自從淼叔把有聞咖啡館定位為記者之家之后，因為記者常來常往，不少公司也漸漸地把自己的新產品送過來展示，或者一些新服務放在有聞落地，目的也簡單，占一條觸達記者的捷徑。
5月初，京東智能送來了他們的智能音箱DingDong。一開始倒也沒多想，咖啡館嘛總是需要音樂的，而有聞的結構是三間獨立的小咖啡廳，所以音響系統也相對獨立，把DingDong放在我的辦公空間也不影響別的人。聯網聽歌的功能不新鮮，語音控制效果不錯，但考慮到它的另一半血統來自于科大訊飛，也并不意外。
直到某一天，在控制音箱的App某個深層菜單里，看到了“智能家居”這一項，點進去又發現了“微聯智能生活館”，才把這臺音箱與亞馬遜推出的“Echo”聯系在了一起，雙方具有類似的野心，不過京東智能選擇了更具中國特色的路徑。
語音離入口僅有2秒距離
在這個微聯智能生活館中，列出了形形色色的家用電器，小到插頭，大到冰箱洗衣機。這些電器的共同特點是支持基于京東微聯的Joylink協議（微聯是國內第一個自主研發的跨品牌、跨品類的智能家居互聯互通平臺。JoyLink則是第三方硬件接入微聯的底層通訊協議）。2016年，京東智能聯合行業伙伴向業界提供Joylink的全面開放服務，基于這樣一個共同基礎，所有電器都可以用一個App來操控。在前不久的CESA上，京東智能副總裁劉子豪博士也介紹過，京東微聯可以讓用戶自己定義個性化的生活場景，截止到2015年底，微聯中已經覆蓋40+品類、100+一線品牌、1000+商品的智能產品，它正在成為各種智能場景的聯接平臺和操控入口。
京東智能副總裁劉子豪博士
然而在使用終端上，京東還開辟了一個更便捷自然的交互形式——語音，DingDong音箱就是重要的代表。其實智能家居的入口這件事已經被提及過多次，這個位置被微軟覬覦過，用Xbox；被小米覬覦過，用手機；騰訊覬覦過，用微信；鋼鐵俠在電影里實現過，用虛擬屏幕。京東來趟這趟混水，有戲么？
喬布斯之后最偉大的商業天才貝索斯認為，這事有戲。當他的秘密研發部隊Lab126（相當于Goole X之于Google）告訴他Echo智能音箱的研發計劃時，他只提了一個要求：“Echo的語音反應速度要達到一秒”。當時的普遍指標是2.5到3秒。如果你說一句話話音落定之后三秒對方才有反映，正常人都會認為跟自己對話的不是人類。
Lab126克服各種技術難關把這一指標提高到1.5秒，Echo上市后果然大獲成功，在兩周內預訂量即超過100萬臺——第一代iPhone達到這一速度用了70天；它還成為“黑色星期五”時亞馬遜網站上售價100美元以上商品的銷量冠軍。貝索斯迅速將之優先級調高至戰略級別，其征兆就是在“美國春晚”超級碗廣告中，亞馬遜把黃金般的位置給了Echo。
無論Echo還是DingDong都已經證明，相比于手機、盒子、屏幕，語音是更為流暢自然的交互方式，“動嘴不動手”一直是懶人的最高境界。更無心插柳的是，智能音箱的語音交互習慣培養門檻非常低，它最高頻的應用——點歌——默認就是這種交互方式。如果人們一開始并不習慣對家電發號施令，點一首歌會讓他們自然得多，也更容易接納智能音箱作為對話對象。
語音控制的兩個門檻
不過，到了中國市場，做成這件事需要的不僅僅是一款產品。在技術端，京東云已經積累了大量消費者和產品數據，接下來就是用場景活化這些數據；在渠道端，京東是最大的家電銷售平臺，對支持Joylink協議的產品略加傾斜即可發揮巨大的影響力；在用戶端，微聯計劃解決了家電產品“非互聯網化”的痼疾，使銷售不再是生意的最后一步，而是用戶數據采集的開始，也是用戶價值拓展到整個產品生命周期的關鍵一環。而通過這三端的運營，京東也希望能超脫流量商人這個漸漸失去吸引力的價值模式，將自己升級為擁有云計算和智能家庭兩大金礦的科技企業形象。
當然現在就對以DingDong音箱為代表的語音控制產品的前景做判斷為時尚早，畢竟它還有兩個關鍵問題仍是懸疑待解：首先，能否跨越貝索斯劃下的那條線？讓語音交互的過程真正地像“與人交互”而不是“與機器交互”，這是決定其自然交互體驗的一個門檻，也是該產品能否“人性化”的核心問題；其次，Joylink協議內置到家電之中，其成本控制和性能穩定性乃至安全性保障，還有待市場的檢驗。
關于第二個疑問，此前它已經讓大批智能家居行業的先行者折戟于紅海；而在第一個疑問方面，京東前不久在第二屆亞洲消費電子展（CES Asia 2016）發布了新一代語音交互系統AIUI（人工智能時代的人機交互界面），并推出首次搭載該技術的DingDong智能音箱新品DingDong靈動版。
AIUI的核心是智能化的多輪對話管理和上下文理解，“全雙工”的交互模式可以讓人機對話時隨時打斷進行信息補充或者糾錯，更接近人與人的溝通。 可以說，AIUI采用了另一種方式來解決“貝索斯要求”，它并沒有在語音響應時間上強行突破，而是在“多輪對話”上下了工夫。此前，人類跟機器對話的層級基本都停留在一級深度，也就是說，每次對話都是一個完整的問題。例如問SIRI:離我最近的飯館在哪里？SIRI說500米外的眉州東坡；下一個問題仍然要完整表述：去眉州東坡怎么走？而在多輪對話技術下，這個問題可以直接簡化為“怎么走？”還可以一直對話下去，例如問路況如何、幫助打車等等。能夠進行多輪對話而非一級深度對話，同樣是AI之所以像人的一個重要表現。
京東CTO張晨告訴淼叔，將在8月份推出從AIUI到微聯、Joylink協議整體的一個升級服務包，這其中的語音AI除了科大訊飛之外，還引入了微軟的深層對話技術（即上文所說的多輪對話）。如此也可以看出，京東正在加強與技術方的合作，努力將互聯互通和自然交互技術落實到具體應用中，在融入到用戶的場景化使用里。
畢竟，會下棋的人工智能對大多數人來說只是談資；真正能上手或者“動嘴”嘗試，才能讓人工智能走下神壇，成為惠及民眾生活的新動力。當“對話”這種最為溫和自然的方式成為智能家庭溝通的主旋律，順服的，不僅僅是那些電器吧。
京公網安備 11010502049343號