AI生活类智能硬件领域调研分析报告.doc

AI生活类智能硬件领域调研汇报

很多这么智能硬件设备确实是一点AI相关技术全部没有用到，靠是传感器显示和人工程序设定。「智能硬件是经过软硬件结合方法，对传统设备进行改造，进而让其拥有智能化功效。智能化以后，硬件含有连接能力，实现互联网服务加载，形成云+端经典架构，含有了大数据等附加价值。」
目录1.市场 1.1 AI中国外大情况 1.2 AI经历时期和目前所处阶段 1.3 AI在哪些生活领域比较火 1.4 有哪些企业做得比很好 1.5 这些企业在AI上是怎样布局
2.商业 2.1商业模式 2.2上下游产业链
3.产品 3.1家居：智能音箱 3.2医疗/可穿戴设备 3.3交通：智能车载 3.4教育：智能机器人
4.设计 4.1人工智能时代带来挑战 4.2 VUI-一个新交互方法 4.3 VUI设计标准和方法1市场1.1 AI中国外大情况全球人工智能企业数量集中分布在美国、中国、英国等少数国家，三国企业数量占总数65.73%；
中国人工智能企业数量关键集中在北京、广东及长三角（上海、江苏、浙江）一带，占中国人工企业总数84.95%，四川即使数量不及以上地域，但显著高于其它省市。
美国AI布局全方面领先，相比较而言，中国在基础元器件、基础工艺等方面差距较大
政策方面，各国均在政策层面强调和推进人工智能发展其中，美国侧重于研发新型脑研究技术；欧盟主攻以超级计算机技术来模拟脑功效；日本则聚焦以动物为模型研究多种脑功效和脑疾病机理。
中国近几年也出台了相关扶植人工智能发展政策，主动推进人工智能在各个细分领域渗透。5月，国家四部委更是颁布《“互联网+”人工智能三年行动实施方案》，明确提出要培育发展人工智能新兴产业、推进关键领域智能产品创新、提升终端产品智能化水平。
中国人工智能产业处于上升阶段
图片摘自：艾瑞咨询-中国人工智能产业专题研究汇报
中国人工智能产业规模已突破100亿，以43.3%增加率达成了100.60亿元，估计增加率将提升至51.2%，产业规模达成152.10亿元，并于增加至344.30亿元。基础支撑层关键由算法模型（软件）和关键硬件（AI芯片、传感器）两部分组成；关键技术层关键由感知类技术和其它深度学习应用组成；
应用场景层为集成了一类或多类基础应用技术，面向应用场景特定需求产品或方案。
智能硬件关键为应用场景层。图片摘自：艾瑞咨询-中国人工智能产业专题研究汇报
北京是人工智能创业重镇
42.9%人工智能创业企业在北京，而上海则拥有16.7%人工智能创业企业，15.5%在深圳，而广州人工智能创业企业占比则为7.7%。在北上广深之外，浙江和江苏分别拥有5.4%和3.6%人工智能创业企业。计算机视觉是创业企业最多领域
中国人工智能创业企业所属领域分布中，计算机视觉领域拥有最多创业企业，高达35家，紧随其后是服务机器人领域，有33家，而排名第三是语音及自然语言处理领域，有18家，智能医疗、机器学习、智能驾驶等也是相比比较热门领域之一。1.2 AI经历时期和目前所处阶段第三次爆发根本原因：计算能力，算法突破，数据井喷
直接原因：应用广泛，算法开源，投资活跃，政府支持
我们仍处于专用人工智能阶段现在人工智能属于专用人工智能，如计算机视觉、语音识别等，以一个或多个专门领域和功效为主，现在正处于高速发展阶段，已取得较为丰富结果；
通用人工智能即机器和人类一样拥有进行全部工作可能，关键在于自动地认知和拓展。现在正在研究人为地设计尽可能多功效弱通用人工智能，但现在研究水平仍远远未达成；
（相比专用人工智能只能了解特定领域知识和实现特定领域应用，通用AI还有知识技能迁移能力、跨领域推理能力、常识认识和掌握、抽象能力掌握）
