問題唔係 AI 聽唔明你講乜，而係「聽明」同「次次都做啱」之間，其實隔住一大段工程距離。

Alexa+ 同 Gemini for Home 都比以前更識傾偈，亦可以用日常語言建立較複雜的自動化流程。但測試者同用戶仍然不時遇到最基本的失誤：關唔到燈、播錯歌、答錯日期、煮唔到咖啡，甚至升級之後連原本存在的自動化流程都消失。167

出事的，偏偏係最普通的指令

一次對支援 Gemini 的 Google Home Speaker 測試顯示，助手忽略播歌要求、傾偈傾到離題、將星期三講成星期二，仲拒絕關閉智能燈，聲稱自己「無法控制或互動屋企的照明或其他實體裝置」。1

呢啲唔係罕見裝置或者刁鑽情境，而係智能喇叭最核心的功能。

Alexa+ 的表現同樣忽高忽低。有報道指，用戶叫佢啟動咖啡機流程時反覆失敗；亦有人投訴升級之後，原本已經用開的 Routines（自動化流程）不見咗。6734

播歌都可能「貨不對辦」。一次測試入面，要求播放 Charli XCX，結果播咗另一位歌手；另一個較含糊的要求——播放 Lucy Dacus 的歌——就只係將句子當成 YouTube 搜尋字串照讀出嚟，並無真正播歌。36

但情況又唔係話 Alexa+ 完全做唔到。另一項測試顯示，Alexa+ 成功單靠語音建立一個包含動態感應器、露台燈、指定時間範圍同 Ring 相機的自動化流程。33 呢個反差正正說明，核心問題唔係能力為零，而係表現唔一致。對家居控制嚟講，一次令人驚艷、下一次連關燈都失敗，仍然代表用戶難以信任佢。

對話式 AI，點解唔適合直接做控制層？

傳統語音助手大多採用一條比較固定的流程：先將語音轉成文字，再辨認意圖、裝置名稱，最後執行預先定義好的動作。

例如，「關咗廚房啲燈」可以對應到一個已知意圖，再透過固定的裝置控制介面，向廚房燈發出關閉指令。只要裝置名稱同連接設定冇問題，同一句說話理論上應該次次觸發相同動作。

大型語言模型就唔一樣。佢會理解上下文，推測你真正想做乜，再產生一個可能用到的工具呼叫或者 API 指令。Google 自己形容 Gemini 係「non-deterministic」，即係「非決定性」：佢唔係單純跟住一套固定腳本，而係透過推理同推斷作答。15

呢種彈性對開放式要求好有用。你可以唔使記住嚴格句式，就咁描述一個多步驟自動化；亦可以喺對話入面省略之前已經講過的細節。

但當目標係二元結果，彈性就變成風險：盞燈一定要熄、計時器一定要取消、咖啡流程一定要啟動。模型可能揀錯裝置、經由唔兼容的整合服務處理要求、誤解上下文，或者花太多時間判斷應該點做。即使兩次要求幾乎一樣，結果都可能唔同。分析認為，呢種非決定性同家居自動化所需要的可預測執行，本質上存在衝突。3

反應快唔快、可靠唔可靠，比「識傾偈」重要

市場上反覆出現的批評，並唔只係助手會犯錯，而係佢有時比原本取代的系統更慢、更唔穩定。一份分析將可靠性、速度同價值列為 AI 智能家居的主要挑戰。12

其他測試亦提到 Alexa+ 有延遲、答錯問題同漏接指令的情況；Gemini for Home 就被形容為比舊版 Google Assistant 慢，而且有時控制唔到本來應該認得的裝置。56

語音介面的延遲尤其令人煩躁。你叫助手關燈，通常係想即刻見到燈熄，而唔係等佢講一大輪解釋、停頓幾秒，或者叫你再試一次。Gemini for Home 最近有更新，據報將指令延遲降低約 30% 至 40%，但呢個改善本身亦反映出速度仍然係一個持續處理中的產品問題，唔係已經解決的問題。11

較穩妥的設計，應該係混合式架構：由大型語言模型負責理解較自然、較彈性的語句；再由一個決定性控制層驗證裝置、限制可執行動作、對高風險改動要求確認，最後經可靠的 API 執行。

