ai智能音箱开发方案，生成式ai智能音箱

今天小编为大家分享Windows系统下载、Windows系统教程、windows相关应用程序的文章，希望能够帮助到大家！

关注股民纪要：

#智能音箱#

时间：2023年03月26日

市场表现：上周智能音箱板块表现活跃，国光电器上涨幅度超20%，另外包括漫步者、共达电声的表现也不错。

市场热点：ChatGPT为代表的生成式AI模型与智能音箱的结合，会有何应用前景？今、明年可能推出哪些新品？给市场竞争格局和整个市场的β带来怎样的变化？

智能音箱：2014年Amazon推出了Echo后，其销量迎来迅速增长，但在2019年，全球智能音箱年销量基本稳定在1.7~1.8亿台，国内销量稳定在3,700万台左右。2022年，国内销量同比下滑20%左右，进入增长的瓶颈期。

问：智能音箱领域现在存在哪些问题使得其不能实现渗透率持续提升？

答：Echo推出后，国内国际市场很快跟进：京东、讯飞推出叮咚音箱，哈曼卡顿和微软推出了Invoke、天猫精灵、百度、小米等也都推出了智能音箱。产品推出后销量迅速上升，与国内的补贴政策相关。当时（供应商）的目的是希望智能音箱能够占领智能家居的入口，或者通过智能音箱和商城形成联接。但产品在实际场景中，（智能音箱）存在较多问题 ：

1、交互体验不好（根本性问题）：前期，受制于远场交互，远距离让交互失效、噪音让交流失效。后期，受制于交互能力，如没有提供“免唤醒”、“多轮对话”。总体来说就是太傻了，也是主要不足。

2、应用场景单一：主要在报天气、讲故事、听歌曲等简单应用场景，不够深入。

3、个性化能力较弱：无法识别人的情绪、或针对性对话。最后用户将智能音箱当作普通音箱使用，未实现智能音箱用作智能家居入口或形成商务链接。阻碍了智能音箱产品的继续发展。更多调研关注：深圳财富club

wWw.517338.Com

问：以ChatGPT、文心一言为代表的生成式AI模型，未来对于智能音箱存在的交互体验不好，功能单一，个性化比较弱的传统痛点有哪些提升？

答：ChatGPT最大的亮点和突破是通用模型的提升、交互能力上的显著提升。ChatGPT4发布后又有了多模态（已经存在多年）的能力，除语音以外，还有视觉等多种交互形式，融进多模态技术后的ChatGPT4更为强大。

生成式AI对智能音箱的提升点：

1、交互体验提升，如理解上下文、多轮对话。因为其模型非常大，所以它已经远远超出了之前几代的智能音箱，在对话体验上一定是非常大的升级；

2、生成内容质量提升满足在真实场景中服务客户，如使用音箱做家庭旅游规划，或者协助办公。未来有可能会逐步的实现个性化和情感。但目前还不具备此能力，随着未来技术进一步提升，结合数字人概念，可能在这方面也会有提升。

问：生成式AI模型应用到生活当中，可能拓展哪些应用场景？产品形态是不是会发生一些变化？

答：把通用语言大模型看作一个平台，可添加的要素很多。传统语音智能音箱形态受输入端和输出端使用语音决定。但ChatGPT4的技术平台是多模态的，不限于语音。可能很多人会把机器人与其做结合，以前是智能音箱，现在更愿意用机器人称呼其产品，如陪护型机器人、办公机器人，学习机等。此时，有如下形态变化：

1、 传感器数量变多，以感知周围的环境，同时在个性化上，对人的身份进行识别；

2、 输出端可能不局限于声音，可能有图像和文档：因为声音输出有局限性，不适合做生产效率提升。另，智能音箱不一定局限于家居场景，机器人也可以是一个数字人的形态，打通智能驾驶、家居场景等。

问：多模态底层技术成熟但距语音视觉真正融合仍差距较大，就现在市场参与者（软件、硬件）而言，短期内的改变有哪些？是否只要在硬件上加一个api接口就能大概实现这些功能？

答：还没有到一接入马上就能产生效果、立刻产生新品的阶段。传统硬件厂商做出产品的形态有区别。虽然接入ChatGPT能提升交互体验，同时也会带来几个问题：

1、 算力分布设计的问题：如情绪识别是放在本地处理还是传到后端ChatGPT上处理；

2、 时延控制：平台有大量api接口的访问可能会带来较长时延，影响交互体验；

3、 成本的问题：考虑用户调用api的付费模式；

4、 数据安全性的问题：仅调用ChatGPT没有问题，一旦涉及到用户数据，需要依据国家规定；

5、 突破使用场景的问题：聊天场景可能很快就能有一些明显的改善，但对场景的设计和理解（的改善）没有那么快。如果不深度挖掘使用场景，直接调用ChatGPT而不做设计，产品可能无法有质的突破。这就回到了产品形态，它也许会变成一些细分的机器人的形态来出现，而不是以一个真的完全的智能音箱的形态来出现，在目前还没有做到真正的这种全功能的人工智能的情况下，这些细分场景上的设计反而能真正解决用户的问题。

问：能否跳过智能音箱，直接用手机完成智能、智慧家居的这样一些服务？

答：不会以一个手机或一个智能音箱作为单独的入口。业界共识：以后的智能硬件终端有很多种，不可能有一个智能硬件是通识天下的，未来的智能硬件是齐头并进的：学习机、智能手表、电脑、iPad、手机等。

例如：汽车中手机不会取代车机，你的手机跟你的车机之间是可以完全联通的，信息是共享的，APP都是绑定或者是同步的。我们当然可以拿手机去控制所有的东西，但智能音箱形态比较稳定，仍会作为一个智慧家居场景的入口而存在，通过语音控制家里所有的东西。

问：语音交互的优势、劣势？语音交互的技术成熟度？

答：语音交互这种形式一定是最自然最方便的；其情感表达比较直接，能负载人的情绪信息。语音交互还存在如下问题影响其普及：

1、 隐私性问题：比如公共场合的语音沟通；

2、 交流效率：不如图表数据直接和迅速；

3、 语音识别率有待提升：方言、嘈杂的环境、不同声音识别……，这些问题不能通过ChatGPT解决。

引入ChatGPT后：

1、情感交互目前还没有在ChatGPT的基础上完整实现。语音交互技术从四个维度实现情感交流：情感识别（较成熟）、情感模拟（逐步完善）、情绪反应（ChatGPT还不具备这种能力）、交流内容（ChatGPT无法较好取舍可交流的内容）

2、语音交互的智能化提升代表交流具开使具有建设性意义，有利于语音交互普及。

从技术角度，语音交互包括识别语音（ASR）、语言的处理（NLP）、输出语音（TTS）。其中ASR部分整体成熟度较高、NLP有很大的突破、TTS最早开始成熟，但在情感交互上比较难突破。

问：关于ASR，中文成熟度？竞争格局？

答：ASR国内主要的是科大讯飞、百度做得比较好，国外谷歌应该是做的最好的。现在国内国外基本上是属于同一水准了，中文国内好，英文国外好，谷歌在小语种有一些优势，但差距都不大。

问：相比智能音箱，电视机融合了视听交互是不是更适合作为一个交互的平台？智能音箱短期的市场推广？

答：电视机的智能交互一直存在，一种是在电视机上做，一种是拿遥控器交互，但电视机场景受限，很多人不看电视，所以只拿电视机来做这个事情是不够的。

智能音箱短期的市场推广，作为国光或者漫步者这样的音响厂商，因为它本身并不是一个专门的AI的公司，所以他们依然会以智能音箱形态为主去推，更多的是在场景化上还再多做工作；百度、讯飞、阿里、腾讯这种人工智能企业的选择比较多，比如在原有的产品形态上做升级：讯飞升级学习机、小米和百度升级智能音箱，它能实现的生产力效率的提升以及生活的便利程度，可能超过音响厂商。所以不同公司，因为大家的基础能力和着眼的场景完全不一样，在智能音箱领域短期内的打法会不一样，智能音箱往后发展可能反而会形成一些分化。

问：目前各家产品的时间线？国内互联网厂商未来的一个竞争格局？

答：公开信息：讯飞5月份发布新的学习机、百度文心一言会有后续产品。虽然文心一言发布了，但他的能力和ChatGPT本身还存在差距的，但这些差距很快就会缩小。因为在机器学习领域，有一个所谓的 Teacher的方法，可以把ChatGPT作为老师互相训练，能赶上老师的水平，再加上国内本来就不缺数据、用户、应用场景，所以说其实它赶上ChatGPT甚至在某些领域超过它都是非常有可能的。