超级人工智能是指含有自我意识，包含独立自主价值观、世界观等，和技术发展不一样，超级人工智能基础是人类对生命科学全方面深入了解，现在仅存在于文化作品中；1.3 AI在哪些生活领域比较火1.4 有哪些企业做得比很好
以上图片摘自：乌镇指数：全球人工智能发展汇报-产业和应用篇
1.5 这些企业在AI上是怎样布局
图片可点击放大查看 打造人工智能开源平台AI开源平台是一个深度学习工具箱，用户能够在其开放平台上使用其算法系统，获取开源代码。
布局人工智能芯片芯片行业即使已经有行业巨头NVIDIA和Intel，且技术壁垒极高，但因为行业现在AI运算仍以GPU为主，并未出现大规模应用人工智能定制类芯片，谷歌、IBM、乃至中国中科院全部在主动布局探索。
布局人工智能关键技术巨头们本身成立人工智能研究院招募人才同时，也在主动参股、并购拥有优异技术AI企业。2商业2.1 商业模式在人工智能平台化趋势下，未来人工智能将展现若干主导平台加广泛场景应用竞争格局，生态构建者将成为其中最关键一类模式。
? 主导平台+广泛场景应用
模式一：生态构建者——全产业链生态+场景应用作为突破口。关键成功原因：大量计算能力投入，积累海量优质多维数据，建立算法平台、通用技术平台和应用平台，以场景应用为入口，积累用户。
模式二：技术算法驱动者——技术层+场景应用作为突破口。关键成功原因：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户。
模式三：应用聚焦者——场景应用。关键成功原因：掌握细分市场数据，选择适宜场景构建应用，建立大量多维度场景应用，抓住用户；同时，和互联网企业合作，有效结合传统商业模式和人工智能。
在人工智能平台化趋势下，未来人工智能将展现若干主导平台加广泛场景应用竞争格局，生态构建者将成为其中最关键一类模式。
模式四：垂直领域先行者——杀手级应用+逐步构建垂直领域生态。关键成功原因：在应用较广泛且有海量数据场景能率先推出杀手级应用，从而积累用户，成为该垂直行业主导者；经过积累海量数据，逐步向应用平台、通用技术、基础算法拓展。
模式五：基础设施提供者——从基础设施切入，并向产业链下游拓展。关键成功原因：开发含有智能计算能力新型芯片，图像、语音识别芯片等、拓展芯片应用场景；在移动智能设备、大型服务器、无人机（车），机器人等设备、设施上广泛集成利用，提供愈加高效、低成本运算能力、服务，和相关行业进行深度整合。
? 人工智能咨询和定制
依据企业/用户需求进行定制化人工智能处理方案。这个商业模型不要求高精尖技术或是在某个领域突破，关键是为了处理AI通用平台无法完成用户定制需求问题。
2.2 上下游产业链
工业机器人服务机器人
AI+安防
AI+家居3产品AI生活类智能硬件领域产品浅析嵌入式应用+终端产品开发
3.1 家居智能音箱? 行业现实状况
亚马逊Echo是智能音箱鼻祖产品，家族产品线引领智能音箱行业发展。亚马逊整合电商、硬件、平台、内容等资源，形成完善生态局。
京东和科大讯飞推叮咚音箱，率先抢占中国智能音箱市场。京东整合电商、硬件、内容资源、智能平台、音频联盟，布局智能生态圈，拓展当地化产品定位，构建多场景多终端无界零售。
苹果含有优质软硬件结合基因，Homepod将和IOS融合实现更多功效。
阿里打通内容资源、电商资源、O2O资源，发展消费级AI产品。
? 销售方法
现在智能音箱销售渠道关键集中在线上，场景营销是智能音箱开辟线下渠道机会，但场景销售成本高，现在智能音箱产品规模难以支付。小米之家等新零售渠道有望打开线下渠道出口。
? 商业模式
现有模式：基础设施提供者——从基础设施切入，并向产业链下游拓展
