3月8日，阿里宣布自家的智能音箱銷量已經(jīng)超過千萬，成為中國第一，全球第三的智能手機廠商。

從Strategy Analytics最新發(fā)布的研究報告指出，智能音箱是的確是2018年最熱門的消費電子產(chǎn)品。

2018年第四季度，全球智能音箱出貨量增長了95％，達到3850萬臺。超過2017年的全年總出貨量，這種增長率堪比2012年前后的智能手機。

從市場份額看，國外的亞馬遜與谷歌還有明顯優(yōu)勢，2018年四季度，亞馬遜的銷量是1350萬，谷歌的銷量是1150萬，而中國的阿里、百度、小米銷量都在200萬左右。

有意思的是，如果我們把中國三家廠商每季度的銷量分開來看，就會發(fā)現(xiàn)中國智能音箱增長最快的并不是阿里，而是百度。

百度是全球前五中入場最晚的廠商，到了2018年二季度才開始發(fā)力，但是在短短幾個月，百度就成為智能音箱的世界級巨頭，這種增長速度是爆炸性的。

智能音箱這款產(chǎn)品始于2014年亞馬遜的Echo，國內(nèi)廠商紛紛仿效，經(jīng)過數(shù)年優(yōu)勝劣汰，阿里和小米到了2018年初已經(jīng)傲視所有國內(nèi)廠商。

百度真正發(fā)力智能音箱是在2018年中，“小度在家“這款全球首款帶屏智能音箱在2018年4月份才公開招募內(nèi)測。

而短短幾個月，百度的智能音箱就如核彈爆炸一般急速增長，到了2018年底，已經(jīng)是三巨頭之一，而且銷量幾乎與阿里和小米持平。

2019年一季度有春晚的加成，百度拿下一季度銷量第一應(yīng)該不是問題。

百度成立已經(jīng)很多年了，但是它最基本不做硬件，從互聯(lián)網(wǎng)跨界智能硬件，百度在幾個月內(nèi)就從“青銅“一躍成為“王者“，這個奇跡是如何創(chuàng)造出來的呢？

一、 厚積而薄發(fā)

智能硬件看似是一個硬件產(chǎn)品，而實際上它的核心技術(shù)并不是硬件，而是AI的語音識別與搜索。

語音識別技術(shù)已經(jīng)存在很久了，但是要讓智能音箱有優(yōu)秀的體驗，不僅僅是正確識別語音就夠了，而是要判別說話者的意圖，給予正確的回應(yīng)。

國內(nèi)很多所謂的智能音箱，只是買了科大訊飛的語音識別技術(shù)，而百度的智能音箱核心技術(shù)是自己研發(fā)的。

百度對AI的研發(fā)，可以追溯到多年之前。

人工智能科技發(fā)展很早，但是一度遇到瓶頸，難以突破。互聯(lián)網(wǎng)發(fā)展起來之后，人們發(fā)現(xiàn)人工智能科技中深度學習技術(shù)，可以依靠互聯(lián)網(wǎng)的大數(shù)據(jù)不斷進步，同時硬件的發(fā)展，特別是GPU通用計算的發(fā)展，讓計算能力不再是瓶頸，AI有了進一步發(fā)展的可能。

于是，百度在硅谷等地成立實驗室，投入重金，招募全球最好的AI專家，搭建百度大腦，開始AI的深度研發(fā)。

早在2014年（亞馬遜推出Echo之前），百度的研發(fā)團隊，就利用深度學習技術(shù)，研發(fā)出Deep Speech系統(tǒng)。

到了2016年，百度的Deep Speech系統(tǒng)已經(jīng)進化到第三代。

傳統(tǒng)上，對語音識別的人工智能技術(shù)是RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）。RNN是在DNN（深度神經(jīng)網(wǎng)絡(luò)）的基礎(chǔ)上發(fā)展出時間戳，發(fā)展出長短時記憶單元，可以有解決時間序列的應(yīng)用。語音識別是有時間序列的，所以業(yè)界對RNN用于語音識別的研究比較多。

