其中，消费者使用过程中的痛点具体体现在，唤醒难度高，一次叫不醒或者误唤醒。距离稍微远一点，天气不好都可能唤醒难。语义识别不佳，响应迟钝，经常答非所问且只能识别标准普通话。待机都会发热，电流声音严重，音箱的音质普通。无内置电池只能接电源，电源线短不方便。手机连接性差，连接不稳定经常掉线，手机自带音乐不能播放，无法点播自动续播。做工材质太粗糙，很多音频需要付费。简而言之，“就是一个可以播放歌曲的闹钟”。

中文的语音识别在技术上不同于英文，难度更大。

此外，中文各地方方言相差巨大，如粤语和闽南语，无形中造成产品“坐标”上的障碍。更为重要的是，国内智能音箱迫切需要改变的就是产品高度“同质化”。思必驰CMO龙梦竹对记者透露，华为智能音箱将会采用思必驰全套的语音技术方案，包括语音识别、语音合成、语义理解、自然语言处理技术NLP，语音对话等。

智能音箱产业链提供语音技术的厂家主要有科大讯飞、思必驰和云知声三家。京东叮咚由科大讯飞提供语音技术支持，天猫精灵、小米小爱音箱(第一代)由思必驰提供全套的语音交互技术。所以，各家智能音箱的用户体验、使用感受从本质上看，差异不是特别大。在关于噪声抑制、混响去除等最为基础、关键的技术方面，Amazon的多麦克阵列和Google的双麦克阵列具有先发和领先优势。

国内智能音箱市场颇为尴尬的一点，还在于东西方文化方面的巨大差异。西方国家听音乐是非常基础的生活诉求，是部分地区根深蒂固的习惯，用户音乐付费的习惯相对成熟。属于刚需市场，市场容量明确。因而，当传统音箱或者蓝牙音箱升级为带有AI功能的智能音箱时，市场接受度比较高。

“东西方文化的差异造就了不同的技术导向和技术测试验证体系。比如，智能音箱在国外的场景主要是客厅和厨房，国内的场景主要是客厅和卧室。”陈孝良说。

同时，亚马逊所设想的解放双手，脱离手机的“语音购物”生态，本身就存在“变现”的悖论。根据The Information相关数据显示，美国只有约2%的用户使用Echo进行购物。更为糟糕的是，在2%的用户中，有90%的人只使用过一次。20%的人使用Echo寻找优惠降价的产品，却从不购买。

对于“千万级”销量的亚马逊尚且不能给市场带来太多的变化，国内“百万级”的阿里巴巴、京东们恐怕一时半会儿也摆脱不了，智能音箱“预告天气、设置闹铃、播放音乐”三大用途的“怪圈”。即便智能音箱获得大范围普及，以国内家庭应用场景考量，其使用率很可能远低于电视。

将“坐标系”拉长，纵观整体智能音箱市场，各种Bug事件层出不穷。

今年 2 月中旬到 3 月初，亚马逊Echo的Alexa声控助手失去控制，发出诡异、惊悚的笑声吓坏用户。用户Lauren Hall留言，没有任何人跟它说话，房间甚至一个人都没有，Echo在家里开始放肆地大笑。几乎同一时间，亚马逊的AWS云数据服务连接中断，致使美国大量用户无法正常使用Echo与其互动。

接着，美国俄勒冈州几位女性之间的私密谈话，被Echo偷偷记录，并随机发送给通信录的联系人分享。波特兰市的一对夫妇也遇到类似情况，两人的谈话内容未经允许，以附件形式发送给了通信录联系人。Echo的Dot Kids儿童系列，在触发成人内容，提取儿童的隐私数据方面，引发了很多家长的担忧。这些事件的背后除了算法的不可控，更在于相关物联网技术运行的不尽完善。

物联网促进了人工智能的发展，被认为是继移动互联网之后的第三次浪潮，智能音箱又是物联网和AI非常细分的一个环节。无论是阿里巴巴的智能音箱购物还是小米的智能家居控制，“即使，商业模式仍然不清晰，技术不成熟，现阶段用户不买账，不断的烧钱。企业都在抢占物联网的入口，不愿意偏离、放弃物联网的赛道。”朱频频说。

针对距离消费者最近的智能家居IoT， 2012 年，三星启动SmartThings控制平台。 2014 年 1 月，谷歌通过收购Nest Labs获取Nest背后的智能家居平台和主导的行业标准组织Thread Group。同年，苹果提出了智能家居系统Homekit，亚马逊推出智能音箱Echo构建智能家居中心。国内，早在 2013 年，小米创始人雷军就启动了“小米生态链”计划。 2015 年阿里巴巴推出阿里小智，以APP作为智能家居生态链的切入点。华为行动略晚，在 2015 年 12 月 12 日才正式发布HiLink智能家居平台。