1．招商模式：招募经销商。2．B to C，应用了现时最流行互联网，成本相对比较低，适合初创型企业。3．和厂商合作模式。4．爆款模式，就是把一款产品做到极致。
流量变现 + 情景消费 + 系统处理方案
未来趋势：全产业链生态+场景应用? 实际案例智能音箱含有语音交互，可提供内容、互联网服务，控制场景化智能家居。但现在智能家居普及率低是造成现在智能音箱家居控制中心功效无法循环发展关键原因，而不重视消费者体验反馈是智能音箱处理不了消费者痛点关键原因。
语音交互是打通智能家居关键点，而智能音箱可能只是其表现形态一个，中国外厂商也正在主动探索新智能家居入口形态。现在中国市场中组合形态产品较为主流，比如将智能音箱和平板、可穿戴产品相结合。
屏幕让信息展现更丰富愈加快捷，音箱屏幕化是发展肯定趋势，毋庸置疑。
3.2 医疗智能可穿戴设备
? 行业现实状况
可穿戴医疗设备前景宽广，很可能是一项在根本上改变人类医疗健康新技术。首先，中国人口老龄化造成医疗需求急剧增加；其次，中国医疗资源供给严重短缺，尤其在偏远地域。
现在市场上关键可穿戴医疗设备形态各异，关键包含：智能眼镜、智能手表、智能腕带、智能跑鞋、智能戒指、智能臂环、智能腰带、智能头盔、智能纽扣等。可穿戴医疗设备是一个高速发展市场，它兴起也催生出更大移动医疗市场。
智能可穿戴设备经过大数据、云计算、物联网等技术应用，实时采集大量用户健康数据信息和行为习惯，已然成为未来智慧医疗获取信息关键入口。
优势：
1.实时监测2.降低诊疗成本3.医疗大数据4.智能医疗前景
挑战：
1.可操作大数据2.共存和互联3.不一致和多样性4.安全和隐患
“三大弱小”痛点
“浅体验、弱价值、小范围应用”
痛点：从整体可穿戴设备发展来看，大量可穿戴设备功效比较单一、作用比较简单，大部分是器械设备厂商推出产品，医学科研机构、医院医生参与度还比较低，能真正用于医学临床还比较少，其“浅体验、弱价值、小范围应用”痛点比较显著。
切入点：聚焦突破单病种、单人群、单地域，抢占主社群流量入口及检测入口，快速切入移动医疗生态
战略点：推进云端建设，推进数据聚集、信息共享和云端对接
连接点：连接医生教授，提供专业医学支撑和技术服务，建设专业化医学服务团体
亮化点：连续监测身体改变，提升诊疗正确度，亮化远程诊疗价值
深入点：深入推进医学类互动体验，努力争取专业、易用、好反馈

盈利点：创新盈利模式，将设备以硬件成本价销售，服务为先;方案主导，服务变现
? 商业模式
现实状况：经过销售可穿戴设备智能硬件赢利，这一相对传统盈利模式设计使其发展很缓慢。
机会：提供更多增值服务，依靠服务方案盈利而非靠硬件销售盈利。
趋势：医院、数据、设备三者结合，才能完全表现出大数据和可穿戴优势。而可穿戴设备需要处理续航、数据处理、采集、传送和给对这些数据进行分析计算机能力是整个行业发展关键。
如借鉴“小米”商业模式，将现有医学级可穿戴设备进行低价或成本价销售，以此扩大医学级可穿戴设备用户使用率，提升设备整体市场影响力，同时强化医生专业化后续服务，为患者制订定制化医疗服务方案，依靠服务方案盈利而非靠硬件销售盈利。
从现在全部数据和现实状况分析，做基于健康类智能硬件和服务是未来一个很明朗大趋势。只要一个生命体征监测做很正确，服务深得人心，有了一定用户积累以后，就能够很方便地去做健康类垂直领域，其它类监测也是一样。
垂直领域先行者——杀手级应用+逐步构建垂直领域生态
结合可穿戴医疗设备发展现实状况，值得探索商业模式包含：
（一）设备销售--向用户收费让用户产生依靠感，产生不一样于智能手机全新用户体验；在可穿戴设备设计上，重视美观和时尚，使可穿戴设备时尚界追逐热点；用白金/翡翠等制造或点缀可穿戴医疗设备，将其打造成奢侈品，从而以较高价格向用户出售。（二）软件销售--向用户收费可穿戴和医疗设备厂商能够建立类似iTunes健康软件平台，销售基于监测数据健康指导/游戏软件，取得销售分成。
