在微軟的預(yù)想中，未來的世界將充斥著各種智能語音助理。美國時間5月6日，微軟一年一度的開發(fā)者大會Build正式在西雅圖開幕，微軟CEO薩提亞·納德拉（Satya Nadella）在主旨演講中詳細闡述了微軟對人工智能（AI）助理產(chǎn)品的愿景。

納德拉判斷，未來全球的每一家組織都將擁有一個屬于自己的AI助理，就像今天每家企業(yè)都有一個官網(wǎng)一樣。做出這一判斷的背后，是企業(yè)希望掌握語音助手與消費者、公司員工之間溝通所產(chǎn)生的大量數(shù)據(jù)，而不愿意與科技巨頭共享。

“這些機器人與用戶對話留下的數(shù)據(jù)，可能會是每家企業(yè)的核心資產(chǎn)，這些數(shù)據(jù)可以幫助他們改善產(chǎn)品和服務(wù)。”納德拉表示，“對企業(yè)來說，建造自己的語音助理將具有戰(zhàn)略意義，就像建公司官網(wǎng)或App。”

語音助手是近年來科技行業(yè)最熱的話題之一，被認為是操作系統(tǒng)、瀏覽器、手機應(yīng)用之后的用戶新入口。在該領(lǐng)域，微軟目前走的是一條與亞馬遜、谷歌和蘋果截然不同的道路。自2011年起，蘋果和谷歌憑借在手機操作系統(tǒng)上的主導(dǎo)地位，讓他們的語音助手Siri和Google Assistant把守著移動端入口。2014年，亞馬遜推出智能音箱Echo和語音助理Alexa，從智能家居切入，實現(xiàn)了對蘋果和谷歌的換道超車。此后，全球各大科技企業(yè)紛紛卷入智能音箱市場的混戰(zhàn)，2018年全球出貨量已超過8600萬臺。

根據(jù)市場研究機構(gòu)Statista的統(tǒng)計，2018年四季度，亞馬遜智能音箱的發(fā)貨量排名全球第一，占35.5%的市場份額，谷歌、阿里、百度、小米和蘋果緊隨其后，分別占30%、7.3%、5.7%、4.6%和4.1%的市場份額。

微軟曾在2017年5月與三星旗下音響品牌哈曼卡頓合作，發(fā)布了搭載微軟語音助手小娜（Cortana）的智能音箱Invoke，但在市場上幾乎沒有存在感。記者沒有在本屆Build的大會現(xiàn)場看到這一產(chǎn)品，反倒是有大批Echo在展示區(qū)銷售，因為亞馬遜與微軟在去年打通了彼此的語音助手。

通過內(nèi)置于最新的Windows操作系統(tǒng)，小娜目前已經(jīng)進入全球PC市場，但用戶活躍度有限。在中國，微軟主推的是小冰，主要通過與華為、小米、網(wǎng)易云音樂等合作來實現(xiàn)落地。

近幾年，微軟主營業(yè)務(wù)轉(zhuǎn)向企業(yè)級市場，于2016年的Build大會上發(fā)布了Bot framework（機器人框架服務(wù)），允許開發(fā)者在此基礎(chǔ)上打造屬于自己的語音助手。

本屆Build，納德拉表示，通過使用微軟的機器人框架，每周都有3000多個新的語音助手誕生，成為“對話式App“。這些客戶中，有些是德國寶馬那樣的跨國企業(yè)，不愿直接用亞馬遜、蘋果的語音助手，就找到微軟，幫其打造自己的語音助手。

在微軟看來，目前語音助手所處的階段，與剛有互聯(lián)網(wǎng)時的網(wǎng)絡(luò)類似。微軟內(nèi)部專門負責(zé)對話式AI的部門副總裁Lili Cheng向財新記者表示，未來各家企業(yè)的語音助手與微軟小娜、亞馬遜Alexa等的關(guān)系，會像現(xiàn)在公司官網(wǎng)與搜索引擎之間的關(guān)系，兩者不會相互取代，而是各司其職。

她表示，微軟已經(jīng)發(fā)現(xiàn)，這兩種語音助手之間有彼此打通的需求，公司的語音助手希望連到微軟、亞馬遜等的語音助手上，以獲取其沒有的信息，而科技企業(yè)也希望培育自己的生態(tài)，比如微軟推統(tǒng)一的機器人框架，就是為了建立一個由各種語音助理組成的生態(tài)。

演講中，納德拉提到，目前行業(yè)僅僅邁出了向?qū)υ捠饺斯ぶ悄芮斑M的第一步，語音助手要想改進，還需在三方面發(fā)力：一是要實現(xiàn)更加自然的多輪對話，讓機器更好地理解人類交談中的上下文，看起來更加聰明；二是讓語音助理實現(xiàn)一次性完成多個任務(wù)，目前的語音助手還是命令式的，一次只能發(fā)一個指令，讓它做一件事情，未來需要完成更復(fù)雜的任務(wù)；三是使各個語音助手之間實現(xiàn)聯(lián)通，讓它們能夠協(xié)作完成任務(wù)。

納德拉表示，微軟也將不斷提升小娜的能力，包括去年收購了硅谷對話系統(tǒng)公司Semantic Machines，來增強自己的實力。“盡管最近一段時間，整個行業(yè)取得了巨大的進步，人類與機器之間的對話仍屬于發(fā)展的最早期。”他表示。