三星在此時加入智能音箱市場，正趕上競爭異常激烈之時。
據市場研究機構Strategy Analytics預測，智能音箱正大受歡迎，預計到2020年，全球銷量可達1500萬部。
其實，智能音箱發展的時間并不算太長。2014年，亞馬遜在官網中低調推出了Amazon Echo智能音箱，甚至都沒有為其舉辦一場發布會。但隨后卻呈現出“低開高走”的局面，Amazon Echo逐漸進入消費級市場，受到了用戶的青睞。2016年，亞馬遜Amazon Echo銷售量超出1000萬臺。
同年，Google正式發布了Google Home，標志著其正式入局智能音箱市場。之后，谷歌與亞馬遜一道，成為了智能音箱市場中排在前兩名的公司。根據VoiceLabs發布的美國語音智能音箱市場的研究報告來看，亞馬遜占據了美國市場70.6%的份額，谷歌則占據了23.8%的份額，而其他品牌總共才占據了5.6%的份額。
不過，之后又有巨頭入局。今年5月，微軟在Build2017大會上宣布與哈曼卡頓聯手推出內置其人工智能助理“小娜”的智能音箱Invoke。
而在WWDC 2017上，蘋果也正式發布了搭載Siri語音助手的智能音箱HomePod。
由此可見，智能音箱已然成為眾多科技巨頭的又一個“新戰場”。那么，這一市場的魅力究竟何在呢？
首先來想象兩個場景。
1.炎熱的夏天，忙碌了一天之后，拖著疲憊的身子下班回家，打開門，打開玄關的燈，奔向松軟的沙發，此刻你只想好好休息或者看個電視，結果怎么也找不到電視和空調遙控器了。
這時，如果有智能音箱，你就可以發出一連串指令：“Echo，空調開到23度”、“Echo，打開電視”、“Echo，幫我泡杯咖啡”、“Echo，把窗簾也拉上”……
2.寒冷的冬天，洗漱完畢，上床打開燈看了會兒書，再看會兒手機，被窩里也暖了。剛想躺下睡覺，發現客廳或衛生間的燈沒有關……
“Google Home，關掉客廳和衛生間的燈”。
這些場景都會時常出現在我們的日常生活中，而智能音箱所提供的語音交互無疑是種最好的方式。
十年前，iPhone以手指觸控替代了按鍵觸控，這一變化具有劃時代的意義，因為觸控比鍵控更接近于人類本能。如今，智能音箱以語音交互替代觸控同樣具有重大意義，因為動嘴比動手更接近于人類本能。因此，下一代的革命性產品必然要將人類從“動手”中解放出來，智能音箱恰好能承擔這一責任。
當下，語音交互的環境正向成熟的方向邁進，語音識別技術有了巨大的提升，而且仍在不斷提升中。網絡基礎建設愈發完善，速度也有了很大的提升，極大程度上縮短了響應時間。畢竟正常的對話需要實時反饋，而這種變化讓語音交互更加便利，有利于以這一技術為主的智能音箱進一步滲透至消費級市場。
現代人的信息化程度越來越高，這是基于近年來逐漸健全的網絡基礎服務的培養，如電商、O2O、流媒體、智能家居等。此外，AI及搜索技術的發展也功不可沒。雖然與國外相比，中國網民在這一點上仍稍顯欠缺，但也取得了顯著的進步。
在高度信息化的時代，語音交互方式要比點擊、滑動更為自然和直觀，因為人類文明最初就是在語言和交流中誕生的。語音交互技術的普及，能夠解放人類的手和眼，讓人們做到“一心二用”甚至是“一心多用”。在提升生活質量的同時也節省了時間，符合現代人快速的生活節奏。
在國內，智能音箱雖然還未普及，但也有不少公司開始涉足這一領域。如華為推出的小天鵝藍牙音箱、小米智能音箱、京東智能旗下的叮咚智能音箱以及阿里即將發布的“天貓精靈”等。不過就整體市場來看，中國的智能音箱產品還是更多地側重于音樂播放甚至兒童早教方面，雖然也能起到控制智能家居設備的作用，但遠未能達到Echo的整合程度。
