小鱼在家用了三年的时间，做了 2．5 代的产品去验证，去理解用户的需求，去提升我们的认知，去补充我们的能力。在第三代产品的时候，小度在家带屏智能音箱发布之后，我们基本上踩对了点。但这这个过程中，我们也犯过错，我想把我们如何思考产品规划和技术路线规划的一些想法，分享给大家。

以用户需求为导向，寻找差异化价值

先说说产品路线，一路走来我们都在行业的最前沿，没有别人成功的经验可以借鉴，只好被逼着去思考产品的最核心逻辑，要从用户出发，去考虑我们在哪里可以去建设差异化的价值，并且还能够远远超过用户的预期。

第一代产品我们定位是家庭智能陪伴机器人，这代产品我们选的这个点，就是一个一呼即通的家庭陪伴体验，能够让在外的家人，通过他的手机，三秒回到家里陪伴他的老人和孩子。第一代产品里面的助手，是一个非常辅助的功能，当时的技术并不成熟，体验还非常的糟糕。我们的第一代产品，用户的口碑非常好，但实际上销量并没有达到预期，后来我们总结有两个错误：

第一，我们没有考虑成本，把产品做得太贵了，当时卖 3000 多块钱。

第二，就是这个品类的定位，我们一味的去追求实现我们作为产品经理的一些想法，没有考虑供应链，结果就是把受众缩小了。同时，我们给用户设置了非常高的心理预期，却没有达到。

第二代产品分身鱼主要是解决我们的成本和定位的问题。首先成本降了一半，然后我们尝试了两个定位，一个就是陪伴孩子，另外一个就是视频通话。但我们最后还是放弃了这个产品。首先是孩子的留存比较难，其次是公司的资源有限，我们没有办法去拓展那么多的产品线。

通过前两代产品，我们总结了三点经验：

第一，用户对语音交互给他们带来的便利性，其实是非常的认可的。尤其是老人和孩子，他们在家里会非常自然地开始和一个设备进行语音对话。

第二，家庭场景里面的这种内容消费需求是巨大的，而电视和平板电脑其实只满足了他们的部分需求。谁能够在家庭的场景下，能够更加便捷地把家人所需要的内容，更加快速准确地推送，实际上有可能成为在家庭场景下，用户消费内容的一个新宠。

第三，用户最关注的价值，正是我们第一个产品做的「家庭的陪伴」。分离其实几乎是中国家庭的常态了，能够三秒钟回到家里，完全颠覆了之前这种靠打电话然后等待接听的这种体验。

我们在做第三代产品的时候，其实语音技术已经是相对成熟了，我们也看到在中国的市场，智能音箱这个品类已经有快速发展的苗头，于是顺势进入到这个平台里面去。

小度在家是个百倍易用的带屏智能音箱，在它身上语音交互、屏幕辅助，加上摄象头的识别，这些能力组合产生了化学作用。它不但可以一目了然地把用户询问的答案展示在他的面前，还可以把语音回答和屏幕展示动态配合，比如说你听歌的时候可以滚动歌词，比如说介绍一个人物的时候，显示他的图片。比如说他念字发音的时候，把这个字的笔顺显示出来等，还可以告诉你有什么功能，接下来你可以怎么向它发问，去探索更加丰富的内容和服务。我们这一次其实和百度的深度合作，也引入了非常有价值的内容和服务，比如说百度搜索、百度地图、百度百科、图片等等。

小度在家还是一个智能小电视，我们可以完全用语音操控，想看什么片子直接说就行了，再也不用摇控器。我们让视频通讯更加便捷，可以语音操控，你可以语音去拨打和接听，当然依然支持多方高清视频同话，还有一叫即通的功能，颠覆了家庭之间陪伴的体验。我们更可以随意摆放，比如说在厨房边做饭边追剧，在餐桌边吃早饭边看新闻，放在书桌上面边写邮件边看世界杯。

在我看来，智能音箱的市场战争，不仅仅是产品比拼，而是包括品牌、渠道、内容以及服务在内，整个生态的比拼。

在技术发展路线上的思考

接下来说一下我们在技术发展路线上的思考。我们所在的这个领域，语音和语义是改变智能交互的核心技术。其实 2014 年之前，做语音技术的公司不多，而深度学习把大家都拉回到了同一个起跑线上。

其实通过和百度的深度合作，在包括小度在家甚至更早的小鱼在家这些产品上，我们已经打造了非常好的语音交互体验。而解决语义理解，成为了未来发展的核心。

前边我曾经讲到，小鱼在家向来是以用户为导向，如果在某些方向上我们做不到最好，但是对用户体验非常有帮助，那么我们会努力去和能够做到最好的厂商合作。

因为很多这些技术，未来可能都会变成一些开放的基础能力，如果我们做的没有别人好，反而会变成前进道路上的包袱。我们只有专注用户价值，扩大用户规模，在用户体验遇到问题的点上，去找到技术突破的方向才是更好的选择。

对于一家做硬件产品的公司而言，其实最终还是需要去看产品的出货量。从小鱼在家的角度来讲，能够顺利通过做硬件的雷区走到今天，其实本身就是一个巨大的壁垒。

“多模态交互体验”是人工智能落地最高效的一种模式

最后，说一下我们在多模态方向的探索。记得 2016 年在美国做演示的时候，当时吴恩达说过这样一句话：人和机器交流最高效的方式是通过语言，而机器跟人信息传达最高效的方式是通过语音和视觉的辅助。

我们在过去 3．5 代产品的时候做了 4 次大的迭代，Fish UI 4．0 的实际上是一个巨大的革新。我们把语音交互变成了设备最主要的交流方式，而触屏变成了完全的辅助功能。

毫无疑问，多模态交互是人工智能落地的更加高效的形态。在小度在家的产品发布会上，李彦宏将现在的无屏音箱比作了收音机，而带屏智能音箱则是电视。我们相信，随着整个的生态、内容服务的演进，以带屏智能音箱为代表的多模态交互，会是未来人工智能交互的主流交互形态。

今天人工智能依旧处于向前发展的时代，技术的进步会持续的推动着我们去重塑用户体验，重新定义品类。我们认为，人类对智能音箱这个品类的认知，在未来会发生很大的改变。

而人工智能落地家庭，会带来巨大的、原生的新的平台机会。多模态的交互给所有在座的开发者，都提供了一个非常巨大的发展空间和舞台。改变世界的不仅仅是技术，更有技术背后的价值观、使命和愿景。最后希望我们一起打造人工智能落地家庭的未来。