（三）个性化服务--向用户收费能够为用户提供个性化远程服务，依据可穿戴医疗设备搜集数据，由三甲医院医生经过视频为农村脑瘫儿童提供康复指导；由健身教练经过视频向减肥者传授量身打造健身操。
（四）正确广告投放--向企业收费经过对用户监测云端“大数据”分析，向用户提出有针对性改善提议，为相关厂商进行正确广告投放。
可穿戴医疗设备即使技术层面已经有所突破，但大多数产品仍处于试验期或推广早期，且价格偏高，商业模式仍处于探索阶段，寻求能够产生增值效益商业模式对可穿戴医疗设备厂商成为行业龙头尤为关键。
（五）研发服务--向科研机构收费可穿戴设备厂商可充足利用云端“大数据”，为药企、医疗器械企业、研发外包企业、高校研究机构等提供研发服务。
（六）帮助医院建立数据中心--向医院收费可穿戴医疗设备厂商能够帮助医院建立数据监测中心，为医院提供患者远程监控服务、预约服务及自动分诊服务，根据联网会员数量向医院收取服务费。
（七）医生再教育--向医生收费中投顾问在《-中国可穿戴医疗设备市场深度调研及投资前景估计汇报》中指出，个体化监测积累大数据能够经过分析和归纳成为医生再教育一部分，医生未来知识不仅起源于书本，更来自大数据分析后得到应用性极强知识。医生能够自主从大数据库中发觉问题并寻求对策，这将成为医生获取知识关键路径。
（八）和保险企业合作--利润分成可穿戴医疗设备厂商能够经过和保险企业合作取得广大用户群（利润分成）。保险企业首先可降低长久保费开支，其次可采集医疗大数据开发个性化产品。 一家美国创业企业发明了智能袜子，这款智能袜子能够将数据实时传输到手机里，经过长久动态数据分析得到是否发生病变，假如发生病变会第一时间提醒。因为有些糖尿病患者会产生一定程度脚步肿胀，假如不立即发觉和诊疗可能会引发感染或截肢，这款智能袜子起到了实时监测作用。
3.3 交通：智能车载
? 行业现实状况
调查表明，中国现在有42%车主装配有车载智能系统。在装配有车载智能系统车主中，中国车主对相关功效使用频率远高于欧美车主。
中国车主对各功效使用除了传统倒车影像、蓝牙免提等功效外，车主对大触屏、联网功效需求正在增强。网络浏览资讯、在线地图导航、在线音乐等使用频率全部比较高。
就现在现实状况而言，智能汽车大多是针对汽车和用户本身经过多种移动终端进行交互设计，更多是人车交互。
? 未来趋势
未来车联网，本质是以汽车为节点信息系统，经过汽车搜集、处理和共享大量信息，实现车和路、车和车、车和人、车和城市网络相互连接。车联网是未来发展方向，然而车联网实现终究是以智能终端发展为载体。
分析人士认为，首先，未来车联网以语音输入和车载终端互动方法仍然是车载终端发展时尚；其次，导航技术将愈加直观易用，传统静态导航将逐步被动态导航所替换，3D导航、实景导航和在线化方法全部将成为未来发展方向。
对于汽车后市场厂商来说，立足于车载智能终端开发和应用，经过对车辆和用户信息动态管理，把握先机，才能在大数据时代成功淘金。后市场企业正在主动进行布局，在人机交互、功效融合、系统订制、车机手机互联等方面全部取得了不错进展，伴随技术逐步成熟和厂商不懈努力，到时车载终端市场将会迎来另一波发展高潮。
车载媒介大多是以声音为主传输媒介。未来移动音频将会成为更多用户车载媒介选择。
车载硬件基础普及使得泛用型手机投屏服务迎来爆发。苹果Carplay和baiduCarlife是现在关键手机投屏服务商。
伴随语音助理智能程度提升，和汽车操作相关功效开发，车载语音输入操作交互方法深入发展。
新车品时代：线上消费升级。电商渗透率增加快速 。汽车后市场“线上化”较同年一季度末渗透率上千了32.64%，增加快速。