而百度將深層卷積神經(jīng)網(wǎng)絡(luò)技術(shù)（Deep CNN）應(yīng)用于語音識別聲學建模中，將其與基于長短時記憶單元（LSTM）和連接時序分類（CTC）的端對端語音識別技術(shù)相結(jié)合，大幅度提升語音識別產(chǎn)品性能。這項技術(shù)借鑒了圖像識別在近些年的成果，以及語音與圖像在利用 CNN 模型訓練的共通性，在語音識別技術(shù)上取得了革命性的進展。

《麻省理工科技評論》（MIT Technology Review）雜志在2016年度十大突破技術(shù)的榜單中把百度語音識別技術(shù)列為十大突破技術(shù)。

實際上早在2016年，百度已經(jīng)有了頂尖的語音識別技術(shù)。李彥宏在百度科技大會的上發(fā)言可以由AI同聲傳譯。李彥宏在Tech World大會上展示了AI與人的多輪對話。這些展示，遠遠超過市面上在售的智能音箱所擁有的水平，百度只是缺少一款轉(zhuǎn)化的產(chǎn)品。

二、 從合作到硬件

大約在2017年前后，百度語音識別方面、語音合成的AI技術(shù)已經(jīng)非常成熟，已經(jīng)可以做商用。

而百度對于技術(shù)商品化的道路有一個選擇問題。百度當時有兩個選擇。

一是自己生產(chǎn)搭載百度AI技術(shù)的產(chǎn)品，但是百度是一家互聯(lián)網(wǎng)廠商，從來沒有生產(chǎn)過硬件產(chǎn)品。做硬件是百度所不熟悉的。

二是技術(shù)授權(quán)，百度把AI技術(shù)授權(quán)給硬件廠商，讓硬件廠商去制造搭載AI技術(shù)的產(chǎn)品。

當時的百度是兩條路并行，百度嘗試推出了幾款智能音箱產(chǎn)品。同時百度也推出了DuerOS，幾乎與國內(nèi)所有的手機廠商，家電廠商進行了合作。DuerOS的設(shè)備激活數(shù)，到2018年12月已經(jīng)突破兩億。

從激活數(shù)量看，百度已經(jīng)成功，但是從消費者感知的層面，他們并不知道自己在用百度的技術(shù)，他們只知道自己在用OPPO手機、華為手機、海爾家電、創(chuàng)維電視……。

百度還是需要一款自有品牌的產(chǎn)品，來推廣百度的AI技術(shù)，更重要的是，百度AI技術(shù)通過一款百度的產(chǎn)品進入家庭之后，可以成為家庭的語音控制中心，進而引入更多的百度產(chǎn)品和百度體系內(nèi)的合作產(chǎn)品。

這是一個包含軟件與硬件的生態(tài)系統(tǒng)，有無窮的商業(yè)潛力。所以在DuerOS成功的同時，百度并沒有放棄硬件路線。百度開始發(fā)力自有品牌的智能音箱。

三、 讓專業(yè)的人做專業(yè)事

百度是一家互聯(lián)網(wǎng)公司，對于硬件行業(yè)沒有太多經(jīng)驗。而中國作為世界工廠，有著龐大的生產(chǎn)資源。

百度需要像小米一樣，搭建起來供應(yīng)鏈，找到合作伙伴，找到銷售渠道，這對百度是全新的課題。

百度嘗試過自己定義硬件，制造一款高價位的智能音箱，但是那一次百度交了學費。

于是，百度很聰明的找了自己的一家DuerOS的合作伙伴，以這家合作伙伴的產(chǎn)品為基礎(chǔ)，結(jié)合百度的技術(shù)，制造符合消費者需求的產(chǎn)品。

