雷锋网按：李志飞明白，智能音箱背后有一个庞大的产业，中文生态、内容、服务、对接，渠道等等，但他并不认为现在就要考虑这些，所以当别人认为这最终是一场巨头之争时，他说他能给出一百个理由证明巨头做不过他们。这是雷锋网关于“智能音箱系列”的第六篇报道，来自出门问问 CEO 李志飞自述，雷锋网整理。
1
2010 年，我还在美国的时候，亚马逊招了很多做语音识别的人。我师妹，还有跟我同一个实验室的博士都过去了。当时我就特别困惑，心想，这家公司有毛病啊，招这么多做语音识别的人干嘛。
在美国搞研发不像在中国，中国很多人可以带代码上岗，带数据上岗。一个人以前在百度做语音识别，然后另一家大公司出两倍价格把他挖过去，顺便也就把他以前做的东西带过去了，一两个月就能出产品，特别“神奇”。
美国不可能这么搞，第一是风险太大，第二，大家还是有节操，就得从头开始。
而且亚马逊跟 Google 不一样。Google 有 Android 这个平台，随便上一个东西就能收集大量数据，它又有核心算法，怎样也不会差，并且基于新一代架构，大量的数据放进去，立马就能做一个系统。
但是亚马逊没有这些，所以 Echo 这个东西，我认为它就是一个惊喜。
他们做得很对的事情是，首先他在想到底要做个什么产品，然后想到要做成一个 Speaker 时，他又会想需要什么技术。就是 Project 推动 Technology 时，它的方向感会非常清晰。
如果今天再回过头来看 Echo 对整个业界的影响，这个赞赏应该给它。因为它是大公司里第一个将语音交互 All in 一个项目，并且真的围绕一个非常具体的事情往前推，去做测试和验证。
这个东西（语音交互）如果在 Google 内部，一定会有一堆人说，这什么啊？我们都有，都做了。我们以前在 Google 的心态永远都是这样。但问题是，它没有一个 Project 带动它后面的 Technology，没有一个主心骨。没错，你是什么都有，但你没有体现在一个独特的产品里，并且在用户层面产生影响力。
总之，如果不是因为亚马逊在智能音箱方向做这种尝试，我觉得整个语音交互靠 Google 去推动还是挺难的。
并且美国的创业公司真的搞不了这种软硬结合的东西，只有像亚马逊这种，花了血本，硬件自己迭代，流量这么高，为一个 Project 专门招几十号这个领域的人。这些都是很贵的，只有大公司才能这么搞。
所以我觉得，如果以后回顾语音交互这段历史，Amazon Echo 应该作为一个里程碑的事情放在里面。
2
我看到的数据，Echo 出货量今年就应该突破了一千万，这一点也不让我意外。
亚马逊首页流量很大，它每天都把 Echo 摆在最显眼的位置，如果从广告费用来讲，这得花多少钱？Google Home 应该卖了几百万台，他们也投了超级碗的广告。都是大生意，这就是为什么创业公司做智能音箱不一定能做好的原因。这个问题得承认，不承认你也想不出别的招儿。
坦白讲，到今天我都对 Echo 能不能够保持用户黏性半信半疑。这么便宜，又天天放在首页，肯定有人买，但是买完以后，真正有多少人每天用它？这是个大问题。
它确实有那么几个东西做得不错，比如说放音乐，问天气，设闹铃，查日历，问交通状况，这些东西在美国的需求还是很大的，但在中国，用日历这种习惯就没有。
包括美国的房子，很多都是 house，比较大，有一个开放式的厨房。做饭的时候，小孩子写作业的时候，什么问题都可以问。这些场景都是很实用的场景，但中国的厨房首先不是开放式，做饭也不像美国那么安静。
我的 Point 是说，如果想在中国直接复制 Echo 的成功，肯定都不靠谱。
但是没关系，我觉得今年这个阶段，要先把高速公路修好，就是硬件先搭好，再慢慢找独特的使用场景。反正 Echo 也没有入华，他们要是在中国没一两百号人，连动都不会动。
因为这不仅仅是语音识别，还有集成服务，中文的生态、内容、服务、对接，以及到哪里卖？怎么卖？（亚马逊）西雅图总部那些人弄得明白这些事情吗？他一定弄不明白。再说了，他们在美国都面临着 Google 兵临城下的局面，哪有时间顾中国。
总之，从实际来说，我觉得今年能踏踏实实做硬件，并且能够量产的，中国就没几家，放心。
3
有些产品是战略性的。
对于一个公司来说，决定做一个事情，要么就是赚吆喝。像我以前做 Google 翻译，没有人说它必须赚钱，可能连流量都没指望，反正公司就给四五十号人，大家搞这个东西就行了。
还有就是赚钱和所谓的战略价值，我觉得智能音箱就是战略价值很重要的东西。
产品立项的时候，我们会做一个商业模型，里面会写 Bom 成本是多少，渠道费用是多少，最后能卖多少台，研发成本怎么分摊，很多公司没做过这种 Business Case Study，所以做的东西都不太 Make sense。
我一直强调，智能音箱是个消费品，就应该长得不错，价格适度，超过 1000 块钱就别玩了，还要有不错的稳定性，不错的语音交互，不错的内容。
去年七八月份的时候，我下面的人做了大量调研，竞品拆了又拆、研究又研究，老是想做出一个一鸣惊人的东西，但事实上挺难的。软硬结合是一种基因，不是资源整合。BAT 把它当一个资源整合去做，就是找别人去拼，这是错的。
基因就是团队要磨合好。硬件软件本来就是两个不同的世界，硬件从来都不性感。互联网模式是躺着赚钱，智能硬件是跪着都赚不到钱，但是总得有一帮人去干这个事情，最后才有可能走出来。
我们公司（出门问问）有七八十号人以前都是在诺基亚做手机的。做硬件就是要决心，要抱着那种心理，亏钱就亏呗，慢就慢呗，就算再怎么不行，到今年年底，市场上真正能用的智能音箱硬件也不超过三家，我们会是其中之一。
总之，先做出一个用户觉得长得还不错，音质也好的东西，别动不动就颠覆。至于短期能不能复制亚马逊的成功，我完全不抱这种幻想，我们只要不掉队，如果真有风的话，也能被吹一吹。
智能音箱系列报道：
正在生成分享图...
刘伟