語音平臺有機會成為物聯網時代下新的“操作系統”，連接全新的產業生態。
越來越多的人開始確信，語音的徹底主流化已經不是一個需要討論的問題，只是一個時間和習慣轉移的問題。
語音交互的價值，在過去幾年的發展中，逐步走出單純“控制方式”的狹隘理解，并成為業內人眼中的“新入口”，有機會 連接全新的產業生態。
作為被連接的核心硬件之一，汽車領域語音交互平臺的爭奪戰也已進入白熱化狀態。車載環境，極有可能優先成為用戶固化語音交互操作習慣最典型場景。
競爭仍在繼續。然而，隨著核心技術的產業環境的推進，關于車載語音交互平臺的競爭，已經從自然語言處理(NLP)+自然語言理解(NLU)引擎能力的競爭，衍生向數據和計算能力+資源整合能力的下一步競爭。
在這個過程中，誰將勝出?
語音平臺有望成為“新操作系統”
2014年11月6日，亞馬遜第一款智能音箱Echo在官網悄然上線。借助產品本身的軟硬件實力，智能家居配套設備的逐漸成熟，以及開發者針對Alexa平臺開發的數千種服務，Echo短期內名聲大噪，在不到兩年的時間內實現了超過千萬臺的銷量。
今年6月，蘋果開發者大會期間，蘋果公司CEO蒂姆·庫克正式揭開了HomePod的面紗，這款姍姍來遲的語音智能音箱，承載了蘋果對抗亞馬遜Echo的期望。
蒂姆·庫克很清楚，表面看起來一場智能音箱“卡位戰”的背后有著更深層的競爭：在人工智能(AI)迅速發展的大背景下，語音平臺有機會成為物聯網時代下新的“操作系統”，連接全新的產業生態，包括各類服務應用、各類硬件。
各類硬件中，除了智能家居設備外，汽車產品對語音平臺的需求最顯而易見。并且，由于目前用戶所習慣的點擊、滑動等觸摸型交互方式在車載環境下存在潛在安全隱患且并不完全好用，因此語音這一天然適應車載環境的交互方式，成為車內固定操作習慣的可能性非常之大。
目前，包括美國語音技術巨頭Nuance、國內相關公司科大訊飛、云之聲、思必馳、出門問問等等，均在車載語音交互領域進行探索和布局。例如，在去年阿里上汽的首款產品榮威RX5上，Nuance的車載語音交互系統得到搭載、科大訊飛與奇瑞自2015年起始終在密切合作、出門問問與大眾汽車集團(中國)成立合資公司。一時間，車載語音交互站上了時代的風口。
亞馬遜第一款智能音箱Echo
車聯網支撐車載語音交互發展
事實上，車載語音交互的發展，與車聯網近些年的快速發展密不可分。
在業內常用的定義中，中國車聯網如今走過了三個典型發展歷程：
第一階段：以最初的Onstar、Gbook為代表，核心是圍繞呼叫心中的導航等功能。
第二階段：前裝+后裝的“亂戰階段”，前裝淺嘗輒止，后裝見縫插針，一時間車聯網概念開始廣泛傳播，但真正好用的產品不多。
第三階段：以阿里上汽合資為代表，車廠合資模式下的資源產品深度開發和資源強強整合，開始在實際使用層面落地一些好用的前裝車聯網產品和服務。
對應來看，車載語音交互也經歷過三個發展階段，如果用體驗層面的關鍵詞來描述：
第一階段好像“吐字”：例如當時出租車報價器中一個字一個字的播報，是固定程序的單向輸出，并不是真正意義上的車在語音交互。
第二階段在于“識別”：用戶在這一階段可以進行語音輸入，但總被一件事情困擾，系統常常“聽不太清、聽不太懂”。
第三階段則是“可用”：語音系統開始聽得清也聽得懂，并且用戶能夠通過該系統體驗一些服務。
不難看出，車載語音交互目前的發展階段與車聯網整體的發展階段處于平行位置，位于起步初期，從“可用”到“好用”的過程中。值得注意的是，和以往任何時間節點都不同，隨著人工智能相關技術的迅速發展、產業鏈資源的整合意愿增強、用戶行為習慣的逐步養成，車載語音交互體驗正在進入提升快車道。
量產車搭載語音交互產品的比例逐年提升
優質車載語音交互體驗是怎樣的?