男性消费者主导汽车后市场“80男”是主力，90后在追赶。网购车主两端化，集中在“大城” 或“小镇”。
? 车载产业链? 商业模式
技术算法驱动者——技术层+场景应用
IT和电子消费品厂商将愈加完善人机互动技术（HMI），这将提升消费者对汽车内HMI预期。
未来是车载信息平台是人、车、环境充足交互，集电子、通信、网络、嵌入式等技术为一体高端车载信息综合显示平台。车联网向纵深方向发展，硬件基础功效无偿，基于用户数据挖掘和增值服务将成为未来关键赢利点。Analysys易观分析认为，语音交互在车载场景中存在刚需，也会成为最先爆发领域。而车联网纵深化发展，将会衍生出硬件无偿，靠个性化增值服务盈利商业模式。
汽车厂商将沿数字化价值链上下游深入延伸不停创新商业模式和业务类型。
车联网数据 + 车主特征数据，拓宽汽车后市场服务，实现正确营销
寻求突破点进行用户数据和行车轨迹挖掘和变现
? 实际案例3.4 教育：智能机器人
? 行业现实状况
教育机器人首先面向学校机构，期望成为教学辅助工具；首先则面向家庭，期望在陪护和教育之余切入更多服务空间。
而教育却因为本身专业性、系统性及教育机构垄断性更难立即打通。教育机器人消费者和用户是割裂，为了提升认知度，不少教育机器人开始做教育内容和课程研发，以此深入匹配教育机构场景，提升教育机器人教育属性；而教育陪护类机器人也逐步走进学校，提升教育能力。
教育机器人产业大致可分为以下三种形式：
首先，是以能力风暴为代表，中国自主研发优质教育机器人品牌。这类品牌以国际优异教育理念为指导，以智能机器人为课程载体，全方面培养孩子成功效力（分析能力、发明能力和实践能力平衡）。它还充足考虑了中国青少年成长特点和中国教育特征，开发出完善、可连续发展产品体系、配套教材，并提供老师培训，为中国学校和培训班提供完整处理方案。
第二类是来自欧美或韩国众多“进口品牌”。这类品牌存在最大问题在于其产品体系受到第三方牵制，可能有一定滞后性和不足，课程方案也会存在一定断层，可连续发展性不强，对于青少年教育价值也会受到相正确影响。另外，这类品牌和中国教育市场尚不能完全无缝对接，对于进入学校课程体系存在一定隔阂。
第三类是跟风市场模拟品牌，这类品牌缺乏底蕴和教育理论基础，往往以产品为重，不过产品体系不具完整性更无特征，该类品牌显然无法带给孩子应有教育价值。
? 商业模式
技术算法驱动者——技术层+场景应用
一站式处理方案助力高效产品化
智能家教机器人
在产品冷开启阶段有效降低用户购置门槛吸引大量用户（ 利用2B和2C渠道快速积累大量用户），成为未来母婴和教育消费新入口。到时叠加增值服务进行商业变现。经过积累海量用户数据，连续优化用户体验，提升产品竞争力。
智能教育机器人：
前期无偿（利用2B和2C渠道快速积累大量用户），后期考虑收费。学校渠道推广；基于流量广告业务。
建立教导系统，补充课堂教学 + 学习社交平台，筛除低质量内容 + 创建定制教科书和练习，个性化教学风格
教育零碎辅助工具 > 教学步骤系统化辅助 > 全方位和老师配合 > 主导教学，老师辅助 > 全智能系统
终生学习伴侣
? 应用场景
分类： 从市场角度分析，教育机器人分为“机器人教育”和“教育服务机器人”
应用场景：教育导向关键研究机器人在教育中应用，包含 STEAM 教育机器人教育或编程教育等；
应用服务机器人教授多种专题科目，称之为 Robot-based Learning；
计算机科学导向关键研究可能应用在教育中机器人技术，称之为 Educational Robotics。
? 实际案例左图：来自30partnerX在火星Oculus基地能力风暴移动系列奥科流思，着重提升语言智能和人际智能等多元智能能力；其含有超强语音识别、人脸识别系统，寓教于乐，让少年儿童在愉快中训练成功效力，提升科技素养。
