新“Siri”之战开打，微软、亚马逊、OpenAI已入场

图源备注：图片由AI生成，图片授权服务商Midjourney

新一代个人AI助理之战，终于打响了。

9月，三家公司发布了重要预告，标志着这个节点的到来。这三家公司分别是亚马逊、微软和OpenAI。

亚马逊在21日的秋季硬件发布会上宣布，“老牌”语音助理Alexa终于要升级，融入大语言模型。新Alexa延迟更低，能理解上下文、记忆此前的对话、无需来回唤醒，而且还会越用越个性化。

同样是在9月21日，微软在美国纽约召开秋季发布会，宣布自26日起将逐步给Windows11用户推送系列更新，其中一个重要更新是人工智能助手Copilot。Copilot，正如其名“副驾驶”，要成为用户的数字管家，将出现在Windows11的侧边栏，可以语音对话，允许用户通过其控制PC上的设置、启动应用程序，或是回答问题等。驱动Copilot的是OpenAI目前最先进的大语言模型GPT-4。

没过几天，25日，OpenAI突然放招，发布公告《ChatGPT现在能看、能听、能说》，宣布将在未来两周向付费用户推送多模态新功能。多模态ChatGPT将能基于图片对话，并进行实时语音对话。举个例子就是，你打开冰箱拍张照，就可以和ChatGPT语音畅聊晚上吃点什么。结合ChatGPT已经以App形式登陆安卓和iOS，相比于无所不知的“大明白”AI，此举让ChatGPT更具备个人助理的能力。

除了这三家正式宣布相关产品升级之外，谷歌在上个月被科技媒体Axios爆料，内部邮件显示，谷歌将利用最新的大语言模型技术对谷歌助手（Google Assistant）进行全新改造。苹果也被爆料已经搭建好大语言模型的框架，在对地图、Siri在内的功能进行改造。

科技巨头在个人助理的战场上厮杀，上一次出现这样的场景还是在8年前:Alexa首次发布于2014年，搭载在亚马逊智能音箱Echo产品中。也是在那一年，微软也随Windows系统推出语音助理Cortana，在中国大陆被称为“小娜”;谷歌随安卓4.1推出语音助理Google Now，也就是后来的谷歌助手Google Assistant。那是继2011年苹果随iPhone4S推出Siri之后，紧跟的三款来自科技巨头的语音助理竞品，拉开了上一代语音助理混战的序幕。

然而，最初引起大众极大兴趣的语音助理，近几年已经变成了智能终端必备、但人见人嫌的“人工智障”。随着去年11月底OpenAI发布ChatGPT，流畅的对话让上一代个人助理更加相形见绌。在ChatGPT发布前不久，Alexa被传出亏损、裁员的消息，而在ChatGPT发布之后，微软“杀死”了Cortana，在今年8月将其下线。

上一代个人助理之战告一段落，新一代个人助理的战争已经奏响号角。有了大语言模型技术的加持，这一次的故事会有不同吗?

先让我们官方给出的例子，看看亚马逊Alexa、微软Cortana和OpenAI的多模态ChatGPT是怎样的存在。

接入大语言模型的Alexa，“机器人”味少了。用户可以说得不直白，如“Alexa，我很冷”来让Alexa开空调，也可以很抽象，比如“让这个房间看起来像XX球队的颜色”。用户还可以一次说多个指令，如“Alexa，打开喷头，打开车库门，关闭外部灯光”，Alexa就会识别并执行这些任务。

此外，现在，用户可以对Alexa说“Alexa，让我们聊天吧”，接下来的对话中都不需要再叫Alexa的名字。并且Alexa会记住用户的一些信息和偏好，不必每次都对TA做自我介绍。

在一条演示广告中，用户和Alexa进入聊天模式。用户想要举办一场派对，让Alexa推荐派对主题，然后再依据主题推荐合适的场地。当用户和Alexa商量好一切之后，用户要求“给我的朋友发送下周五晚上8点的邀请邮件吗，神秘一些”，Alexa便欣然答应，并阅读以“你准备好度过一个难忘的夜晚了吗”开头的邮件给用户确认。

比起过去每句话都要叫一声“Alexa”、前后不能有连续、指令必须清晰明确的语音助手体验，新Alexa的确“更像人”了。相信每一个使用智能家居的用户，都受够了变着法地试探怎么说才能让“小X”和“精灵”们听懂指令。

