智能音箱长“眼睛”!亚马逊给Echo Studio装了颗摄像头

物联网展 2026-11-12 09:30
智能音箱长“眼睛”!亚马逊给Echo Studio装了颗摄像头图2


在10月底的亚马逊硬件发布会上,亚马逊一口气发布了五款搭载Alexa的智能家居新品:智能音箱Echo Dot、智能时钟Echo Time、数码相框Alexa Photo Frame、智能显示屏Echo Show 16,以及最引人关注的一款:首次配备摄像头的智能音箱Echo Studio with Home Camera。


249.99美元,比无摄像头的标准版贵了30美元。这不是一次常规升级,而是智能音箱这个品类,真正意义上从“耳朵”进化出了“眼睛”。


音箱没变,变的是“感官”




Echo Studio首次面世于2019年,最初面向追求更高音质的Alexa智能音箱用户。而新版Echo Studio with Home Camera的声学配置与旧款几乎一致:四麦克风阵列、3.75英寸高位移低音单元、三只全频驱动单元、Dolby Atmos全景声、亚马逊专有立体声环绕算法,以及支持无损HD音频、Advanced Room Adaptation房间声学自适应。


换句话说,声学配置、处理器、麦克风,“一个都没动”。唯一的硬件增量,就是那颗1300万像素摄像头。但这颗摄像头,恰恰是整个产品逻辑的支点。


Echo Studio with Home Camera既可以利用摄像头感知你在房间中的位置,随用户移动自动调节音量,让用户在房间各处听到的音量保持一致;也能够充当家庭监控摄像头,用户可通过智能手机远程查看房间,例如查看宠物情况或确认灯是否关闭等。


更关键的是,该摄像头与Alexa+的结合让音箱具备了“视觉理解”能力。例如举起一个桌游盒子,它能讲解规则;举起麦片盒,它能识别并帮你补货;出门在外,它能让用户通过Alexa应用查看房间。


简言之,智能音箱本身没变,变的是它的“感官系统”。


为什么偏偏是“加摄像头”?




智能音箱曾是消费电子领域的绝对风口,经历过一段高速增长的黄金期,市场销量持续走高。有关数据显示,2019年销量同比增幅高达125%。


但高光过后,行业很快步入增长平台期:功能高度同质化、用户换机周期大幅拉长、整体市场逐渐趋于饱和,仅靠“问天气、定闹钟、播音乐”这类传统存量玩法,已经很难再打动消费者买单。


来自洛图科技《中国智能音箱零售市场月度追踪》的公开数据显示,2024年中国智能音箱市场销量为1570万台,同比下降25.6%;对应销售额为42亿元,同比下降29.4%。从2021年到2024年,中国智能音箱市场已连续四年出现销量下滑。


问题出在哪呢?其实,纯语音交互的智能音箱,带着三个天然短板;一是信息带宽低,单句语音能承载的信息十分有限,用户根本没法靠语音精准描述出“我手里这个盒子上印的具体文字是什么”这类场景化需求;二是上下文缺失,只能接收到用户“正在说话”这个信号,却不知道用户当下正在做什么、身处什么样的环境里;三是交互主动性弱,音箱只能被动等待用户发出指令,完全无法主动感知环境变化、提前介入提供服务。


于是,近几年随着AI技术尤其是大模型的快速普及落地,行业厂商把“AI大模型”当成破局的救命稻草。相关数据显示,2025年三季度,搭载大模型功能的智能音箱,市场销量渗透率已经达到33%。


大模型的加入确实让智能音箱变得更“聪明”,对用户指令的理解精准度也大幅提升。但尴尬的是,受限于产品形态,加上其并非家庭刚需品类,升级后的产品依然没能撬动用户的消费意愿——均价上涨,销售额却没跟上。


在这种背景下,亚马逊跳出了行业里“比拼更低硬件定价”的内卷怪圈,选择给一台本来就定位高端、音质公认的旗舰音箱,补上“视觉”这一块拼图,通过新增的摄像头直接获取“用户正在看什么、做什么”的上下文,让AI的推理从“听得懂一句话”升级为“理解一个场景”。


