编者按：本文是锐和信联合创始人杜军的投稿，经深圳湾（公众号 ID：shenzhenware）加工、整理发布。

今年国内智能音箱市场格外热闹，除了以雨后春笋之势席卷而来的初创企业，各大互联网、科技巨头也纷纷憋出大招。特别是阿里发布 499 的购物音箱天猫精灵 X1，以及「价格屠夫」小米随后以 299 的产品横扫所有同行，对原本空间狭小的国内智能音箱市场形成了绝杀的局面。

▲ 小米 AI 音箱，只要 299

智能音箱行业呈现出一片「树叶过江」的状态，大部分团队是那片树叶

从 2013 年开始，锐和信联合创始人杜军就进入了智能音箱行业，曾打造悦 Pod 音乐盒产品，也曾作为方案提供商与君正服务过歌尔声学、DOSS、阿里小智，与上海乐鑫共同对接科大讯飞，服务哈曼、JBL 等语音技术、音响巨头，为京东灵隆科技的 Q3 产品提供 cost-down 解决方案。

有着多年丰富经验的杜军深谙智能音箱行业在这几年内的起起落落。在小米发布绝低价格的智能音箱之际，杜军仔细复盘了这个行业在过去 3、4 年内发生的种种。

从解决连接和内容源问题的 WiFi 音箱，到加入了语音识别、深度学习的智能音箱，这一路走来，杜军所在公司做过的的事情已涵盖产品转型、解决方案等，Slogan 也从开始的「让音乐像空气和水一样自由流动」到了「让设备说话」。

杜军指出，Slogan 的改变也能从侧面反映出整个行业对智能音箱这个 SKU 的期望变化——从一个简单的音箱升级产品向替代百度的「框计算」发生转变。

其中，前者的代表主要是叮咚音箱，后者的主要代表则是百度 DuerOS、思必驰 DUI 等语音操作系统的落地产品。而后者的本质不完全在于产品，其肩负的使命也与前者完全不同。

▲ 在今年百度的 AI 开发者大会上，百度度秘事业部总经理景鲲着重介绍了 DuerOS 小度开放平台

杜军表示，这两者孰是孰非，现在定论还为时尚早。但可以确定的是，在智能音箱这个浪潮里，呈现出「树叶过江」的状态，而大部分团队则是那片树叶。

智能音箱这件事，归根结底是「一鱼三吃」的问题

对一片树叶来说，智能音箱这个事情，本质上是一个「一鱼三吃」的问题：

鱼头是语音技术，语音识别 ASR、语音激活 VAD、TTS 等等，也就是传说中的语音入口。这些基本是思必驰、云知声、科大讯飞、声智科技等语音技术厂商的菜，关键在于足够的语料训练模型，并不是任何一个人或公司在本地搭建并运行 kaldi（语音识别套件）就能完成的事情。

鱼尾是大数据，这块是百度、搜狗、腾讯、阿里们的菜。不管是机器学习，还是搜索引擎，在没有足够数据的情况下，就是「巧妇难为无米之炊」。对于小团队来说，数据的积累也是个主要硬伤。

鱼身上则有两面的肉可以吃：一面是品牌，一面是上量。

音箱是暴利行业，当然这主要是对活下来并且有品牌的音箱而言。品牌即销量、品牌即消费者，有了品牌就可以挟消费者以令鱼头、鱼尾。语音入口也好、大数据也罢，都需要落地才能完成最终的商业闭环。

鉴于目前的情况，从头开始建立新的音箱品牌并不现实，品牌音箱自然而然会成为智能音箱的首选。因此出现「一手接入 AI Service，一手去亲近现有品牌」的产品思路，例如京东与哈曼、创新、漫步者、联想合作的产品，但对于这样一款超长供应链、用户期望超高的产品来说，松耦合的合作一般费力不讨好。

▲ 去年 1 月份，京东与哈曼合作发布的 JBL Go Smart 智能音箱

至于上量这件事情，首先要知道的是，此前蓝牙音箱的月销量接近三千万，后来的智能音箱则希望尝到这样的甜头，奉行「走蓝牙音箱的路，让蓝牙无路可走」的思路。

但事与愿违，AI 体验本身并不足以成为亮点的情况下，AI 元素在这个思路的产品中只能作为买蓝牙送 AI 的赠品存在。既然是赠品，那么其成本必然要低到接近为 0。

但就目前智能音箱而言，只要涉及远场语音识别方案，就需要一颗单独的、相对蓝牙方案来说价格不菲的处理器作为支持。能否将这部分成本降下来，主要得看 RDA 和 ESP 们这些 IC 厂商的进展情况了。

综上，对有志于智能音箱行业的淘金开发者们来说，在鱼头、鱼尾部分并不占优势。另外，机器学习并非像当年的移动互联网，它没有 App Store，也没有成熟的分红模式。在这一点上，普通开发者可将其中涉及的数学、算法等作为更新知识结构的良好机会，但不建议把它当做一门赚钱的生意。