換句話講，語言模型應該係控制系統的入口，而唔應該成為唯一的控制系統。

Apple 同樣卡喺 Siri 未準備好

Apple 亦未能避開呢個問題。公司原本承諾為 Siri 加入更個人化的功能，包括讀取用戶個人資料作答，以及更精準控制 App；但相關功能遇到工程問題同軟件錯誤，原定配合 iOS 18.4 推出的計劃其後被延遲。1820 Apple 之後將目標放到 2026 年春季，相關能力包括根據個人資料同螢幕內容處理要求。19

Siri 的延誤亦影響 Apple 的智能家居部署。Bloomberg 報道，Apple 將一款計劃已久的智能家居顯示器押後，原因之一係產品介面高度依賴新版 Siri，而新版 Siri 尚未完成。17

至於 HomePod 類產品，有報道將延誤同現有硬件未必足以支援較新的 AI 功能聯繫起來。不過，呢啲硬件細節目前仍屬媒體報道，唔應該當成 Apple 已正式確認的產品規格。2125

Apple 推出得慢，對消費者嚟講當然令人失望；但同時亦突顯出呢類產品正式上市前應該達到的標準：日常操作要穩定、反應時間要合理、出錯時要清楚交代，而且硬件要真正支援預期中的體驗。

廣告示範唔等於可以日常使用

生成式 AI 好擅長講出聽落合理的說話，但智能家居助手要交出的答案唔係一段流暢對白，而係屋企裏面正確出現的實際結果——而且要可以重複做到。

呢個分別唔只適用於燈光同音樂。假如助手日後要管理日曆、代人購物、發訊息，甚至控制門鎖同保安裝置，同樣需要可預測行為、安全的後備方案，以及清楚的失敗狀態。否則，用戶買咗產品之後，先會逐一撞上整合錯誤、流程遺失、延遲同各種未處理的失敗情況。

所以，AI 智能家居的競賽，唔應該只係比邊個助手把聲最似真人、最識接話，而係比邊間公司可以將具機率性的語言理解，同具確定性的系統工程真正接合起來。

喺呢件事做到之前，消費者買到的唔只係一件產品，某程度上亦係替公司做可靠性測試的第一批用戶——甚至係付費的 beta 測試員。

問題唔係 AI 聽唔明你講乜，而係「聽明」同「次次都做啱」之間，其實隔住一大段工程距離。

Alexa+ 同 Gemini for Home 都比以前更識傾偈，亦可以用日常語言建立較複雜的自動化流程。但測試者同用戶仍然不時遇到最基本的失誤：關唔到燈、播錯歌、答錯日期、煮唔到咖啡，甚至升級之後連原本存在的自動化流程都消失。167

出事的，偏偏係最普通的指令

一次對支援 Gemini 的 Google Home Speaker 測試顯示，助手忽略播歌要求、傾偈傾到離題、將星期三講成星期二，仲拒絕關閉智能燈，聲稱自己「無法控制或互動屋企的照明或其他實體裝置」。1

呢啲唔係罕見裝置或者刁鑽情境，而係智能喇叭最核心的功能。

Alexa+ 的表現同樣忽高忽低。有報道指，用戶叫佢啟動咖啡機流程時反覆失敗；亦有人投訴升級之後，原本已經用開的 Routines（自動化流程）不見咗。6734

播歌都可能「貨不對辦」。一次測試入面，要求播放 Charli XCX，結果播咗另一位歌手；另一個較含糊的要求——播放 Lucy Dacus 的歌——就只係將句子當成 YouTube 搜尋字串照讀出嚟，並無真正播歌。36

但情況又唔係話 Alexa+ 完全做唔到。另一項測試顯示，Alexa+ 成功單靠語音建立一個包含動態感應器、露台燈、指定時間範圍同 Ring 相機的自動化流程。33 呢個反差正正說明，核心問題唔係能力為零，而係表現唔一致。對家居控制嚟講，一次令人驚艷、下一次連關燈都失敗，仍然代表用戶難以信任佢。

對話式 AI，點解唔適合直接做控制層？

傳統語音助手大多採用一條比較固定的流程：先將語音轉成文字，再辨認意圖、裝置名稱，最後執行預先定義好的動作。

例如，「關咗廚房啲燈」可以對應到一個已知意圖，再透過固定的裝置控制介面，向廚房燈發出關閉指令。只要裝置名稱同連接設定冇問題，同一句說話理論上應該次次觸發相同動作。

