眼下，怕是互聯(lián)網(wǎng)最糾結(jié)的時刻：智能手機(jī)帶來的人口紅利將盡，仿佛所有人們?nèi)粘Ｉ钪性撚械膽?yīng)用都已經(jīng)被開發(fā)出來、用戶們 也同時失去了嘗試新鮮產(chǎn)品的動力；與此同時，向線下的突進(jìn)因為過重?zé)X沒有護(hù)城河的模式和諱莫如深看不懂的體制深水紛紛受阻，互聯(lián)網(wǎng)加了半天還是湊不上 去；本來年初VR給諸位打了不少雞血、仿佛商用指日可待，但現(xiàn)在看來目前的終端too young、恐怕至多也才剛剛達(dá)到“塞班的階段”；而最近一直在提的內(nèi)容、直播、網(wǎng)紅等伴隨著政策的收緊、大平臺制霸和數(shù)據(jù)造假的曝光，看起來越來越不像 是真正的風(fēng)口……除去以上的種種，一場資本寒冬讓投資機(jī)構(gòu)們徹底懵逼了，失去了往日的格局和耐心，歸根結(jié)底快沒錢了。那么問題來了，下一個機(jī)會在哪里呢？

恰在此時，互聯(lián)網(wǎng)女皇來了，最新的年度趨勢報告十分之一的篇幅給了“語音”。女皇陛下是這么說的：語音正在被重塑，成為人機(jī)交互的新范式，在過去75年里，每10年就有一次人機(jī)交互的重大革新，人類對機(jī)器的操作，從物理手柄按鍵，到物理鍵盤鼠標(biāo)，再到觸摸屏，而現(xiàn)在語音成為了重要的交互方式。她 的案例是Amazon的硬件：Echo。其內(nèi)置了Amazon Alexa語音助手，目標(biāo)是占領(lǐng)家居、汽車、手機(jī)的麥克風(fēng)，還能智能購物。這款產(chǎn)品銷量已突破400萬臺。女皇更是大膽指出：語音拐點(diǎn)已經(jīng)到來，在 2022年智能手機(jī)銷量下滑之后，Echo銷量或?qū)Ⅱv飛。（以上引自《超過十分之一的篇幅給語音，互聯(lián)網(wǎng)女皇為何看好麥克風(fēng)？》）

遙相呼應(yīng)，最新一屆蘋果全球開發(fā)者大會WWDC上，庫克也放言將逐步向第三方開發(fā)者開放siri，如果這一切不是“講故事”的話，不出意料我們將看 到iphone上出現(xiàn)更多的聲控APP，庫布斯是要玩一個“聲音版的生態(tài)化反”嗎？與此同時，谷歌公司也提出了雄心勃勃的Google Home計劃，利用語音和自然語言查詢技術(shù)的結(jié)合侵入用戶的客廳。那么問題又來了，對于中國市場而言，聲音會是新的機(jī)會嗎，聲控交互會成為VR到來前大熱 的交互模式嗎？中國的訊飛和喜馬拉雅們會一路插上翅膀開始騰飛嗎？

在此，菜狗必須首先潑一潑冷水，我最痛恨的莫過于照搬西方、哄抬賽道的路數(shù)打法，就像過去在文章中寫過的那樣，中國版的instagram、中國版 的snapchat、中國版的……這些故事后來呢？所以如果今天是在這里放言要有一個中國版的Echo，那就是我自抽耳光、忽悠大家。但是，盡管我們不能 照搬照抄西方流行的產(chǎn)品模式，卻完全可以分析他背后的東西——需求、心理和社會趨勢：snapchat的崛起印證了im的高頻（臉書你反應(yīng)慢了給了機(jī)會， 但騰訊不會）、社交壓力帶來的發(fā)布反悔（騰訊有微信消息可撤回）、年輕人尋求沒有父母的個性空間（騰訊有QQ空間）。所以，不論有沒有人會去copy to china，這背后有一個話題非常值得探討：

聲控交互的商業(yè)價值有多大？以語音信息和交互為主打的平臺，將有怎樣的市場潛力？

一、當(dāng)下的聲音行業(yè)怎么了？

有人要說，這回你外行了，聲音的故事早就被我們玩爛了，結(jié)果也就那樣。確實(shí)，印象中從許朝軍做啪啪的那一天開始，移動互聯(lián)網(wǎng)似乎就已經(jīng)進(jìn)入了“聲音時代”，然并卵。