云之聲CEO黃偉曾和車云談起蘋果Siri，過去大家都把Siri想象語音助理，助理應該什么都會做，什么都能做，但實際上它做的并不好，“希望用一個相對來說有限的人工智能解決非常開放的需求，這本身很難做到”。
但是，隨著時間的推移和技術的發展，用戶在車內這一“相對比較封閉的開放環境中的開放需求”，將很快被滿足。在研發層面，各方考慮的早已不是如何讓系統更清晰的識別用戶的語音指令，而是如何更好的接受指令、更細的理解指令、更快的做出反饋。
更重要的是，越來越多的相關開發者意識到，語音只是工具，需要連接相應的服務和應用。這些服務和應用為語音而生，目的不是推給用戶一堆信息，讓用戶自己尋找答案，而是直接幫助用戶把事情辦成。
車內語音系統，正在成為一位真正的“助理”。一些實際的成果也正在落地。
去年底，科大訊飛發布智能車機系統——飛魚助理。該系統搭載的語音交互支持多輪對話和中途打斷，不用多次喚醒就能調用導航、音樂、撥打電話等功能。科大訊飛智能汽車事業部負責人劉俊峰向車云展示了兩個場景。
場景一、聯系上下文對話。
用戶：“我想聽甜蜜蜜”
系統：請欣賞鄧麗君演唱的《甜蜜蜜》
用戶：“試一試鹿晗唱的”
系統：請欣賞鹿晗演唱的《甜蜜蜜》
用戶：“我想聽他和陶喆合唱的”
系統：“請欣賞鹿晗陶喆的合唱歌曲《請到長城來滑雪》”
場景二、語音糾錯和隨時打斷。
用戶：打電話給黃老師
系統：好的，即將為您接通……(數秒等待后接通“訊飛黃老師”)
用戶：(打斷)不對，是黃昕黃老師
系統：好的，即將為您接通黃昕(數秒等待后接通“黃昕”)
用戶：確定
在車云看來，上述場景相比現有車載語音產品而言，主要優化點在于“接收信息+反饋信息”層面，這屬于產品優化的第一層。
在進一步的發展中，隨著基礎能力的提升，服務的整合能力將成為關鍵能力，車載語音系統不僅可以聽懂、反饋，更可以“預判+執行”。 語音交互只是手段，不是目的，交互的目的是為了讓機器更好地完成任務。
目前，在博泰集團最新一代的車機產品中，基于周邊服務的整合，語音系統已經可以開始預判用戶的需求，并幫助用戶實現需求。具體而言，例如用戶語音搜索目的地電影院，那么系統除了快速彈出電影院推薦、結合導航時間進行場次推薦外，還能直接幫助訂票、選位。
再以一個場景舉例：
用戶：“幫我找個新街口附近看電影的地方”
系統：“為你找到如下影院……請問要選哪一個?”
用戶：“萬達那個”
系統：“即將導航至南京萬達國際電影院……為你推薦近期的高分影片，《戰狼2》9.5分，萬達國際電影院最近的場次17:10開始，票價35元，根據當前路況正好可以趕到，是否需要提前訂票選座?”
用戶：“好的，我要最后一排中間的2個位置”
系統：“該場次最后一排中間區域已滿，更換為倒數第二排中間2個位置可以嗎?”
用戶：“也行”
系統：“支付成功，萬達國際電影院4號廳9排6號與7號，訂票信息與取票二維碼已發送至手機，到達影院后可以用二維碼在自動取票機上快速取票，祝你觀影愉快”
這當然還不是全部。當語音系統與汽車本身結合更緊密時，還會帶來其他層面的想象力。例如用戶直接通過語音控制車輛，設定車內空調的溫度、開關天窗、啟動汽車、開關車門等等。當然，這需要車企層面更高的開放度。目前，大眾、福特、現代、寶馬等公司均已不同深度的嘗試引用亞馬遜Alexa語音服務運用。
核心競爭點在于數據和計算能力
上文提到了車載語音系統在未來不久能聽懂，反饋，亦可以“預判+執行”。那么一個問題隨之而來，想要做好這些，車載語音系統需要提升哪些核心能力?
車云將該問題拋給了多位語音行業的專家，各方給出的結論比較一致——前期在于自然語言處理(NLP)+自然語言理解(NLU)引擎的能力，后期在于數據和計算能力+資源整合能力的提升。
更具體的說，NLP+ NLU引擎的搭建，能夠幫助系統聽清并聽懂大部分的語音，但語音太過復雜，同樣的句子甚至在不同的情景下都可以表達不同的意思，這就需要系統不斷的錄入數據，自學習，并擁有極強的計算能力以處理大數據。此外，就好像上文提及，語音交互只是手段，不是目的，交互的目的是為了機器更好地完成任務，因此與亞馬遜Alexa平臺一樣，車載語音交互平臺同樣需要整合各種為語音而生的原生服務及應用。
這讓車云想起阿里上汽打造榮威RX5的例子。阿里巴巴技術委員會主席王堅曾告訴車云，實際上YunOS操作系統做的最成功的事情，是作為重要的載體和介質，把阿里云的計算能力帶上了車，包括CPU的運算能力，還包括存儲能力、傳感能力等等。這是最底層的能力，也是最重要的能力。
上汽與阿里的合作從效果上看非常成功。圖為：阿里巴巴董事局主席馬云(右)、上汽集團董事長陳虹(左)
事實上，王堅在車載系統上的思考，和業內現階段業內在車載語音交互上的思考，異曲同工。
以博泰的思考為例。7月6日，博泰與百度達成合作，將在DuerOS開放平臺、百度云，以及阿波羅計劃方面建立深度合作關系。博泰集團創始人及董事長應宜倫明確表示，此次合作的一個關鍵點，就在車載語音交互層面。
一方面，基于百度云的強計算能力，車載語音交互產品可以實現實時更改與聆聽，速度提升多倍。打個比方，如果此前是一臺計算機包辦“輸入、理解、輸出”工作，那么計算能力提升后，則是三臺計算機，一臺“輸入”，一臺“理解”，一臺“輸出”，三臺平行處理。
另一方面，百度最寶貴的資源就是數據，其中一些對于出行而言有很大價值，包括個人習慣和生活經驗等，如果將這些數據進行結構化，緩存到可以被快速調用的云端區域。假設用戶在車內通過語音提出相關問題，則這些數據便可實時發揮價值。這可以被定義為車載語音平臺聽清、聽懂后，直接解決問題的能力。
過去常有人說，車載語音交互技術發展將會是一個緩慢發展過程。現在看來，至少這一進程比預期來得要快。并且，隨著核心競爭點的逐步轉移，聚焦在車載語音交互的領域，大玩家之間聯盟只會越來越緊密。