阿里希望通过引入视觉能力加速智能音箱进化为家庭机器人

阿里巴巴人工智能实验室于3月22日发布人机交互系统AliGenie2．0版本。新版本最大特点是在原有“听”和“说”的交互体验基础上，引入视觉能力。

据悉，AliGenie 2．0的视觉能力包括图像识别、人脸识别、物体检测。搭载新版本的“天猫精灵”成为首款能“看见”的智能音箱。然而，天猫精灵并没有推出一款“带屏幕的音箱”，而是推出了“精灵火眼”功能：通过XHolder外设及“精灵火眼”应用程序，用户能连接自己的手机，为天猫精灵加一块屏幕。

“精灵火眼”初期上线了读书、识别药盒等功能。比如，面向儿童使用场景，“精灵火眼”与出版社合作，精选了适合3岁到8岁儿童的117套图书。面向老年人使用场景，“精灵火眼”推出识别药盒的功能，能识别4万种药盒，只要扫一扫就能用语音播报药名、功效、过期日等信息。

在阿里巴巴人工智能实验室看来，智能音箱终极形态是家庭机器人，从“听”“说”，到“视觉交互”，再到“行动力”，阿里巴巴希望通过引入视觉能力加速这种进化。

据了解，天猫精灵上市200多天，即实现200万台销量。在全球市场，最畅销的智能音箱亚马逊ECHO达到这一数字，用了一年多的时间。可见，中国智能音箱市场的发展非常迅速。

而在国内，人工智能带动“百箱大战”，目前智能音箱的品类繁多、功能却走向趋同。在阿里巴巴人工智能实验室负责人浅雪看来，这种情况不会持续很久，大多数没有技术投入、生态建设的产品会消亡，最终可能只剩两到三个主要玩家。

尽管当前市场都把目光瞄准硬件，但浅雪认为，未来发展的核心趋势在于云和端的能力。“我们会不断把更多的能力，引入到家庭场景当中，不断定义我们对人机交互的理解、对家的理解。”