1、工具領(lǐng)域

科大訊飛強(qiáng)大的語音喚醒、識別、輸入和交互技術(shù)從實(shí)驗室走上前臺，領(lǐng)先是領(lǐng)先，但似乎并沒有得到太多的應(yīng)用，讓人印象最深刻的恐怕就是訊飛輸入法和 最近非常文藝好用的語記平臺，問題不在于訊飛有沒有成為中國的siri（漢語領(lǐng)域肯定強(qiáng)于siri），問題在于即便siri也遠(yuǎn)遠(yuǎn)沒有達(dá)到預(yù)期的效果、成 為人們主流的交互方式，只是一個可有可無的玩具。

2、社交領(lǐng)域

涌現(xiàn)出唱吧、啪啪、抬杠、陪我、比鄰、偶爾、派派等一批聲音社交平臺，然而幾年下來誰也沒有真正達(dá)到“社交平臺”的標(biāo)準(zhǔn)和要求。啪啪們的圖片加語音 成了一種錦上添花的存在，遠(yuǎn)遠(yuǎn)沒有達(dá)到高頻剛需的狀態(tài)，更何況其閱讀成本奇高，遠(yuǎn)遠(yuǎn)不能和立刻一目了然的圖片視頻相比；更多的平臺成了當(dāng)年的168聲訊 臺、色情熱線，或者當(dāng)年的碧海銀沙聊天室；即便在主流的微信平臺上，動不動發(fā)語音的人、一發(fā)發(fā)一串的人也常常變成不受人們待見歡迎的存在。唯一做得好的可 能就是唱吧，因為唱K這樣一種生活中常見的社交模式真的只能靠聲音。

3、內(nèi)容領(lǐng)域

這可能是目前唯一可圈可點(diǎn)的區(qū)域，喜馬拉雅、echo、聽書、得到們從不同的角度切入，通過基于聲音的媒體內(nèi)容吸引了一票擁孬：比如根據(jù)易觀智庫的 《中國移動電臺市場年度綜合報告2016》，作為行業(yè)領(lǐng)跑的喜馬拉雅，其日活用戶滲透率已經(jīng)高達(dá)74.3%，這么好的DAU數(shù)據(jù)即便放在整個移動互聯(lián)網(wǎng)領(lǐng) 域也是不多見的，而最近這家平臺剛剛通過售賣奇葩說老僵尸們的《好好說話》語音節(jié)目賺得盆缽滿溢。

那么這里就有一個問題，為什么唯一做起來的是聲音內(nèi)容呢？同時，在內(nèi)容生態(tài)領(lǐng)域最強(qiáng)的莫過于“兩微一端”（微信、微博、新聞客戶端），主打聲音的內(nèi)容平臺能做成那樣的體量嗎，以后有一天人們會說“兩微一端一電臺”？

二、當(dāng)前聲音的癥結(jié)在哪里？

有人又要說，聲音的內(nèi)容是還不錯啊，但遠(yuǎn)遠(yuǎn)沒有到離不開的地步吧？而且，聲音這東西啊，太麻煩！是的，就是這個太麻煩！嚴(yán)重制約了聲音的發(fā)展。

1、語音識別交互領(lǐng)域，聲音一直沒有多少存在感

(1)、相關(guān)的技術(shù)要求太高

中國人說話遠(yuǎn)不像老外那樣一個單詞一個意思，而且各地的口音又完全不同，所以語音的識別、喚醒、輸入、交互都是問題，當(dāng)然強(qiáng)如科大訊飛已經(jīng)可以破譯粵語、上海話、四川話了，但是還會有后面的問題。

(2）、使用場景有限

視覺和觸覺的交互隨時隨地都可進(jìn)行，只要你低頭悄悄打開手機(jī)就行了，但是聲音呢，嘈雜的地方不行，人多的地方也不行，甚至晚上一個人了、對著冷冰冰的機(jī)器說話，也會有太裝太怪的感覺。

(3)、交互模式不自然

不論是siri的長按喚醒，還是傻乎乎地“嘿Siri”，感覺都比較違和，當(dāng)你看著屏幕上siri正處于“傾聽錄音”狀態(tài)，心一下子就緊繃了，生怕 說錯或者說得不及時，說完以后機(jī)器開始識別了，你看著進(jìn)度條又莫名其妙地焦慮不安起來、它能不能聽懂呢，會不會聽錯呢？結(jié)果識別出來，果然是錯的，日了狗 了……