已经被杀死的微软Cortana，也就是我们熟悉的“小娜”，基本上和iPhone的Siri差不多。为你打开某个应用、播放一首歌曲，或者回答你的问题（除了今天的日期和天气之类的基础问题外，基本上是给你显示网页搜索结果）。

而Copilot则更像一个实干型的助手。比如你可以要求Copilot帮你“整理桌面”，它就会把窗口平铺排列;当你浏览网页的时候，可以呼出Copilot让它帮你总结、解释、重写网页的内容;编写文案、总结图表更是不在话下。更有意思的是，Copilot还具备对图片的处理能力，你可以在截图后直接让Copilot进行去除背景、抠出人像等操作。

和升级后的Alexa一样，Copilot的对话体验也更偏“人类”，你可以直接让Copilot“播放让我集中精力的歌”，它就会找到Spotify上的对应歌单。

至于OpenAI的ChatGPT，也在转向多模态之后变得更贴近生活。前文已经提到，你可以打开冰箱拍张照，和ChatGPT讨论晚上吃什么。

在官方给出的另一个例子中，用户给ChatGPT发送了一张自行车的照片，问它如何调低座椅。ChatGPT提醒用户查看车的型号，确认是有快拆杆还是用螺栓固定，并给出详细步骤。用户还是不明白，拍摄了座椅连接处的照片并圈出某部位，问这是不是快拆杆。ChatGPT识别出这是螺栓，并建议用内六角扳手。用户接着发难，拍摄了一张工具箱的照片，询问ChatGPT哪一个是内六角扳手，它也成功识别了出来。

除了日常生活中的问题解决外，由于具备语音功能，可以“说”的ChatGPT还可以给孩子讲睡前故事。更有意思的是，当你与人吵架，也可以把能听会说的ChatGPT摆上来，帮你们梳理思路，解决争论。

不过，不管是新Alexa，还是Copilot和多模态ChatGPT，都有一定的使用门槛。

Windows11操作系统内置的Copilot目前没有收费的消息，应该是免费向用户开放的，但是要等更新逐步推送。而在办公套件Microsoft365上，Copilot属于高级订阅功能，每月收费30美元。

OpenAI的多模态ChatGPT仅向高级订阅用户开放，也就是ChatGPT Plus，每月20美元。

而新Alexa未来可能会收费。在亚马逊秋季发布会之后，彭博社采访了即将离任的亚马逊设备和服务部门副总裁大卫·林普（David Limp），他表示亚马逊“绝对”在考虑Alexa的订阅模式。

林普拒绝讨论Alexa若收费的话定价会是多少，并表示“你今天所熟悉和喜爱的Alexa将保持免费”，但为AI聊天机器人提供动力并不便宜，他承认“在云端进行模型推理的成本是巨大的。”

刚开始打仗就想着怎么收费，这看似急功近利，实际上都是上一代个人助理之战的血泪教训。

个人助理产品早就有，其中的代表是微软在1995年就推出的微软鲍勃（Microsoft Bob），彼时比尔·盖茨(Bill Gates)还是微软的CEO，在那一年首次登上《福布斯》全球富翁榜榜首。但现在回头看，鲍勃显得很臃肿:软件显示一座虚拟的房间，就像一间个人办公室，角落里蹲着卡通狗助手，亲切地问你需要什么帮助。

这条路没有走通，仅一年，微软就用Clippy代替了鲍勃，就是那个浓眉大眼的曲别针，热心肠地想帮你做这做那（但什么都做不好），也不成功，是大家批评嘲笑的对象。

到了2011年，一切都改变了，苹果推出iPhone4S，“附赠”的还有Siri——一个没有实体形象，可以长按Home键呼出的语音助理，可以帮你打开应用，还能回答问题，甚至可以俏皮地给你讲笑话，在当时颇具“未来感”。

科技巨头们闻风而动。在2014年，语音助理大爆发，占据安卓的谷歌推出了Google Now（两年后升级为谷歌助手Google Assistant），占据PC操作系统的微软推出了Cortana，而亚马逊干脆研发智能音箱设备，将Alexa塞了进去。

电影《她》上映了，电影中男主人公和电脑操作系统的语音助手谈恋爱，后者的配音是好莱坞著名演员“寡姐”斯嘉丽·约翰逊（Scarlett Johansson），而语音助手的界面像极了Cortana。电影上映后，《连线》杂志甚至报道有一些iPhone用户认为Siri似乎开始拥有“自我意识”。

