巨头纷纷押注的智能翻译机，会是第一款成功的消费级AI硬件吗？

Posted 2020-08-13

到了今天，已经很少有人再提人工智能音箱了。使用率低、售价跳水、缺乏销售数据……我们不能武断地说智能音箱凉了，但的确不少所谓的AI企业的硬件梦碎了。

相对于一些盲目涌入AI的公司，一些科技公司似乎找到了另外一条硬件路——翻译机。科大讯飞推出了晓译翻译机、谷歌推出了实时翻译耳机，搜狗也在最近推出了搜狗旅行翻译宝和搜狗速记翻译笔。

开始呈现扎堆趋势的智能翻译机，是否会颠覆智能音箱成为下一个AI硬件浪潮？

打败大魔王，AI消费级硬件当务之急是走出手机的阴影

我们可以先从智能音箱的前车之鉴来看，智能翻译机最该避开哪些坑。

除了产品质量良莠不齐等等弊端之外，智能音箱最大的问题是没有一项功能超出手机功能的子集。播放音乐、语音交互、传达命令，这些功能其实都能在手机上很好的完成，让智能音箱的使用率不断被压榨。

其实不光是智能音箱，现在开始搭载移动AI芯片的手机简直是AI消费级硬件界的大魔王，让很多产品毫无用武之地。智能翻译机也是一样，翻译App已经能满足大部分的消费级翻译需求，翻译机一方面要赶上翻译App文字、图片多种媒介适用的特点，另一方面还要保证离线使用、操作简单和续航时间长，从而获得与手机之间的差异化优势。这很可能会成为让智能翻译机不会重蹈智能音箱覆辙的重要优势。

三次迭代，什么才是智能翻译机的最终形态？

其实这是一个最浅显道理，智能翻译机的产品迭代的方向也一直朝着替代和超越翻译App发展。

第一代智能翻译机应该是以科大讯飞的晓译为代表，主打随说随译。这一代产品其实是最为尴尬的：虽然有强大的自然语言处理技术，可以较为准确的进行翻译工作，但很多功能还需连接手机借助网络才能使用。

这类作为手机外置产品的翻译机和手机中的翻译App比起来几乎毫无竞争力，除了晓译之外，同类产品还有有道翻译蛋、全球译等等。虽然到后来第一代智能翻译机都增加了离线语言的种类，但比起App的拍照翻译等功能，还是差了一截。

谷歌推出的实时翻译耳机Pixel Buds可以被看做第二代智能翻译机，这类翻译机常常以耳机的形态出现，有些需要WiFi/蓝牙与手机连接。同类产品还有IBM Watson和Lingmo推出的Translate One2One。实时翻译耳机相比单纯的翻译机有着更丰富的功能，除了用作翻译还可以当成蓝牙耳机使用，并且翻译速度更快，在双方都配置耳机时可以很好的进行拾音和语音生成，方便交流。但大多数翻译耳机还是作为手机外设存在，自身并不具备真正的翻译功能，甚至谷歌的Pixel Buds只能配适谷歌Pixel手机。

而搜狗推出的搜狗旅行翻译宝，可以说是第三代智能翻译机了。除了提高翻译速度和准确率外，还加入了OCR技术，让用户可以进行实景翻译，并且摆脱了翻译APP对网络连接的依赖。

硬件与软件的胶着战，第三代智能翻译机赢了吗？

在短短的两三年之间，市面上的智能翻译机就已经进行了这么多次迭代，产品形态和功能也都发生了不小的变化。同样的，翻译App也在不断进行升级，从一开始的“词典”发展到可以整句翻译、语音翻译和今天的拍照翻译。你追我赶之中，这一次第三代智能翻译机走到翻译App前面了吗？

首先看来，搜狗旅行翻译宝终于做到了摆脱对手机和网络的依赖，在离线状态下也可以完成翻译工作。做到这一步，就是拿下了最关键的赛点。在旅游场景中，国外、交通工具上都有可能没有网络信号，在商务场景中，有些场合也不适合使用手机。这些需要交流，却无法使用手机和网络的地方，为智能翻译机打开了不可替代的强需求市场，可以说离线功能是智能翻译机的根深立命之本。

除了离线场景之外，智能翻译机一直没法超越的是翻译App多样化的翻译方式。借助手机自身多传感器的特性，翻译App可以对文字、图片、语音多种媒介进行翻译，实用性更高。现在加入了拍照翻译的第三代智能翻译机终于扳回一城，并且在语音翻译的拾音功能上，搜狗旅行翻译宝有着更专业的双麦克风阵列和降噪算法，利用语音增强技术放大原音，即使在噪音环境下也不会有误听误译的情况出现。

从价格来看，搜狗这次推出了两款产品，一款是应用于旅游场景的旅行翻译宝，另一款是应用于会议、课堂场景的速记翻译笔，两款产品的售价分别是1498元和299元。好在智能翻译机的售价没有随着产品迭代水涨船高，这一售价还是相对友好的。除了单纯的售卖模式，很多旅行社也开始提供共享租赁服务，或许未来智能翻译机会通过这一契机走进人们的生活。

高准入门槛和优质的参与者，或许才是智能翻译机的王牌

智能翻译机不会成为智能音箱的另一个原因，就是这一行业较高的准入门槛。

和智能音箱简单的接收语音信号、下达指令不同，智能翻译机的实时离线翻译对机器翻译、语音识别、图像识别、语音生成甚至知识图谱技术都有很高的要求。

就拿在海外餐馆点菜使用搜狗旅行翻译宝这一简单的场景来说，就需要拍下照片进行图像识别，找到其中的文字并翻译成中文，和他人对话时，智能翻译机需要通过定向波束扫描规避噪音，准确拾音并进行翻译。在翻译过程中，还需要拥有相关领域的知识图谱，才能准确的捕捉到俚语、术语、双关语等等人类专属的文字游戏。而想要这一切都在离线状态下进行，还需要强大的压缩技术，让模型得以存储终端中。

所以在智能翻译机领域很难见到类似智能音箱的盛况：各种相关的和不相关的企业都来赶风口。目前智能翻译机领域的参与者，基本有三类。

第一类是专业从事AI技术开发的企业，如科大讯飞和IBM Waston。第二类是拥有巨大用户规模，通过自身产品，像输入法、搜索等业务在知识图谱和语音技术上建起壁垒的企业，比如搜狗、谷歌。第三类，是一些垂直研发翻译产品的企业，像有道云、全球译等等。较高的准入门槛对智能翻译机形成了一种保护，竞争对手都各有优势，不至于出品太过劣质的产品让市场对整个品类失望。

智能音箱留给我们最大的反思大概就是，宁愿在泥土中多蛰伏一会儿，也不要开出畸形的花。如今智能翻译机已经开始破土而出，愿它能结下AI消费硬件的第一枚果实。