小魚在家用了三年的時間，做了 2．5 代的產(chǎn)品去驗證，去理解用戶的需求，去提升我們的認(rèn)知，去補充我們的能力。在第三代產(chǎn)品的時候，小度在家?guī)�屏智能音箱發(fā)布之后，我們基本上踩對了點。但這這個過程中，我們也犯過錯，我想把我們?nèi)绾嗡伎籍a(chǎn)品規(guī)劃和技術(shù)路線規(guī)劃的一些想法，分享給大家。

以用戶需求為導(dǎo)向，尋找差異化價值

先說說產(chǎn)品路線，一路走來我們都在行業(yè)的最前沿，沒有別人成功的經(jīng)驗可以借鑒，只好被逼著去思考產(chǎn)品的最核心邏輯，要從用戶出發(fā)，去考慮我們在哪里可以去建設(shè)差異化的價值，并且還能夠遠(yuǎn)遠(yuǎn)超過用戶的預(yù)期。

第一代產(chǎn)品我們定位是家庭智能陪伴機器人，這代產(chǎn)品我們選的這個點，就是一個一呼即通的家庭陪伴體驗，能夠讓在外的家人，通過他的手機，三秒回到家里陪伴他的老人和孩子。第一代產(chǎn)品里面的助手，是一個非常輔助的功能，當(dāng)時的技術(shù)并不成熟，體驗還非常的糟糕。我們的第一代產(chǎn)品，用戶的口碑非常好，但實際上銷量并沒有達(dá)到預(yù)期，后來我們總結(jié)有兩個錯誤：

第一，我們沒有考慮成本，把產(chǎn)品做得太貴了，當(dāng)時賣 3000 多塊錢。

第二，就是這個品類的定位，我們一味的去追求實現(xiàn)我們作為產(chǎn)品經(jīng)理的一些想法，沒有考慮供應(yīng)鏈，結(jié)果就是把受眾縮小了。同時，我們給用戶設(shè)置了非常高的心理預(yù)期，卻沒有達(dá)到。

第二代產(chǎn)品分身魚主要是解決我們的成本和定位的問題。首先成本降了一半，然后我們嘗試了兩個定位，一個就是陪伴孩子，另外一個就是視頻通話。但我們最后還是放棄了這個產(chǎn)品。首先是孩子的留存比較難，其次是公司的資源有限，我們沒有辦法去拓展那么多的產(chǎn)品線。

通過前兩代產(chǎn)品，我們總結(jié)了三點經(jīng)驗：

第一，用戶對語音交互給他們帶來的便利性，其實是非常的認(rèn)可的。尤其是老人和孩子，他們在家里會非常自然地開始和一個設(shè)備進(jìn)行語音對話。

第二，家庭場景里面的這種內(nèi)容消費需求是巨大的，而電視和平板電腦其實只滿足了他們的部分需求。誰能夠在家庭的場景下，能夠更加便捷地把家人所需要的內(nèi)容，更加快速準(zhǔn)確地推送，實際上有可能成為在家庭場景下，用戶消費內(nèi)容的一個新寵。

第三，用戶最關(guān)注的價值，正是我們第一個產(chǎn)品做的「家庭的陪伴」。分離其實幾乎是中國家庭的常態(tài)了，能夠三秒鐘回到家里，完全顛覆了之前這種靠打電話然后等待接聽的這種體驗。

我們在做第三代產(chǎn)品的時候，其實語音技術(shù)已經(jīng)是相對成熟了，我們也看到在中國的市場，智能音箱這個品類已經(jīng)有快速發(fā)展的苗頭，于是順勢進(jìn)入到這個平臺里面去。

小度在家是個百倍易用的帶屏智能音箱，在它身上語音交互、屏幕輔助，加上攝象頭的識別，這些能力組合產(chǎn)生了化學(xué)作用。它不但可以一目了然地把用戶詢問的答案展示在他的面前，還可以把語音回答和屏幕展示動態(tài)配合，比如說你聽歌的時候可以滾動歌詞，比如說介紹一個人物的時候，顯示他的圖片。比如說他念字發(fā)音的時候，把這個字的筆順顯示出來等，還可以告訴你有什么功能，接下來你可以怎么向它發(fā)問，去探索更加豐富的內(nèi)容和服務(wù)。我們這一次其實和百度的深度合作，也引入了非常有價值的內(nèi)容和服務(wù)，比如說百度搜索、百度地圖、百度百科、圖片等等。