(4)、應(yīng)用生態(tài)遠(yuǎn)未形成

盡管訊飛們已經(jīng)開始開放語音功能和接口，但市面上并沒有出現(xiàn)很多的聲控交互應(yīng)用，特別是——沒有出現(xiàn)有影響力的第三方應(yīng)用。

2、語音終端遠(yuǎn)未成型

能夠大規(guī)模商用的中國版Echo還沒有出現(xiàn)，即便非常厲害的可能也市場影響有限，養(yǎng)在深閨人不識吧。

3、語音內(nèi)容成本過高。

（1）、信息獲取成本過高

看文字可以一目十行，看圖片可以盡收眼底，看視頻基本3秒內(nèi)就可以判斷值不值得看下去。但是語音完全不是這樣，你聽一段語音（如果不是歌聲），往往 得聽三分之一以上才能判斷是否值得聽，而這個過程是漫長的、聽的時候還動不動走神、左耳朵進(jìn)右耳朵出，如果再加上漫長的前奏簡直令人抓狂。這還只是一段語 音，如果我又在很多語音中來回播放暫停選擇想聽的內(nèi)容呢？這個過程簡直繁瑣得崩潰了！

（2）、使用場景有限

一樣的道理，文字圖片可以在任何地方看吧，但是語音呢？

（3）、差異化價值“貌似”不高

既然都能看文字解決，為何要用語音呢，難道就是為了主播磁性的嗓音？如果是為了這些感性的體驗，視頻是不是更好一些呢？

這樣看起來，好像聲音一無是處，可真的是這樣嗎？解決幾個癥結(jié)就好了。

三、聲音的核心價值和競爭力

回到開頭，我們來看Echo這個產(chǎn)品。它和siri最大的不同在于：這是一個純粹通過聲音、完全不需要屏幕的產(chǎn)品，看起來就像一臺音響，用起來就像和人對話一樣。進(jìn)一步說，它解放了人們的眼睛和雙手，你可以一邊做別的事情，一邊用聲音和它交互。

這樣一說就清楚了，歸根結(jié)底siri和訊飛們并不是純粹的聲控交互產(chǎn)品，他們頂多只能算半聲控交互產(chǎn)品，因為從喚醒他們到判斷語音輸入準(zhǔn)確與否到最 終的結(jié)果顯現(xiàn)，你幾乎都要用到眼睛和手，聲控交互的核心價值“解放眼和手、不再低頭族”完全得不到顯現(xiàn)。換句話說，他們都是視觸覺交互的補(bǔ)充而已，所以本 身就錦上添花、可有可無。

你用siri打開微信，比自己親手打開能方便多少呢？你用語音輸入法輸入一段話，錯了還得回刪，這真的比打字輸入更方便嗎？

但是Echo展現(xiàn)出的是純粹聲控交互完全不同的價值，并且這幾乎是一個“高頻剛需”。

1、抓住了不適宜使用手和眼睛的人群

比如中老年人、殘疾人、不擅長打字輸入的人群，除非有一天人類技術(shù)發(fā)達(dá)到腦波交互，否則聲音都是最適合他們的交互模式。

2、抓住了不方便使用手和眼睛的場景

這就是我們常說的“低頭族場景”，走在路上、正在開車、晚上睡前、保護(hù)視力。由于以往的聲控交互產(chǎn)品做得太差，中國人以強(qiáng)大的適應(yīng)能力，練就了在這 些場景“眼疾手快、目不離機(jī)”的超能力，哪怕視力下降、頭昏眼花、低頭撞人也在所不惜。但是試想一下，如果聲控交互真的做上去了，聲音真的成了喬布斯口中 的“自然延伸”，他們還會這樣嗎？

3、創(chuàng)造了全新的伴隨式場景

小的時候，我們?yōu)楹卧缟掀饋頃犑找魴C(jī)，因為可以邊聽邊做其他事情，一心兩用。對，就是這個一心兩用！今天我們?yōu)楹螘贿吪懿揭贿呴_車一邊聽喜馬拉 雅——像筆者年初一邊在虹橋火車站辦手續(xù)一邊在喜馬拉雅聽羅胖的跨年演說、一邊熱淚盈眶……這都是一心兩用呀！簡言之，聲控交互解放了人的手和眼，不僅在 不適宜使用眼手的“低頭族場景”，更在其他豐富的時刻。通過聲控交互，你可以邊聽邊說，一邊干其他事情，這種一心多用的方便效率是不可抵御的。本來這些 事，你要不停切換APP來完成，或者放下手機(jī)、把視線移到別的地方，但是現(xiàn)在完全可以并行不悖、同步推進(jìn)了。