右图：来自30partnerX在地球Everest基地能力风暴类人系列珠穆朗玛，着重提升少年儿童音乐智能和身体运动智能等多元智能能力；作为类人形态机器人，珠穆朗玛外形帅气，多自由度仿生设计让她和人一样自由行走转弯，能歌善舞，让少年儿童在愉快中训练成功效力，提升科技素养。4设计4.1 人工智能时代带来挑战
需求不确定；
难以判定产品\项目效果；
缺乏数据（市场、用户、反馈）；….. 找2B场景痛点方法
方法1：不仅切垂直行业，还要切更细分垂直场景；两个衡量指标：场景边界显著 & 有产品闭环及商业闭环
方法2：从行业目前痛点入手。例：某医疗AI影像企业，用机器学习做医疗影像识别，提升医?看?效率、降低误诊率。
找2C场景痛点方法
方法1：找AI应用层，AI辅助人工。2B2C更轻易落地，而不是直接服务于C用户。例1：购车bot助手一般消费者 → 选车顾问4S店销售员 → 帮助其找到最适适用户车，引导其利用正确话术步骤
AI技术黑盒技术黑盒，是有内涵和外延。内涵是指这个东西到底是怎么回事，外延从外部输入控制信息，依据她输出信息来判定她功效和特征。
不要试图从从内涵角度了解技术，你最终目标不是技术教授。
首先，能够从效果来定义技术，即它能达成什么样效果。其次，从适用环境来定义技术，即这项技术适适用于什么样环境，环境变了会有什么样改变。再其次，从产品消耗资源来定义它，即假如要实现这么一项技术，要消耗什么样资源，要多少数据；然后假如环境变了，或说假如在资源不够情况下，会产生什么样问题。
另外还能够从团体配置来定义技术。
4.2 VUI-一个新交互方法
伴随技术发展VUI语音交互界面成为了一个新交互方法
对于大部分智能硬件产品来说，GUI+VUI是她们关键交互方法。从效率角度来看，GUI 一个界面上能够展示很多内容，所以更适合做广度展示。而 VUI 更适合做深度展示。对话本身就能够多轮次。假如对话是理顺，用户能够跟机器人进行 10、20 轮对话。但在 GUI 情况下，完成一项任务需关键点击十次二十次鼠标，需要十到二十个页面才能完成这项工作话，你会认为这个设计过于繁琐。
从用户体验上来讲，GUI 会更强调空间感，VUI 更强调时间感。当用户在面对一个GUI界面时候，用户更在意是什么功效在什么位置，关键位置功效会得到更多感知，而且对一些固定位置用户会有预期，潜意识认定某个功效 Button 应该放在什么位置。所以在做GUI设计时候，设计空间感是最关键。
VUI对话式交互并不是发生在一个空间场景里，它是发生在一个时间场景里。所以用户会对时间流失有感受，会对哪个内容在先，哪个内容在后上有感受。
从预期 (Anticipation) 角度来看，大家对 GUI 感受是公共。在 GUI 上做个性化推荐这件事，期望做到千人千面，但用户普遍预期还是，我看到东西跟她人看到东西是一样。不过对于对话这件事大家没有这个预期。几乎在每一个对话中，用户对这个对话预期全部是个性化，认为对话机器人应该针对我说部分我所预期东西，由此用户会有更强参与感。
人阅读文字速度能够达成500~1000字每分钟，说话时语速能够达成200~300字每分钟，所以视觉阅读文字信息能够达成听觉2-5倍。
人关键经过点击和手势方法和GUI进行交互，至于人在做什么其实计算机是不知道，它只是将点击和手势转化为坐标和操作两种数据，再给对应响应事件，比如打开链接、获取数据库信息。
人经过对话方法和VUI进行交互，对话过程中使用自然语言属于非结构化数据，VUI要给出正确响应事件必需要先了解人类在说什么，更关键是在想什么。
