语音助手并不是下一个“风口”

硅谷风投 Andreessen Horowitz (a16z) 的合伙人本·伊万斯 (Benedict Evans) 近日在其博客文章中表示，智能手机的创新时代已经终结，但是现在没人能说语音界面或人工智能就一定会成为下一个“爆发点”。他还在文章中详细分析了语音界面目前面临的发展挑战。

iPhone 6 的设计已经延续了三年 (之前的每一代 iPhone 设计苹果只使用两年)，今年秋季苹果预计会发布新一代的 iPhone，但是也不过就是“又一部” iPhone 而已。想必到时候我们又会听到许多诸如“苹果创新已死”的声音。安卓也是如此，最新发布的 O 版本里大的新特性不多，外界仍旧是那个论调——“创新已死”。

实际上，智能手机的创新时代已经结束了。在 a16z，我们将其总结为新技术产品的 S 型曲线 (如图)。90 年代的个人电脑产品就经历了同样的 S 曲线，PC 现在的发展几乎停滞 (虎嗅编辑: 看一看联想电脑就知道了)，智能手机也正在或即将面临同样的状况。虽然智能手机的摄像头性能会变得更强，芯片速度会变得更快，但是关于智能手机的战争已经结束了。

也就是说，没有人会再问“谁会赢得这场战争”之类的问题。苹果和谷歌赢了，胜局已定，就像 1995 年个人电脑操作系统领域的微软一样。现在面临的问题是，全球有 25 亿智能手机用户，并且会在几年内发展到 50 亿的规模，下一个 S 型曲线会是那一种技术产品？会是语音助手吗？不太可能。虽然亚马逊可能已经买出了上千万台 Echo，谷歌也推出了 Google Home 产品，但是语音助手仍旧有太多问题要解决。

我们还是先看看为什么最近一段时间关于语音助手的讨论比较多吧。首先是语音识别技术的效果已经和过去大不一样了，从 2012 至今，语音识别技术的错误率已经从 33% 降到了 5% 以下。虽然 5% 仍旧不是一个足够好的效果，但是已经开始逐渐被用户接受了。另外，从美国市场来看，四大科技公司 (Google、Apple、Facebook 和 Amazon) 里面，后两家公司是没有自己硬件平台的。所以亚马逊会力推 Echo，Facebook 也在极力推动人工智能方面的产品。

那么当下的语音助手产品是否会出现 S 型曲线的爆发呢？不太可能。

如果仔细来看目前语音技术产品的应用，不难发现从本质上，它仍旧只是作为一个语音命令界面来使用，也就是将语音转化为文字 (而且这个过程的识别率仍有待提高)，实际的系统命令操作，依然是旧有的模式。打个比方，就是用户可以用语音输入来填一个对话框，但是解决方案的本质仍旧在对话框后面，语音只是一个尚不完善的界面。

但是现在的某些语音助手产品却在做一件有误导的事：科技公司让用户觉得只要对着语音助手说话，它们就能听懂，做到一切。

实际情况是，在语音界面背后真正的“对话框”，只有那么几十种 (最多 50 种)，也就是说，即便用户的自然语言命令能够成功被识别，“对话框”能够完成的操作也是很有限的。当然，有人也会说科技公司会不断增加语音助手能够做的事情，或许未来能够增加到上百种。但是站在用户的角度，使用语音助手就面临这样一个“窘境”：我需要先知道它能做什么，否则我对着它说了半天也是白说——这还是在能够成功识别的情况下。

从用户体验的角度来讲，这增加了使用这种产品的难度，不但没有获得方便，而且还增加了负担。考虑到目前的语音助手产品大多时候只能够做一些简单的操作，那么用户实际上没有必要绕这么一圈，只需要点几下屏幕就可以了。触控操作也是大多数用户已经建立起使用习惯的方式。

我们不妨将语音助手和智能手表的使用情景做一下比较。这两款产品能够做的事情，你的智能手机都可以完成，但是这两款产品在特定情景下让用户操作更便捷 (只要你能想起来使用它们)，比如设置闹钟或者汇率换算。但是只有在用户清楚了解这些特定情景的情况下，便捷性才会体现出来。否则的话，用户最便捷的选择其实是掏出手机，点几下屏幕。

语音助手产品在使用场景不多的时候，无法确保有效的使用结果，这增加了用户的成本。而且，语音识别率仍旧有待提高。不过，对于一些特定且简单的用户操作来说 (比如开关灯) ，像亚马逊 Echo 这样的产品的确更有优势。也就是说，虽然从理论上来讲语音助手能做的事情很多，但其实只有一两个功能才是最适合这种产品的。

有些人希望把语音技术做成下一个爆发性的产品，可以理解。尤其是考虑到智能手机正在逐渐向 PC 靠拢。但是语音技术是否能够迎来 S 型曲线的爆发，非常令人怀疑。