未来一定会产生两种类型的公司：构建AI平台的公司，比如百度的文心一言、Moss；和做平台应用的公司，百花齐放。

技术侧：百度和讯飞的技术相对比较扎实，但从应用侧：腾讯、阿里、小米的应用场景或者接触的客户群体反而更多。

问：从技术角度介绍一下，真的能够快速赶上国外水平？

答：NLP这个技术前几年是遇到很大瓶颈的，直到ChatGPT3.5之后发现他的智商水平确实提升了。这种提升有两个原因：

1、 模型特别大，包含万亿级参数，训练成本当然也非常高；

2、 高质量的数据。

大家担心一旦现在ChatGPT联网，可以去网上搜索信息自己学习，他学的东西是否可信，会不会开始一本正经地胡说八道都非常有可能。中国各大公司已经知道这个问题一定能够做出来，只是需要时间问题，因为别人也做出来了。只是需要一个训练的过程和数据准备的时间。

问：传统的硬件厂商转型的努力方向？

答：这些传统公司反而比之前更有优势。ChatGPT的开放程度，可能会让传统公司介入人工智能更加容易；传统公司有比较固定的用户群体，具有一定的品牌号召力；他们的产品设计能力其实是强于很多互联网公司的，具备global的设计能力，他们的产品经理对自己客户群体发掘非常深入，对场景的理解分析得非常透彻。

问：一些更加综合性的消费电器或消费电子集团（比如美的、TCL、创维）的机会？

答：个人观点就是他们的启动会稍微晚一点。虽然白电是刚需，人工智能的普及率很高，但是应用很少，在接入ChatGPT之后，挖掘用户价值的链条更长，会慢慢启动，享受AI的红利或者带来的益处可能会晚一点，但最终一定会实现智能化。

小结：

ChatGPT在自然语言处理方面取得重大突破，带来了文字交互体验的提升，结合此类生成式AI模型的新一代智能音箱产品有望一改之前单一的场景功能，重新定义产品形态，在更多细分场景下为用户带来更好的体验、提供有价值的服务。

一方面国内生成式AI模型的发展赶上国外水平就是时间问题，国内各厂商可能会形成两种类型的公司：搭建生成式AI模型平台的公司及基于平台开发新应用的公司。另一方面，在新一代智能音箱的推广过程中，不同类型的公司发展路径各异，传统的硬件厂商也存在竞争优势，智能音箱领域短期内将百花齐放，未来可能形成分化。

传音控股(SH688036)科大讯飞(SZ002230)漫步者(SZ002351)

若兰兮：

今天又领涨掌阅科技(SH603533)最后居然成为最强的。。不起眼的悄悄每天涨不停，一旦涨停就是加速//@若兰兮: 百度集团-SW(09888 百度 肯定快速接入 小爱同学。。。干阿里巴巴的 天猫精灵 //@若兰兮: 创业板指 上证指数我擦 。。。一直说的chatpdf福昕软件(SH688095) 宁夏建材 立方数科 金山办公(SH688111)全面爆发了但是到今天为止。。。柚子 居然还没发现 chatbox 才是大应用。、智能音箱没有一个走出来的。 佳禾智能。共达电声//@若兰兮: 漫步者(SZ002351)共达电声(SZ002655) 惠威科技(SZ002888) 互联网大佬几年前 纷纷抢占家庭入口。出来了很多智能音箱 天猫精灵，小爱同学 包括小米的小度的华为的。gpt最大的应用就是通过智能对话的入口，把所有的东西给控制在一起，这一个应用是一个超大级别的应用带来一个巨大的一个增量最晚到6月份 市场就会出现大量的智能语音结合chatpgt的作品， 看好 有新龙头像漫步者19年当年10倍带领板块向上创业板指 上证指数广告创意 蓝色光标视频运营 捷成股份电商 光云科技 值得买写作阅读 chatpdf 福昕软件 小说 掌阅科技万兴科技 ai作画昆仑礼物 浏览器 三六零游戏汤姆猫智能音箱✅✅✅

乐天子：

做好板块轮动与中期持股策略，牛市10倍不是梦

原创 行中衡 行中衡 2019-09-20 12:23

一、普通投资者在牛市赚10倍的可能性分析

牛市开头三个月，一般是指数涨30%，个股普涨50%左右，这时候市值涨50%。

牛市中间阶段，一般为一年半到两年，指数涨幅一般为30%-50%左右。个股平均涨幅50%-100%，市值需上涨100%-200%。这个阶段重在主流板块与个股选择，体现投资水平的时间点。

牛市最后阶段，一般是半年左右，指数与所有个股以45度角上行，已经是泡沫阶段，但确实是最容易赚钱的阶段。指数涨100%，个股普涨300%-500%。市值需增长500%。

所以算下来，如果完整的满仓从低点到高点，象前面满打满算的话，基本是15倍最少。难度在于在低位时是否满仓，高位时能及时离场。所以打个折扣，就是10倍，包括底部未能满仓，顶部提早提场。

当然这里指的是牛市的盈利可能。熊市来了，普通投资者亏损是很难避免的，只能追求少亏。牛市赚得足了，才能度过一轮熊市的煎熬。

根据A股历史，牛市时间一般是两年半到三年。

所以牛市开头和末尾重在仓位与持股耐心，中间阶段重在风格转换与板块轮动。

牛市中间阶段，要会看主流板块，并且持股一直在主流板块，而且避免频繁换股。

做到了这几条，牛市10倍的梦想是可以有的。

比如说现阶段的主流板块是华为产业链，手机产业链，智能穿戴，VR/AR等。

牛市第二阶段，投资者如何选择投资策略，判断主流板块

关于牛市的判断，2018年10月，2019年7月牛市二阶段，基本都是正确的。如下文：

回顾A股历史上的5轮牛市，哪些经验值得普通投资者借鉴？

A股历史时刻的预判20181020

二、普通投资者为什么在牛市中频繁换股

普通投资者经常在投资中频繁换股，买卖与换股往往是冲动型，一轮牛市下来，回头一看，还不如一直持股。

频繁换股有哪些问题？长期持有，期望手中个股几年10倍，还是适当的板块轮动换股，到底哪个投资方式更适合普通投资者呢？我们可以从A股历史来寻找答案。

根据我的理解，普通投资者在牛市中老换股，是因为别人的股票涨得多，自己的股票不涨或者涨得少，别人家的孩子比自家的好。

这种换股思路是有问题的，因为牛市中板块有轮动，大盘股与小盘股，成长股与价值股，传统蓝筹股与科技股，重组股与绩优股等，在不同阶段都会有突出的表现。

牛市的最后阶段，涨幅都是5倍甚至10倍以上。没涨过的个股，牛市后期都会由于各种因素无理由的水涨船高。

如果只是因为手中个股不涨而换股，就容易变成追涨杀跌。一轮牛市下来，连个股平均涨幅都达不到。

牛市中普通人的心态：

1、攀比妒忌：持股不如别人的涨幅，彻夜难眠不舒服；

2、自大短视：买了就涨自以为对，买了就跌心里不爽；

3、禀赋效应：对已买入的股票只看利好忽视利空因素；

4、从众倾向：关注追逐热点，其实冷清的地方才有金；

5、落袋倾向：过早想卖出表现良好但仍然低估的股票；

6、厌恶损失：对产生亏损但是已经高估的股票不卖出；

7、错价幻觉：越涨越喜，越跌越恶，性价比其实相反。

频繁换股，往往就是因为心态问题，而不是理性分析的结果。投资应该基于理性和客观的思维。

如果你对于板块轮动有较深的研究，而且自己有能力把握，换股也是可以的。下面以2005年-2007年的牛市行情为例，看板块轮动与个股在不同阶段的涨幅差异。

三、以2005年的牛市来看板块轮动

回首998点到6124点的大牛市，大致可分为以下六波行情。

可以看出大盘股与小盘股，蓝筹股与题材股，重组股与绩优股，成长股与价值股，在各个阶段表现不同。有普涨的时候，也有分化的时候，但到最终除金融、地产等主流板块以外，多数个股涨幅差别并没有那么大。

第一波：2005年6月6日-2005年12月30日，大盘从998点涨到1160点，涨幅约15%，沪市日均成交88亿元。

在此期间，中小板个股平均上涨50%（算数平均，下同），上证50涨23%，沪深300涨21%，很明显市场的领涨板块是小盘股。

第二波：2006年1月1日-2006年7月6日，大盘从1160点涨到1700点，涨幅约45%，沪市日均成交211亿元，较前一波放大了1倍。

在此期间，沪深300涨87%，上证50涨82%，中小板涨50%，市场首度出现普涨格局，98%的个股上涨，资金开始流向蓝筹股。

第三波：2006年7月7日-2006年12月14日，大盘从1700点涨到2245点，涨幅约40%，沪市日均成交254亿元。

在此期间，上证50涨43%，沪深300涨26%，中小板反而下跌1%，所有个股的平均涨幅不到10%，仅56%的个股上涨，市场第一次出现“二八现象”。在最重要的历史关口，大盘权重股成为带头羊，金融和地产成为急先锋，大涨逾30%。