到了2019年之前，各家陆续在更多端口搭载语音助手，谷歌、苹果、微软都推出了智能音箱设备，Alexa和Cortana还搞起了合作，可以在自家语音助手那里呼出对方，以实现更多功能。在国内，手机智能语音助手和智能音箱也开始涌现，小度、小爱、天猫精灵等悉数登场。

然而，也是在这个阶段，语音助手越来越普及，大众对其的评价却慢慢从充满幻想，变为了感到失望。在国内，这些语音助手喜提“人工智障”称号。人们在网上发帖询问“Cortana老自己弹出来，怎么关掉啊”，或是分享智能音箱怎么都听不懂“关掉客厅的灯”的简单指令的短视频。

以Siri为例，2018年Vetro Analytics的数据显示，Siri的使用率为19.6%，依赖度仅为11%，每位用户每月平均使用时长只有短短14分钟。

体验差，直接影响着语音助手产品的商业前景。

就在ChatGPT推出之前，2022年11月，媒体Business Insider报道，根据其获得的内部数据，一季度亚马逊Worldwide Digital部门运营亏损超过30亿美元。这个部门包括从Echo智能音箱、Alexa语音技术到流媒体服务的所有内容。而熟悉该部门的人士表示，这一亏损是亚马逊所有业务部门中最大的，而且其中大部分损失都要归咎于Alexa。报道估计，2022年该部门的亏损甚至会达到100亿美元。

Alexa的开局并不差，第一代Echo设备的销量超过500万台。但是其商业模式一直是个问题，所有的语音助手其实都有这个问题:提供了服务，然后呢?2018年，亚马逊预计2021你那每台设备都将亏损5美元。

上一代语音助手并没有很好的货币化举措，再加上交互的体验并不好，Alexa期望可以将亚马逊的电商服务融合进去，但糟糕的体验无法支撑这个愿景，而频繁地询问用户要不要买东西本身又在损害体验。用户到头来和语音助手间的大部分对话琐碎而日常，如今天的天气、日期、打开某个应用等，而这并不能让亚马逊赚钱。

在裁员、亏损的消息传出后，亚马逊表示还是会大力发展Alexa，但是外界看不到什么新的可能。

ChatGPT的出现，让一切都不同了。

一方面是危机，ChatGPT基于大语言模型的出色对话能力，让大众几乎在第一时间就将之与上一代语音助手进行对比，结论就是“太差了”。问题改变，上一代语音助手不思进取、不上大模型，就有可能落后挨打，即便是苹果和谷歌也得忌惮这种可能性。

除了谷歌在今年8月被传出要用大语言模型升级谷歌助手以外，苹果也有类似的传闻。今年7月，名记马克·古尔曼（Mark Gurman）爆料，苹果已经完成了其大语言模型的基础框架，被称为“Ajax”，定位为支持对话式AI系统，并已经将其应用在地图、Siri等功能上，做人工智能改进。

而在科技巨头动作之前，早就有各种整合了大模型的个人助理第三方应用出现。如今年6月，就有人“复活”了微软鲍勃，使用的是GPT-3.5模型，在微软商店上架。

另一方面是机遇。以亚马逊Alexa为代表的智能生态想象，如今在5G加持、大模型支撑之下，实现的可能性前所未有得大。

本次秋季发布会，亚马逊在宣布Alexa将全面升级之时，也已经勾勒出了广阔的前景:亚马逊将大语言模型注入200多个智能家居API，为Alexa提供更主动无缝管理智能家居所需的背景信息。同时，亚马逊要推出工具，允许Alexa控制第三方产品的某些功能，后者无需在智能家居生态系统的工具包中。亚马逊表示，已经和通用电气、飞利浦、小米、iRobot等合作开发这些功能。

但现在要面临的新挑战也是10年前所没有的，AI对于个人隐私和数据安全的威胁正在被重视。不管是新Alexa、Copilot还是多模态ChatGPT，在向个性化助理的方向进发时，将不可避免地触及这一问题。目前，新Alexa发布，亚马逊将利用用户与Alexa的语音交互来训练模型的消息已经在被讨论。

“谁赢得了个人代理，那就是一件大事。因为你将再也不会去搜索网站或去生产力网站，你再也不会去亚马逊（购物）。”在今年5月的一场活动上，比尔·盖茨如是预测。

问题是，究竟会是谁赢下这场战争呢?亦或是像上一代语音助手之战一样，轰轰烈烈之后没有赢家。