语音是很多刚刚想涉足人工智能领域的人所忌惮的，因为从多个角度来说，语音的发展进程较为波折，有几个现状：
语音方面的技术比较难实现，预处理过程比较复杂，语料库不充足，研究的人少，均导致各方面开放的资源就相对稀缺，发展起来也就更加缓慢
现在移动互联网时代还是人们生活的主要解决问题的方式，而媒介是手机，使用界面来传递信息的，这几年人们已经习惯这种方式，突然之间换到没有界面，传递信息相对单一而且缓慢的语音方式，就会有很多抵触的地方，使用起来感觉很奇怪，让不少产品横尸街头
人工智能虽然被大力支持，但开始的时间还为时较短，人才供应难以满足企业的需求，企业想要短时间内将技术可以产品化的成熟工程师，毕竟消耗的财力物力巨大，不过还在转型的工程师，或者读相关专业的学生很多还不足以达到这个标准，语音尤为明显，所以市场上处于一个浮躁，焦虑的状态。
但是意味着语音会在发展中慢慢淡化，甚至只能成为一场泡沫么，我认为不仅非但如此，语音才是人们接受人工智能真正的入口，而且也是将来应用范围最平常，也最广泛的场景。现在的界面给了人们挑选的空间，多样性，信息输入的多样性，但是人们越来越受其影响，效率低下，疲于选择，易于沉迷。
就上面，我分开而谈。我说语音是入口，这样讲，如果你问一个普通人，你认为在一张图片中检测出车牌号，手机APP给你推送你最喜欢的新闻，商品，这是人工智能么，他可能也说不清楚是与否，可能他都没有察觉出这些变化，但是你要问他，你能和机器像和人一样对话，是人工智能么，它会毫不犹豫的肯定，因为说话是判断一个人最直观，也最自然不过的方式，人们不懂算法，也不懂数据，就知道我面前的这台冷冰冰的机器能和人一样与我交流，在交流中为我服务，那就是智能，所以，语音是最合适的入口。
而我之所以会说语音的应用场景会是将来最广泛的，是因为随着对模型的不断训练，医院可以通过扫描过大量图片的机器判断疾病，警察可以通过人脸检测判断嫌疑犯，金融可以通过相关算法预测股票，但是语音最合适的场景却是贴近人们再平常不过的生活，教育，法律，生产虽然都会加入语音，但是机器真正解决人们需求的关键点并不在此，它放在具体的这些领域就是换了一种输入输出方式，其实是可有可无的，但是在普通人的生活中，可以随着语音在各类场景的全覆盖，经过长时间的体验，适应，改变解决问题的方式，会潜移默化的让人们从屏幕上解脱出来，摆脱地点的限制，随时随地用最直接的方式接收输出信息，控制生活的一切，最终享受于只要说话就可以解决生活很多问题的状态。
再向前进一步想象，语音的普及状态会是什么样的，那将会是一个万物互联的社会，最近总频繁听到这个描述着未来的词，那么怎么一个互联的方式呢？泛泛而谈比较抽象和枯燥，也有点一直给语音打广告的嫌疑，那我用你将来平常的一天说说这个用语音互联起来的生活。
未来的一天，早上六点整，智能音箱叫醒还在熟睡的你，你随口询问今天的天气情况，报告天气后，它顺便提醒你今天是冬至，别忘了吃饺子，你们简单的探讨了一下什么馅更好吃之后，让音箱在附近的饭店定了一盘水饺外卖，并备注让店家40分钟后送来，因为跑步是你每天要做的事。出了门你戴上配套的智能耳机，唤醒了助手，让他放几首平时爱听的歌。跑着跑着，看见几只小猫在公园里，忍不住去逗逗它们，竟忘记了时间，耳机提醒，还有5分钟外卖就要送到了，你开始往家跑，还是迟了，外卖小哥打来电话，用耳机直接接听后，叮嘱他放在门口。回到家，摘下耳机，洗漱过后，唤醒了音箱，让它播送最近的新闻，一边听，一边吃饺子，口令换了几个频道，没有什么感兴趣的，就关掉了。
吃饱后，开车去上班，上车后唤醒了车载语音助手，让它给自己导航现在不堵的路线，毕竟是早高峰。刚要启动，突然想起家里的灯没关，就让助手赶紧把家里的灯关了，并让它检查了一遍还有什么没有关，确认无误后，安心上路。开了一会，车载助手提示你有人给你发微信，你让它把内容念一下，原来是在家读书的妹妹今天过生日，忙于工作的你竟然忘记了，就让助手选一只价格在200元左右的钢笔，选好颜色后，助手把图片发到了车载屏幕上，感觉不错，就口令支付购买了，然后让助手给妹妹发一条“给你准备了一个小礼物”的回复，算是有惊无险。