第四波：2006年12月15日-2007年2月26日，大盘从2245点涨到3000点，涨幅约30%。

在此期间，沪深300涨58%，上证50涨56%，中小板涨36%，99%的个股上涨，市场第二次在放量的情况下出现普涨格局，牛市进入新一轮炒作。

第五波：2007年2月27日-2007年5月29日，大盘从3000点涨到4300点，涨幅约40%。市场几乎以45度角的直线刷新新高，仅有的几次回调也以单日回抽的方式完成，市盈率已没有参考意义。

在此期间，沪深300涨72%，上证50涨44%，中小板涨45%，所有A股平均上涨88%，99%的个股上涨，市场继续普涨，而大盘蓝筹股则相对表现疲弱。

第六波：2007年5月30日-2007年10月16日，大盘从4300点涨到6124点，涨幅约40%，沪市日均成交1500亿元，成交量已不再放大，基金主导指标股发动了蓝筹泡沫行情，A股市盈率超过60倍。

在此期间，上证50涨61%，沪深300涨43%，中小板涨1%，而A股平均仅上涨7%，仅43%的个股上涨，这是一个超级二八行情，指数与个股表现出现严重背离。

四、持有到牛市的最后阶段才是普通投资者的最优选择

还有一点要注意的是，牛市在最开始的一年到两年时间，个股平均涨幅并不大。而牛市最后的半年多时间，却是个股普涨，平均涨几倍的行情。

所以，普通投资者耐心持股到牛市的最终泡沫阶段，才能有超额的收益。

下面两张图统计了2005年，2013年的大牛市平均股价表现。可见最后半年个股的平均涨幅比例，是牛市前面两年的2倍到3倍左右。

2005年-2007年的A股平均股价

2013年-2015年的A股平均股价

五、什么才是正确的换股方法

1、 原来的买入标的存在缺陷。

比如说公司业绩，基本面出现了问题，或者与自己原来的判断不符。

2、 买入时标的分析存在错误。

由于主观原因或个人偏好，对于标的选择出现了错误，现在及时纠正。

3、 有更好的可替代个股。

通过研究，发现有成长性更好，估值更低，预期更好的标的。新标的更符合当前市场的风格。

4、 单一个股仓位太重，压力太大，影响人个情绪与生活。

投资盈利的最终目的是有良好的人际关系，美满的家庭，和幸福的生活，否则赚最多的钱也失去了意义。

5、 股价涨得太多，已远远偏离内在价值与基本面。

这种换股方式，我认为比较合理，适合不同的市场阶段。

就是投资标的达到预期收益后不要简单机械地长期持有，而是通过换股的方式换成另一个安全边际更大的投资标的。

举例来说，在一只股票上赚8倍，就相当于在3只股票上赚1倍，实现前者要比后者难许多。在当前信息透明度较高的时代，市场有效性在不断增强，很多预期都在提前被反映，换股轮动是不错的选择。

很多人觉得从六七元钱拿到100元钱的人才牛，但这样离人性远，用换股轮动的方式离人性更近，风险更小。做投资没必要挑战自己的极限，明明有大道可以走，没必要走小道险径。

毕竟我们投资的最终目标，是用最优的方式实现盈利的最大化，而不是挑战吉尼斯世界纪录，或者去获得别人的认可和称赞。

长期投资只要能取得优秀的收益，是不是买到十倍股又有什么区别呢？

相关公司分析：

谈谈捷成股份

谈谈水晶光电

谈谈共达电声的参与价值

行中衡

方向比选择重要

喜欢此内容的人还喜欢

我决定自己做平台了

宇宙之心数藏

不喜欢

不看的原因

内容质量低不看此公众号

整车功能介绍

电控技术大师

不喜欢

不看的原因

内容质量低不看此公众号

纯电动汽车整车控制器原理及功能解析

电控技术大师

不喜欢

不看的原因

内容质量低不看此公众号

若兰兮：

漫步者(SZ002351) 全志科技(SZ300458) 这个有突破的样子共达电声(SZ002655) 其实这个有个很硬的逻辑当年天猫精灵，小爱同学包括小米？没有实现的愿望，有chatgpt#chatgpt# 很轻易就实现了 就是新一代的入口，智能语音音箱，在gpt公布API的情况下，只要吊了API，这个整体的流畅的对话能给出很详细的一个解决方案，整体智能语音相会得到一个集体的大爆发，不再是以前那种智障的一样的东西可是一个智能的东西。有板块集体翻倍的潜力mark下 后面回头验证创业板指 上证指数

拿只笔上前线：

声学行业算科技行业里较古老的子行业，也是需求较刚性相对其它科技行业发展较稳定的行业。希望ai这次变革能催化万物有声时代更快到来。共达电声(SZ002655)歌尔股份(SZ002241) 瑞声科技(02018)

共达电声(SZ002655)：

共达电声：共达电声股份有限公司关于收购资产暨关联交易的完成公告 网页链接

每日经济新闻：

每经AI快讯，有投资者在投资者互动平台提问：请问贵司有研发生产智能音箱的计划吗？

共达电声（002655.SZ）3月31日在投资者互动平台表示，公司专注在声学领域的发展，产品广泛应用于智能车载、智能穿戴、智能家居、智能手机、AI、VR等消费类电子产品领域。

(记者 毕陆名)

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前核实。据此操作，风险自担。

每日经济新闻

贝叶斯韭黄：

市场表现：上周智能音箱板块表现活跃，国光电器上涨幅度超20%，另外包括漫步者、共达电声的表现也不错。

市场热点：ChatGPT为代表的生成式AI模型与智能音箱的结合，会有何应用前景？今、明年可能推出哪些新品？给市场竞争格局和整个市场的β带来怎样的变化？

智能音箱：2014年Amazon推出了Echo后，其销量迎来迅速增长，但在2019年，全球智能音箱年销量基本稳定在1.7~1.8亿台，国内销量稳定在3,700万台左右。2022年，国内销量同比下滑20%左右，进入增长的瓶颈期。

问：智能音箱领域现在存在哪些问题使得其不能实现渗透率持续提升？

答：Echo推出后，国内国际市场很快跟进：京东、讯飞推出叮咚音箱，哈曼卡顿和微软推出了Invoke、天猫精灵、百度、小米等也都推出了智能音箱。产品推出后销量迅速上升，与国内的补贴政策相关。当时（供应商）的目的是希望智能音箱能够占领智能家居的入口，或者通过智能音箱和商城形成联接。但产品在实际场景中，（智能音箱）存在较多问题 ：

1、交互体验不好（根本性问题）：

前期，受制于远场交互，远距离让交互失效、噪音让交流失效。

后期，受制于交互能力，如没有提供“免唤醒”、“多轮对话”。总体来说就是太傻了，也是主要不足。

2、应用场景单一：

主要在报天气、讲故事、听歌曲等简单应用场景，不够深入。

3、个性化能力较弱：

无法识别人的情绪、或针对性对话。

最后用户将智能音箱当作普通音箱使用，未实现智能音箱用作智能家居入口或形成商务链接。阻碍了智能音箱产品的继续发展。

问：以ChatGPT、文心一言为代表的生成式AI模型，未来对于智能音箱存在的交互体验不好，功能单一，个性化比较弱的传统痛点有哪些提升？

答：ChatGPT最大的亮点和突破是通用模型的提升、交互能力上的显著提升。ChatGPT4发布后又有了多模态（已经存在多年）的能力，除语音以外，还有视觉等多种交互形式，融进多模态技术后的ChatGPT4更为强大。

生成式AI对智能音箱的提升点：

1、交互体验提升，如理解上下文、多轮对话。因为其模型非常大，所以它已经远远超出了之前几代的智能音箱，在对话体验上一定是非常大的升级；

2、生成内容质量提升满足在真实场景中服务客户，如使用音箱做家庭旅游规划，或者协助办公。

未来有可能会逐步的实现个性化和情感。但目前还不具备此能力，随着未来技术进一步提升，结合数字人概念，可能在这方面也会有提升。

问：生成式AI模型应用到生活当中，可能拓展哪些应用场景？产品形态是不是会发生一些变化？

答：把通用语言大模型看作一个平台，可添加的要素很多。传统语音智能音箱形态受输入端和输出端使用语音决定。但ChatGPT4的技术平台是多模态的，不限于语音。可能很多人会把机器人与其做结合，以前是智能音箱，现在更愿意用机器人称呼其产品，如陪护型机器人、办公机器人，学习机等。此时，有如下形态变化：

1、传感器数量变多，以感知周围的环境，同时在个性化上，对人的身份进行识别；

2、输出端可能不局限于声音，可能有图像和文档：因为声音输出有局限性，不适合做生产效率提升。

另，智能音箱不一定局限于家居场景，机器人也可以是一个数字人的形态，打通智能驾驶、家居场景等。

问：多模态底层技术成熟但距语音视觉真正融合仍差距较大，就现在市场参与者（软件、硬件）而言，短期内的改变有哪些？是否只要在硬件上加一个api接口就能大概实现这些功能？