GUI信息架构包含了页面和步骤，页面里包含了多种布局和结构；而VUI信息架构只有步骤，所以GUI信息架构要比VUI复杂。因为页面操作限制使GUI无法随意切换毫无相关步骤，而经过对话交流VUI能够做到这一点，在导航便捷性上，VUI更胜一筹。为何要将GUI转换为VUI？1.现有互联网绝大部分内容和数据全部和GUI信息架构和代码相关，所以我们没有必需为两个界面做两套内容。2.这有利于人工智能助手发展。
在转换策略上我们能够借鉴成熟无障碍规范指南——a11y，部分内容是为失明人士提供帮助，能够将界面内容转换为声音内容。
当然GUI和VUI应该是相辅相成，它们一起完善了我们交互场景
可感知性：
可感知性：为全部非文本内容例图片、按钮等等提供替换文本，使其能够转化为大家需要其它形式。现在通用做法是为图片、按钮等非文本内容增加描述性内容
苹果旁白并不是会读出框中全部信息，而是读出关键信息，如店名会被省略，增加了深圳包邮这条图中没有信息。
适应性：
以上内容一般人花几秒就能够看完；假如以VUI形式进行交互，首先VUI不知道从哪开始读起，其次是用户没有耐心听完全部内容。为何？因为GUI结构有横纵向两个维度，VUI结构只有一个维度，用户在GUI上阅读次序无法直接迁移到VUI上，所以a11y期望页面设计时能够采取简单布局，GUI和VUI采取相同结构，避免丢失信息或结构。
可导航性：
在可导航性上，a11y期望网页提供一个机制能够跳过在多个网页中反复出现内容模块。在这里我有新想法：能够直接跳过无需朗诵内容模块，比如淘宝导航、专题市场、登录模块，因为用户使用淘宝VUI关键需求为搜索物品和获取优惠信息。同理，是不是能够增加一个“跳过”属性，当VUI阅读到该位置时能够直接跳过，当用户有需求时，能够经过对话形式对该位置内容进行交互。
另外，还能够为大段内容如新闻、介绍等增加“文本摘要”属性，当VUI阅读到该标签式，自动使用文本摘要功效。
4.3 VUI设计标准和方法
选择正确用例用户能够立即回复出来。那些需要常见信息输入操作，如基础用户信息位置、时间和日期。当用户被问询到她们已经知道信息时候，她们能够很快地作出回应，VUI也能够快速存放而且最大程度地降低耗时，把时间留给接下来操作。
快速、同时是强有用。这种类型业务通常花费时间极少，但却能够给用户带来很多好处。比如，在几秒内订一个餐然后半小时就送达了，或叫一个出租车，然后车在几分钟内就到了你家门口。其它类快捷用例可能还有查找答案、进行快速计算、统计或跟踪信息，或任何能够不用打断你做另一个任务事情。
本质上更适合语音。这些事情通常情况下大家会更期望以“解放双手”姿势来完成，比如正在做饭听烹饪菜谱或在开车时候写心情日志。
选择正确用例：适适用例通常简单直观，不会过于复杂
创建人物角色
在设计你对话界面之前，思索你对话想带给用户什么样感觉。假如你在做一个有趣游戏，你能够会用一个调皮语气说话。假如你在做一个新闻朗诵器，你可能会使用一个更严厉语气。
VUl设计应该要针对单人语音助理（或其它任何在对话中作为对话发明者角色）心理模型。用户研究将帮助我们愈加好地了解这个心理模望，所以我们要为“人”设计，而且让设备遵照。
人物角色能够帮你设计和编写对话，尽早地选择人物角色能够帮助你更轻易选择适宜词语，语法和结构。请记住，不管你是否计划为你机器人发明人物角色，用户全部会从话术中感知出一个性格，这是一个为你品牌打造一个你期望“独特体验”好机会而不是仅仅依靠运气。
编写人物角色：经过VUI对话和功效来保持整体一致性、独特品牌展现和性格
编写对话
一个能够让用户顺利进行“理想步骤”。
其它用户可能采取，不过终点和“理想步骤”一致步骤。
当用户做部分意外事情时候，需要对话补救步骤。
用户聊天中途退出，或用户完成所需操作后所需话术步骤。思索怎样确定一组对话结束。
