原创 大模型来袭，智能音箱进入2.0时代

文/Leon

编辑/侯煜

AI（人工智能）是近年来最热门的技术，各种基于大模型的软件，比如文字处理助手、画图工具等，在一定程度上提升了生产力。今年，一众科技厂商致力于将AI概念硬件化，包括AI手机、AI电视、AI PC的概念纷沓而至。其中，还有一个重要的产品类型，有望率先将AI应用落地，那就是智能音箱。

第一款真正意义上的智能音箱，是2014年亚马逊推出的Echo。随后几年间，这一概念逐渐在全球普及，中国互联网厂商迅速入局推出相关产品，包括华为、阿里巴巴、百度、小米等。除了播放音乐，智能音箱还扮演了智能助手、智能家居中心的角色，逐渐普及。

然而，智能音箱市场自2020年开始迅速降温，一直持续到现在。据洛图数据显示，2023年，中国智能音箱市场销量为2111万台，同比下降19.8%；2024年第一季度中国智能音箱销量为391.8万台，同比下降31.4%，连续第12个季度呈下跌状态。

洛图科技认为，智能音箱市场销量下滑的根本原因在于产品力不足，缺乏实质性创新，同时作为音箱其音质也并不令人满意。不过，该品类并不会退出历史舞台，转机就在于AIGC（生成式人工智能）。

ChatGPT 4.0问世时，人们惊叹于它的自然语言处理、上下文理解能力，这是大模型为AI带来的质变。显然，AIGC+智能音箱这一组合是非常契合的，互联网厂商们迅速跟进，有望为智能音箱市场带来新的活力。

大模型时代，智能音箱实现了多模态交互

去年4月，天猫精灵宣布正式接入阿里巴巴通义千问，成为第一批将大模型接入智能音箱硬件的厂商。今年5月23日，天猫精灵宣布将进行品牌焕新，不仅更换了logo，还带来了全新产品天猫精灵X6。这款音箱采用全新“天空音”布局，突出科技感设计的同时升级音质表现，同时也是搭载Genie OS+百科问答大模型的新一代AI智能音箱。

不少传统智能音箱之所以被视为“智障”，原因之一是语音识别能力弱，经常听不清或听不懂用户的话；第二，缺乏上下文联想能力，无法实现真正对话式的交互，需要用户不厌其烦地重复对话；第三，回答非常机械，不接地气。

针对上述痛点，天猫精灵X6给出了解决方案，包括：海量搜索信息、主动引导补充信息、强化信息实时更新能力及强化语境语义分析。综合来说，就是智能音箱在AI助力下，可实现更广泛的应用场景。

阿里通义大模型目前已经颇具规模，阿里最新一季度财报也提到了AI相关收入同比激增，说明市场对其产品的认可。在接入通义大模型后，天猫精灵X6将具备启发式的多轮对话能力，未来甚至有望和用户玩桌游。

阿里天猫精灵业务中心负责人宋刚在接受《华尔街科技眼》专访时表示，未来AI可实现更加自然的交互。“比如你玩桌游的时候缺一个裁判，它可以充当裁判。我只是举一个例子，这样类似的场景非常多，我们会选择三到四个有价值的场景先深耕。”宋刚说。

据宋刚表示，目前天猫精灵已经在内测交互式对话功能，在不久的将来，产品会陆续地迭代升级落地，实现场景判断、多模态交互。也就是说，用户不用每一次都要去喊它一下才能应答。

那么回到天猫精灵X6，它究竟有什么创新式的设计和体验，又给整个市场带来了什么变化呢？

天猫精灵X6给出的版本答案：兼顾音质与智能

天猫精灵X6在设计上进行了一定的创新，天空音布局颇具科技感。同时，设计是为了音质而服务，采用1.1声学架构，通过独立高音单元的天空方向扬声设计构建出穹顶效果，实现沉浸式的聆听体验。有趣的是，天空音布局处的氛围灯，不仅可以通过手机App进行设置，还具备温度感知功能，动态调节色温。

不论是何种类型的音箱，本分是好音质。相比此前产品，天猫精灵X6选择了更强劲的驱动单元，包括1英寸10W高音单元以及3英寸20W低音单元，再加上灵珑腔体架构使得悬浮顶至机身上下贯通，音质更加通透，可实现114 dB的高信噪比与0.03%的低失真率。