同時，百度還招募了很多硬件與供應(yīng)鏈方面的人才。其中一個就是錘子科技的前CTO錢晨。

錢晨是與小米創(chuàng)始人之一周光平同級別的摩托羅拉元老，在業(yè)界浸淫多年。羅永浩正式找到了他，才拉到了風投。

因為理念不同，錢晨離開錘子科技，加盟百度的智能音箱業(yè)務(wù)。

有專業(yè)的公司，專業(yè)的團隊，專業(yè)的人才。百度避開了很多麻煩。

如何與供應(yīng)商合作？如何搭建產(chǎn)業(yè)鏈？如何建立自己的小度商城？如何尋找代理商？如何與阿里、京東的商家合作？

百度在幾個月內(nèi)比較順利的走過了一輪，依靠“小度在家“這種現(xiàn)象級的產(chǎn)品引領(lǐng)。百度的智能音箱業(yè)務(wù)帶動智能硬件業(yè)務(wù)迅速崛起。在短短幾個月成為業(yè)界王者。

我們回顧百度智能音箱的成長道路，百度多年來對人工智能的深度研發(fā)是百度的內(nèi)功，到了2016年，百度已經(jīng)有獨步天下的內(nèi)功，只是缺乏一款優(yōu)秀的產(chǎn)品落地。

而在2018年，百度終于找到了專業(yè)的公司，專業(yè)的團隊，專業(yè)的人才，把百度強大的技術(shù)轉(zhuǎn)化為成功的產(chǎn)品，通過成熟的渠道讓消費者購買到。

這種優(yōu)秀的產(chǎn)品一旦有了第一輪普及，口口相傳就會形成自然零成本的病毒營銷，于是百度智能音箱就在幾個月內(nèi)一躍成為王者，奇跡也就這樣被創(chuàng)造出來了。

四，智能音箱的未來

2018年的智能音箱市場，很像2012年前后的智能手機市場。

在2012年，智能并不只是功能手機的替代品，而是帶來全新體驗的必需品。

到了2015年前后，中國一線城市的智能手機普及率就達到了93％。

從智能手機的銷售數(shù)字看，未來幾年，智能音箱的市場會達到10億左右的規(guī)模。（智能手機在2015年出貨14．3億。）

從阿里的數(shù)據(jù)看，開幕當天，天貓精靈在農(nóng)村地區(qū)的成交量猛增400多倍。僅福建省霞浦縣一個區(qū)域就賣出了5324臺。智能音箱不僅會在一二線城市普及，也會普及到鄉(xiāng)鎮(zhèn)農(nóng)村。

從門檻看，智能音箱遠比智能手機更低，只要會說話，就會獲得智能音箱帶來的全新體驗。智能手機普及的時候，價格至少也要700元，中高端產(chǎn)品需要2000元－3000元。

而如今入門級別智能音箱不過100元，高端帶屏產(chǎn)品也不過500元，這意味智能音箱會更快的普及。

在智能音箱的競爭中，硬件不重要，因為智能音箱所需的硬件技術(shù)并不高，國內(nèi)OEM廠商很容易就可以做出穩(wěn)定的產(chǎn)品，而且產(chǎn)量要多少有多少。

智能音箱的核心技術(shù)，在于語音識別，和語義識別。正確的識別，才能作出合理的反應(yīng)，配合各種資源，智能音箱可以做家庭娛樂，家庭教育，可以做家庭的語音控制中心。

在AI上研發(fā)多年，獲得MIT贊譽的百度會獲得不小的優(yōu)勢。

未來，智能音箱帶來的生態(tài)系統(tǒng)，回比智能手機更加封閉，智能音箱沒有開放用戶自己安裝APP的功能，廠家提供什么，用戶就用誰的服務(wù)，連接誰提供的智能家電產(chǎn)品。這個入口比智能手機強大的多。未來僅僅這個入口就蘊含著巨大的價值。

智能音箱的未來不可估量。