高速前進(jìn)的中國造就了近1億的中產(chǎn)階級(jí)家庭，這一億家庭年平均收入在30萬到70萬人民幣左右，智能家居市場(chǎng)的發(fā)展依賴于這部分消費(fèi)群體，預(yù)示著中國智能家居市場(chǎng)的潛力巨大。智能家居市場(chǎng)真正的發(fā)展方向是家庭消費(fèi)和服務(wù)——每年的市場(chǎng)可以達(dá)到50萬億，其中有10%通過線上進(jìn)行。如果企業(yè)能夠更方便、更快捷和更精準(zhǔn)的幫助消費(fèi)者進(jìn)行家庭消費(fèi)、提供服務(wù)，那么它將獲得巨大的成功。
通過對(duì)智能家居市場(chǎng)發(fā)展趨勢(shì)的思考，發(fā)現(xiàn)三個(gè)比較明顯的趨勢(shì)。
1、物理入口。目前最主要的入口依賴智能手機(jī)，這個(gè)入口是非常擁擠的，一個(gè)非常明顯的趨勢(shì)就是，整個(gè)消費(fèi)和服務(wù)的接入是分散到各個(gè)智能設(shè)備的。未來每一個(gè)硬件都是一個(gè)獨(dú)立的APP。你發(fā)現(xiàn)冰箱里面沒有飲料的時(shí)候，你不需要拿出手機(jī)，解鎖，打開APP等購買，這個(gè)用戶體驗(yàn)是很差的。你可以直接一句話告訴冰箱，下午給我送一打啤酒過來。
2、交互方式。最傳統(tǒng)的是鍵盤和觸摸屏。隨著人工智能的發(fā)展，語音技術(shù)也將很快的普及到我們的生活中。但我們認(rèn)為，在不遠(yuǎn)的將來會(huì)有一個(gè)更為重要、更為重量級(jí)的方式，那就是通過視覺的交互。因?yàn)楝F(xiàn)在大家可以看到，不管是通過觸控還是通過語音進(jìn)行交互，其實(shí)都是人類主動(dòng)決策、機(jī)器被動(dòng)接受的過程。而視覺是主動(dòng)交互。視覺交互。那就是機(jī)器主動(dòng)決策——人類不需要關(guān)注很多家庭的事情了，連命令都不用下，機(jī)器就能在最合適的時(shí)間完成服務(wù)。舉個(gè)例子，現(xiàn)在已經(jīng)有上門洗衣的服務(wù)了，我們可以想象一下，將來家里面在陽臺(tái)上放一個(gè)大的籃子，把臟衣服扔進(jìn)去，陽臺(tái)有一個(gè)攝像頭，看到這個(gè)籃子里面的衣服累計(jì)到一定程度的時(shí)候，自動(dòng)的聯(lián)系上門的洗衣服務(wù)，全程不用人類操心。將來的消費(fèi)以及服務(wù)會(huì)更多的是通過AI主動(dòng)推薦的模式，這個(gè)里面帶來的市場(chǎng)商業(yè)機(jī)會(huì)是會(huì)遠(yuǎn)遠(yuǎn)大于傳統(tǒng)模式的。因?yàn)橐曈X相比語音和觸控是更高維的溝通方式，它能收集到的信息遠(yuǎn)大于觸控和語音這樣的二維方式帶來的信息。
智能家居市場(chǎng)喧鬧了很多年，并未迎來真正的爆發(fā)，原因有哪些？
第一個(gè)是應(yīng)用場(chǎng)景分散，有安全、娛樂、家庭服務(wù)、健康、教育等非常多的場(chǎng)景，另外家里面的智能設(shè)備過于分散，比如家電，玩具、機(jī)器人、攝像頭等等，所有這些分散的應(yīng)用場(chǎng)景和電子設(shè)備會(huì)導(dǎo)致當(dāng)我們把它們智能化的時(shí)候，很難快速復(fù)制。
第二是技術(shù)。家庭場(chǎng)景很復(fù)雜，需要能處理語音和圖像，做到很好的感知、認(rèn)知，技術(shù)挑戰(zhàn)直到今天仍然很大。
第三是數(shù)據(jù)。數(shù)據(jù)的搜集和分析是一個(gè)很難的過程，首先，家里面每個(gè)場(chǎng)景都是高度分散化的，每個(gè)家庭的需求也是不一樣的。其次，只拿到大數(shù)據(jù)是遠(yuǎn)遠(yuǎn)不夠的，因?yàn)榧词辜依锇惭b上很多的傳感器，搜集到很多的數(shù)據(jù)，但是這些數(shù)據(jù)絕大部分都是垃圾數(shù)據(jù)，如果不停的把這些數(shù)據(jù)上傳到云端處理，會(huì)占用巨大的帶寬和云端處理資源，不具備可操作性。所以我們搜集數(shù)據(jù)的時(shí)候，我們要思考，不僅僅要搜集數(shù)據(jù)，而且要搜集真正有價(jià)值的數(shù)據(jù)。但是這個(gè)事情并不是這么容易做到的。
第四是真正的用戶體驗(yàn)很難。我們服務(wù)的對(duì)象是人，對(duì)于體驗(yàn)的要求很高。我們現(xiàn)在人工智能的技術(shù)得到了很快的發(fā)展，但尚不能真正讓人感覺到交互方式和服務(wù)方式非常自然。
人工智能在智能生活上的普及，一定不是一蹴而就的事情，需要一段時(shí)間的慢慢積累。
如何應(yīng)對(duì)智能家居的這些挑戰(zhàn)
