条腿探索未来，一条Android，一条ChromeOS，基于网络连接的Chrome浏览器越级成为操作系统，很大胆。开发一种纯粹语音交互的操作系统，同样也非常有趣，即使一开始它们并不是传统意义上的下世代操作系统。
　　当我们严肃讨论纯语音操作系统可能性的时候，当然不能忽视作为一个生态系统的核心，操心系统连接了三大块，硬件制造商，用户和开发者。
　　操作系统对这三者分别有不同的效益，并且互相影响和成就，典型的协同进化。
　　对于硬件制造商而言。操作系统能够使单一硬件更加趋同，减少多样性，使得硬件的竞争度集中同一核心维度比如性能上。操作系统某种程度对硬件的作用也是锁定，即硬件制造商差异化减少，竞争加剧。这方面的典型是Windows培育了PC硬件在几乎每一个领域的竞争并从中受益，硬件性能大幅上升，价格大幅下降，掠走硬件产业链的利润的同时，也加速了硬件的普及。
　　对于开发者，他们关心的核心就是开发成本和收益。一个操作系统平台能够减少开发成本，有更多的用户，投入重点就在哪里。在如今双寡头系统的市场，虽然iOS市场份额较小，但是客户粘性强，消费高且稳定，平台开发难度和成本也较低，iOS未来风险在于iOS硬件份额由于某种原因出现大滑坡。Android则胜在用户体量大，但是也有客单价较低，硬件碎片化加剧了开发难度，应用体验不佳。
　　对于用户来说，操作系统是网络效应的典范。当越来越多的用户选择某一个操作系统平台，该操作系统开发的软件应用就会越多，而这反过来又会驱动更多的用户，后者进而又增加了开发者可达的市场规模。从长期看这会导致对开发者和用户的双重锁定。非传统的例子是Facebook作为一个App，汇聚了20亿活跃用户之后，想超越操作系统成为一个全新的平台。Facebook早期曾允许开发者在其社交平台上建立自己的轻应用直接触及其核心资产全球数量第一的活跃用户，为他们构建一个完全属于自己的应用程序，但是后面发现这样做的结果是无法维持一个稳定的平台规则。微信也正在做这样的尝试。
　　语音交互的服务能否越级成为操作系统，我们分别从主导硬件制造商，圈进开发者，制造用户端的网络效应，DuerOS和AliGenie的成效如何。
　　DuerOS的先发优势，让它成为中国活跃度最高智能语音助手。2018年12月语音交互达16亿次，并连续八个季度实现每季度数据翻倍。目前百度DuerOS已经与联想、美的、海尔、HTC、小鱼在家、猫王、TCL、小天才、哈曼、飞利浦、创维、东风、联通、极米、OPPO、vivo等合作伙伴展开广泛合作，将DuerOS的对话能力应用到智能家居、智能穿戴、车载、移动通讯等多个场景。2018年12月31日，搭载DuerOS的智能设备激活数量已突破2亿台，月活跃设备量超过3500万，同时，DuerOS的合作伙伴数量已经超过300家，搭载DuerOS落地的主控设备超过160多款。
　　DuerOS是怎么越级改造传统硬件的，以华为平板M5青春版（8寸）为例，用户可以用三种方式来开启智能语音小度版模式：一是插入支架，二是点击桌面上智能语音小度版App，三是充电的时候点击提示窗。其中插入支架的方式是最方便的。在插入随平板赠送的配套智能语音底座并充电后，只要在5米范围内通过呼叫小度小度唤醒词并下达指令，就能获得音乐、有声、新闻、视频等丰富的内容，从可听到可视。
　　在智能语音小度模式下观看视频，用户通过呼叫小度小度唤醒词并下达指令，就能使用华为平板M5青春版点播想要看的视频，不但可以精确到具体剧集和具体时间点，还能进行快进、后退的操作，完全无需手动操作，非常高效、方便。用语音功能取代触控，其便利性难以言表，可以说是真正做到了解放双手。