答：还没有到一接入马上就能产生效果、立刻产生新品的阶段。传统硬件厂商做出产品的形态有区别。虽然接入ChatGPT能提升交互体验，同时也会带来几个问题：

1、算力分布设计的问题：如情绪识别是放在本地处理还是传到后端ChatGPT上处理；

2、时延控制：平台有大量api接口的访问可能会带来较长时延，影响交互体验；

3、成本的问题：考虑用户调用api的付费模式；

4、数据安全性的问题：仅调用ChatGPT没有问题，一旦涉及到用户数据，需要依据国家规定；

5、突破使用场景的问题：聊天场景可能很快就能有一些明显的改善，但对场景的设计和理解（的改善）没有那么快。如果不深度挖掘使用场景，直接调用ChatGPT而不做设计，产品可能无法有质的突破。这就回到了产品形态，它也许会变成一些细分的机器人的形态来出现，而不是以一个真的完全的智能音箱的形态来出现，在目前还没有做到真正的这种全功能的人工智能的情况下，这些细分场景上的设计反而能真正解决用户的问题。

问：能否跳过智能音箱，直接用手机完成智能、智慧家居的这样一些服务？

答：不会以一个手机或一个智能音箱作为单独的入口。业界共识：以后的智能硬件终端有很多种，不可能有一个智能硬件是通识天下的，未来的智能硬件是齐头并进的：学习机、智能手表、电脑、iPad、手机等。

例如：汽车中手机不会取代车机，你的手机跟你的车机之间是可以完全联通的，信息是共享的，APP都是绑定或者是同步的。我们当然可以拿手机去控制所有的东西，但智能音箱形态比较稳定，仍会作为一个智慧家居场景的入口而存在，通过语音控制家里所有的东西。

问：语音交互的优势、劣势？语音交互的技术成熟度？

答：语音交互这种形式一定是最自然最方便的；其情感表达比较直接，能负载人的情绪信息。语音交互还存在如下问题影响其普及：

1、隐私性问题：比如公共场合的语音沟通；

2、交流效率：不如图表数据直接和迅速；

3、语音识别率有待提升：方言、嘈杂的环境、不同声音识别……，这些问题不能通过ChatGPT解决。

引入ChatGPT后：

1、情感交互目前还没有在ChatGPT的基础上完整实现。语音交互技术从四个维度实现情感交流：情感识别（较成熟）、情感模拟（逐步完善）、情绪反应（ChatGPT还不具备这种能力）、交流内容（ChatGPT无法较好取舍可交流的内容）

2、语音交互的智能化提升代表交流具开使具有建设性意义，有利于语音交互普及。

从技术角度，语音交互包括识别语音（ASR）、语言的处理（NLP）、输出语音（TTS）。其中ASR部分整体成熟度较高、NLP有很大的突破、TTS最早开始成熟，但在情感交互上比较难突破。

问：关于ASR，中文成熟度？竞争格局？

答：ASR国内主要的是科大讯飞、百度做得比较好，国外谷歌应该是做的最好的。现在国内国外基本上是属于同一水准了，中文国内好，英文国外好，谷歌在小语种有一些优势，但差距都不大。

问：相比智能音箱，电视机融合了视听交互是不是更适合作为一个交互的平台？智能音箱短期的市场推广？

答：电视机的智能交互一直存在，一种是在电视机上做，一种是拿遥控器交互，但电视机场景受限，很多人不看电视，所以只拿电视机来做这个事情是不够的。

智能音箱短期的市场推广，作为国光或者漫步者这样的音响厂商，因为它本身并不是一个专门的AI的公司，所以他们依然会以智能音箱形态为主去推，更多的是在场景化上还再多做工作；百度、讯飞、阿里、腾讯这种人工智能企业的选择比较多，比如在原有的产品形态上做升级：讯飞升级学习机、小米和百度升级智能音箱，它能实现的生产力效率的提升以及生活的便利程度，可能超过音响厂商。所以不同公司，因为大家的基础能力和着眼的场景完全不一样，在智能音箱领域短期内的打法会不一样，智能音箱往后发展可能反而会形成一些分化。

问：目前各家产品的时间线？国内互联网厂商未来的一个竞争格局？

答：公开信息：讯飞5月份发布新的学习机、百度文心一言会有后续产品。虽然文心一言发布了，但他的能力和ChatGPT本身还存在差距的，但这些差距很快就会缩小。因为在机器学习领域，有一个所谓的 Teacher的方法，可以把ChatGPT作为老师互相训练，能赶上老师的水平，再加上国内本来就不缺数据、用户、应用场景，所以说其实它赶上ChatGPT甚至在某些领域超过它都是非常有可能的。

未来一定会产生两种类型的公司：构建AI平台的公司，比如百度的文心一言、Moss；和做平台应用的公司，百花齐放。

技术侧：百度和讯飞的技术相对比较扎实，但从应用侧：腾讯、阿里、小米的应用场景或者接触的客户群体反而更多。

问：从技术角度介绍一下，真的能够快速赶上国外水平？

答：NLP这个技术前几年是遇到很大瓶颈的，直到ChatGPT3.5之后发现他的智商水平确实提升了。这种提升有两个原因：

1、模型特别大，包含万亿级参数，训练成本当然也非常高；

2、高质量的数据。

大家担心一旦现在ChatGPT联网，可以去网上搜索信息自己学习，他学的东西是否可信，会不会开始一本正经地胡说八道都非常有可能。

中国各大公司已经知道这个问题一定能够做出来，只是需要时间问题，因为别人也做出来了。只是需要一个训练的过程和数据准备的时间。

问：传统的硬件厂商转型的努力方向？

答：这些传统公司反而比之前更有优势。ChatGPT的开放程度，可能会让传统公司介入人工智能更加容易；传统公司有比较固定的用户群体，具有一定的品牌号召力；他们的产品设计能力其实是强于很多互联网公司的，具备global的设计能力，他们的产品经理对自己客户群体发掘非常深入，对场景的理解分析得非常透彻。

问：一些更加综合性的消费电器或消费电子集团（比如美的、TCL、创维）的机会？

答：个人观点就是他们的启动会稍微晚一点。虽然白电是刚需，人工智能的普及率很高，但是应用很少，在接入ChatGPT之后，挖掘用户价值的链条更长，会慢慢启动，享受AI的红利或者带来的益处可能会晚一点，但最终一定会实现智能化。

晶晨股份 瑞芯微 全志科技 泰晶科技

小结：

ChatGPT在自然语言处理方面取得重大突破，带来了文字交互体验的提升，结合此类生成式AI模型的新一代智能音箱产品有望一改之前单一的场景功能，重新定义产品形态，在更多细分场景下为用户带来更好的体验、提供有价值的服务。

一方面国内生成式AI模型的发展赶上国外水平就是时间问题，国内各厂商可能会形成两种类型的公司：搭建生成式AI模型平台的公司及基于平台开发新应用的公司。另一方面，在新一代智能音箱的推广过程中，不同类型的公司发展路径各异，传统的硬件厂商也存在竞争优势，智能音箱领域短期内将百花齐放，未来可能形成分化。

晶晨股份(SH688099) 瑞芯微(SH603893) 泰晶科技(SH603738)

股民纪要：

#顶流基金隐形重仓股的大曝光#

时间：2023年03月26日

市场表现：上周智能音箱板块表现活跃，国光电器上涨幅度超20%，另外包括漫步者、共达电声的表现也不错。

市场热点：ChatGPT为代表的生成式AI模型与智能音箱的结合，会有何应用前景？今、明年可能推出哪些新品？给市场竞争格局和整个市场的β带来怎样的变化？

智能音箱：2014年Amazon推出了Echo后，其销量迎来迅速增长，但在2019年，全球智能音箱年销量基本稳定在1.7~1.8亿台，国内销量稳定在3,700万台左右。2022年，国内销量同比下滑20%左右，进入增长的瓶颈期。

问：智能音箱领域现在存在哪些问题使得其不能实现渗透率持续提升？

答：Echo推出后，国内国际市场很快跟进：京东、讯飞推出叮咚音箱，哈曼卡顿和微软推出了Invoke、天猫精灵、百度、小米等也都推出了智能音箱。产品推出后销量迅速上升，与国内的补贴政策相关。当时（供应商）的目的是希望智能音箱能够占领智能家居的入口，或者通过智能音箱和商城形成联接。但产品在实际场景中，（智能音箱）存在较多问题 ：

1、交互体验不好（根本性问题）：前期，受制于远场交互，远距离让交互失效、噪音让交流失效。后期，受制于交互能力，如没有提供“免唤醒”、“多轮对话”。总体来说就是太傻了，也是主要不足。

2、应用场景单一：主要在报天气、讲故事、听歌曲等简单应用场景，不够深入。

3、个性化能力较弱：无法识别人的情绪、或针对性对话。最后用户将智能音箱当作普通音箱使用，未实现智能音箱用作智能家居入口或形成商务链接。阻碍了智能音箱产品的继续发展。