4、聲音有其獨(dú)有的魅力

Echo首先是音響，可以播放音樂。而在人與人的溝通中，影響最大的是身體語言帶來的氣場（可惜隔了手機(jī)屏幕就完全體現(xiàn)不出來了），其次就是聲音 （音調(diào)音色節(jié)奏），最后才是內(nèi)容。從這個角度說，聲音的成本確實(shí)比文字高，卻遠(yuǎn)比文字“有溫度”，黃執(zhí)中的辯詞如果打成文字你未必讀得下去，但只要他魔鬼 般的嗓音響起，你立刻覺得他什么都是對的了；聲音確實(shí)沒有視頻一目了然，但成本卻遠(yuǎn)比視頻要低，你不需要打瘦臉針玻尿酸弄出一張網(wǎng)紅臉，因為當(dāng)你的聲音響 起，沒有人在意發(fā)聲的人有沒有羅胖帥。這也是為什么最近大火的分答會用語音，一來“盜版”成本高一點(diǎn)，二來聽到名人真實(shí)的聲音、這滿足感是不同的。

四、全新的機(jī)會，聲控領(lǐng)域的BAT

BAT？有人要說了，你這不是在拉大旗做虎皮嗎，說到底還是忽悠我們開發(fā)中國版的Echo呀。

恰恰相反，我并不認(rèn)為Echo是創(chuàng)業(yè)者們最好的選擇，但是“基于純聲控交互”的APP卻可以成為一個機(jī)會，關(guān)鍵在于訊飛和喜馬拉雅們能不能迅速“醒轉(zhuǎn)”，構(gòu)建出一個對第三方更加友好的生態(tài)。

什么是基于“純聲控交互”的APP，說白了就是整個APP的使用過程都完全不需要通過屏幕觸摸、不需要動用眼睛和雙手，最好連喚醒他們都可以用聲 音。這樣的APP一旦出現(xiàn)，我們就根本不需要購買Echo，因為手機(jī)就是個簡易版的Echo了，我把手機(jī)放在一邊，一邊做別的事情，一邊就可以使用聲控交 互了。如果你使用與聲控系統(tǒng)匹配的專用耳麥，如果這個耳麥可以隨時響應(yīng)、識別你微小的聲音（在人群中大聲很傻比），那么耳麥就是Echo，就是手機(jī)之后真 正的可穿戴智能硬件，比手表之類強(qiáng)多了。

基于目前已經(jīng)研發(fā)出的漢語語音識別喚醒技術(shù)，訊飛完全具備這樣的能力，但是成果多半在實(shí)驗室里睡大覺。如果能早一步開放出來，如果能搞好與蘋果安卓 廠商們的合作不被“雪藏”，那么接下來的勢能是非?？膳碌?。在筆者看來，一旦聲控交互成熟了，接下來在這五個區(qū)域有明顯的機(jī)會。

1、新一代的語音助理，各個聲控應(yīng)用的統(tǒng)一調(diào)用入口

這是訊飛和siri們的機(jī)會，喜馬拉雅這樣的高活躍產(chǎn)品也可以向此進(jìn)擊。簡言之就是聲控版的appstore、應(yīng)用寶。只要這個入口處于開啟狀態(tài)， 就可以隨時通過語音對話的方式調(diào)用各個聲控應(yīng)用，而不需要打開屏幕用眼睛找到那個應(yīng)用再點(diǎn)開——這就是軟件版的Echo。他的喚起和使用都應(yīng)該是毫不費(fèi) 力、自然而然的，不要像siri那樣喊起來用力、用起來發(fā)急。可以想象，這個平臺會是未來聲控交互的入口，是整個聲控應(yīng)用生態(tài)的命脈。

2、聲控類的工具

在子不語的《下一代交互革命是語音：Voice In Voice Out》一文中，描述了這樣的場景：你可以和她交談，她可以幫你控制關(guān)于房子的一切，燈光、溫度、微波爐、冰箱……Echo 已經(jīng)能做到什么了呢？播放音樂、創(chuàng)建提醒、播報新聞自然不在話下，Echo還能根據(jù)你在亞馬遜上的購物記錄，智能地幫你下單。甚至，借助于前面提到的 Skills，已經(jīng)有人用 Echo 控制了家中的幾乎所有電器：燈光、溫控、電視機(jī)、AppleTV、安保監(jiān)控、熱水壺、車庫……當(dāng)然，這里就涉及到智能家居組網(wǎng)、車聯(lián)網(wǎng)等問題，后面會提 到。