至于鱼身上的正、反两块肉，如果有特别好的运营思路和资源，或者强有力的供应链、研发能力，基本上还能养活一个 20 人左右的团队。哈曼等国际大牌音箱厂商的优势往往体现在，拥有实力的同时还有非常强大的融合能力。

面对巨头的夹击，小团队就没有机会了吗？——也未必

前有阿里天猫精灵 X1 击中叮咚音箱的中段（叮咚定价分别是 599 和 399），小米 以 299 的智能音箱完成华丽绝杀，后有百度 DuerOS，思必驰 DUI，阿里 AI Lab 等语音操作系统、科研团队的布局。

那行业是否在还没真正起来的时候就已经设定好了天花板，或者新进者就完全没有机会了呢？杜军表示，这也未必，事实上，小米的核弹主要是扔向了京东和阿里，小团队灵活且所需粮食并不多，还是有一定的机会。

据行业目前情况来看，小团队有两条可行的路径：

一条是「走出去」，做 Alaxa Inside 代工，比如国内的 LinkPlay、Sugr。先活下来以观后效，但后续如仅仅满足于如此，将有很大程度的风险。

另一条则是着眼于场景化、低成本、多触点这三大要素。一旦具备以上三点要素，便具备打通国外、国内市场的能力。

着眼于「场景化、低成本、多触点」这三大要素

将这三个要素分别展开陈诉如下：

场景化是核心：

从阿里小智、京东智能等实例中可以看出，纯粹的智能灯泡、智能开关等单品并不能真正打动用户。也就是说，用户要的是精装房不是毛坯房，只有多产品联动形成场景化，才能打通用户体验和产品能力之间的隔阂。这也是被实践证明了的事实。

低成本——一条老掉牙的思路：

在 AI Inside 无法成为一个独立的卖点之前，低成本将是 AI 打开市场唯一的卖点。在从业者特意强调智能音箱产品 5 米或 7 米以外的远程识别技术之时，事实上，市场策略恰恰走的是相反路线，即弱化当前 AI 的弱点，价格下探到蓝牙的成本。若这个成本能控制在 90-150 之间，则极有可能激活用户对产品的升级换代需求。

当然，大部分人都希望成为小米，尽量让更多的厂商有钱赚。虽然越多的对手就意味着越多的人在分这一块「蛋糕」，但多了一位同路人的同时也多了一个思路和探索方向，况且 AI「框计算」还远远没来。这一点算值得从业者们乐观对待。

多触点：

智能音箱发展到现在，基本演变成了一个 AI 服务落地的事情。既然是 AI 服务落地，那么其重点就在于服务和用户之间的触点，不在于音箱、故事机、电视等具体形态。

近几年，虽然出现了「PC 互联网、移动互联网时代结束」这样的声音，但要注意的是，这里的「结束」大体上是针对新增厂商而言。对用户来说，现在是 PC 互联网和移动互联网升级的时代。

为推进 AI 服务落地，不少从业者花费巨大的精力、资金来开拓远场激活的语音入口、占领更多的摄像头，希望可以在新时代里抓住类似百度的「框计算」入口。但要知道的是，像这种全球级别的入口，背后必然要有世界级的金钱和资源支持。若没有这方面的支持，团队倒不如把省出来的时间、资金、精力投入到现有的触点中去，这样成功的机会反而更大。

以上，将场景化、低成本、多触点这三个要素融合起来并用简单的语言概括，就是大量便宜、傻瓜化的单品能相互连接以形成统一的场景服务，而且其背后的服务决不是能且只能通过新买的设备访问到，原有的生活方式如 PC 客户端、Web、手机 App、小程序，这些一个都不能少。

那么，有哪些符合「场景化、低成本、多触点」的产品呢？

能符合以上逻辑的典型产品就包括 亚马逊的 Dash Wand 和国内 BroadLink 最近发布的魔法棒。

▲ Dash Wand：相当于 Amazon Dash Button + Echo，内置 Alexa 语音助手，除了语音购买商品，还能连接家电实现控制

这两个产品均结合自身生态内的众多成熟单品形成场景化；产品本身无需累赘的远场识别技术，通过 push-to-talk 接入 AI 服务，极大满足低成本的要求；在多触点方面，暂时的多个设备可形成薄弱的用户触点，需要后期增加投入完善现有诸如 PC、Web、App、小程序上的布局。

一旦完成场景化、低成本、多触点的布局，再加上合理的运营和渠道支持，短期上量，长期形成品牌，只要执行到位，在未来就还有与巨头一战的机会。

总的来说，这些道理听起来难，真正做起来会更难，虽然如此，但至少小团队还是有机会的。■