问：以ChatGPT、文心一言为代表的生成式AI模型，未来对于智能音箱存在的交互体验不好，功能单一，个性化比较弱的传统痛点有哪些提升？

答：ChatGPT最大的亮点和突破是通用模型的提升、交互能力上的显著提升。ChatGPT4发布后又有了多模态（已经存在多年）的能力，除语音以外，还有视觉等多种交互形式，融进多模态技术后的ChatGPT4更为强大。

生成式AI对智能音箱的提升点：

1、交互体验提升，如理解上下文、多轮对话。因为其模型非常大，所以它已经远远超出了之前几代的智能音箱，在对话体验上一定是非常大的升级；

2、生成内容质量提升满足在真实场景中服务客户，如使用音箱做家庭旅游规划，或者协助办公。未来有可能会逐步的实现个性化和情感。但目前还不具备此能力，随着未来技术进一步提升，结合数字人概念，可能在这方面也会有提升。

问：生成式AI模型应用到生活当中，可能拓展哪些应用场景？产品形态是不是会发生一些变化？

答：把通用语言大模型看作一个平台，可添加的要素很多。传统语音智能音箱形态受输入端和输出端使用语音决定。但ChatGPT4的技术平台是多模态的，不限于语音。可能很多人会把机器人与其做结合，以前是智能音箱，现在更愿意用机器人称呼其产品，如陪护型机器人、办公机器人，学习机等。此时，有如下形态变化：

1、 传感器数量变多，以感知周围的环境，同时在个性化上，对人的身份进行识别；

2、 输出端可能不局限于声音，可能有图像和文档：因为声音输出有局限性，不适合做生产效率提升。另，智能音箱不一定局限于家居场景，机器人也可以是一个数字人的形态，打通智能驾驶、家居场景等。

问：多模态底层技术成熟但距语音视觉真正融合仍差距较大，就现在市场参与者（软件、硬件）而言，短期内的改变有哪些？是否只要在硬件上加一个api接口就能大概实现这些功能？

答：还没有到一接入马上就能产生效果、立刻产生新品的阶段。传统硬件厂商做出产品的形态有区别。虽然接入ChatGPT能提升交互体验，同时也会带来几个问题：

1、 算力分布设计的问题：如情绪识别是放在本地处理还是传到后端ChatGPT上处理；

2、 时延控制：平台有大量api接口的访问可能会带来较长时延，影响交互体验；

3、 成本的问题：考虑用户调用api的付费模式；

4、 数据安全性的问题：仅调用ChatGPT没有问题，一旦涉及到用户数据，需要依据国家规定；

5、 突破使用场景的问题：聊天场景可能很快就能有一些明显的改善，但对场景的设计和理解（的改善）没有那么快。如果不深度挖掘使用场景，直接调用ChatGPT而不做设计，产品可能无法有质的突破。这就回到了产品形态，它也许会变成一些细分的机器人的形态来出现，而不是以一个真的完全的智能音箱的形态来出现，在目前还没有做到真正的这种全功能的人工智能的情况下，这些细分场景上的设计反而能真正解决用户的问题。

问：能否跳过智能音箱，直接用手机完成智能、智慧家居的这样一些服务？

答：不会以一个手机或一个智能音箱作为单独的入口。业界共识：以后的智能硬件终端有很多种，不可能有一个智能硬件是通识天下的，未来的智能硬件是齐头并进的：学习机、智能手表、电脑、iPad、手机等。

例如：汽车中手机不会取代车机，你的手机跟你的车机之间是可以完全联通的，信息是共享的，APP都是绑定或者是同步的。我们当然可以拿手机去控制所有的东西，但智能音箱形态比较稳定，仍会作为一个智慧家居场景的入口而存在，通过语音控制家里所有的东西。更多调研关注：深圳财富club

问：语音交互的优势、劣势？语音交互的技术成熟度？

答：语音交互这种形式一定是最自然最方便的；其情感表达比较直接，能负载人的情绪信息。语音交互还存在如下问题影响其普及：

1、 隐私性问题：比如公共场合的语音沟通；

2、 交流效率：不如图表数据直接和迅速；

3、 语音识别率有待提升：方言、嘈杂的环境、不同声音识别……，这些问题不能通过ChatGPT解决。

引入ChatGPT后：

1、情感交互目前还没有在ChatGPT的基础上完整实现。语音交互技术从四个维度实现情感交流：情感识别（较成熟）、情感模拟（逐步完善）、情绪反应（ChatGPT还不具备这种能力）、交流内容（ChatGPT无法较好取舍可交流的内容）

2、语音交互的智能化提升代表交流具开使具有建设性意义，有利于语音交互普及。

从技术角度，语音交互包括识别语音（ASR）、语言的处理（NLP）、输出语音（TTS）。其中ASR部分整体成熟度较高、NLP有很大的突破、TTS最早开始成熟，但在情感交互上比较难突破。

问：关于ASR，中文成熟度？竞争格局？

答：ASR国内主要的是科大讯飞、百度做得比较好，国外谷歌应该是做的最好的。现在国内国外基本上是属于同一水准了，中文国内好，英文国外好，谷歌在小语种有一些优势，但差距都不大。

问：相比智能音箱，电视机融合了视听交互是不是更适合作为一个交互的平台？智能音箱短期的市场推广？

答：电视机的智能交互一直存在，一种是在电视机上做，一种是拿遥控器交互，但电视机场景受限，很多人不看电视，所以只拿电视机来做这个事情是不够的。

智能音箱短期的市场推广，作为国光或者漫步者这样的音响厂商，因为它本身并不是一个专门的AI的公司，所以他们依然会以智能音箱形态为主去推，更多的是在场景化上还再多做工作；百度、讯飞、阿里、腾讯这种人工智能企业的选择比较多，比如在原有的产品形态上做升级：讯飞升级学习机、小米和百度升级智能音箱，它能实现的生产力效率的提升以及生活的便利程度，可能超过音响厂商。所以不同公司，因为大家的基础能力和着眼的场景完全不一样，在智能音箱领域短期内的打法会不一样，智能音箱往后发展可能反而会形成一些分化。

问：目前各家产品的时间线？国内互联网厂商未来的一个竞争格局？

答：公开信息：讯飞5月份发布新的学习机、百度文心一言会有后续产品。虽然文心一言发布了，但他的能力和ChatGPT本身还存在差距的，但这些差距很快就会缩小。因为在机器学习领域，有一个所谓的 Teacher的方法，可以把ChatGPT作为老师互相训练，能赶上老师的水平，再加上国内本来就不缺数据、用户、应用场景，所以说其实它赶上ChatGPT甚至在某些领域超过它都是非常有可能的。

未来一定会产生两种类型的公司：构建AI平台的公司，比如百度的文心一言、Moss；和做平台应用的公司，百花齐放。

技术侧：百度和讯飞的技术相对比较扎实，但从应用侧：腾讯、阿里、小米的应用场景或者接触的客户群体反而更多。

问：从技术角度介绍一下，真的能够快速赶上国外水平？

答：NLP这个技术前几年是遇到很大瓶颈的，直到ChatGPT3.5之后发现他的智商水平确实提升了。这种提升有两个原因：

1、 模型特别大，包含万亿级参数，训练成本当然也非常高；

2、 高质量的数据。

大家担心一旦现在ChatGPT联网，可以去网上搜索信息自己学习，他学的东西是否可信，会不会开始一本正经地胡说八道都非常有可能。中国各大公司已经知道这个问题一定能够做出来，只是需要时间问题，因为别人也做出来了。只是需要一个训练的过程和数据准备的时间。

问：传统的硬件厂商转型的努力方向？

答：这些传统公司反而比之前更有优势。ChatGPT的开放程度，可能会让传统公司介入人工智能更加容易；传统公司有比较固定的用户群体，具有一定的品牌号召力；他们的产品设计能力其实是强于很多互联网公司的，具备global的设计能力，他们的产品经理对自己客户群体发掘非常深入，对场景的理解分析得非常透彻。

问：一些更加综合性的消费电器或消费电子集团（比如美的、TCL、创维）的机会？

答：个人观点就是他们的启动会稍微晚一点。虽然白电是刚需，人工智能的普及率很高，但是应用很少，在接入ChatGPT之后，挖掘用户价值的链条更长，会慢慢启动，享受AI的红利或者带来的益处可能会晚一点，但最终一定会实现智能化。

小结：

ChatGPT在自然语言处理方面取得重大突破，带来了文字交互体验的提升，结合此类生成式AI模型的新一代智能音箱产品有望一改之前单一的场景功能，重新定义产品形态，在更多细分场景下为用户带来更好的体验、提供有价值的服务。