3、聲控類的社交

a、熟人通訊方面

我們應(yīng)該都見過這樣的場景，出租車上司機(jī)們通過對講平臺互相勾兌、插科打諢。路上匆忙的低頭族，很多都在回微信，而如果通過聲控交互構(gòu)建一個對講平 臺，這個體驗就完全不一樣了，你不需要用眼和手也可以隨時給某某捎去一段話，別人給你發(fā)來語音、聲控交互會提示你是否接聽，而如果這個交互可以通過耳麥自 動識別微小的語音（并根據(jù)接聽者情況適度放大），那么以后走在路上就可以輕松而不違和地與人通話了，這個事情的意義在于將從另一個角度接管用戶的關(guān)系鏈， 形成大網(wǎng)優(yōu)勢。

b、陌生人社交方面

當(dāng)下社交產(chǎn)品最大的痛點(diǎn)就是社交質(zhì)量差、低效社交多、效率遠(yuǎn)遠(yuǎn)趕不上用戶預(yù)期，一個突出表現(xiàn)就是搭訕無人理睬、理睬也在若干小時之后（所以人們?yōu)楹?喜歡直播，因為美女主播至少會說謝謝反饋下），但是語音溝通是一個更加強(qiáng)調(diào)即時性和真實(shí)性的場景，又不像視頻那么需要“化妝和端著”，所以反而可能成為新 的突破口。至于當(dāng)下的語音社交平臺為何多數(shù)做的不好，因為太像色情聲訊臺了！到底應(yīng)該怎么做，筆者后頭的產(chǎn)品會做出回答。

4、聲音類的內(nèi)容

前面已經(jīng)說過，聲音內(nèi)容是目前做的最好的區(qū)塊，那么接下來的重點(diǎn)是：

a、改善交互

現(xiàn)在的模式是打開列表、看標(biāo)題內(nèi)容簡介、點(diǎn)播放鍵、再點(diǎn)暫停鍵、再看列表，這個過程太累了。但是試想一下，為什么我們小時候調(diào)收音機(jī)換臺不會這么累 呢？為什么我們走在人群中偷聽不同人的對話不會這么累呢？因為這都是步驟更少、更加自然而然地交互，實(shí)際上美國已經(jīng)有一款非常厲害的可視化聲音應(yīng)用解決了 交互成本問題，是什么先不表。

b、興趣推薦

如果選擇值得一聽的聲音節(jié)目成本如此之高，那么一個比較好的辦法就是基于興趣的推薦來降低選擇難度。比如喜馬拉雅已經(jīng)推出了“猜你喜歡”系統(tǒng)，可以 通過深度學(xué)習(xí)、進(jìn)行類似今日頭條那樣的個性化推薦。那么再進(jìn)一步，如果以后這個推薦可以不需要通過眼睛完成呢，直接傳來一個聲音：“小喜根據(jù)你的愛好搜到 了幾個節(jié)目，下面念下標(biāo)題，你感興趣就喊要這個……”

c、時空觸發(fā)

這個意思是，應(yīng)該給更多的信息賦予時空屬性，比如在某一時刻放出，或者在某一位置放出。舉一個例子，你今天剛到一家商場，連上wifi，耳麥里立刻 提醒你有最新的優(yōu)惠活動信息、要不要聽。你像即刻那樣設(shè)置一些關(guān)注節(jié)點(diǎn)，比如某股又跌了，當(dāng)這個消息到來，耳麥里立刻提醒你要不要聽。你到達(dá)某個景點(diǎn)，耳 邊響起景點(diǎn)的典故。你晚上睡不著了，耳邊響起周圍人的聲音，像不像《her》？

d、做強(qiáng)參與

同為視頻，直播爆火的勁頭遠(yuǎn)遠(yuǎn)強(qiáng)于當(dāng)年的視頻平臺和短視頻，這也釋放了一個信號，用戶并不滿足于成為單向的內(nèi)容接受者，他們也希望成為內(nèi)容的參與者甚至再創(chuàng)作者，他們也希望得到更多的互動和回饋，來滿足參與感、存在感和歸屬感，所以類似電臺的互動直播很重要。

e、聲紅生態(tài)

