Siri跌倒，苹果吃饱

苹果吃饱，Siri跌倒，这是不争的事实。

自2011年在iPhone 4S上惊艳亮相，Siri就成了苹果的又一符号。毕竟，在那个人工智能刚刚进入深度学习的年代，不是每一个普通人都有机会与机器智能主体对话，相比于一款新功能，Siri更像一个未来文明的使者，让AI的概念得以具象。

但随着新鲜感褪去，很多问题开始接连浮出水面：开放对话环境中答非所问，对使用者的口音语调设置门槛，仅能完成iOS生态内app的唤醒，十几年来功能迭代缓慢，智能、语音、助手，定位打出的三个层次，无论是拆开还是组合，Siri都没有达成使命。

作为苹果的产品序列，它就像个异类，如同私生子一般，只有创新的色彩，却失去了品牌下其他产品共有的实用基因。也正因如此，在苹果连年增长的同时，人们对Siri的热情渐渐黯淡，以至于悄悄关掉了“Hey Siri”的选项，不再唤醒。难道说，Siri的命运，仅仅是一个满足猎奇的新欢？

问题的答案，可以用数学中的三个点来寻找。

“零点不是点。”

这是数学中最常听到的概念。作为函数图像与轴的交点，零点更多强调了一种重合的状态，而非数量上的增减。如果把苹果的业务布局看成一条函数图像，那么Siri就是其中的零点：它是电子产品与高层次机器智能的交点，代表了向上探索的状态，却不具备庞大的体量。

在被苹果收购前，Siri就已经独立发展了2年，背靠官方科研项目，以第三方app的身份出现在苹果应用市场。看中了语音助手背后的广阔前景，乔布斯以2亿美元的价格拿下了Siri公司，由此，苹果有了自己的AI。

乔布斯对Siri的欣赏显而易见。遗憾的是，发布后第二天，乔布斯病逝。在接下来频繁的人员变动中，没有坚决果断的引领者出现，Siri开始迷失了自己的方向。投入不足、定位不清、系统封闭，让Siri的下坡路成为必然。

坦白来说，Siri在发布时就算不上成功。推出是草率的，初代功能十分局限。当时的Siri只能响应设置闹钟、打开app等简单的操作指令；而面对发送短信、拨打电话、信息检索等涵盖更多语言元素、更为灵活的语音指令，却存在明显的识别漏洞。

从人工智能深度学习的特性来看，这一问题并不难解决，只需要加大训练量就可以逐渐优化。问题在于，Siri并不是苹果的全部，与之同期进行的项目太多，既有地图、iBook等应用，又有iPad Air、iPad Pro、Apple Watch等新产品线。资源被分割，让本就没有多少经验可供参考的Siri举步维艰，“进化”被一推再推；再加上项目负责人威廉姆森的一意孤行，本该持续更新的Siri只能跟随iOS系统一年一更，使得进步的空间进一步压缩。

除了投入不够，定位不清也是一大问题。按照Siri创始人的假设，语音助手应当是“执行引擎”（do engine），而非简单的“搜索引擎”。这就意味着Siri要像一个生活中的朋友，不仅能够响应程式化的指令，还要具备应对开放性对话场景的能力，前者对应自然语言处理（NLP），后者对应了更高难度的自然语言理解（NLU）。

然而，苹果内部支持Siri的高管因为内斗相继离职、原始技术团队出走，让“最初的梦想”被涂抹了底色。搜索的功能被放大。除了简单的日常用语外，大部分语句都会被转化为搜索指令，哪怕文本中包含了“Apple”“Siri”“you”等指向性很强的词语，它也无法识别到用户的对话请求，依然会跳转到web search界面。另外，在部分用户恶意引导下出现的人群歧视、政治倾向等敏感问题，也促使了技术团队做出“一刀切”的决定，让简单的搜索成为挡箭牌。

至于系统封闭，就是众所周知的毛病了。身处iOS围墙内，外部开发人员无法介入，对于依靠海量数据触发学习的人工智能来说，这个弱点无疑是致命的。虽然后来亡羊补牢地推出了SiriKit接入第三方，但是为时已晚，智能语音助手的市场已经有了第三方功能更为丰富的Amazon Alexa和Google Assistant，苹果也因此丢掉了先发优势。

奇点，在数学中指那些无法定义的点。如Siri一样的智能语音助手们，正是一个个奇点。

作为后起之秀，它们并不是老牌科技公司的主营业务，得不到百分百的关注；在技术领域仍存在的诸多未知，也让发展有了阶段性的天花板，怎样安排智能语音助手在业务板块中的位次，答案有些模棱两可。