大型語言模型就唔一樣。佢會理解上下文，推測你真正想做乜，再產生一個可能用到的工具呼叫或者 API 指令。Google 自己形容 Gemini 係「non-deterministic」，即係「非決定性」：佢唔係單純跟住一套固定腳本，而係透過推理同推斷作答。15

呢種彈性對開放式要求好有用。你可以唔使記住嚴格句式，就咁描述一個多步驟自動化；亦可以喺對話入面省略之前已經講過的細節。

但當目標係二元結果，彈性就變成風險：盞燈一定要熄、計時器一定要取消、咖啡流程一定要啟動。模型可能揀錯裝置、經由唔兼容的整合服務處理要求、誤解上下文，或者花太多時間判斷應該點做。即使兩次要求幾乎一樣，結果都可能唔同。分析認為，呢種非決定性同家居自動化所需要的可預測執行，本質上存在衝突。3

反應快唔快、可靠唔可靠，比「識傾偈」重要

市場上反覆出現的批評，並唔只係助手會犯錯，而係佢有時比原本取代的系統更慢、更唔穩定。一份分析將可靠性、速度同價值列為 AI 智能家居的主要挑戰。12

其他測試亦提到 Alexa+ 有延遲、答錯問題同漏接指令的情況；Gemini for Home 就被形容為比舊版 Google Assistant 慢，而且有時控制唔到本來應該認得的裝置。56

語音介面的延遲尤其令人煩躁。你叫助手關燈，通常係想即刻見到燈熄，而唔係等佢講一大輪解釋、停頓幾秒，或者叫你再試一次。Gemini for Home 最近有更新，據報將指令延遲降低約 30% 至 40%，但呢個改善本身亦反映出速度仍然係一個持續處理中的產品問題，唔係已經解決的問題。11

較穩妥的設計，應該係混合式架構：由大型語言模型負責理解較自然、較彈性的語句；再由一個決定性控制層驗證裝置、限制可執行動作、對高風險改動要求確認，最後經可靠的 API 執行。

換句話講，語言模型應該係控制系統的入口，而唔應該成為唯一的控制系統。

Apple 同樣卡喺 Siri 未準備好

Apple 亦未能避開呢個問題。公司原本承諾為 Siri 加入更個人化的功能，包括讀取用戶個人資料作答，以及更精準控制 App；但相關功能遇到工程問題同軟件錯誤，原定配合 iOS 18.4 推出的計劃其後被延遲。1820 Apple 之後將目標放到 2026 年春季，相關能力包括根據個人資料同螢幕內容處理要求。19

Siri 的延誤亦影響 Apple 的智能家居部署。Bloomberg 報道，Apple 將一款計劃已久的智能家居顯示器押後，原因之一係產品介面高度依賴新版 Siri，而新版 Siri 尚未完成。17

至於 HomePod 類產品，有報道將延誤同現有硬件未必足以支援較新的 AI 功能聯繫起來。不過，呢啲硬件細節目前仍屬媒體報道，唔應該當成 Apple 已正式確認的產品規格。2125

Apple 推出得慢，對消費者嚟講當然令人失望；但同時亦突顯出呢類產品正式上市前應該達到的標準：日常操作要穩定、反應時間要合理、出錯時要清楚交代，而且硬件要真正支援預期中的體驗。

廣告示範唔等於可以日常使用

生成式 AI 好擅長講出聽落合理的說話，但智能家居助手要交出的答案唔係一段流暢對白，而係屋企裏面正確出現的實際結果——而且要可以重複做到。

呢個分別唔只適用於燈光同音樂。假如助手日後要管理日曆、代人購物、發訊息，甚至控制門鎖同保安裝置，同樣需要可預測行為、安全的後備方案，以及清楚的失敗狀態。否則，用戶買咗產品之後，先會逐一撞上整合錯誤、流程遺失、延遲同各種未處理的失敗情況。

所以，AI 智能家居的競賽，唔應該只係比邊個助手把聲最似真人、最識接話，而係比邊間公司可以將具機率性的語言理解，同具確定性的系統工程真正接合起來。

喺呢件事做到之前，消費者買到的唔只係一件產品，某程度上亦係替公司做可靠性測試的第一批用戶——甚至係付費的 beta 測試員。