就當前的發展形勢而言，作為智能家居的入口和語音交互技術的實體產品，智能音箱未來前景極其廣闊。然而，目前的智能音箱在技術和市場等方面仍受到諸多限制。
有觀點說，音箱會成為物聯網時代的“超級產品”。其實，這個理論過于絕對化了。
不可否認，通過語音交互實現對智能家居的控制會成為未來物聯網發展的趨勢，但音箱只會作為入口而不會成為中心。盡管智能音箱優點頗多，但其限制條件亦不在少數。
首先，智能音箱放置地點通常較為固定，移動屬性不高。這意味著需要語音交互時，發出指令的人必須要與音箱保持很近的距離，目前的技術水平最多能在無遮擋的情況下做到5米之內。
想象一下，在這種技術限制下，我們在廚房做飯，在臥室睡覺或在浴室洗澡，而音箱放在客廳。我們想要下達指令的時候，正常的語音交互就幾乎變為了不可能。想要解決這個問題，要么每隔一段距離就放置麥克風陣列，要么就提高嗓門大喊，可這樣一來不是不經濟就是體驗太差，語音交互也就沒有太大的意義。
此外，目前許多語音識別技術在進行交互之時，需要用戶一字一頓的說話才可以。這種限制需要用戶付出更多的時間和情緒成本，是非常反人類的。筆者在智能手機上就遇到過這種問題，就算一字一頓的說普通話，語音助手也不能完全正確識別，導致語音轉文字后還要逐個手動修正。既破壞心情又浪費時間，反而不如直接打字來的痛快。
由此看來，智能音箱確實還存在著諸多問題。有人說，智能家居的殺手級交互應該是手勢。其實不然，因為目前消費級市場中優秀的智能音箱已然證明了一個事實，即語音是安撫無陌生人家庭場景的最佳方式。不過，盡管智能音箱市場火爆，但要成為“超級產品”，可能性確實不大。
那么，真正的下一代語音識別技術又該是怎樣呢？
真正意義上的語音識別，應該不只是語音識別，而是一個“超級大腦”。不僅能識別普通話和方言，還可以作為AI系統。通過深度學習和云計算等先進技術，識別特定用戶的特質嗓音和說話習慣，甚至是因為生病等原因而變聲的語音也能精確識別。也就是說，只要是你身邊的親朋好友能聽懂的話，智能語音系統也同樣能聽懂。
此外，真正的語音系統應該能夠做到減噪。受使用場景的限制，目前語音控制和語音輸入在一個人的環境下還算好用，但在公共場合中使用就難免會受到噪音干擾以及泄漏隱私，這在一定程度上限制了語音習慣的養成。針對這種情況，未來語音識別可能在極致減噪的同時能夠準確識別微小的聲音，甚至能夠識別近乎無聲的“唇語”，從而讓語音識別慢慢滲透到生活中的各種場景，最終成為主流。
就市場層面而言，要將這些設想變為現實，可能會有幾個發展方向。
一是智慧語音輸入法。企業能針對每個用戶定制獨一無二的語音數據庫。這個數據庫中沉淀了特定用戶的特質嗓音和說話習慣。同時能夠結合人工智能，猜測出用戶還未講出的話。
二是跨平臺語音操作系統。這屬于用戶的個人語音數據庫，平時在云端存儲和運轉，能夠通過個人賬戶自動上傳或下載，在任何智能家居和車載設備上都能下載使用，不會再出現人去適應機器的情況。
三是互聯網時代的超級入口。一個搜索需求可以成就谷歌和百度，那么可以推斷，未來的語音操控和語音輸入可能會成就更大的互聯網巨頭，也會成為全球用戶連接互聯網世界和物聯網世界的最大入口。
四是大數據時代的超級服務商。作為超級入口的語音交互，不僅能夠積累用戶的語音習慣，還能積累用戶的生活習慣和即時情況。這種個人的小數據累積起來，就會上升成為社會的整體大數據，這種連接或許將真正構建一個“萬物互聯”的大數據平臺，并構成未來世界所有聯結關系的支柱。
總的來說，雖然智能音箱市場目前正處于蓬勃發展態勢，但只是作為語音交互的入口而很難成為“超級產品”。而真正意義上的語音交互，還需要很長一段時間才能實現。
