上周，关于阿里巴巴旗下人工智能实验室（A.I. Labs）诞生的消息不胫而走，殊不知该实验室早在2016年低调成立。昨天下午，这个专门研发消费级AI产品的实验室高调推出研发的第一款智能语音终端设备——天猫精灵X1，内置阿里第一代人机交流系统——AliGenie。

现场，阿里人工智能实验室负责人浅雪两句开场白，道出阿里入局智能语音助手市场的初衷：

“语言是人与人之间最主要的沟通方式，也应该是人与另外一种智能进行交流的主要方式。”“云端一体化带来的趋势是高度智能化，智能终端需要一个比手机触屏更强大的人机交互方式。”

智能语音群龙纷争

自从亚马逊Echo、谷歌Home、微软Invoke、苹果HomePod、京东和科大讯飞的“叮咚”系列、百度的“小鱼在家”相继问世，加上项目代号为Vega的三星智能音箱也在紧锣密鼓的研发中。语音交互市场为人工智能时代添了一把火。

我们不禁要问，玩家之多，投入之大，当中原因是什么？

如浅雪所言，上个世纪90年代dos系统，是一个黑底白字字符界面，敲着键盘打着代码是常态；随后比尔盖茨的Windows震惊世界，一个操作系统加上多任务的可视化窗口，可以让沟通更简单；十年前，乔布斯告诉大家，人类其实有一个天然的操作工具就是双手，于是触屏的iPhone一代诞生；十年之后，人工智能告诉我们，人和物的交互其实可以解放双手。

究其原因是因为，人工智能时代，机器和人类都在加深了解，对于机器来说，通过不同方式理解人，难度不同。例如，智能手机可以视为人工智能1.0时代的产物，它和人类的交流方式就是把所有的选项都呈现在屏幕上让人类指导。但显然，无论是遥控控制还是APP化的触摸点按的操作，都不是最理想的交互方式，并不适用于所有人群，比如，中老年群体使用手机更多的用作交流。

阿里巴巴深谙其道，认为语音是最早最原始的信息交流渠道，与图像、动作并为公认的三大交互方式。

而家居环境的属性使得语音成为最合适的交互方式，智能语音应用主要围绕智能电视、冰箱、音箱、家用机器人展开，解决的需求包括搜片、搜歌、提醒、简单交互、应用调取等等。

细观全球市场，亚马逊并不是最早推出语音助手的，或者也不是在人工智能领域的技术实力最强的，甚至在硬件产品的研发上并非第一，开发者生态建设更不是佼佼者，但echo的成功至少说明了两点： 

1、这是一个全新的市场；

2、除了技术实力和硬件研发制造能力之外，在语音助手领域，对后段商业和服务生态的整合能力决定了竞争的宽度，实则更高门槛。 

从这个角度反观中国市场，如果以“智能音箱”这个品类看，毫无疑问音乐内容的丰富是最重要的，但如果是“智能语音助手”这个品类，对后端商业和服务的整合能力是关键。 

阿里的入局

这正是阿里巴巴的思路。天猫精灵X1除了具备语音控制音乐和音频内容播放等功能外，还通过AliGenie接入了众多生活服务。目前已经达成的合作伙伴包括美泰、KEEP、西溪天堂综合体、优酷、高德地图、淘票票、支付宝、虾米音乐、天猫超市、菜鸟裹裹、喜马拉雅FM、淘宝网、阿里智能联盟、阿里数娱、天猫魔盒、绘儿乐、吴晓波频道、飞猪、盒马鲜生等。

说一声“天猫精灵”，就可以召唤云端的AliGenie提供服务，播音乐、听故事、讲笑话、查运势、玩游戏、查天气、找手机、问百科、设闹钟/定时器、充话费、查快递、查价格、天猫魔盒控制、智能家电操控，样样拿手，功能还将随着开发者的入驻而增加。依靠阿里云机器学习技术和计算能力，AliGenie能不断进化成长，越用越聪明。

“天猫精灵，苹果的热量是多少？”——“每一百克可食部分为54卡。”

“天猫精灵，我的手机在哪里？”——“正在搜寻你的手机。”

“天猫精灵，给我手机充值100元。”

“天猫精灵，买一箱可乐。”

