2023年整个科技界最火的无疑是以为代表的AI大模型，因此也使得蹭的热度俨然成为了诸多相关企业的必备技能。日前有消息显示，号称全球首款内置的智能音箱Vifa ，就将于8月17日全球首发。根据推出这款智能音箱的智度股份官方公众号的说法，这款产品内置了和百度文心一言双AI大模型，在智能化方面将拥有“巨大飞跃”。
比传统音箱具有更小的体积、更强便利性的同时，还内置了、文心一言，这真的可能吗？答案是可以做到，但实现方式可能与大家理解的完全不同。
在许多朋友的理解里，内置或许更接近于传统的端侧智能，也就是将AI大模型本地化部署在智能终端上。但截至目前，还没有哪一家厂商在真正意义上实现了这一点。
即使是华为方面在刚刚发布的 4上，也仅仅只是表示将AI大模型能力内置在系统底层。而且在大模型接入后，华为智慧助手“小艺”也只是在语音交互的基础上，扩展了文字、图片和文档等多种形式的输入，自然语言理解能力得到提升，还能根据指令连接多种服务和场景，比如自动提取图片文字、生成各类商业电子邮件内容或生成图像等。
此前，高通产品管理高级副总裁兼AI负责人Ziad 在接受媒体采访时，也给出了谨慎的回应，“本年度我们将能够支持参数达100亿的生成式AI模型在手机上运行，这意味着未来大多数的用例将能够完全依靠手机端就能够完成”。
但要知道的是，相比智能手机的SoC，智能音箱使用的芯片在算力上可以说是有着质的差距，目前即使智能手机都暂时还没能实现在端侧部署AI大模型，就更遑论智能音箱了。
事实上，这款Vifa 智能音箱实现用户使用的方式，极有可能与如今iOS/用户一样，是在设备里下载了一个的App而已，同样都是通过云端来部署。此时，大模型和计算资源都存储在的服务器上，用户通过与服务器的实时交互，输入的内容经服务器处理后再获得响应。
简单来说，以现阶段智能音箱的算力水平，是不可能支持拥有1750亿参数规模的，所以用联网的方式来获取的能力才更靠谱。
那么问题来了，消费者真的需要一个内置的音箱吗？其实最有可能的情况，是凭借内置的噱头或许会在最初引得一批用户尝鲜，但紧接着它的弊端就会让更多消费者对其敬谢不敏了。
如今毫无疑问的是，智能音箱的卖点是“智能”、而非“音质”，并且这一点诸如腾讯听听、苹果等一系列注重音质的产品，已经用惨烈的市场表现佐证了。随着家电产品的智能化浪潮，消费者确实需要一个通过语音操控的智能化工具来“总领全局”，所以智能音箱就很好的扮演了这个角色。诸如播放音乐、讲故事、查看天气、控制其他设备开关的工作，智能音箱就完成的很好。
然而智能音箱在经历了此前的高光时刻之后，直接就朝着谷底一去不回了，这是因为消费者发现智能音箱也只能做好放音乐、看视频、讲故事、查天气的工作。由于ASR（语音识别）、NLP自然语义处理、远场拾音等人工智能和声学技术进步的速度，没能赶不上用户的需要，导致了消费者认为智能音箱不智能。所以内置的Vifa 就在这一背景下诞生了，既然智能化程度不高，那就直接上当下最智能的来补全不就可以了。
但很可惜，或许并不太适合智能音箱。因为厂商想象中，内置的智能音箱就能实现更丰富的对话、情感陪护等工作，实际上是有门槛的，而且也是现阶段/GPT-4做不到的事情。
事实上，用好是有一定门槛的，这点相信是使用过AI大模型的用户的共识。其实它在某种意义上与几年前走红的3D打印非常类似的，尽管看上去很美好，但用起来会很快发现完全不是一回事。
借助3D打印，似乎用户需要什么就能打印什么，不需要用户具备相关专业技能也可以“心想事成”，但实际上这里需要创建3D模型，并且对3D模型进行修整、拆分、组合。也是如此，它需要有所谓的提示词（），用户使用也基本停留在对话上，并难以挖掘出更多的能力。简单来说，是一座宝藏，但是绝大多数人并不懂得如何去挖掘它。
遗憾的是，即便是对话，在AI伦理以及合规的约束下，目前的和半年前的版本已经不是一回事了。乃至微软为了系统的安全性、鲁棒性，以及合规，选择了负优化AI大模型，来提高系统的稳定性和可控性，、GPT-4、Bing Chat都已经被许多专业人士发现出现了性能大幅下降的情况。这也就意味着的输出变得更加可预测，实际上它也已经被部分用户吐槽回复缺乏新鲜感和创新性。
想要让重新变得聪明，通过精心设计的提示词让跳出划定的范围，是最为直接的方式。可大多数人并不具备构建高质量提示词的能力，所以很容易就会陷入用着用着就越来越无聊的情况。而智能音箱的消费者显然基本是未受过相关训练的，因此可以预见的是，大多数消费者在购买了内置的音箱后，会发现它与以往用过的智能音箱并没有太多差异。
因此一款有隐性使用门槛的消费类电子产品，高开低走再正常不过了。
本文来自微信公众号，作者：三易菌，36氪经授权发布。
相关文章
