自從人類發(fā)明了計算機，就持續(xù)面臨著一個根本性問題：我們到底應該如何與這類機器交互？拋開具體交互形式不論，我們和機器的交互方式經(jīng)歷了一個從人適應機器，到機器適應人的過程。一旦趨勢切換為機器應該如何適應人，那看待語音交互等最終趨勢的視角，就不應該是機器能做什么，而是說人更渴望什么。
人機交互簡史
自從計算機發(fā)明后，它所能接受的輸入本質(zhì)上就沒發(fā)生任何變化，始終都是類似加減乘除移位這樣的指令。我們經(jīng)常說的紙帶其實并不是交互方式本身，而只是一種載體，紙帶上面就是具體需要計算機執(zhí)行的指令。在那個時代，人是要完全適應機器的，所以必須學會機器的語言，程序員則相當于掌握了機器語言的翻譯。
同樣道理，鍵盤也不是一種交互方式，而是一種輸入設(shè)備。真正的交互方式其實是命令，常見的比如mkdir這類命令，其實可以看成是更多指令的集合，但抽象的級別更高了，可以完成建立目錄這類功能。這個時候，其實也還是人在適應機器，但開始去除人機交互過程中一些繁瑣重復的事情，讓人機交互變得更為便利。
此后圖形用戶界面的出現(xiàn)是一個關(guān)鍵轉(zhuǎn)折。圖形用戶界面讓人機交互徹底向人類一方遷移，屏蔽掉了幾乎所有和機器相關(guān)的細節(jié)。在Windows下唯一還保留了些機器特征的東西，只是開機、關(guān)機、拷貝、粘貼、查找、最大化、最小化、關(guān)閉等少數(shù)幾個命令，其它部分則和我們操作物理世界的東西很像。比如，我們需要選擇一樣東西的時候，我們通常會把他們排成一排，而不管開始菜單還是任務欄都是這樣做的。
同樣是圖形用戶界面，從使用鼠標到觸屏還是有進展的，導入觸屏之后機器的細節(jié)被進一步拋棄，最大化、最小化這些操作就消失了，而只剩下App的排列以及選擇，我們最常用的操作只是點擊和滑動。所以我們可以說從鼠標到觸屏，其實是進一步向人這端遷移。
這背后本質(zhì)的推動力其實是計算能力的富余，但產(chǎn)品設(shè)計者們不再讓這部分富余計算能力只是用來提高性能，而是用來適應人的操作習慣，所以圖形用戶界面可以看成是從人適應機器到機器人適應人的轉(zhuǎn)折點。這其實沒什么奇怪，畢竟人類是世界的中心，所以只要有可能那就必然走到機器適應人的方向上來。
過去不管是用紙帶直接輸入指令，還是用命令行乃至于使用圖形用戶界面，其內(nèi)部是逐步遞進的，雖然表面看差異很大，但基于的是同樣的命令體系，只是在便利性上有較大提升，并沒有導入很多的新東西。
語音交互則與此不同，它一方面集成了老的命令系統(tǒng)。比如，你可以說調(diào)大音量、下一頁、設(shè)定十點的鬧鐘等。這時候它體現(xiàn)的只是人機交互方式進一步向人這端傾斜，提升便利性，這與圖形用戶界面帶來的變化是一致的。
但另一方面它則為交互方式注入了智能屬性，這種智能屬性讓機器進行更多決策，交互不再是精確的。比如，放一首歌，這在過往的交互方式下是不能實現(xiàn)的。這是兩種完全不同的屬性，前者會讓存量市場進行升級，也就是說只要便利性有價值，哪怕沒什么智能它也是可以落地的，后者則體現(xiàn)新的信息整合和輸出方式，會帶來極大的顛覆性。
交互方式背后隱含的顛覆性
交互方式的改進，如果只是帶來純粹的便利性那就只是一個更好的功能，但如果這種交互方式影響了信息的整合與輸出方式，那就會對行業(yè)產(chǎn)生顛覆性影響。典型的就是觸屏對搜索的影響，在鼠標的模式下，搜索是互聯(lián)網(wǎng)的中心，但因為觸摸不能精確定位，進一步催生了App，這直接導致了搜索的中心地位被削弱。
