十余年來，智能語音一直無法擺脫“玩具”的清冷形象，沒人否認這個技術(shù)的先進性，但如何利用這個技術(shù)賺錢，也沒有人能想清楚。 有研究機構(gòu)預測，智能語音的市場容量至少超過30億美元。和千億美元的市場相比，這只能算是一個小市場。但鑒于物聯(lián)網(wǎng)和可穿戴設(shè)備的廣闊前景，智能語音的入口級意義更為可觀。 智能語音技術(shù)原理復雜，技術(shù)開發(fā)周期長、投入大，進入壁壘很高。
在全球范圍內(nèi)，目前已形成寡頭壟斷競爭格局，僅有Nuance、IBM、微軟、Google、科大訊飛等少數(shù)廠商具備較強競爭力。 我國語音技術(shù)廠商基本分為三類：一是傳統(tǒng)語音技術(shù)廠商，包括科大訊飛、捷通華聲；第二類是互聯(lián)網(wǎng)廠商，包括百度、騰訊、搜狗等，普遍采用戰(zhàn)略合作或者收購等方式，掌握智能語音技術(shù)，推廣語音服務；第三類是創(chuàng)業(yè)企業(yè)，像云知聲、思必馳等，它們專注于某些行業(yè)領(lǐng)域如汽車、家電，推廣自己的語音技術(shù)和產(chǎn)品。 當時，IBM、微軟等國際大公司雖然都把智能語音業(yè)務當作未來的潛力業(yè)務，但他們都只是布局，并不抱掙錢的念頭。這與當時的產(chǎn)業(yè)發(fā)展環(huán)境有極大關(guān)系。
當時，中國無線網(wǎng)絡仍在2G時代，除了客服中心和視力殘疾的特殊人群，語音識別技術(shù)過于超前，應用環(huán)境根本不存在，那些看上去很好的功能都是擺設(shè)。 蘋果的Siri已經(jīng)廣為人知，谷歌“OK Google”的語音控制命令也很搶眼，微軟則在實時翻譯領(lǐng)域占據(jù)主導地位。 經(jīng)過多年積累，語音交互技術(shù)最終成為了上述巨頭旗下的一個重要應用分支，成為它們在生態(tài)系統(tǒng)布局上的一個得力工具。得益于平臺，這些語音交互技術(shù)可以產(chǎn)品的方式直面消費者。
資深業(yè)內(nèi)人士向《財經(jīng)》記者表示，智能語音服務只是一個依附性的產(chǎn)品，必須依靠別的產(chǎn)品而存在，就像豬和毛的關(guān)系。 國內(nèi)最早進入智能家居行業(yè)的集成服務商Broadlink創(chuàng)始人劉宗孺在接受專業(yè)媒體采訪時認為，國內(nèi)的智能家居目前大部分還只是噱頭，因為家電單品之間的智能標準尚未統(tǒng)一，無法互聯(lián)互通。 雖然人們普遍認可家庭娛樂中心將成為繼移動互聯(lián)網(wǎng)之后的又一個藍海產(chǎn)業(yè)，但這個市場多年來始終沒有市場之王的候選人。從互聯(lián)網(wǎng)公司到IT公司再到傳統(tǒng)的家電廠商，涉足這個產(chǎn)業(yè)的公司既合縱連橫又分別競爭，一時顯得有些混亂。蘋果TV的遲遲不能問世，也在一定程度上說明了這個市場的不易和復雜性。