亚马逊为Alexa+装上了“家庭视觉”能力




除此之外,值得注意的还有其背后的Alexa+。2025年2月,亚马逊发布了Alexa自2014年问世以来的首次重大更新:基于生成式AI重构的Alexa+。


升级后的Alexa同时集成了Anthropic公司的Claude人工智能(Claude AI)和亚马逊专有的人工智能模型,不仅能够与用户进行复杂的、具备情境感知能力的对话,还可处理多方面的请求。


Alexa+的核心变革,就是把语音助手从“指令执行机”升级为“能理解、能行动、有记忆的Agent”。而新增的摄像头,正是它从“听懂”走向“看懂”的关键感官入口,是Alexa+能力扩张的物理支点。


新增的视觉能力,直接把音箱从“语音问答终端”变成了一台具备场景理解能力的设备。不管是识别桌游讲规则、识别商品引导复购,还是调取画面回答“狗狗今天有没有出门散步”这类问题,这些新场景的核心共同点都是:语音不再是唯一的交互输入,视觉感知已经提前成为了理解用户真实意图的前置信号。


如果把视野再拉高一层,Echo Studio with Home Camera所标示的,不只是一款产品的功能加法,更是智能家居一次方向明确的范式转移:从“语音单模态”走向“多模态环境感知智能”。


过去的十年,智能家居的主线是“连接”,把设备连上网,让用户用语音指令远程控制。但如今一个真正智能的家,需要的不是等待指令的执行者,而是能够持续感知、主动理解、预判需求的居住伙伴。


而多模态感知的核心价值便在于此,摄像头负责提供完整的视觉上下文,高精度麦克风阵列精准捕捉声音的来源方位,各类环境传感器同步记录空间内的温湿度、光线亮度等环境参数……当所有这些不同维度的数据流在端侧AI芯片中完成实时融合处理之后,设备便拥有了“看懂一个家”的完整场景理解能力。


写在最后




当智能音箱的硬件创新触顶时,亚马逊选择给原本主打音质的成熟旗舰音箱,补上一颗1300万像素的摄像头,就把它从“听音乐的工具”变成“能看家的助手”“能导购的入口”“能感知家的眼睛”。


从单一的听觉入口,升级到视听融合的全感官入口,从过去的被动等待用户指令,进化为主动理解真实场景需求,亚马逊押注的是:下一个十年智能家居的胜负手,不是堆到极致的音质参数表,而是AI对真实家庭空间的深度感知能力。


智能音箱长“眼睛”!亚马逊给Echo Studio装了颗摄像头图4

戳“阅读原文”2027年IOTE物联网展火热申请中~


关于科技区角:国内科技展会垂直内容策划服务商,提供从论坛内容全案策划、会展市场化IP打造到精准专业观众一站式邀约服务,以产业内容吸引高质量B端人群,打通展会从议题设计、演讲嘉宾邀约、宣传预热、精准邀观到供需对接全链路。
声明:内容取材于网络,仅代表作者观点,如有内容违规问题,请联系处理。
摄像头
more
Meta发布无摄像头AI眼镜,试图洗刷“偷拍”污名
戴森这把 3899 元的 AI 牙刷,用摄像头盯着你的牙缝喷水
ChatGPT 推出全新 IUI 界面;谷歌推出试验性 AI 游戏平台 Playground;苹果被曝联合 LG 开发门锁、摄像头等智能家居配件|极客早知道
雷鸟iO发布:无摄像头AI眼镜首发1996元,主打隐私与全天候记忆
造物100#05|给 AI 发外设,戴森派摄像头进嘴、绿联给充电宝开了扇窗
屏下摄像头加持!苹果这1.6万的新品已经是国产的形状了
Meta拟推无摄像头智能眼镜“Luna”,试图化解隐私争议
启境GT7激光雷达太强!摄像头全遮住,依然能看人识车
苹果「摄像头耳机」曝光;小米机器人将亮相机器人大会;特斯拉与 SpaceX 合并预期升温 | 极客早知道
AI时代,艾迈斯欧司朗正在把手机的“眼睛”从摄像头扩展到光谱与空间
Copyright © 2025-成都区角科技有限公司
蜀ICP备2025143415号-1
  
川公网安备51015602001305号