从苹果目前的表现来看，很显然，Siri只被当作一个微不足道的功能模块。耗尽了发布之初新鲜感带来的红利，如今沦为标配，仿佛约定俗成，每一款新产品都会搭载Siri，却不见多少提升；难以成为拉高硬件销量的卖点，甚至于在HomePod中“倒戈一击”，间接导致了产品的下线。

实际上，模块化并不是唯一的选择，在奇点中，趋向无穷的点被定义为极点。与之相似，语音助手也可以成长为庞大的“极”。

发布于2014年的Amazon Alexa就是很好的例子。

在发布时间上未能抢得先机，不代表产品本身技不如人。迟到的三年，反而让Alexa得以充分进化算法。与智能音箱Echo一同问世，也表明了对产品的设想绝不仅仅是辅助性的功能模块，而是一个具备巨大增长空间的业务版块，围绕着Alexa，又会衍生出诸多触手，覆盖更广的应用场景。在产品功能上，与苹果生态的封闭性截然相反，开放的环境让Alexa拥有上万功能，包括但不限于外卖订餐、每日一问、关注球队赛况更新等。

独立的产品形态提供了“沉浸式”语音交互体验，但这并不是成功的关键。Alexa能够达到Siri难以企及的高度，更主要的原因是技术在场景中的下沉。智能音箱的形态，对应着家庭日常生活的应用场景；反过来，家庭场景就要求产品具备特定的属性，比如对不同年龄的匹配性、娱乐性、陪伴性等等，上升至功能，又对应着强语言理解能力、丰富的指令选项、自然语义联想。通过场景完善产品，再由产品锁定更加精确的市场，进一步打磨技术，这样就形成了闭环，智能语音交互才得以顺利落地。

Siri与Alexa的区别，也映射了目前涉足AI产业的企业表现的模式。如苹果一样，只把AI当作已有产品系列的附加功能，就会局限在产品本身的应用场景，结果“文不对题”，闭环无法形成；只有把场景和AI当成两个独立端点，拿产品当作衔接的纽带，才能得到螺旋上升的良性循环。

“我们究竟需要怎样的语音交互？” 

或许这才是“Siri跌倒”的真正原点，也是“Siri们”共同的问题。至于答案，可以从两个视野来寻找：现在，未来。

从现在的视野看，语音交互并不是大多数人的刚需。既有的工作、生活方式中，个人的问题自己解决，团体的问题沟通解决，只要信息是畅通的，不存在使用人工智能充当媒介的必要。

然而，以“信息畅通”作为前提，已经划出了存在痛点的受众：信息不畅通的特殊人群。

小孩、老人、残障人士，都是信息受阻的一方，在处理问题时存在障碍。克服这种障碍，人们通常会想到一个职业：保姆。而智能语音交互，恰恰是保姆的最佳替代。充分利用AI的信息处理能力，搭配特定机械结构，为存在重度需求的用户提供生活辅助；或者仅仅以音箱的形式出现，陪伴需求较轻的受众，提供陪伴、解答、硬件远控等服务。在与特殊人群相关的应用场景中，智能语音交互的出现无异于一场变革。

将视野转向未来，也许会看到一片迷茫，但参考过去发生过的种种巨变，也可以猜想到智能交互带来的震荡。从信息流通的角度出发，智能语音交互代表了更快的传播速度。这和由牍到纸、由马到车、由2G到5G是一样的道理。

电影《Her》描绘了一个语音交互高度成熟的时代。片中人物的办公完全脱离了纸笔，也脱离了我们目前使用的键鼠，只需要人坐在电脑屏幕前，口述自己的想法就可以了。不同于简单的语音转文字，智能语音助手会通过使用者的语气、神情、语言内容等，判断一个语句是内容的一部分还是一条指令。当你说“帮我删掉上一句”，上一句文本就会清除；当你说“存个草稿”，文本就会进入草稿箱。

如果有一天，智能语音交互技术真的发展到了如此高度，那么可想而知，工作的效率将会提高不止百倍；甚至连工作场景这一概念都会消失不见，只要我们正通过耳机或是更先进的设备与语音助手保持联系，哪怕是躺在床上，我们也能轻松地处理文件、撰写策划。

Siri的创始人，诺曼.威纳尔斯基曾认为，改变人类未来的三大要素是虚拟助理、人工智能机器人助理、增强现实，它们分别对应着信息世界、物理世界和二者之间的接口。很显然，智能语音交互同时具备这三个要素。在看不到的地方，语音助手进行信息处理；在看得见的地方，它呈现处理的结果并收集反馈；而它本身，正是那个接口。

眼下的Siri虽已落后，但在大势所趋下，也绝不会成为弃子。最近几年，苹果大肆收购AI公司，也表现出了重心转移的信号。不难想象，接下来的几个十年里，智能语音交互将成为几家互联网科技巨头鏖战之地，这种竞争带来的正反馈，让语音交互开始三点成面。

关键词：