第一，應(yīng)用場(chǎng)景分散的問題，我們認(rèn)為要抓住其中的主要矛盾，和不變量，就是“人”，我們現(xiàn)在智能家居這個(gè)領(lǐng)域就應(yīng)該把人做透。比如安全問題，現(xiàn)在家里面裝很多攝象頭主要的目的是為了安全，而安全其實(shí)核心是什么呢?最主要的是想知道家里有沒有人，是家里人還是陌生人，以及這個(gè)人的行為，他做的行為是安全的行為還是不安全的，比如小孩子進(jìn)入廚房，會(huì)不會(huì)點(diǎn)煤氣灶，這些都是不安全的行為。所有應(yīng)用場(chǎng)景都是圍繞人。比如娛樂，家庭服務(wù)、健康、教育等等，就不一一舉例了，我們地平線做的就是從人臉，到人的行為分析，到人周圍環(huán)境，以及這個(gè)人的語音和設(shè)備的交互，我們主要的核心點(diǎn)就是圍繞人，把這個(gè)技術(shù)做好，支撐巨大的分散的智能家居的需求。
第二個(gè)是技術(shù)上的挑戰(zhàn)，人的交互方式和獲取信息的方式其實(shí)是一個(gè)融合的方式，單獨(dú)的語音和圖像，或者單獨(dú)的其他任何傳感器，都不能涵蓋所有的應(yīng)用場(chǎng)景。所以一定是要圖像+語音。另外視覺是高維高價(jià)值的，80%的價(jià)值信息來自于圖像，只有20%來自于語音，在技術(shù)上要完成對(duì)智能家居最好體驗(yàn)的布局，必須把圖像和語音的技術(shù)融合，單獨(dú)的做語音或圖像都是缺位的。
第三個(gè)數(shù)據(jù)的挑戰(zhàn)。要獲取有價(jià)值的數(shù)據(jù)，怎么獲取呢?這個(gè)本身是不容易做到的，我們的思路也是比較清晰，就是做嵌入式的人工智能“端+云”的方式。端側(cè)呢，現(xiàn)在我們談到所謂的人工智能創(chuàng)業(yè)公司也好，大公司也好，他們其實(shí)更多的是在云上做，但是端上有不可取代的價(jià)值。主要是幾個(gè)方面，第一，端是不依賴于網(wǎng)絡(luò)的，不管是在家里，還是哪里，大家會(huì)發(fā)現(xiàn)家里的無線網(wǎng)絡(luò)覆蓋很難做到完美，如果是在樓下，或者是在移動(dòng)的場(chǎng)景中，網(wǎng)絡(luò)的全覆蓋更是一個(gè)很難的事情，特別是當(dāng)你牽涉到一些智能圖像處理的時(shí)候，你很難實(shí)時(shí)地把圖像傳到云端再處理回來，這個(gè)時(shí)候?qū)崟r(shí)性沒有了。第二，端上可以對(duì)數(shù)據(jù)進(jìn)行選擇，只把有價(jià)值的數(shù)據(jù)傳到云端。比如我陽臺(tái)上有一個(gè)洗衣服的籃子，我就只關(guān)注這個(gè)里面衣服滿的時(shí)候，這個(gè)狀態(tài)我傳到云端。如果這個(gè)里面衣服沒有滿，99%的時(shí)間，這些數(shù)據(jù)是毫無意義的，就拋棄了。必須采用一個(gè)端+云的方式，這樣才有可能真正的做到最高效，而且是最有性價(jià)比的智能服務(wù)。
有了端上的智能以后，在云端可以做很多的事情，一個(gè)是可以用數(shù)據(jù)迭代模型，持續(xù)的優(yōu)化用戶的體驗(yàn);另外是每一個(gè)硬件，將來都是和手機(jī)的形態(tài)一樣，他在上面都可以下載很多的智能APP，這個(gè)硬件可能已經(jīng)脫離了原來的形態(tài)了，你買回來的時(shí)候可能是一個(gè)家電，也可能是一個(gè)機(jī)器人，但是隨著智能的升級(jí)，他可以具備很多全新的屬性和功能。
當(dāng)我們真的有了這個(gè)大數(shù)據(jù)，也對(duì)人的喜好有了了解以后，這個(gè)就不局限在家里了，當(dāng)我們到任何一個(gè)地方都可以通過云端升級(jí)本地的智能設(shè)備，讓他們變成像家里一樣最懂我的環(huán)境。將來的智能家居市場(chǎng)一定是端+云的架構(gòu)。
第四個(gè)，真正的用戶體驗(yàn)，這是非常難的事情。舉個(gè)例子，語音，不僅要支持遠(yuǎn)場(chǎng)和近場(chǎng)，識(shí)別一些帶口音的普通話，甚至是方言。還要考慮實(shí)際應(yīng)用中，如果很多人同時(shí)講話的時(shí)候，家里很多語音設(shè)備的識(shí)別率就會(huì)下降的比較厲害。所以當(dāng)我們做技術(shù)時(shí)，一定要考慮實(shí)際的使用場(chǎng)景。圖像也是一樣，比如人臉識(shí)別，如果你離的很近，確實(shí)識(shí)別得很好，但是如果離得比較遠(yuǎn)，如果是走動(dòng)的狀態(tài)下，如果是背光的情況下，怎么辦?這些都要解決，只有這樣用戶體驗(yàn)才能真正好，消費(fèi)者才真正的愿意使用這個(gè)技術(shù)，這個(gè)市場(chǎng)才能真正的起來。另外一個(gè)，我們的技術(shù)更多還要努力讓攝像頭做到主動(dòng)的服務(wù)，要懂用戶，只有懂用戶才能使用戶得到好的體驗(yàn)。
語音交互推動(dòng)家居智能化向縱深發(fā)展
