生成式 AI 为什么总把智能家居弄得不太“智能”？

它更会聊天了，却不一定更会开灯

生成式 AI 让智能音箱更能听懂人话，却没有同步让它们变得稳定可靠。亚马逊推出 Alexa+ 时，曾希望用户可以用日常表达控制设备：不必说“把卧室 2 的 Hue Light 3 调到 45%”，只要说“把灯调暗一点”即可。

但多份评测和用户反馈显示，Alexa+ 仍存在漏洞、延迟、指令失败，以及一些过去更可靠的功能如今需要反复改口才能完成的问题。

这其实并不矛盾。聊天需要理解上下文、允许发挥，也要容忍一定程度的模糊；智能家居控制则恰恰相反：必须选对设备、执行准确、响应迅速，而且每一次都一样可靠。

根本问题：两种架构追求的目标不同

较早一代的语音助手，通常会把识别到的固定短语或意图，匹配到预先定义好的动作。例如，将卧室台灯亮度设置为45% 可以直接对应某个设备集成和固定参数。这样的系统能力有限，但因为路径狭窄，结果相对可预测。

生成式助手在真正执行动作前，要做更多判断。它需要：

1. 推断用户究竟想表达什么；
2. 找出对应的房间和设备；
3. 理解上下文中的指代；
4. 判断设备支持哪些能力；
5. 生成正确的 API 或工具调用；
6. 再把请求交给智能家居平台及其各种设备集成。

每增加一次交接，就增加了一次出错机会：设备名称可能被理解错，参数可能无效，设备状态可能已经过期，服务可能超时，第三方集成也可能没有正确响应。

乔治亚理工学院教授马克·里德尔曾概括这一取舍：大语言模型能理解更多表达方式，也能处理更开放的交流，但开放性同时带来了更多解释错误的可能。 有关智能家居的报道也将旧式的模板匹配，与基于概率运行的 Transformer 系统进行了对比；后者面对相似请求时，可能给出不同的处理结果。

为什么越是简单的指令，越容易暴露问题

“把台灯调暗一点”听起来很简单，因为目标结果很明确：选中一盏灯，设置一个亮度值，并确认设备真的完成了变化。一个听起来很合理、却没有改变台灯状态的回答，在这里没有任何意义。

这正是智能家居与开放式聊天的区别。模型可以说得流畅，却仍可能误解设备名称、选错能力，或者在没有可靠确认设备状态的情况下直接宣称“已经完成”。用户或许能接受聊天机器人先追问一句，但很难接受睡前例程没有启动，或者系统说已经关灯，房间里的灯却依然亮着。

问题还来自产品本身复杂的整合任务。Alexa+ 不只是接入一个语言模型，还要与既有服务以及数以百万计的 Alexa 兼容设备协同工作。报道指出，即使新模型比上一代更灵活、更有能力，这种组合依然很难稳定完成最基础的操作。

波格的 135 项测试说明了什么

科技记者大卫·波格表示，他让 Alexa+ 执行了 135 项任务，正确率“略低于一半”。 这是一项个人实测，不是针对所有 Alexa+ 用户、所有设备和所有场景的受控研究，因此不能把它当作产品的普遍成功率。

但它仍然是一个很强的产品信号。对于一个家庭助手来说，如果日常请求有接近一半无法正确完成，用户很难继续信任它控制灯光、调光器、例程、音乐或其他重复性操作。波格还提到，在一些熟悉的任务上，旧版 Alexa 似乎更加可靠，包括开灯和设置调光水平。

这一区别非常关键：能力范围更广，不代表可靠性更高。 一个助手可能更擅长处理复杂问题，却在用户每天反复使用的少数基础命令上变得不可预测。

延迟本身也是可靠性问题

在智能家居里，速度不是锦上添花，而是可靠性的一部分。墙上的开关不会解释自己为什么开灯，它只需要立刻响应。当语音助手需要等待几秒，用户就会开始怀疑命令究竟有没有生效。

一些 Alexa+ 测试中，个别请求的响应时间最长达到 15 秒。 这类延迟可能意味着请求需要经过更多环节，包括远程推理、上下文处理、任务编排和工具调用。即使设备最终做出了反应，体验也不再像操作一个家电，而更像是在等待某项在线服务先决定“这句话到底是什么意思”。

对于天气查询或开放式问答，等待几秒或许还能接受；但对于开灯、关灯和运行睡前例程，慢且不确定的系统就会让人觉得坏了。

苹果也面临同样的设计拉扯

有关苹果 HomePod 和 Apple TV 的报道，也显示出硬件路线与语音助手软件之间的联系正在变得更紧密。报道称，苹果正在为这些产品准备面向 AI 的 Siri 支持；测试版代码中也出现了与新一代 Siri 在 HomePod 和 Apple TV 上整合相关的线索。

另有报道声称，苹果可能在等待下一代 Siri 体验成熟后，再推出更新版 HomePod 和 Apple TV 硬件。不过，这些仍属于媒体报道，并非苹果确认的产品时间表，因此需要谨慎看待。

更值得关注的不是某个具体发布日期，而是背后的产品逻辑：当智能音箱的价值越来越依赖新的 AI 助手时，一个尚未完成的助手就可能拖慢它所依附的硬件。对厂商而言，这也意味着，不能只因为演示中的对话能力很惊艳，就贸然发布在家庭日常使用中仍不可靠的系统。

更稳妥的方案：AI 做前端，确定性系统负责执行

这并不意味着自然语言界面没有价值。生成式模型非常适合把灵活、口语化的表达转换成结构化意图。真正危险的是，让一个不受约束的模型成为设备执行链路的最终裁决者。

更可靠的架构应当包括：

• 将请求映射到严格的设备、动作和参数格式；
• 只允许调用家庭中真实存在、且设备确实支持的能力；
• 遇到歧义或无效指令时拒绝执行，而不是自行猜测；
• 执行后核验设备的实际状态；
• 当模型不确定或服务不可用时，回退到确定性的传统指令路径。

针对大语言模型在智能家居中的研究，也说明了这些防护措施的重要性。一项评估 13 个模型的实验显示，在特定的无效多设备指令场景中，GPT-4o 的成功率为 0%，即使使用了上下文学习、检索增强生成和微调等方法也是如此。 这项结果只适用于特定实验设置，并不能代表日常使用表现，但它说明了一个基本原则：模型输出在控制真实设备前，必须经过严格验证。

智能音箱的“身份危机”

亚马逊、谷歌和苹果都试图让同一款产品同时满足两种几乎相反的期待。

作为对话伙伴，AI 可以探索、解释、展开话题，也可以容忍模糊；作为家庭控制中枢，它却必须安静、快速、了解当前状态，并且精准执行。

旧式助手的问题，是用户必须学习僵硬的固定说法。新式助手承诺消除这种负担，但自然语言只是入口。每一句随口说出的请求，最终仍然要落到一个具体动作上：一台设备、一次状态变化，以及一次可靠的确认。

如果厂商不能在对话层之下保留确定性的执行机制，那么所谓“更聪明”的助手，就会继续牺牲语音控制最重要的资产——信任。让真实家庭承担未完成系统的测试成本，或许能帮助产品收集反馈，却也等于把消费者变成了付费测试员。