3月8日，阿里宣布自家的智能音箱銷量已經(jīng)超過千萬，成為中國第一，全球第三的智能手機(jī)廠商。

從Strategy Analytics最新發(fā)布的研究報(bào)告指出，智能音箱是的確是2018年最熱門的消費(fèi)電子產(chǎn)品。

2018年第四季度，全球智能音箱出貨量增長了95％，達(dá)到3850萬臺。超過2017年的全年總出貨量，這種增長率堪比2012年前后的智能手機(jī)。

從市場份額看，國外的亞馬遜與谷歌還有明顯優(yōu)勢，2018年四季度，亞馬遜的銷量是1350萬，谷歌的銷量是1150萬，而中國的阿里、百度、小米銷量都在200萬左右。

有意思的是，如果我們把中國三家廠商每季度的銷量分開來看，就會發(fā)現(xiàn)中國智能音箱增長最快的并不是阿里，而是百度。

百度是全球前五中入場最晚的廠商，到了2018年二季度才開始發(fā)力，但是在短短幾個月，百度就成為智能音箱的世界級巨頭，這種增長速度是爆炸性的。

智能音箱這款產(chǎn)品始于2014年亞馬遜的Echo，國內(nèi)廠商紛紛仿效，經(jīng)過數(shù)年優(yōu)勝劣汰，阿里和小米到了2018年初已經(jīng)傲視所有國內(nèi)廠商。

百度真正發(fā)力智能音箱是在2018年中，“小度在家“這款全球首款帶屏智能音箱在2018年4月份才公開招募內(nèi)測。

而短短幾個月，百度的智能音箱就如核彈爆炸一般急速增長，到了2018年底，已經(jīng)是三巨頭之一，而且銷量幾乎與阿里和小米持平。

2019年一季度有春晚的加成，百度拿下一季度銷量第一應(yīng)該不是問題。

百度成立已經(jīng)很多年了，但是它最基本不做硬件，從互聯(lián)網(wǎng)跨界智能硬件，百度在幾個月內(nèi)就從“青銅“一躍成為“王者“，這個奇跡是如何創(chuàng)造出來的呢？

一、 厚積而薄發(fā)

智能硬件看似是一個硬件產(chǎn)品，而實(shí)際上它的核心技術(shù)并不是硬件，而是AI的語音識別與搜索。

語音識別技術(shù)已經(jīng)存在很久了，但是要讓智能音箱有優(yōu)秀的體驗(yàn)，不僅僅是正確識別語音就夠了，而是要判別說話者的意圖，給予正確的回應(yīng)。

國內(nèi)很多所謂的智能音箱，只是買了科大訊飛的語音識別技術(shù)，而百度的智能音箱核心技術(shù)是自己研發(fā)的。

百度對AI的研發(fā)，可以追溯到多年之前。

人工智能科技發(fā)展很早，但是一度遇到瓶頸，難以突破�；ヂ�(lián)網(wǎng)發(fā)展起來之后，人們發(fā)現(xiàn)人工智能科技中深度學(xué)習(xí)技術(shù)，可以依靠互聯(lián)網(wǎng)的大數(shù)據(jù)不斷進(jìn)步，同時(shí)硬件的發(fā)展，特別是GPU通用計(jì)算的發(fā)展，讓計(jì)算能力不再是瓶頸，AI有了進(jìn)一步發(fā)展的可能。

于是，百度在硅谷等地成立實(shí)驗(yàn)室，投入重金，招募全球最好的AI專家，搭建百度大腦，開始AI的深度研發(fā)。

早在2014年（亞馬遜推出Echo之前），百度的研發(fā)團(tuán)隊(duì)，就利用深度學(xué)習(xí)技術(shù)，研發(fā)出Deep Speech系統(tǒng)。

到了2016年，百度的Deep Speech系統(tǒng)已經(jīng)進(jìn)化到第三代。

傳統(tǒng)上，對語音識別的人工智能技術(shù)是RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）。RNN是在DNN（深度神經(jīng)網(wǎng)絡(luò)）的基礎(chǔ)上發(fā)展出時(shí)間戳，發(fā)展出長短時(shí)記憶單元，可以有解決時(shí)間序列的應(yīng)用。語音識別是有時(shí)間序列的，所以業(yè)界對RNN用于語音識別的研究比較多。

而百度將深層卷積神經(jīng)網(wǎng)絡(luò)技術(shù)（Deep CNN）應(yīng)用于語音識別聲學(xué)建模中，將其與基于長短時(shí)記憶單元（LSTM）和連接時(shí)序分類（CTC）的端對端語音識別技術(shù)相結(jié)合，大幅度提升語音識別產(chǎn)品性能。這項(xiàng)技術(shù)借鑒了圖像識別在近些年的成果，以及語音與圖像在利用 CNN 模型訓(xùn)練的共通性，在語音識別技術(shù)上取得了革命性的進(jìn)展。

《麻省理工科技評論》（MIT Technology Review）雜志在2016年度十大突破技術(shù)的榜單中把百度語音識別技術(shù)列為十大突破技術(shù)。

實(shí)際上早在2016年，百度已經(jīng)有了頂尖的語音識別技術(shù)。李彥宏在百度科技大會的上發(fā)言可以由AI同聲傳譯。李彥宏在Tech World大會上展示了AI與人的多輪對話。這些展示，遠(yuǎn)遠(yuǎn)超過市面上在售的智能音箱所擁有的水平，百度只是缺少一款轉(zhuǎn)化的產(chǎn)品。