很顯然，注入了智能屬性的語音交互，一定會導致信息整合和輸出方式的再次更迭，那這會對眼下已經(jīng)日趨穩(wěn)定的互聯(lián)網(wǎng)生態(tài)帶來什么影響？
從現(xiàn)象上看，最直接的影響是App會消失了，信息的整合與輸出看起來似乎會經(jīng)歷一個分久必合，合久必分的過程。圖形用戶界面的鼠標時代，信息的整合與輸出其實是大一統(tǒng)的，基本上就是瀏覽器與搜索引擎，然后大的客戶端程序維持一定自己的空間（比如QQ）。圖形用戶界面的觸摸屏時代，信息的整合與輸出其實是分散化的，人們得記住自己要什么然后裝特定的App。語音交互則是更加大一統(tǒng)的，沒有App同時也不會再有和瀏覽器相并列的大客戶端，有的只是輸入一句句話。
什么樣技術(shù)趨勢就會導致什么樣的格局。形象地講我們可以認為搜索、電商、IM的格局是先天內(nèi)置在行業(yè)里面的，然后才是誰是搜索的王者，誰是電商的王者。
在PC時代瀏覽器和搜索處于核心地位，所以就會有Google這樣的巨頭，其它人都要活在它的陰影下面。而一旦信息的整合與輸出再一次大一統(tǒng)化，那就一定會催生新的統(tǒng)治者，而這種統(tǒng)治者的出現(xiàn)，實質(zhì)上意味著現(xiàn)有的巨頭或者小巨頭會被削弱。如果沒有了App，對于O2O甚至出行服務來說，誰掌握了上層的控制權(quán)，誰就掌握了他們的命脈。
現(xiàn)在看來，終局會是這樣，但這個過程非常漫長。
未來三年的交互方式發(fā)展
交互方式的發(fā)展一定依賴于具體產(chǎn)品的銷售狀態(tài)，而終端產(chǎn)品的銷售起量則有兩種模式：一種是智能手機式的，一種則是MP3式的。
智能手機的啟動進程顯然和蘋果有巨大的關(guān)系，蘋果先推出一款標桿產(chǎn)品，然后迅速出現(xiàn)大量的模仿者，最終市場大幅啟動。在手機上整個過程歷時4年～5年。MP3則與此不同，先是出現(xiàn)各種形狀的MP3，沒有領(lǐng)頭羊，市場也啟動了，然后蘋果出了一款體驗遠超其它人的產(chǎn)品。
對語音交互的發(fā)展而言，我們同樣面臨兩種可能性：一種是有人做出了一款足夠爆款的產(chǎn)品，讓語音交互的落地有一個符號性的標志，然后類似產(chǎn)品持續(xù)跟進，產(chǎn)品品類持續(xù)拓寬；一種是沒什么標志性的產(chǎn)品，但交互方式極為寬泛、不停地在各個行業(yè)進行滲透，累積到一定程度再出各種標志性產(chǎn)品。國外顯然走的是第一條路線，其中Amazon Echo扮演了領(lǐng)頭羊角色。在國內(nèi)則暫時還看不到這樣一個角色，越來越往MP3的走勢偏移。
具體來講，如果是有人扮演領(lǐng)頭羊的角色，那市場會在領(lǐng)頭羊之后高速擴張，因為交互方式的一切細節(jié)都會在領(lǐng)頭羊身上得到驗證，各個公司不會有任何疑慮。但如果是沒有領(lǐng)頭羊的模式，那整個進程就會拖得比較漫長。
也就說未來三年交互方式的發(fā)展，最終會依賴于我們會走到哪條道路上來，眼下來看后者的可能性比較大。因為領(lǐng)頭羊這種事，事實上是具有極大偶然性的，喬布斯這種人是難以復制的，其信徒們似乎都走上了邯鄲學步的套路。
小結(jié)
過去，誰敢說自己是下一個BAT，其實是會被鄙視的，因為客觀條件就不具備，小魚塘里哪會出現(xiàn)鯨魚。但現(xiàn)在交互方式似乎真的提供了這么一個機會，BAT其實也是這么想，所以這種顛覆性更可能只是巨頭間勢力的再分配。
