对中国当下的智能音箱市场来说，抢占入口远比智能更重要。在尝试过手机APP，机器人，智能电视均效果不佳后，智能音箱成了下一个被盯上的智能家居控制中心。
相比传统音箱，具备语音交互，可提供内容服务、互联网服务，以及场景化智能家居的控制能力的音箱称为智能音箱。目前参与到智能音箱大战的大概有几个行业：互联网公司如小米，京东，天猫；内容公司如喜马拉雅、酷狗；技术公司和垂直领域的创业公司如思必驰，科大讯飞；另外还有家电企业，硬件公司等也在跃跃欲试。
据不完全估计，自今年4月以来，包括苹果在内的关于智能音箱、智能语音的发布会已召开了几十场。智能音箱被盯上，一个在于声音产品与语音交互的天然契合，另一个是智能音箱在家居中相对固定又可随意搬动又居于中心的位置，而最重要的一点就是，亚马逊推出的智能音箱Echo的销售量已经超过3000万台，在美国语音智能音响用户中的占比达到70.6%，围绕着智能音箱已经教育了用户并且实现了成功，这对善于模仿的国内企业来说可以直接将Echo的经验拿来复制，而不用再耗费时间和财力去尝试其他的入口。
但在实际使用中，智能音箱操作繁复，语义理解错误的现象时有发生，用户体验远没有商家说的那么完美。“人工智能还处在弱智能时代，智能音箱确实也应用到了一定的技术，吸引更多的消费者尝试，但不能说等技术完全成熟之后再去搭载产品，那时候市场已经被其他产品抢占了。因此商家先拿出试验产品让消费者形成习惯，再不断迭代技术，优化使用体验，再形成一款成熟的产品。”
语音技术是整个智能音箱交互的基础，其好坏必然会对产品造成很大的影响。“天猫精灵”搭载了思必驰的麦克风，“京东叮咚”结合的是科大讯飞的语音技术，小米“小爱同学”的语音识别技术由小米大脑的团队来做，而唤醒语音助手的声纹唤醒技术则是应用了两家外部供应商。
2015年3月，在Echo发布4个月后，京东集团与科大讯飞联合成立了灵隆科技，目标也很明确，打造中国版Echo。此前，灵隆科技CEO魏强和他的同事们一直在探索智能家居的入口级设备，路由器、平板、智能插座、个人WiFi……最终确定了智能音箱这一方向。“智能音箱是近年来在智能家居领域第一个大规模推广的人工智能产品，不论是麦克风，还是语音识别、语义理解、语音合成、多轮对话等，都是目前人工智能的热点技术领域。这些源头技术的研发，需要大量人力物力和长时间的积累。同时，将这些实验室的技术应用到产品上，接受市场的考验，还需要从芯片、系统到网络、后台整个技术体系长时间的打磨和优化。”魏强说。
据千讯咨询发布的智能音箱项目可行性研究报告了解，目前，人工智能技术发展主要解决的是感知问题，以及部分和认知相关的问题。而真正要达到消费者期望的人工智能，还有待对认知问题进行的深入研究。比如对于语义的理解：对于人类来说，正确理解一句话的含义需要大量的背景知识，不同背景知识的人可能对同一句话都有不同的理解。对机器来说，背景知识就是大量的结构化的数据和信息，只有拥有海量的数据信息，并配合一定的算法处理能力，将这些数据进行抽象、分类和整合，才能对输入的一句话做出正确的理解和判断。而这些海量数据的收集、标注，前期多依靠人工去完成的。因此“有多少人工就有多少智能”的戏谑并不是空穴来风。
目前，叮咚音箱在解决语义问题上采用了划分领域逐个击破的方法。“我们首先不针对开放的语义做认知和理解，而是集中在音乐、家电控制和百科信息几个和音箱功能密切相关的核心领域。这样可以在极大程度上提高语义理解的准确率，之后再在此基础上进行扩展，不断增加新的领域，逐步扩充，最终达到全领域的语义理解。”魏强说。
相关研究报告：
中国智能音箱市场调查研究报告
中国智能音箱市场前景调查分析报告
中国智能音箱行业发展趋势分析预测报告