在实现出色音质的同时，Genie OS+人工智能大模型，赋予了天猫精灵X6更丰富的使用体验。除了常规的查天气、定闹钟、根据自然人来推荐歌曲等各种常规操作外，天猫精灵X6智能音箱还新加入了场景音乐的设计。

所谓场景音乐，是通过基于AI大数据的算法，整合曲库风格标签，天猫精灵X6就能结合环境、时间及对用户的个性化行为理解，自动推荐适合当下场景的音乐。当然，有了大数据的加持，语音点播歌曲也更加准确，不会出现文章开头的反面案例。

天猫精灵X6也是一个智能家庭中心，可兼容1600余个品牌、6800余种型号的智能家居设备，并且通过深度学习用户偏好和习惯，提供一些个性化服务，比如主动式的问候等。

在接入通义千问之后，加上前端的夸克搜索服务，天猫精灵X6的理解能力也上了一个档次。不仅回答方式更加人性化，还拥有更精准的归纳信息能力。如果参考信息不足，天猫精灵X6还能过引导用户补充信息，更加连贯、精准地回答问题。

当然，天猫精灵X6只是一个新的开始。随着AIGC的发展，传统智能音箱市场格局将被打破，对于厂商来说是一个机遇，也是挑战。

AIGC有望重塑智能音箱市场格局

目前，智能音箱市场中的头部厂商几乎都拥有自主大模型和少量AI应用形态，那么拼的是什么？

宋刚认为，在AIGC带来的智能化浪潮中，智能音箱需要具备关键三点：素质过硬的硬件、AIGC应用以及大模型的内容整合能力。三者缺一不可。

“AI大模型的落地是一个很长的过程，不断成长，不断满足人们需求的过程，与硬件发展是并行的。硬件首先是一个有价值的硬件，用户才会去买，其次还能不断地给用户解锁新的技能，持续有惊喜，这样的硬件才是良性发展的状态。所以，我们在这个方向会去深耕。”宋刚补充道。

从这个角度来看，背靠阿里巴巴通义大模型和庞大生态体系，天猫精灵有能力在AI时代带来更有想象力的应用体验。结合天猫精灵X6，一个尝试就是在硬件方面将“天空音”设计带到千元以内，符合宋刚所说的“硬件+AI” 的逻辑。

至于AI方面的体现，未来的智能音箱显然不再是一问一答的呆板机器。宋刚提出，首先要在语音交互上借助大模型能力做语音链路的优化；其次，它能主动判断当前场景，涉及到多模态交互；第三，能够智能地判断当前状态，而不仅仅是被动接受。从天猫精灵X6的部分功能来看，部分特性已经初步实现，相信未来会有更多样化的应用落地。

市调机构IDC预测，智能音箱市场将在2024年中期开始逐步小幅复苏。对于智能音箱的未来发展重点，IDC认为后续交互能力优化及内容资源拓展将逐步改善智能化使用体验，从而撬动中高端市场需求。人机交互优化将成为一个关键点，推进智能音箱市场升级发展。

对于大型互联网企业，不论主营业务是电商、搜索还是游戏，在AI时代全面争夺入口是基本战略方针。与手机、电视相比，智能音箱使用场景广泛、操作便捷，是现阶段智能家居中最理想的入口。

天猫精灵创立7年来，已经服务超过 6300 万用户、3500 万家庭，产生的天量公共数据有助于训练大模型、提升AI性能。同时，依托于阿里云多年累计的先进技术，天猫精灵很有潜力成为阿里集团AI业务的重要入口，加快AI应用落地。

作为阿里巴巴集团在人工智能领域的重要布局，天猫精灵始终专注于人工智能技术在日常生活中的广泛应用，通过为天猫精灵构建更聪明、更专业、更个性、更有温度的AI交互系统，赋予天猫精灵更为丰富的生活角色，提升用户在使用中主动创造出来的惊喜感。

随着大模型的逐步落地，头部大厂正在投入更多资源、加大研发力度，训练垂直领域的应用模型，将更多创新式的体验落地，以智能音箱为代表的入口型硬件产品，将迎来迭代潮。