智能音箱最核心的东西是什么？
其实这个答案很明显了，从它的名字上就能看出来，智能音箱最重要的肯定是智能。
也有的人说是音箱二字，其实能被成为音箱的，音质都很重要。
就像如果去参加全国厨艺大赛，人们的聚焦的点肯定是做出来的美食好不好吃，而不用考虑做出来的东西到底能不能吃一样。
如果不能吃的美食那还叫美食吗？智能音箱也一样，如果都不能成为音箱，再高的智能又有什么用。
智能音箱最终是靠声音体现它自身的价值，如果唱个歌曲还带着刺刺拉拉的电流声，高音上不去，低音下不来，除了能制造噪音，别无用途。
之前林奇见过某互联网公司在制造智能音箱之前做的一个问卷调查，里面有一个问题是这样的：
对于一款智能音箱，您最看重的项目依次点击排序。然后下面给出来了几个选项，内容丰富；支持控制的智能家居设备多；音质好；品牌有名；外观好看；价格便宜；反应速度快；功能多。
林奇反复了确认了一遍，没有智能这个选项，林奇想破了脑袋也想不明白，为什么智能音箱的问卷调查没有智能。
难道是他们认为这个是智能音箱的标配，就像音质那样吗？那去掉的也应该是音质而不是智能好吧，每个公司的造出来的智能音箱里面的智能可是天差地别。
所以林奇决定先编写智能音箱的最核心的东西——智能模块。
与所有的智能音箱一样，林奇决定把智能模块放到服务端。
如果智能音箱不联网，它可以使用一些简单的功能，比如可以定时，可以定闹钟什么的。
但是如果涉及到交互就不行了，比如你问他一个简单的问题后天的天气是什么，“他”（拟人化，有的时候“它”、“他”会混着用）就回答不上来。
智能音箱可以分为智能和使用方面还有硬件三部分。
智能是所有的智能音箱赖以生存的土壤，硬件是他的载体，使用方面则是一些使用方面的定义等（比如唤醒词，比如周围的环境音干扰……）。
林奇在写智能软件后端的时候就要考虑到一些使用方面的问题，比如第二智慧科技的智能音箱是否需要唤醒词。
现在所有的智能音箱都有一个唤醒词，不论是4字5字还是6字的。
为什么会有“唤醒词”这个奇怪的东西，唤醒词是怎么来的。
经过查询资料，林奇了解到了唤醒词的故事。
和智能音箱在对话的时候，就像你和一屋子的同事在说话，有问有答。
你对同事喊道“小明。”
小明听到了就会抬头看着你，表示在听。
你接着问，“今天我们叫什么外卖？”
小明打开手机翻看了一圈，“要不我们吃黄闷鸡米饭。”
“我昨天刚吃过。”
小明……
人们和智能音箱的对话也类似，可以分为五个步骤——唤醒、相应、输入、理解、反馈。
第一个环节就是唤醒，智能音箱是实时的在那里待命，就像一个警戒的“猫鼬”。
“小黑。”你叫了他的名字，他就会把耳朵竖起来听你讲话，否则你说其他什么任何话语他都处于神游的状态，这是在假设现在的智能音箱都遵守隐私，不会实时监听我们说话。
因为这个是第一个环节，所以唤醒环节的体验在整个语音交互的流程中起着至关重要的作用，它的体验好坏将直接影响用户对产品的“第一印象”。
林奇对此深有感触，他买了很多的智能音箱，有的音箱他喊了好几次才有回应，而其他的响应比率就比较高。
在长期测试下来，林奇更倾向于使用唤醒率高的那些智能音箱，而唤醒率低的慢慢就被林奇遗忘了。
其实上面的举得那个例子也不是特别恰当，如果办公室里面就你和小明两个人，你就不需要先叫小明的名字，然后在问出来问题，否则会显得很别扭。
办公室明明就他一个人，你还在叫一遍名字，会显得多余。
智能音箱之所以一定要有唤醒词，归根到底还是因为他不够智能，如果他足够智能的话，就能自己判断是否是在和他对话，他就知道改如何响应了。
关于唤醒词这个东西，市场上还有专门的研究人员对这个做了研究。
除了唤醒词本身的含义外，他们还从多个方面入手研究。
比如“名字+名字”的叠词式组合方式最受用户喜欢，而“品牌+名字”的组合方式最不被用户喜欢，还有“小+字”的名字最受用户喜欢。
甚至还从声调、声母和韵母这几个方面都做了调研研究。
研究了这么多的唤醒词，林奇发现扳手公司对此有自己“独特的理解”，他们发布的智能音箱，除了用语音唤醒之外，还能支持触摸式和遥控器式的唤醒。
虽然这种方式是一种创新，但是林奇并不赞同这种“创新”，本来智能音箱就是一个语音交互，为了让人们省事。
可以想象，在家中你想换一个唤醒音箱的方法，然后就跑去音箱旁边摸它一下，把他唤醒了，但是反正都要说话，还不如直接就叫它名字。
这也还好吧，多一种选择，无非多一些设计多一些钱。
但是遥控器唤醒就有点……
语音交互的本质是为了节省用户时间，让用户感觉到舒服，这倒好，给配了一个遥控器。
遥控器是一个容易丢