和用户打招呼，通知用户怎样调用不一样功效话术步骤。
了解对话三类需求
1.基础问答需求。能够描述为：我有一个问题，请你回复我。
2.任务步骤协作需求，以达成某种目标为止。能够描述为：我想请你帮我买一张明天下午14:00-18:00出发，北京到上海机票
3.共同情感建立。聊天目标极难定量量化，我们更多是尝试定性地去制订聊天目标。可能是心情不好需要人陪，也可能是好事情需要向好好友分享，我们需要对话来表示进行最直接即时表示。封闭域对话设计逻辑延续自“IFTTT（if this then that）”，是workflow进化交互形式，大多数封闭域对话全部会设计地如同助理或秘书，譬如阿里小蜜，baidu度秘。封闭域因为拥有特定目标性，往往全部是在单一确定场景里。封闭域有一个很关键问题，就是用户可能随时跳出封闭域，开始聊其它话题，或不根据预设规则逻辑出牌，所以边界处理很关键。
在人人网上横空出世“小黄鸡”算得上是中国最早出名开放域对话机器人，其后发展最好当属微软小冰。开放域对话最大特点是：输入无法穷尽，造成输出无法穷尽，而且对话没有确切结束点，无步骤可言。
我们通常情况下想去考验一个机器人是否智能，通常考验就是开放域对话。开放域对话机器人有两个产品陷阱，一是面向用户机器学习，二是无人为引导个性。
明确AI对话聊天产品分类
技术视角：“开放域”和“封闭域”
用户视角：“教育版本”、“医疗版本”、“二次元版本”等等
业务视角：2C和2B2C
编写对话思索逻辑
一、处理基础交互问题，让用户能开始对话（1~10轮）
1.Q/A数据，或正则表示式（20%问题覆盖80%对话量）
Q/A数据
Q：图灵机器?人CEO是谁A：俞志晨---------------正则表示式
"^The"：表?示全部以"The"开始字符串（"There"，"The cat"等）；"of despair$"：表?示所以以"of despair”结尾字符串；……
2.限定语句模式（用户语言习惯太开放）通常疑问句，或选择疑问句比如“?好友，你是男孩还是女孩？”3.限定对话逻辑（多轮对话太发散）
二、处理数据和架构问题，让用户能连续对话（10+轮）
对话为何能连续？
1.最少有一方需求没有得到满足
2.双方相对平等
1.AI+人工（缺回复，好回复数据还不存在）例：某儿童机器人家长经过apppush对话内容到机器人——儿童认为是机器人说。
2.主动交互（缺问题，用户没话说了）
3.架构设计例：对话架构——每个query让一个能接得住feature接住，不然往下掉，直到“万金油答案” 。
4.数据驱动微创新例：在连续对话流里，同一个模板，应该避免出现2次。
三、处理需求问题，让用户能长久对话（超出1周）
1.问答决议树不停提供交互过程，刺激用户（或AI）发觉用户真正需求；因为AI机器人不可能完全知道用户当下需要什么。
2.情感（文本、语气语气、表情肢体语言）通常情况下，用户容忍度低；但有情感时，用户容忍度高
3.内容/IP
设计标准
保持精简尊重用户时间，直达关键而且快速完成它。
给她们信任大家知道怎么说话。不要尝试告诉她们怎么说话，或把词句塞到她们口中让她们照着说，应该专注于以自然方法来推进对话。
优化相关性对用户目前需求和用户可能处理环境要保持敏感，内容上要和此相关。
喜于聆听，不过不让人分心当给VUI添加性格时，确保它不会过分夸大从而干扰用户任务。
照料低端用户同时吸引高端用户为大众设计并不意味着给最底层用户设计。
话轮转换（Turn-taking）不要过早地收回你话轮。假如你正在问用户一个问题（此时轮到你说话），不要向用户扔额外指令，这会妨碍她们回复你问题。
不要猜测用户心理告诉用户事实，让用户自己做选择。