今天我们来谈一谈我国智能音箱的发展现状和可能的发展趋势。
从亚马逊开始做智能音箱到谷歌的不甘示弱，智能音箱已经成为各家厂商点开语音市场的金手指，国内各家厂商纷纷效仿，做智能硬件的、做智能软件的、甚至做APP起家的喜马拉雅都凭借自家的APP占据一方市场，做到现在智能音箱已经发展了大约四年多的时间，虽然整体市场还是处于混战的时代，但是从智能音箱产品本身来说，已经发展到了一个瓶颈期，其核心功能与技术瓶颈已经浮到了水面上，可以看到。
从智能音箱承载的主要任务来说，基本上还是没有跑出原本人们对他的设定：智能家居的中央控制器。各家智能音箱与其他智能家居供应商开放授权，广泛接入各家智能家居产品，但是从另一方面来说，这种模式在国外得以推广的原因在于，国外的市场已经对智能家居的认可度与接收度都很高，在美国亚马逊不需要花费很大精力在普及智能家居概念这件事情上，在国内则不然，中国真正的互联网一代才刚刚成长起来，消费能力说高不高，说低不低；有一部分人已经可以享受到智能家居带来的便捷性，但绝大多数的人还处于买一个小度智能音箱，还可以考虑接受，买个智能空调......等有房了，再说吧。这种尴尬至少短期内不会消失。但是相对的，前段时间刚刚有调查显示这一代人的租房装修的市场呈现上涨趋势，智能窗帘，智能插座这一类价格不那么高的智能家居市场可以考虑。同时这一代的成长是大势所趋，从长远来看智能音箱的市场是存在的。至于手势交互的市场，也要到它突破技术瓶颈之后再看。而现在拥有较强消费能力的消费群体则普遍对这一类产品不感兴趣，或者换个说法就是需要高额的市场教育成本。
再从供应商的角度，智能家居的生产厂家来说，无论是因为政府对人工智能产业的大力扶持，还是看到人工智能产业的广阔前景，亦或是应对竞争对手的挑战。在这一块的生产制造上还是不遗余力的，空调方面，美的、格力纷纷推出从高端柜式到中端壁挂式的智能空调，可能连接过程会非常繁琐，甚至最后还连不上，但是至少它已已经搭载了相应的系统，拥有了这些功能。另外还有洗衣机带智能语音交互的、卫浴带智能语音交互的、冰箱、灯泡等等等等~从这些设备上也能看出来智能语音广阔的市场价值。
从技能商店来说，小度智能音箱号称拥有400种技能，但是我除了听歌没用过其他的，不是说其他的不好用，闹钟可能也是一个较为常用的应用，无论是一分钟、五分钟、十五分钟的短计时，还是几个小时这类的较长时间的闹钟，用起来也都比较轻松。但是真的很少有能够让我感兴趣的兴趣点。对于技能的开发是智能语音交互技术发展过程中一项很重要的工作，因为它代表了语音交互技术的应用场景有多广泛，市场有多大，决定了语音交互技术商业价值。其实我对于技能的理解，并没有将它看做是一种应用商店，而是具象化场景的探索，是智能硬件发展更广阔的空间，实际上和应用商店的底层逻辑是一样的：探索语音交互各种各样的未知的场景，通过这些应用场景找到语音交互的价值所在。技能的多少并不是我们现在发展的重点，而是技能的重要程度和它被唤醒的次数，就是这个技能是不是真正意义上的用户需求、用户痛点。虽然现在能够称之为需求的还很少，但是我们也能看到各家的产品经理以及广大开发者在这方面投入的精力和做出的努力。而且技能商店和应用商店不一样的地方在于智能硬件的产品形态可以是多种多样的，而我们手机应用的载体只有一个固定形态。这就决定了技能商店可能以后可以搭载在多种不同的产品上，面向的市场更加看广阔。
智能音箱还有一个关键点在于资源问题上，这也是限制智能音箱发展的痛点，主要问题在于两点：1、免费资源的数量、质量；2、付费资源的质量和体验。其实重点还是在于免费资源的数量和质量上，小度音箱前段时间才接入了QQ音乐的资源库，但是薛之谦和许嵩的很多歌还是放不了，并且QQ会员的特权歌曲的播放也很麻烦。另一边喜马拉雅的智能音箱则凭借自己强大的资源库占据了属于自己的一片智能音箱市场。因为在现阶段中国智能音箱的功能还是偏向于音箱本身，原因上文已经讲过了，很多人最多买个音箱了外加一两件智能家居，所以音箱本身就需要具备足够强的吸引力来吸引用户。音乐、有声故事、听书、演讲、相声这类的有声资源就显得至关重要。对于带屏幕的小度在家，视频资源也很重要。而且在移动互联网的地界上，我们已经看到了关于资源争夺和抢占的激烈程度，可想而知，以后的资源市场会资源产出一定会更多，资源也会更稀缺。哪家音箱在资源上做的好，资源丰富，其用户也会更多，用户会更买账。这一点在很长时间内都不会改变。
总结来说，还是语音交互的体验并不好，人们也还在适应语音的交互模式过程中，还在建立语音交互的意识和能力上。意识我们可能都懂，但是能力，我给它的定义是：能够真正意识到语音交互能够进行的操作并且对其进行有效利用。现阶段的语音交互很多人，可能并不清楚我能使用它做什么，很多人不明白我们可以怎样使用这种能力，所以能够使用这种能力也成为一种影响其发展的阻碍，它也就成为了一种技能。我理解的语音交互技术成熟在用户角度的标准就是可以熟练的使用语音和机器之间进行交互，并且能有意识的使用语音引导机器进行我们希望它进行的操作，规避机器极易产生误解的情况。毕竟人与人在谈话的时候都要不断的沟通、确认，我们没有理由强求程序一次性的理解到位。