一方面国内生成式AI模型的发展赶上国外水平就是时间问题，国内各厂商可能会形成两种类型的公司：搭建生成式AI模型平台的公司及基于平台开发新应用的公司。另一方面，在新一代智能音箱的推广过程中，不同类型的公司发展路径各异，传统的硬件厂商也存在竞争优势，智能音箱领域短期内将百花齐放，未来可能形成分化。

传音控股(SH688036)漫步者(SZ002351)国光电器(SZ002045)

挠头鲨的深度逻辑：

观点仅供参考，买卖需要择时！

时间 ： 2023 年 03 月 26 日

市 场热 点：

ChatGPT 为 代表的生成式 AI 模型与智能音箱的 结 合， 会有何 应 用前 景？

今、 明年可能推出哪些新品？

给 市 场竞 争格局和整个市 场 的 β 带 来怎 样 的 变 化？

智能音箱： 2014 年 Amazon 推出了Echo后， 其 销 量迎来迅速增 长 ， 但在 2019 年， 全球智能音箱年 销 量基本 稳定在 1. 7~1. 8 亿 台， 国内 销 量 稳 定在 3, 700 万台左右。 2022 年， 国内 销 量同比下滑 20% 左右， 进 入增 长 的瓶 颈 期。

问 ： 智能音箱 领 域 现 在存在哪些 问题 使得其不能 实现 渗透率持 续 提升？

答： Echo 推出后， 国内国 际 市 场 很快跟 进 ： 京 东 、 讯飞 推出叮 咚 音箱， 哈曼卡 顿 和微 软 推出了 Invoke 、 天猫精灵、 百度、 小米等也都推出了智能音箱。 产 品推出 后 销 量迅速上升， 与国内的 补贴 政策相关。 当 时 （供 应 商） 的目的是希望智能音箱能 够 占 领 智能家居的入口， 或者通 过 智能音 箱和商城形成 联 接。

但 产 品在 实际场 景中， （智能音箱） 存在 较 多 问题 ：

1 、 交互体 验 不好 （根本性 问题 ） ： 前期， 受制于 远场 交互， 远 距离 让 交互失效、 噪音 让 交流失效。 后期， 受制于交互能力， 如没有提供 “ 免 唤 醒 ” 、 “ 多 轮对话 ” 。 总 体来 说 就是太傻了， 也是主要不足。

2 、 应 用 场 景 单 一： 主要在 报 天气、 讲 故事、 听歌曲等 简单应 用 场 景， 不 够 深入。

3 、 个性化能力 较 弱： 无法 识别 人的情 绪 、 或 针对 性 对话 。 最后用 户 将智能音箱当作普通音箱使用， 未 实现 智能音箱用作智能家居入口或形成 商 务链 接。 阻碍了智能音箱 产 品的 继续发 展。

问： 以 ChatGPT 、 文心一言 为 代表的生成式 AI 模型， 未来 对 于智能音箱存在的交 互体 验 不好， 功能 单 一， 个性化比 较 弱的 传统 痛点有哪些提升？

答： ChatGPT 最大的亮点和突破是通用模型的提升、 交互能力上的 显 著提升。 ChatGPT4 发 布后又有了多模 态 （已 经 存在多年） 的能力， 除 语 音以外， 还 有 视觉 等多种交互形式， 融 进 多模 态 技 术 后的 ChatGPT4 更 为强 大。

生成式 AI 对 智能音箱的提升点：

1 、 交互体 验 提升， 如理解上下文、 多 轮对话 。 因 为 其模型非常大， 所以它已 经远远 超出了之前几代的智能音箱， 在 对话 体 验 上一定是非常大的升 级 ；

2 、 生成内容 质 量提升 满 足在真 实场 景中服 务 客 户 ， 如使用音箱做家庭旅游 规 划， 或者 协 助 办 公。 未来有可能会逐步的 实现 个性化和情感。 但目前 还 不具 备 此能力， 随着未来技 术进 一步提升， 结 合数字人概念， 可能在 这 方面也会有提升。

问 ： 生成式 AI 模型 应 用到生活当中， 可能拓展哪些 应 用 场 景？ 产 品形 态 是不是会 发 生一些 变 化？

答：把通用 语 言大模型看作一个平台， 可添加的要素很多。 传统语 音智能音箱形 态 受 输 入端和 输 出端使用 语 音决定。 但 ChatGPT4 的技 术 平台是多模 态 的， 不限于 语 音。 可能很多人会把机器人与其做 结 合， 以前是智能音箱， 现 在更愿意用机器人 称呼其 产 品， 如陪 护 型机器人、 办 公机器人， 学 习 机等。

此 时 ， 有如下形 态变 化：

1 、 传 感器数量 变 多， 以感知周 围 的 环 境， 同 时 在个性化上， 对 人的身份 进 行 识别 ；

2 、 输 出端可能不局限于声音， 可能有 图 像和文档：因 为 声音 输 出有局限性， 不适合做生 产 效率提升。 另， 智能音箱不一定局限于家居 场 景， 机器人也可以是一个数字人的形 态 ， 打通智 能 驾驶 、 家居 场 景等。

问 ： 多模 态 底 层 技 术 成熟但距 语 音 视觉 真正融合仍差距 较 大， 就 现 在市 场 参与者 （ 软 件、 硬件） 而言， 短期内的改 变 有哪些？是否只要在硬件上加一个 api 接口就 能大概 实现这 些功能？

答：还 没有到一接入 马 上就能 产 生效果、 立刻 产 生新品的 阶 段。 传统 硬件厂商做 出 产 品的形 态 有区 别 。 虽 然接入 ChatGPT 能提升交互体 验 ， 同 时 也会 带 来几个 问题 ： 1 、 算力分布 设计 的 问题 ： 如情 绪识别 是放在本地 处 理 还 是 传 到后端 ChatGPT 上 处 理； 2 、 时 延控制：平台有大量 api 接口的 访问 可能会 带 来 较长时 延， 影响交互体 验 ； 3 、 成本的 问题 ： 考 虑 用 户调 用 api 的付 费 模式； 4 、 数据安全性的 问题 ： 仅调 用 ChatGPT 没有 问题 ， 一旦涉及到用 户 数据， 需要 依据国家 规 定； 5 、 突破使用 场 景的 问题 ： 聊天 场 景可能很快就能有一些明 显 的改善， 但 对场 景 的 设计 和理解 （的改善） 没有那么快。 如果不深度挖掘使用 场 景， 直接 调 用 ChatGPT 而不做 设计 ， 产 品可能无法有 质 的突破。 这 就回到了 产 品形 态 ， 它 也 许 会 变 成一些 细 分的机器人的形 态 来出 现 ， 而不是以一个真的完全的智能 音箱的形 态 来出 现 ， 在目前 还 没有做到真正的 这 种全功能的人工智能的情况 下， 这 些 细 分 场 景上的 设计 反而能真正解决用 户 的 问题 。

问 ： 能否跳 过 智能音箱， 直接用手机完成智能、 智慧家居的 这样 一些服 务 ？

答：不会以一个手机或一个智能音箱作 为单 独的入口。

业 界共 识 ： 以后的智能硬 件 终 端有很多种， 不可能有一个智能硬件是通 识 天下的， 未来的智能硬件是 齐头 并 进 的：学 习 机、 智能手表、 电脑 、 iPad 、 手机等。 例如：汽 车 中手机不会取代 车 机， 你的手机跟你的 车 机之 间 是可以完全 联 通的， 信 息是共享的， APP 都是 绑 定或者是同步的。 我 们 当然可以拿手机去控制所有的 东 西， 但智能音箱形 态 比 较稳 定， 仍会作 为 一个智慧家居 场 景的入口而存在， 通 过语 音控 制家里所有的 东 西。

问 ： 语 音交互的 优势 、 劣 势 ？ 语 音交互的技 术 成熟度？

答： 语 音交互 这 种形式一定是最自然最方便的；其情感表达比 较 直接， 能 负载 人 的情 绪 信息。 语 音交互 还 存在如下 问题 影响其普及： 1 、 隐 私性 问题 ： 比如公共 场 合的 语 音沟通； 2 、 交流效率：不如 图 表数据直接和迅速；3、 语 音 识别 率有待提升：方言、 嘈 杂 的 环 境、 不同声音 识别 …… ， 这 些 问题 不 能通 过 ChatGPT 解决。

引入 ChatGPT 后： 1 、 情感交互目前 还 没有在 ChatGPT 的基 础 上完整 实现 。 语 音交互技 术 从四个 维 度 实现 情感交流：情感 识别 （ 较 成熟） 、 情感模 拟 （逐步完善） 、 情 绪 反 应 （ ChatGPT 还 不具 备这 种能力） 、 交流内容 （ ChatGPT 无法 较 好取舍可交流的内容） 2 、 语 音交互的智能化提升代表交流具开使具有建 设 性意 义 ， 有利于 语 音交互 普及。 从技 术 角度， 语 音交互包括 识别语 音 （ ASR ） 、 语 言的 处 理 （ NLP ） 、 输 出 语 音 （ TTS ） 。 其中 ASR 部分整体成熟度 较 高、 NLP 有很大的突破、 TTS 最早开始成熟， 但在情感交互上比 较难 突破。

