6月29日，美国科技网站The Information发文称，知情人士透露，阿里巴巴正致力于开发一款中文智能音箱，预计最早下周发布。The Information提到，该设备可能接收中文语音命令，让阿里巴巴用户通过语音实现购物，类似于亚马逊Echo的Alexa虚拟助手购物体验。
早在6月上旬，阿里巴巴集团副总裁刘松就曾表示，今年阿里会特别关注三个主题，第一个就提到智能硬件，全球智能音箱带动了智能家居。另外人工智能和文化创业也是今年阿里关注的重点领域。
6月28日，阿里巴巴的发布会邀请函遭曝光，显示阿里人工智能实验室将于7月5日下午2点在北京时间博物馆召开2017夏季新品发布会，主题是“未来 开口即来”，并附有音量按钮。按下后会发出女声：“我在，你说”。阿里方面只表示，将发布一款消费级AI产品，因此外界纷纷猜测此次发布的新品与人工智能语音设备有关，最有可能是一款智能音箱。
如果消息属实，阿里巴巴的这款智能音箱极有可能对标的就是亚马逊Echo和苹果HomePod。除了亚马逊和苹果外，谷歌Home和微软Invoke也是由人工智能技术作为支撑，有人称这几款产品为人工智能音箱“四大天王”。苹果HomePod没有在中国上市，谷歌Home目前也只在美国和英国发售，微软Invoke今年秋季才能上市。此外，国内的百度和腾讯也在布局智能语音产品，京东、小米、联想、科大讯飞、海尔等国内超过200多家公司都已经在研发智能音箱。也有一些企业合作推出了一些产品，例如阿里和漫步者合作的智能云音箱，Sonos与腾讯电商合作推出的产品，京东和科大讯飞合作发布的叮咚，以及喜马拉雅日前发布的小雅音箱等等。同时一些AI创业公司也在智能语音助手领域不断发力。
大小企业扎堆到这个领域，一方面是因为人工智能大热，智能语音技术在逐步成熟中，加上消费者对于语音交互的接受度日益扩展，智能语音产品也就成为了技术落地的一个重要选择。另一方面，除了主打音乐服务的产品之外，巨头更加看重的是物联网的入口，尤其是通过语音交互来切入智能家居，不少企业将智能音箱看成接下来物联网时代的超级产品，认为其能够成为一门非常值钱的生意。
在美国市场，5月份eMarketer发布的市场报告显示，到2017年4月，亚马逊Echo占据了美国智能音箱市场70.6%的份额，谷歌Home占23.8%，其他产品占5.6%。而中国智能音箱市场还处于拓荒阶段，没有形成普遍的社会需求，还没有一款能够广泛打进消费市场的产品。
4月28日，百度DuerOS与小鱼在家联合召开新闻发布会，发布了搭载百度DuerOS的人工智能视频通话机器人“分身鱼”，售价3299元。这款产品可以通过对话方式完成播放音乐、播报新闻、搜索图片、查找信息、设闹钟、叫外卖、闲聊天、控制家庭智能硬件设备等多种秘书功能，完全解放双手，想要用智能语音机器人的形式吃掉家用Pad市场。另外，还有360度人脸识别的能力。
6月22日，腾讯云发布了小微智能语音解决方案，既是一个智能服务系统，也是一个智能开放平台，AI能力包括人脸识别、TTS声音、情绪识别、人体识别、实时翻译、图片识别、人机对话、文本摘要等等，但主要是通过SDK接入方式，对接音箱、机器人等等各种硬件设备，为开发者提供便利。
以上是百度和腾讯的思路。百度的“分身鱼”着重家庭场景，腾讯小微并不面向消费市场，阿里接下来的产品可能与“分身鱼”的服务内容有所重叠。为什么这么说?
今天上午，阿里巴巴人工智能实验室官方微博发布了一条7月5日新品发布会的宣传片，带的话题是#动嘴的时代来了#。“动嘴”能干什么?预告片当中展示了这样的信息——“今天需要带伞吗?”、“平板支撑三分钟”、“巨蟹座今天运势怎么样?”、“想看个搞笑综艺”、“来段小岳岳”、“20分钟后提醒我摘掉面膜”。 通过这些信息，笔者推测，阿里的这款“消费级”新产品，也就是阿里巴巴人工智能实验室的第一个产品，形态上也许会在智能音箱的基础上提供视频显示功能，类似于亚马逊Echo Show或者百度的“分身鱼”，但更多的可能是连接智能电视、PC、手机、平板等设备，成为这些设备的控制器。作为智能语音助手在人们生活的各个场景中提供服务，也许暂时不会与智能家居有太深入的结合。如果能够成为一款便携式的设备与常用的移动设备连接，那么就意味着可以突破家庭场景。
相比起百度和腾讯，由于掌握着大量的用户数据，并且具有购物场景和支付通道，阿里巴巴是距离人们消费场景和生活场景最近的企业，率先将技术推向消费市场，阿里具备这样的能力。去年阿里巴巴力推VR购物，Buy+上线为“双11”造势，Buy+的概念视频放出后，点击量近1.1亿次，双11有超过800万的消费者体验了VR购物。另外，去年年底还推了一拨“AR红包”，虽然没能彻底打通支付宝的社交功能，但是AR红包的风头也一时无两。
所以很可能会如The Imagination推测的，阿里会在新品中纳入语音购物能力。此外，突破应用空间，在家中、车里、办公室，只要是透过互联网设备能够实现的功能，都可以通过语音进行控制，例如购物、搜索、网络社交等等。这样一来，阿里巴巴的新产品在消费市场才能会迅速扩出一片规模。背靠中国市场，阿里将很快成为亚马逊Echo的劲敌。不过这只是一个乐观的推测。
不能带来便利的所谓“需求”都是伪需求。为什么大多数人还不适应智能语音设备?为什么许多iPhone用户仍然不喜欢用Siri?为什么三星Bixby功能那么鸡肋也没有对销量造成太大影响?因为根据目前的技术条件，手动操作大多数情况下比Siri这类语音助手的结果更加精准。目前所有的新产品都是在尝试，需要留给技术完善的时间，更要留给各种各样的产品进入市场、在市场中适应和洗牌的时间。
想要打开未来物联网的场景入口，不管是智能语音产品还是其他的人工智能产品，都应该突破场景的局限，不限于卧室、不限于客厅，更不限于工作和娱乐场景下。将智能音箱定位在智能家居领域本身就是一种局限，所以亚马逊向第三方开发者提供了接口，以扩充功能和场景。
对于阿里即将推出的产品除了以上猜测，还有许多其他的疑问。比如语音识别的交互效率能达到什么程度，反应速度和准确性，也就是说，到底有多智能?另外，中国的语言体系非常复杂，对于方言和少数民族语言能否进行准确识别?在嘈杂的环境下如何进行语音交互?这些不仅仅是阿里的产品面临的问题，也是所有智能语音产品需要解决的共同问题。如果不能突破技术瓶颈，实现精准交互，提高效率，那么不管是百度还是阿里，最终这些产品都会像AR红包一样，烧一把火然后很快在市场上销声匿迹了。