到了单位，唤醒办公室的音箱，询问了一下你今天有几个任务要完成，怕自己偷懒，你让它给你为每一件事设定了完成的时间，到时提醒。其中有一件是你需要给其他的同时发邮件，你就直接一边想内容，一边说给助手，让他给同事发去了，省去了界面切换的繁琐步骤。正在埋头苦干，领导突然让下周去外地出差，于是急忙让助手订一张前一天的机票，同时订了一家机场旁边的酒店，简单选择好房型，价格后迅速预订，继续工作。中午吃饭回来，老板通过助手叫你们开会，你们一边听，一边交流，效率很高，会议室的助手已经把会议记录转写了文字，发到了邮箱里，不用担心错过或者忘记什么内容。
下班回家，出了公司，戴上耳机，询问了下给妹妹买的钢笔发没发货，顺便让助手把家里的热水器打开，操作和等待变成了一句话。开车到了家，一个人的生活难免比较无聊，就习惯了叫助手陪着聊会天，他什么都知道，也会给你打开一些工作中的心结。聊着聊着，心情不错，让它看看冰箱里有什么菜，给你推荐了几个对应能做的菜谱，选了一个简单的，它一边念，你一边做，并贴心的放起了平时爱听的歌，别有惬意。睡觉之前，和它交代了一下明天的工作任务，就睡了，明天又是重新开始的一天。
故事讲述起来是平淡无奇的，但是这平淡无奇的一面就是大多数人生活的样子，而语音在这种平淡无奇的生活中，才能发挥它的极大价值。（故事没有描述快递是无人车送达，吃饭的服务员都是自动化餐桌或者机器人服务员，楼道里的清洁人员已经是扫地机器人，公司或马路上配备的自动诊疗仪可以随时检查身体状况，我们主要说语音的应用）
通过故事可以看出，虽然只是一个普通的上班族，在使用语音设备为其服务时，都会包括但不限于上面提到的，物流，外卖，电商，记事，提醒，发信息，导航，读文本，家居，闲聊，听歌，接听电话，支付，新闻等等众多领域，我们总说互联网应用场景的丰富给了人工智能更多的发展空间，但正因为应用场景多了，要想满足人们生活里再平常不过的需求也变得不那么容易，一旦场景的丰富度不够，那么体验效果就会有所下降，如果硬件环境不能随着场景一起覆盖，不能完全发挥语音的便利性，所以语音的这条路还要有很多事情要完成。
我们借用语音的意义就在于增加我们解决问题的效率，多样性和趣味性，不是刻意的使用语音，而是在随时想要快速完成一件事情时，只要自然地，习惯性地说一句话，就可以解决，而这需要机器将前期工作做到极致，也需要搭建起软硬件丰富的生态圈。
故事里有几个现在在技术和产品设计上都尚需攻克的问题：
一、如何将多种硬件（耳机，音箱，家电）互相之间建立联系，彼此控制，软件是互通的，并且实时在更新内容
二、如何实现用耳机，音箱可以长时间，远距离语音听写，同时还要设计好随时删除，修改的功能
三、如何预定各种票务，购买商品
四、计算机用算法筛选商品不是问题，怎么以用户最方便的方式接收到结果
五、如何根据用户一段时间的生活习惯，主动为其推送消息，或者主动服务一些功能，以什么形式，什么时间点呈现？
六、机器能否实现同时并行的做两件或者以上的事（放音乐，说菜谱）
七、闲聊时候不能总是用兜底回复的方法，如何解决百科问题，专业问题，甚至情感上需求的问题，态度中立，理性分析，这可能不只是技术上的事
八、由于场景的多样性，不能一直处于唤醒的状态，如何在没有唤醒的状态下也能提醒用户日期，日程，新消息等信息
九、如何做到摆脱界面的支付，同时具有较高安全性
十、如何控制说话的信息量，说话节奏，语速，音量，才能让用户不会排斥
十一、说出去的话，泼出去的水，语音这种即时性的使用方式，如何设计才能给用户以确认的时间。提示？还是重复？
语音因为受众面是每一个普通人，所以对于产品的体验要比其他方向更看重，反倒对技术的精准性达到人们满意的程度就好，这样对交互设计师，产品经理的要求也就更高。
带着上面这些问题，接下来我对现在AI各公司的应用，芯片，开放平台等布局进行总结以及分析，看看哪些问题已近解决，那些仍有很长一段路要走，哪些更侧重于技术，哪些更侧重于设计，这对于各公司找准定位，竞品，发展方向，找到解决问题的思路都有一定益处。