　　目前，在DuerOS平台上的开发者群体已经超过2。7万人，可提供包括生活服务、休闲娱乐等15种类型的1000多种技能支持，许多搭载小度的设备都可以秒变为适合消费者全家老小使用的智能语音设备。DuerOS可以成为年轻人生活和事业的助手，也能够成为儿童和老人的陪聊和生活伙伴。
　　阿里的AliGenie则走了另外一个方向，它更为ToB，发力场景化的应用。
　　AliGenie开放平台在2017年10月12日云栖大会发布，是由阿里巴巴人工智能实验室发起的，面向企业机构创业者开发者。AliGenie阿里第一代中文人机交流系统，它具有自然语言处理、开放平台、深度学习、知识图谱等等人工智能能力，让X1具有理解力、执行力甚至是进化力。
　　AliGenie开发者平台主要包括三大部分：精灵技能市场、硬件开放平台、行业解决方案，全面赋能智能家居、新制造、新零售、酒店、航空等服务场景。内容开发者、应用开发者、智能家居开发商和硬件生产商，开发者既可以创建技能，为更多的语音用户提供服务，也可以将自己的设备接入云端服务，获取语音交互能力。
　　应用场景方面，AliGenie已经实现涵盖影音娱乐、新闻资讯、购物外卖、家居控制、生活助手、儿童教育等100多项技能。作为一个开发者平台，AliGenie已经与Keep、滴滴、喜马拉雅FM等众多产品进行了对接。另外，AliGenie还为西溪天堂的酒店包括喜来登、悦榕庄、西轩、布鲁克等提供对接，为入驻酒店的顾客提供语音服务
　　AliGenie目前的设备激活量暂时没有权威的数据，但是阿里精灵音箱推出更早，目前是国内市场份额第一全球第三，稍微领先百度。AliGenie对硬件厂商锁定效果并不明显，似乎在走苹果垂直整合的路子，但更在意帮开发者掘金。
　　目前来看，DuerOS和AliGene在推动硬件普及和性能增长上成效显著，但是用户的网络效应方面，北美市场的表现更为显著，之前报告显示目前美国家庭平均5人就拥有一部智能音箱，且使用频率、使用时间和使用功能复杂性都在提高。还有一个有趣的现象，谷歌曾经停止为亚马逊带屏智能音箱EchoShow提供YouTube视频服务。
　　我们已经与亚马逊进行了很长时间的谈判，努力达成一项协议，为两家平台的客户提供良好的体验。亚马逊在EchoShow上部署YouTube的方式违反了我们的服务条款，导致用户体验被破坏。我们希望能够尽快达成协议并解决这些问题。
　　这种排他性，正是用户越来越离不开单一平台的标志。智能音箱可以换别的硬件品牌，而单一语音交互系统，日积月累的数据逐渐完成了用户习惯的定制，进而完成锁定，成为日常生活的一部分。
　　语音交互确实是下一代智能设备最为灵敏的操作系统选择。就像阿里巴巴人工智能实验室首席科学家王刚教授说的，
　　同样是交互方式，为什么语音交互跟手机APP比更有优势？用手机APP听歌我们的步骤是需要打开手机解锁，找到APP，再用文字去输入歌名然后再点击播放，这个过程可能会耗时要一分钟或是更久；而天猫精灵可能只需要五秒就够了，它的快捷性和在效率提高方面的优势还是非常明显的。
　　但是，最关键的挑战还是AI技术的成熟度。语音唤醒、语音识别、声纹识别、语义理解、语音合成等，这一整个过程中最难突破的那个点，在自然语言语义理解系统。
　　因为语言是人创造的数据类型。自然语言理解因为人在用的时候有很大的多样性和模糊性，要把它们精确地识别出来，具有很大的挑战性。机器在做一件人擅长的事情，人对机器的理解能力的期待是很高的，耐心是有限的。让硬件设备拥有人类一样的智慧，它就是终极操作系统。