互联网创业最流行的一句话就是：站在风口上，猪也能飞起来。
所以寻找风口，是大大小小的公司都不轻易放弃的事情。最近火热的智能音箱便是“人工智能”风口下的产物。
有趣的是，虽有美国亚马逊的echo出货量超过700万台的案例在前，但智能音箱这头“猪”在中国的起飞却磕磕碰碰，格外笨重。
现在，随着中国的智能音箱的产品越来越多，叮咚音箱、小雅AI音箱、天猫精灵X1、小米AI音箱等——风口，好像起风了？
对此，笔者有以下一些思考，让我们一步一步来分析。
智能音箱的核心是语音技术，而语音技术涉及到大数据分析、深度神经网络等，本身属于人工智能技术的一种。所以说智能音箱是人工智能技术的产物并不为过。
但是，这也给了很多消费者误解，认为智能音箱就是人工智能。严谨地说，这个差别还是很大的。
如果大家有体验过任意一款智能音箱，可以发现它在语言的逻辑理解上存在着根本的缺陷。这是因为整个语音交互背后的自然语言理解，依然是传统的关键词人工匹配为主。
所以，智能音箱目前只是语音合成、语音识别等人工智能技术综合应用的产品，但本身不是人工智能。
对于为什么智能音箱在欧美大卖，在中国却一直火不起来的原因分析有很多。
但作者提供这么一个角度——智能音箱的市场容量，本身是音箱市场容量的一个延伸。并且这个音箱市场，还得排除掉和电视匹配的家用客厅音箱。
为什么说智能音箱市场容量脱离不了音箱本身？
用户买智能音箱，可以大体分为2类。
对于第二类用户，数量其实是非常有限的。从用户画像上看，第二类用户对互联网关注度也高。可是目前智能音箱比较糟糕的用户体验和不完整的生态，还不能触碰到他们的G点。
所以智能音箱的绝大部分销量，离不开本身对购买音箱有需求的消费者。
这从国外的echo用户交互数据上也可看出，播放音乐依然是占比最大的用户行为，像问天气、闲聊反倒是低频次的行为，用户基本尝尝鲜，没了新鲜感，这类行为频率就降到很低了。
（echo用户使用习惯）
有趣的是，大部分中国人还是更喜欢佩戴耳机听音乐。它的原因包括了中国人内敛的性格、较小的房屋居住面积等。所以中国的智能音箱市场容量，是没办法和欧美相比的。
如果以电影《her》里的人工智能技术，语音助手可以是所有东西的“入口”。
但显然，今天我们要讨论的，是目前技术水平前提下，智能音箱究竟是什么的“入口”？
以目前发布的音箱分析，喜马拉雅FM的小雅AI音箱核心是音频内容、小米AI音箱的布局是物联网硬件生态、天猫精灵X1甚至在尝试把它用于购物平台入口。
大体可以发现，比较明显的入口是智能家居、音频内容，搜索、购物、服务、甚至社交等。
但作者认为，目前的值得关注的入口只有2个：智能家居和音频内容。在“百箱大战”中真正起到核心竞争力的，也只有这2个。
理由很简单，由于目前语音助手不像个“伴侣”，回答过于机械化，用户对它的沟通是不存在“耐心”这一说的。
所有产生的语音交互，必须简短、清楚。
而搜索、购物、服务、社交等功能，它们共同存在的问题是：
这2个问题对用户体验是毁灭性的打击，没人可以让智能音箱的交互回答时间超过20秒钟。用户必然会通过手机、电脑替代。
所以短时间内，凡是出现这2个体验黑洞的入口，都不会有什么起色。
智能家居入口就避免了这2个问题，以目前的语音技术，可以对控制类交互做到非常好的体验效果，并且智能家居的交互反馈，是非常及时有效的。
音频内容入口方面，语音搜索具备不可或缺的优势，用户得到的音频，本身是结果，不是过程。所以也就避免了这2个问题。（这和前面所说的搜索入口有所不同，因为播放的音频是独立的，不属于语音交互范畴）
此时，可能有人会质疑，语音助手在询问时间、天气等服务上的表现很不错，并不存在这两个问题。
这里做个解释：
询问时间、天气这些是基础服务，是没有入口属性的，作者这里指的“服务”是具备入口属性的服务平台，比如：滴滴打车。
这个问题其实是上一个问题带来的。
由于语音助手本身接受信息和反馈信息的能力是受限的。在目前的语音技术下，一旦智能音箱的布局超出了智能家居、音频内容2个入口，是必然要加屏幕的，否则用户体验上不去。
那为什么不加个屏幕呢？其实还是回到智能音箱本身，它有2个特点
这两个特点很有意思，因为只要把其中一个改成相反的，都可以成为加上屏幕很好的条件。但这2个特点在一起后，屏幕的效率就小得多了。
智能音箱最重要的功能特性是远场拾音，这能解放双手，让用户更加自由。但智能音箱加上屏幕之后，用户对它的操作距离一下又回到了手机的操作距离，那么用户为什么不直接用手机呢？
所以，作者是不赞同在智能音箱上加屏幕的。
那怎么解决目前受限的用户体验呢？或者我们可以换个方向，屏幕需要加，但屏幕的载体不再是音箱本身——这或许有更多的想象力。
echo的出现，让大家发现，音箱似乎是人工智能时代被选中的天之子，甚至不少人做出这样的结论：音箱是人工智能时代最合适的载体。
当然，说人工智能太泛。我们往小点说：音箱是语音助手最好的载体吗？
语音助手的交互方式是对人来说最自然的语音，这也决定了声音在交互过程起到的比重前所未有的提升。
由于音箱和播放声音有着极其紧密的关系，自然成为所有设备中的首选，从目前的状态来看，这种选择也是正确的。
但实际上，以音箱作为载体，最大的问题在于它和“生命”无关。
我一直坚信，语音助手最好的载体是要有“活着”的感觉，这种感觉甚至可以用“跳动的线条”来展示。
比如，一颗会凋谢、会绽开的机械花都会比音箱更适合作为语音助手的载体。
目前作者认为这方面做得最好的是“若琪”的外星人。
（若琪·外星人）
所以选择音箱作为载体，是因为技术所限，是人类目前缺乏其他选择下的一个妥协。