……

这一幕同样发生在当天，天猫精灵X1首席产品体验官、zealer中国创始人王自如和天猫精灵X1的互动场景，知无不言言无不尽的天猫精灵十分讨喜。

天猫精灵X1和AliGenie背后，由阿里巴巴人工智能实验室坐镇，基于阿里语音识别、自然语言处理、人机交互等技术。其中，阿里人工智能实验室正在对声纹识别、声纹购、NLP中文对话引擎等核心技术申请专利。  

1、全程对话沟通 

天猫精灵X1外观圆柱形，有黑白两种配色，直径83毫米，顶部中央配有一枚静音键，一触发此键，X1立刻暂停，以保证用户隐私。X1底部设计一圈隐藏指示灯，会通过声音判断用户方位，亮起灯光以示提醒，灯光还会根据不同使用功能和场景配合进行提示。 

配置方面，X1采用SmartAudio专业处理芯片，相比此前市面上的主流芯片，处理效率提升25%，功耗降低32%；搭载了6麦克风环形阵列，在家庭环境下支持5米范围语音识别。 

X1还具备一定的自我学习功能，可以根据环境噪音进行优化，适应不同家庭环境噪音。 

考虑到中文语义环境的复杂性，阿里人工智能实验室通过众包平台等方式，征集生活中的各种生活场景所需要用到的语义问法，仅天气预报就能够理解786种中文问法，通过深度学习， X1已覆盖20个领域的中文自然语义理解，能够理解人类80%的意图。 

这套语义理解系统还带有记忆功能和总结归纳能力，加上模拟的“长期记忆”和“短期记忆”功能，更容易理解用户。除此之外，阿里人工智能实验室还已经着手其他多个语种的研究。  

这背后是大量的数据积累，以及远程计算能力的提升。 

2、声纹识别可分辨人

X1可以通过声纹识别技术分辨家里的每一个人。浅雪介绍，声纹识别技术是生物识别的重要识别手段之一，结合服务链多重安全机制，已达到商用的级别。这也是阿里在语音深度学习领域的核心技术之一。 

天猫精灵目前最多可以识别6个人的身份。通过个性化推荐，声纹识别在辨别出使用者的身份后还能够实现“千人千面”，根据每个人的喜好设定和推送不同的内容。 

比如，声纹识别技术可以应用到一些购物场景中。用户先将自己的声音注册后生成声音密码，与机器绑定后，确认开启声纹购功能。随后，当说出 “帮我买一箱牛奶”这样的需求时，天猫精灵会要求用户跟着念一串随机数字进行声纹校验，如果确认为用户本人，天猫精灵会从用户绑定的支付宝中进行扣款完成交易。  

3、开放AliGenie开发者平台 

AliGenie开发者平台主要面向四种类型的开发者，包括内容开发者、应用开发者、智能家居开发商和硬件生产商。

（1）向应用开发者免费开放NLP语义理解、TTS语音合成等多项自然语言处理技术。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。 

（2）针对内容创作者，AliGenie还提供了语音公众号功能，开发者只需将语音或文字上传至后台就可以完成应用的创建和发布，文字将通过语音合成引擎转换为语音，用户可以通过订阅实现定时播放、点播，开发者也可以进行主动推送，或联合其他应用进行深入集成，组合播放。 

（3）为硬件制造企业准备了单麦克风到多麦克风阵列的参考设计方案，并提供包括唤醒词定制，声学结构，核心电路设计和芯片方案在内的相关套件的参考设计，以及云端服务和应用管理所必要的全套工具和用户APP SDK组件。接入的硬件设备能够快速具备人机语音交互能力，并共享应用商店的所有应用技能。 

按照阿里的逻辑，除了技术的开放外，生态的开放合作也重要。目前，天猫超市、菜鸟、KEEP等已推出基于天猫精灵X1的语音应用，用户只需动动口就可以完成话费充值、购买商品、健身语音提示等服务，很快还将上线打车、叫外卖、叫保洁等服务。开发者可以自由发挥。

现场，阿里人工智能实验室也公布了首个硬件开放合作伙伴：将与国际玩具巨头美泰合作探索其旗下主要核心IP的合作开发机会，如费雪、芭比、托马斯和朋友等智能玩具。 

除了生态的开放合作，后续的场景植入也关键。阿里目前已经或正在拓展的行业解决方案涉及六个方面，包括儿童领域、酒店领域、家庭场景、TO B其他商业场景、线下零售场景以及与其他显示设备结合的场景。 

天猫精灵X1于7月5日开始进行限量公测，8月8日将进行首批正式发售，定价人民币499元。 

原文发布时间为：2017年7月6日

本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。