小度在家還是一個智能小電視，我們可以完全用語音操控，想看什么片子直接說就行了，再也不用搖控器。我們讓視頻通訊更加便捷，可以語音操控，你可以語音去撥打和接聽，當(dāng)然依然支持多方高清視頻同話，還有一叫即通的功能，顛覆了家庭之間陪伴的體驗。我們更可以隨意擺放，比如說在廚房邊做飯邊追劇，在餐桌邊吃早飯邊看新聞，放在書桌上面邊寫郵件邊看世界杯。

在我看來，智能音箱的市場戰(zhàn)爭，不僅僅是產(chǎn)品比拼，而是包括品牌、渠道、內(nèi)容以及服務(wù)在內(nèi)，整個生態(tài)的比拼。

在技術(shù)發(fā)展路線上的思考

接下來說一下我們在技術(shù)發(fā)展路線上的思考。我們所在的這個領(lǐng)域，語音和語義是改變智能交互的核心技術(shù)。其實 2014 年之前，做語音技術(shù)的公司不多，而深度學(xué)習(xí)把大家都拉回到了同一個起跑線上。

其實通過和百度的深度合作，在包括小度在家甚至更早的小魚在家這些產(chǎn)品上，我們已經(jīng)打造了非常好的語音交互體驗。而解決語義理解，成為了未來發(fā)展的核心。

前邊我曾經(jīng)講到，小魚在家向來是以用戶為導(dǎo)向，如果在某些方向上我們做不到最好，但是對用戶體驗非常有幫助，那么我們會努力去和能夠做到最好的廠商合作。

因為很多這些技術(shù)，未來可能都會變成一些開放的基礎(chǔ)能力，如果我們做的沒有別人好，反而會變成前進(jìn)道路上的包袱。我們只有專注用戶價值，擴(kuò)大用戶規(guī)模，在用戶體驗遇到問題的點上，去找到技術(shù)突破的方向才是更好的選擇。

對于一家做硬件產(chǎn)品的公司而言，其實最終還是需要去看產(chǎn)品的出貨量。從小魚在家的角度來講，能夠順利通過做硬件的雷區(qū)走到今天，其實本身就是一個巨大的壁壘。

“多模態(tài)交互體驗”是人工智能落地最高效的一種模式

最后，說一下我們在多模態(tài)方向的探索。記得 2016 年在美國做演示的時候，當(dāng)時吳恩達(dá)說過這樣一句話：人和機器交流最高效的方式是通過語言，而機器跟人信息傳達(dá)最高效的方式是通過語音和視覺的輔助。

我們在過去 3．5 代產(chǎn)品的時候做了 4 次大的迭代，F(xiàn)ish UI 4．0 的實際上是一個巨大的革新。我們把語音交互變成了設(shè)備最主要的交流方式，而觸屏變成了完全的輔助功能。

毫無疑問，多模態(tài)交互是人工智能落地的更加高效的形態(tài)。在小度在家的產(chǎn)品發(fā)布會上，李彥宏將現(xiàn)在的無屏音箱比作了收音機，而帶屏智能音箱則是電視。我們相信，隨著整個的生態(tài)、內(nèi)容服務(wù)的演進(jìn)，以帶屏智能音箱為代表的多模態(tài)交互，會是未來人工智能交互的主流交互形態(tài)。

今天人工智能依舊處于向前發(fā)展的時代，技術(shù)的進(jìn)步會持續(xù)的推動著我們?nèi)ブ厮苡脩趔w驗，重新定義品類。我們認(rèn)為，人類對智能音箱這個品類的認(rèn)知，在未來會發(fā)生很大的改變。

而人工智能落地家庭，會帶來巨大的、原生的新的平臺機會。多模態(tài)的交互給所有在座的開發(fā)者，都提供了一個非常巨大的發(fā)展空間和舞臺。改變世界的不僅僅是技術(shù)，更有技術(shù)背后的價值觀、使命和愿景。最后希望我們一起打造人工智能落地家庭的未來。