问 ： 关于 ASR ， 中文成熟度？ 竞 争格局？

答： ASR 国内主要的是科大 讯飞 、 百度做得比 较 好， 国外谷歌 应该 是做的最好的。 现 在国内国外基本上是属于同一水准了， 中文国内好， 英文国外好， 谷歌在小 语 种 有一些 优势 ， 但差距都不大。

问 ： 相比智能音箱， 电视 机融合了 视 听交互是不是更适合作 为 一个交互的平台？ 智能音箱短期的市 场 推广？

答： 电视 机的智能交互一直存在， 一种是在 电视 机上做， 一种是拿遥控器交互， 但 电视 机 场 景受限， 很多人不看 电视 ， 所以只拿 电视 机来做 这 个事情是不 够 的。 智能音箱短期的市 场 推广， 作 为 国光或者漫步者 这样 的音响厂商， 因 为 它本身并不 是一个 专门 的 AI 的公司， 所以他 们 依然会以智能音箱形 态为 主去推， 更多的是在 场 景化上 还 再多做工作；百度、 讯飞 、 阿里、 腾讯这 种人工智能企 业 的 选择 比 较 多， 比如在原有的 产 品形 态 上做升 级 ： 讯飞 升 级 学 习 机、 小米和百度升 级 智能音箱， 它 能 实现 的生 产 力效率的提升以及生活的便利程度， 可能超 过 音响厂商。 所以不同公 司， 因 为 大家的基 础 能力和着眼的 场 景完全不一 样 ， 在智能音箱 领 域短期内的打法 会不一 样 ， 智能音箱往后 发 展可能反而会形成一些分化。

问 ： 目前各家 产 品的 时间线 ？ 国内互 联 网厂商未来的一个 竞 争格局？

答：公开信息：讯飞 5 月份 发 布新的学 习 机、 百度文心一言会有后 续产 品。 虽 然 文心一言 发 布了， 但他的能力和 ChatGPT 本身 还 存在差距的， 但 这 些差距很快就会 缩 小。 因 为 在机器学 习领 域， 有一个所 谓 的 Teacher 的方法， 可以把 ChatGPT 作 为 老 师 互相 训练 ， 能赶上老 师 的水平， 再加上国内本来就不缺数据、 用 户 、 应 用 场 景， 所以 说 其 实 它赶上 ChatGPT 甚至在某些 领 域超 过 它都是非常有可能的。

未来一定会 产 生两种 类 型的公司：构建 AI 平台的公司， 比如百度的文心一言、 Moss ； 和做平台 应 用的公司， 百花 齐 放。 技 术侧 ： 百度和 讯飞 的技 术 相 对 比 较 扎 实 ， 但从 应 用 侧 ： 腾讯 、 阿里、 小米的 应 用 场 景或者接触的客 户 群体反而更多。

问 ： 从技 术 角度介 绍 一下， 真的能 够 快速赶上国外水平？

答： NLP 这 个技 术 前几年是遇到很大瓶 颈 的， 直到 ChatGPT3. 5 之后 发现 他的智商 水平确 实 提升了。 这 种提升有两个原因： 1 、 模型特 别 大， 包含万 亿级 参数， 训练 成本当然也非常高； 2 、 高 质 量的数据。 大家担心一旦 现 在 ChatGPT 联 网， 可以去网上搜索信息自己学 习 ， 他学的 东 西是否 可信， 会不会开始一本正 经 地胡 说 八道都非常有可能。 中国各大公司已 经 知道 这 个 问题 一定能 够 做出来， 只是需要 时间问题 ， 因 为别 人也 做出来了。 只是需要一个 训练 的 过 程和数据准 备 的 时间 。

问 ： 传统 的硬件厂商 转 型的努力方向？

答： 这 些 传统 公司反而比之前更有 优势 。 ChatGPT 的开放程度， 可能会 让传统 公司 介入人工智能更加容易； 传统 公司有比 较 固定的用 户 群体， 具有一定的品牌号召力； 他 们 的 产 品 设计 能力其 实 是 强 于很多互 联 网公司的， 具 备 global 的 设计 能力， 他 们 的 产 品 经 理 对 自己客 户 群体 发 掘非常深入， 对场 景的理解分析得非常透 彻 。

问 ： 一些更加 综 合性的消 费电 器或消 费电 子集 团 （比如美的、 TCL 、 创维 ） 的机 会？

答：个人观 点就是他 们 的启 动 会稍微晚一点。 虽 然白 电 是 刚 需， 人工智能的普及 率很高， 但是 应 用很少， 在接入 ChatGPT 之后， 挖掘用 户 价 值 的 链 条更 长 ， 会慢慢 启 动 ， 享受 AI 的 红 利或者 带 来的益 处 可能会晚一点， 但最 终 一定会 实现 智能化。

小 结 ： ChatGPT 在自然 语 言 处 理方面取得重大突破， 带 来了文字交互体 验 的提升， 结 合此 类 生成式 AI 模型的新一代智能音箱 产 品有望一改之前 单 一的 场 景功能， 重新 定 义产 品形 态 ， 在更多 细 分 场 景下 为 用 户带 来更好的体 验 、 提供有价 值 的服 务 。 一方面国内生成式 AI 模型的 发 展赶上国外水平就是 时间问题 ， 国内各厂商可 能会形成两种 类 型的公司：搭建生成式 AI 模型平台的公司及基于平台开 发 新 应 用 的公司。 另一方面， 在新一代智能音箱的推广 过 程中， 不同 类 型的公司 发 展路径各 异， 传统 的硬件厂商也存在 竞 争 优势 ， 智能音箱 领 域短期内将百花 齐 放， 未来可能 形成分化。

国光电器(SZ002045) 漫步者(SZ002351) 共达电声(SZ002655)

月人10k：

共达电声(SZ002655)共达电声，奋达科技，全TM不发达

重新注册了：

共达电声买

共达电声(SZ002655)：

共达电声：共达电声股份有限公司关于收到深圳证券交易所《关于共达电声股份有限公司申请向特定对象发行股票的审核问询函》的公告 网页链接

共达电声(SZ002655)：

同花顺（300033）金融研究中心3月31日讯，有投资者向共达电声（002655）提问， 请问贵司有研发生产智能音箱的计划吗？ 公司回答表示，您好，公司专注在声学领域的发展，产品广泛应用于智能车载、智能穿戴、智能家居、智能手机、AI、VR... 网页链接

vvvvv13：

共达电声(SZ002655)看看漫步者，这差距太大了

等待击球：

智能音箱与生成式AI结合前景展望2023-03-29

市场表现：上周智能音箱板块表现活跃，国光电器上涨幅度超20%，另外包括漫步者、共达电声的表现也不错。

市场热点：ChatGPT为代表的生成式AI模型与智能音箱的结合，会有何应用前景？今、明年可能推出哪些新品？给市场竞争格局和整个市场的β带来怎样的变化？

智能音箱：2014年Amazon推出了Echo后，其销量迎来迅速增长，但在2019年，全球智能音箱年销量基本稳定在1.7~1.8亿台，国内销量稳定在3,700万台左右。2022年，国内销量同比下滑20%左右，进入增长的瓶颈期。

问：智能音箱领域现在存在哪些问题使得其不能实现渗透率持续提升？

答：Echo推出后，国内国际市场很快跟进：京东、讯飞推出叮咚音箱，哈曼卡顿和微软推出了Invoke、天猫精灵、百度、小米等也都推出了智能音箱。产品推出后销量迅速上升，与国内的补贴政策相关。 当时（供应商）的目的是希望智能音箱能够占领智能家居的入口，或者通过智能音箱和商城形成联接。但产品在实际场景中，（智能音箱）存在较多问题 ：

1.交互体验不好（根本性问题）：

前期，受制于远场交互，远距离让交互失效、噪音让交流失效。

后期，受制于交互能力，如没有提供“免唤醒”、“多轮对话”。总体来说就是太傻了，也是主要不足。

2.应用场景单一：

主要在报天气、讲故事、听歌曲等简单应用场景，不够深入。

3.个性化能力较弱：

无法识别人的情绪、或针对性对话。

最后用户将智能音箱当作普通音箱使用，未实现智能音箱用作智能家居入口或形成商务链接。阻碍了智能音箱产品的继续发展。

问：以ChatGPT、文心一言为代表的生成式AI模型，未来对于智能音箱存在的交互体验不好，功能单一，个性化比较弱的传统痛点有哪些提升？

答：ChatGPT最大的亮点和突破是通用模型的提升、交互能力上的显著提升。ChatGPT4发布后又有了多模态（已经存在多年）的能力，除语音以外，还有视觉等多种交互形式，融进多模态技术后的ChatGPT4更为强大。