如何俘獲聲音領(lǐng)域的“網(wǎng)紅”們，通過更豐富的辦法幫助他們獲取規(guī)模精準(zhǔn)流量、降低內(nèi)容生產(chǎn)門檻、維護(hù)粉絲社群、持續(xù)多樣化盈利。比如喜馬拉雅的PUGC生態(tài)戰(zhàn)略，已經(jīng)擁有400萬主播、8萬認(rèn)證主播，這個供給端的大棋該怎么下下去？

f、制作成本

事實(shí)上制作成本的問題完全可以解決，一個是更加靈活強(qiáng)大的聲音編輯工具，另一個其實(shí)是文字到聲音的轉(zhuǎn)化工具——你聲音不好？你不會抑揚(yáng)頓挫？那么訊 飛正在嘗試在語記一類的平臺推出文字轉(zhuǎn)化成聲音的功能，不是冰冷死板的普通話，而是可以轉(zhuǎn)成蘿莉的聲音、方言的聲音、林志玲的聲音、單田芳的聲音……

5、聲控類的終端

盡管菜狗對硬件終端充滿了“恐懼心理”，但是說到底，如果這個聲控交互能強(qiáng)大到占領(lǐng)你的客廳，占領(lǐng)你的臥室，占領(lǐng)你的駕駛室，甚至更強(qiáng)大一些，可以 無處不在，像《her》中那樣在云端接受和處理不同人的信息，你可以在任意的咖啡館、寫字樓、商店、公交上喚起他……那么毫無疑問，這一切都需要終端領(lǐng)域 的進(jìn)擊。如果這個事情有人能做起來，那就是真正的“生態(tài)化反”了。

五、聲控交互還有多遠(yuǎn)？

聲控交互不是簡單的YY，事實(shí)上未來已經(jīng)到來。

以智能終端為例，科大訊飛已經(jīng)推出了一款名為叮咚的智能wifi音箱，也許用不了多久這種漢語聲控的設(shè)備就會出現(xiàn)在你的身邊。同時進(jìn)軍音箱領(lǐng)域的喜 馬拉雅FM一方面將內(nèi)容植入Sonos、哈曼、漫步者、Misfit等智能產(chǎn)品中，另一方面通過收購國內(nèi)頂尖音箱廠商海趣科技，自主研發(fā)了3D降噪耳機(jī)等 產(chǎn)品。

在應(yīng)用場景方面，兩家聲音領(lǐng)域的巨頭聯(lián)合推出了語音開放平臺，喜馬拉雅FM的“喜馬拉雅inside”開放平臺直接對接各類下游硬件研發(fā)和生產(chǎn)企 業(yè)，打造應(yīng)用生態(tài)、拓寬應(yīng)用場景的野心一目了然。喜馬拉雅FM的海量音頻內(nèi)容已經(jīng)植入智能家居、汽車、音箱等超過300家品牌，包括寶馬、福特 、比亞迪 、百度Carlife在在內(nèi)的幾乎所有主流車廠（車載系統(tǒng)）已全線接入喜馬拉雅FM；車生活系列的隨車聽正在侵入用戶的駕駛室，家聲活系列的故事機(jī)、聽書 寶、接入喜馬拉雅的智能冰箱已經(jīng)開始覬覦用戶的家居生活。與此同時蜻蜓FM和考拉FM的車聯(lián)網(wǎng)、智能家居戰(zhàn)略已經(jīng)磨刀霍霍。

這就是不久的將來，聲音將像水和電一樣，隨取隨用，自由流動在每一個人的耳朵和心里。明確的人群和場景、高頻應(yīng)用的可能、進(jìn)一步侵入住家私車進(jìn)而無 處不在的潛力、明確的技術(shù)和標(biāo)準(zhǔn)門檻，這個故事看來很美好。但是最后菜狗還是必須提醒大家，這一切的前提是：技術(shù)足夠強(qiáng)大并且向第三方開放、聲控交互的全 面優(yōu)化和規(guī)范形成、蘋果安卓們愿意讓出這塊肥肉、有影響力的聲控應(yīng)用的出現(xiàn)。這里面每一步的實(shí)現(xiàn)都不是輕而易舉的，但正如互聯(lián)網(wǎng)女皇說的那樣，聲音正在成 熟，目前是最接近這個機(jī)會的節(jié)點(diǎn)。