近年來，由于機器學習以及大數據的迅猛發展，讓圖像識別、語音交互、生物醫療、交通運輸等領域發展迅速，機器也逐步朝著真正能夠理解人、幫助人的愿望發展，功能單一的家電設備甚至不聯網也可以聽懂命令、自動操控，比如小編近期了解到的一盞臺燈，它只需要用關閉、打開、調暗、調亮等簡短的語音命令，就可對其進行控制，甚至無需喚醒詞、不用經過云端的大數據匯集。

語音交互的云平臺和本地端應用

語音交互技術作為人工智能重要的一個分支領域，從最初由聲控虛擬助手來補充云端的語音信息庫，到大量的誤聽、誤解命令的服務機器人、智能音箱等產品的出現，發展到現在的，一盞臺燈、一個晾衣架、一臺風扇，更多本地端的語音交互應用也逐漸被細分出來，但是否這樣的端智能就會是機器智能交互的最終形態呢？

（歡迎補充，數據持續更新…）

就目前來講，做語音交互云平臺的數量是要多于做端智能的企業，兩者的區別在技術本身除了聯網之外，并沒有太大的差別，可是反饋到終端產品以及應用場景中，就會帶來一些不同的體驗感，其一是功能性，端智能的功能更加明確，錯誤理解率會小于云智能，命令反應時間也會快于云智能，但端智能能夠滿足的產品功能種類會比較單一，目前還只適用于簡單的家電控制，像臺燈、風扇、空調等。

其二是趣味性，這也是功能性的延伸，由于云端不受資源的限制，可以有更大的數據庫，更強大的語義理解功能，除了可以增添家電控制、天氣、交通、時勢信息的查詢等硬性功能外，陪伴聊天、娛樂也成為了云端智能的新穎噱頭以及未來可能的發展方向。簡單點來說就是在端智能和云智能的優缺點中做一些取舍，假如我們需要更多種類的軟性趣味功能，就勢必會有一些硬性的功能方面的小瑕疵。

互問以AM1032作為分布式家居中的智能節點，和現在形態還不確定的家庭中控實現分布式智能家居平臺。

處理語音數據的技術趕不上其增長的速度

目前很大一部分選擇發展云智能的原因都不外乎兩點，一是技術上還不能夠滿足明確的應用場景，這里的技術具體是指前端的語音處理，如遠距離拾音、降噪、回聲消除、去混響、聲紋識別、音源定位、音源跟蹤，小size算法模型，麥克風陣列等，據小編了解目前市面上存在的智能音響，只有相對安靜的環境下使用一般說話的聲音大小（大概60分貝左右），能夠達到3到5米的拾音距離。

前端語音的處理或許在比較安靜穩定的環境里面體現不出來太大的差別，但是如果在汽車、室外等并不穩定的環境里，設備的“聽力”就會變得格外重要，畢竟聽不到又怎么能聽懂，何況就現實來看，不穩定的環境因素是必然存在的，所以無論是云智能還是端智能，想要有更多的應用場景、更好的智能體驗效果，都是需要不斷提升前端語音處理技術的。

目前市面上有提出兩種解決方案，都是利用高性能數字信號處理芯片DSP(Digital Signal Process)技術來實時進行語音識別，互問的圓形麥克陣列板是其中之一，這是一個將軟硬件結合的方案，它的拾音距離是10米范圍內（連續可調），具備回聲抵消、聲源測向、混響消除、噪聲抑制、可調拾音方向、可調拾音距離等一系列功能。還有一種解決方案是美國的Synaptics公司提出，是可以通過軟件的方式來處理，目前可達到在噪音較大的環境下進行遠至5米的無縫語音控制。

Synaptics的官網圖片

選擇云智能的第二個原因，是布局大數據。數據的價值已經被等同于能源，而當前我國90%的數據是來源于近兩年的積累，畢竟大數據的發展是依靠互聯網以及移動互聯網的應用推動。而語音交互云平臺只有積累更多的語音信息數據，才能運行更大更多的深度學習神經網絡。

百度在15年開發出的“深度語音識別系統”（Deep Speech 2），它就是在擁有一個非常大的、“深”的神經網絡的同時，不斷的學習、引入數以萬計的轉錄語音，目前Deep Speech 2在口語識別的準確度方面十分驚人，有時在識別漢語語音片段方面比人為識別還要準確。但還是有部分人認為目前的深度學習更傾向于蠻力計算，處理語音數據的技術是趕不上數據增長速度的。

從中心化過渡到去中心化，是否任意端都可以成為中心？

由于上面的兩個原因，BAT企業大都會首先選擇發展云智能，提供云平臺服務，盡管應用領域的側重點不同，但并不影響他們建立自己的云端數據中心，最終這些數據細分輸入到不同的領域的應用場景中，成為一個個能夠進行語音交互的機器設備，可能是會像文章一開頭所講的臺燈、風扇一樣，也有可能是某個類似智能音響一樣的中央控制器。

從現在發展的趨勢來看，從中心化過渡到去中心化，似乎是必然的發展規律，但如果想要構建一個像科幻電影里面一樣：可以掌握聽、說、讀等多種能力、適應更多可變化的場景和環境、能自我完成多數任務的機器人管家，一個真正的人工智能集合體，就一定是建立在大數據共享的條件之下。

這就需要每個端智能都成為一個中心，或者說是將端智能和云智能的方式相結合，這目前是一個嘗試，畢竟目前的技術已經解決了部分的簡單任務，像單一的家電控制，這些清晰而簡明的數據信號。但是如果有那么一天我們需要面對更為復雜智能化，以及其背后更具生命性的特征時，我們是否就會有取舍和決斷。畢竟有些觀點是說，如果我們想要絕對的智能我們也將不再會有隱私。