生成式AI对智能音箱的提升点：

1、交互体验提升，如理解上下文、多轮对话。因为其模型非常大，所以它已经远远超出了之前几代的智能音箱，在对话体验上一定是非常大的升级；

2、生成内容质量提升满足在真实场景中服务客户，如使用音箱做家庭旅游规划，或者协助办公。

未来有可能会逐步的实现个性化和情感。但目前还不具备此能力，随着未来技术进一步提升，结合数字人概念，可能在这方面也会有提升。

问：生成式AI模型应用到生活当中，可能拓展哪些应用场景？产品形态是不是会发生一些变化？

答：把通用语言大模型看作一个平台，可添加的要素很多。传统语音智能音箱形态受输入端和输出端使用语音决定。但ChatGPT4的技术平台是多模态的，不限于语音。可能很多人会把机器人与其做结合，以前是智能音箱，现在更愿意用机器人称呼其产品，如陪护型机器人、办公机器人，学习机等。此时，有如下形态变化：

1.传感器数量变多，以感知周围的环境，同时在个性化上，对人的身份进行识别；

2.输出端可能不局限于声音，可能有图像和文档：因为声音输出有局限性，不适合做生产效率提升。

另，智能音箱不一定局限于家居场景，机器人也可以是一个数字人的形态，打通智能驾驶、家居场景等。

问：多模态底层技术成熟但距语音视觉真正融合仍差距较大，就现在市场参与者（软件、硬件）而言，短期内的改变有哪些？是否只要在硬件上加一个api接口就能大概实现这些功能？

答：还没有到一接入马上就能产生效果、立刻产生新品的阶段。传统硬件厂商做出产品的形态有区别。虽然接入ChatGPT能提升交互体验，同时也会带来几个问题：

1.算力分布设计的问题：如情绪识别是放在本地处理还是传到后端ChatGPT上处理；

2.时延控制：平台有大量api接口的访问可能会带来较长时延，影响交互体验；

3.成本的问题：考虑用户调用api的付费模式；

4.数据安全性的问题：仅调用ChatGPT没有问题，一旦涉及到用户数据，需要依据国家规定；

5.突破使用场景的问题：聊天场景可能很快就能有一些明显的改善，但对场景的设计和理解（的改善）没有那么快。如果不深度挖掘使用场景，直接调用ChatGPT而不做设计，产品可能无法有质的突破。这就回到了产品形态，它也许会变成一些细分的机器人的形态来出现，而不是以一个真的完全的智能音箱的形态来出现，在目前还没有做到真正的这种全功能的人工智能的情况下，这些细分场景上的设计反而能真正解决用户的问题。

问：能否跳过智能音箱，直接用手机完成智能、智慧家居的这样一些服务？

答：不会以一个手机或一个智能音箱作为单独的入口。业界共识：以后的智能硬件终端有很多种，不可能有一个智能硬件是通识天下的，未来的智能硬件是齐头并进的：学习机、智能手表、电脑、iPad、手机等。

例如：汽车中手机不会取代车机，你的手机跟你的车机之间是可以完全联通的，信息是共享的，APP都是绑定或者是同步的。我们当然可以拿手机去控制所有的东西，但智能音箱形态比较稳定，仍会作为一个智慧家居场景的入口而存在，通过语音控制家里所有的东西。

问：语音交互的优势、劣势？语音交互的技术成熟度？

答：语音交互这种形式一定是最自然最方便的；其情感表达比较直接，能负载人的情绪信息。语音交互还存在如下问题影响其普及：

1.隐私性问题：比如公共场合的语音沟通；

2.交流效率：不如图表数据直接和迅速；

3.语音识别率有待提升：方言、嘈杂的环境、不同声音识别……，这些问题不能通过ChatGPT解决。

引入ChatGPT后：

1、情感交互目前还没有在ChatGPT的基础上完整实现。语音交互技术从四个维度实现情感交流：情感识别（较成熟）、情感模拟（逐步完善）、情绪反应（ChatGPT还不具备这种能力）、交流内容（ChatGPT无法较好取舍可交流的内容）

2、语音交互的智能化提升代表交流具开使具有建设性意义，有利于语音交互普及。

从技术角度，语音交互包括识别语音（ASR）、语言的处理（NLP）、输出语音（TTS）。其中ASR部分整体成熟度较高、NLP有很大的突破、TTS最早开始成熟，但在情感交互上比较难突破。

问：关于ASR，中文成熟度？竞争格局？

答：ASR国内主要的是科大讯飞、百度做得比较好，国外谷歌应该是做的最好的。现在国内国外基本上是属于同一水准了，中文国内好，英文国外好，谷歌在小语种有一些优势，但差距都不大。

问：相比智能音箱，电视机融合了视听交互是不是更适合作为一个交互的平台？智能音箱短期的市场推广？

答：电视机的智能交互一直存在，一种是在电视机上做，一种是拿遥控器交互，但电视机场景受限，很多人不看电视，所以只拿电视机来做这个事情是不够的。

智能音箱短期的市场推广，作为国光或者漫步者这样的音响厂商，因为它本身并不是一个专门的AI的公司，所以他们依然会以智能音箱形态为主去推，更多的是在场景化上还再多做工作；百度、讯飞、阿里、腾讯这种人工智能企业的选择比较多，比如在原有的产品形态上做升级：讯飞升级学习机、小米和百度升级智能音箱，它能实现的生产力效率的提升以及生活的便利程度，可能超过音响厂商。所以不同公司，因为大家的基础能力和着眼的场景完全不一样，在智能音箱领域短期内的打法会不一样，智能音箱往后发展可能反而会形成一些分化。

问：目前各家产品的时间线？国内互联网厂商未来的一个竞争格局？

答：公开信息：讯飞5月份发布新的学习机、百度文心一言会有后续产品。虽然文心一言发布了，但他的能力和ChatGPT本身还存在差距的，但这些差距很快就会缩小。因为在机器学习领域，有一个所谓的 Teacher的方法，可以把ChatGPT作为老师互相训练，能赶上老师的水平，再加上国内本来就不缺数据、用户、应用场景，所以说其实它赶上ChatGPT甚至在某些领域超过它都是非常有可能的。

未来一定会产生两种类型的公司：构建AI平台的公司，比如百度的文心一言、Moss；和做平台应用的公司，百花齐放。

技术侧：百度和讯飞的技术相对比较扎实，但从应用侧：腾讯、阿里、小米的应用场景或者接触的客户群体反而更多。

问：从技术角度介绍一下，真的能够快速赶上国外水平？

答：NLP这个技术前几年是遇到很大瓶颈的，直到ChatGPT3.5之后发现他的智商水平确实提升了。这种提升有两个原因：

1.模型特别大，包含万亿级参数，训练成本当然也非常高；

2.高质量的数据。

大家担心一旦现在ChatGPT联网，可以去网上搜索信息自己学习，他学的东西是否可信，会不会开始一本正经地胡说八道都非常有可能。

中国各大公司已经知道这个问题一定能够做出来，只是需要时间问题，因为别人也做出来了。只是需要一个训练的过程和数据准备的时间。

问：传统的硬件厂商转型的努力方向？

答：这些传统公司反而比之前更有优势。ChatGPT的开放程度，可能会让传统公司介入人工智能更加容易；传统公司有比较固定的用户群体，具有一定的品牌号召力；他们的产品设计能力其实是强于很多互联网公司的，具备global的设计能力，他们的产品经理对自己客户群体发掘非常深入，对场景的理解分析得非常透彻。

问：一些更加综合性的消费电器或消费电子集团（比如美的、TCL、创维）的机会？

答：个人观点就是他们的启动会稍微晚一点。虽然白电是刚需，人工智能的普及率很高，但是应用很少，在接入ChatGPT之后，挖掘用户价值的链条更长，会慢慢启动，享受AI的红利或者带来的益处可能会晚一点，但最终一定会实现智能化。

小结：

ChatGPT在自然语言处理方面取得重大突破，带来了文字交互体验的提升，结合此类生成式AI模型的新一代智能音箱产品有望一改之前单一的场景功能，重新定义产品形态，在更多细分场景下为用户带来更好的体验、提供有价值的服务。

一方面国内生成式AI模型的发展赶上国外水平就是时间问题，国内各厂商可能会形成两种类型的公司：搭建生成式AI模型平台的公司及基于平台开发新应用的公司。另一方面，在新一代智能音箱的推广过程中，不同类型的公司发展路径各异，传统的硬件厂商也存在竞争优势，智能音箱领域短期内将百花齐放，未来可能形成分化。

月人10k：

奋达科技(SZ002681)今天4.64抄底奋达科技也遭了，手头还有个共达电声也惨

wWw.Xtw.com.Cn系统网专业应用软件下载教程，免费windows10系统,win11,办公软件,OA办公系统,OA软件,办公自动化软件,开源系统,移动办公软件等信息，解决一体化的办公方案。