圖片來自“123rf.com.cn”

女兒過生日時，朋友送給司蘭一臺智能音箱，是市場上常見的主流品牌的款式，小方盒子、價格不高。司蘭對新奇事物的興趣一般，就隨手擺放在了客廳，倒是6歲的女兒愛上了這個小音箱，總是纏著它講故事。

逐漸地，司蘭對這個智能音箱產(chǎn)生了好感?！昂喼笔呛逋奚衿鳌?，欣喜之余，她開始在淘寶上瀏覽相關(guān)產(chǎn)品，計劃買一臺配置更高、音質(zhì)更好的款式。

直到數(shù)月前的一天，司蘭無意間打開了與智能音箱連接的手機App，卻意外發(fā)現(xiàn)，其中記錄的一段文字，正是自己與丈夫剛剛聊天內(nèi)容的文字轉(zhuǎn)寫。令她驚訝的是，這段對話發(fā)生在女兒聽完故事之后，理論上，音箱已經(jīng)處于休眠狀態(tài)，不應收取聲音，更不應該將內(nèi)容傳輸至手機、并轉(zhuǎn)為文字。

“它一直在偷聽我們家里的談話嗎?”疑慮浮現(xiàn)在司蘭的心頭。家人也對智能音箱產(chǎn)生了忌憚，新機購買計劃自然擱淺，對于已有的這臺音箱，司蘭則選擇了“斷電”，“女兒喜歡聽故事，聽的時候開一會，聽完就拔電源”。最近四、五個月，他們都是這樣使用的。

正在“監(jiān)聽”的音箱

智能音箱第一起廣為人知的“竊聽事件”發(fā)生于美國俄勒岡州。

2018年5月，Danielle的丈夫接到一位下屬的電話：“馬上拔掉你的Echo設備插頭，你被黑客攻擊了!”Danielle居住在俄勒岡州波特蘭市，家中擁有四臺亞馬遜智能音箱Echo設備。當天早些時候，她丈夫的這位下屬接到一份錄音文檔，隨手打開后，卻聽到了Danielle和丈夫在家中的私密談話，夫妻倆正在商量使用哪個牌子的硬木地板。

震驚之下，Danielle拔掉了所有Echo設備電源，迅速撥打亞馬遜客服電話尋求解釋，同時，她將這一事件爆料給哥倫比亞廣播公司。

對于這一事故，亞馬遜給出的回復是“誤操作”，意思是，在運行時，Echo設備將一段對話的內(nèi)容誤解為指令，以為用戶希望將此前的語音內(nèi)容發(fā)送給通訊錄中的某個人，隨即執(zhí)行了這一指令。

Echo是亞馬遜推出的智能音箱，搭載其語音助手Alexa。截至2018年年中，Echo在美累計出貨約3500萬臺;根據(jù)CIRP預測，其市占率達到70%，遠超其它品牌。

頭部產(chǎn)品出事，消息迅速被廣泛傳播和發(fā)酵。不久之后，Echo的第二起“事故”又出現(xiàn)了。一位德國用戶向當?shù)仉s志《c’t》爆料，當他讓亞馬遜發(fā)給自己個人活動的語音數(shù)據(jù)時，卻收到了一個可供下載的100MB壓縮文件，下載內(nèi)容是一份解釋Alexa語音命令的PDF分類記錄，以及1700份陌生人對話錄音。

《c‘t》聽取了其中的部分錄音，發(fā)現(xiàn)根據(jù)對話內(nèi)容，可以“拼湊”出的生活細節(jié)包括：在家和外出的時間，家里其它品牌的智能設備，家中人員的性別，甚至包括用戶沐浴的聲音。

盡管亞馬遜對以上兩起事故均已致歉，卻未能掩蓋一個在輿論中逐漸成型的猜測：作為一款新興設備，智能音箱的“竊聽”或許不僅是隱患、而且真實存在?！八牭絾拘言~就可以啟動工作，那是否意味著，智能音箱正在隨時隨地聽取我們的談話?”司蘭這樣懷疑。

最近數(shù)月中，智能設備相關(guān)的更多“竊聽”事故正在被曝出。今年7月，據(jù)國外媒體報道，蘋果的一名承包商稱，為了提升Siri的產(chǎn)品能力，蘋果會雇傭外部承包商審聽錄音，其中包括了Siri在意外被激活時收錄的私密對話，例如醫(yī)療信息、毒品交易和其它信息。

無獨有偶，同月，有消息傳出，谷歌智能助手會將錄下的聲音文件提供給公司員工，甚至世界各地的谷歌第三方承包商也能定期聽取這些談話內(nèi)容。

對于智能音箱及內(nèi)置于各設備中的語音助手的疑慮正在蔓延，不僅是“竊聽”，智能音箱偶爾出現(xiàn)的自啟動現(xiàn)象也刺激了一部分用戶。從去年起，先后有用戶表示，Echo在未被喚醒時，卻出現(xiàn)了“呵呵”的笑聲，令人毛骨悚然。

類似現(xiàn)象也出現(xiàn)在一些國內(nèi)的智能音箱上。一位用戶透露說，家中擺放的智能音箱多次突然匯報“設備正在進行系統(tǒng)升級，已更新**個應用”，“雖說很正常的內(nèi)容，但家里沒其他人，音箱突然說話，每次都嚇我一跳。”甚至有一次，在她邀請朋友到家中做客，彼此相談甚歡時，智能音箱突然被喚醒了，并毫無預兆地為眾人播放了一首林俊杰的《殺手》。

“帶屏”音箱則帶來了影像方面的疑慮，隨著“竊聽事故”增多，有用戶懷疑稱，自家的帶屏音箱有“回家看看”的功能，既然可以遠程直播家里正在進行的情景，是否也會同時將這些影像記錄下來，傳輸至其它地方?

人們對智能音箱這款新產(chǎn)品的疑惑越來越多。從“它在監(jiān)聽我嗎”延伸至：它休眠時會收聲嗎?收聲之后，是否會存儲和傳輸這些對話?這些聲音真的會被人聽到嗎?以及，它會被黑客攻擊，變成一個“竊聽器”嗎?

謠傳與真相

“最近一年，身邊很多朋友買智能音箱前，都會來問我監(jiān)聽問題”，張思成說。他先后在多家公司的智能音箱部門工作，被朋友們視為行業(yè)專家?！氨容^有趣的是，問完之后，幾乎每個人都還是買了音箱。”

據(jù)張思成及多位熟悉智能音箱的從業(yè)者介紹，智能音箱的識別工作分為“本地”和“云端”兩種情況，在智能音箱處于未喚醒狀態(tài)時，為本地工作狀態(tài)，雖然會收錄外界聲音，但不會對這些聲音進行存儲與語義識別?！皢拘亚跋喈斢谠谧雎暡ㄗR別的工作，”徐家明介紹說，“(智能音箱)將收錄的聲音與喚醒詞做對比，聲波相符時，才會自動打開?！毙旒颐魇且晃恢悄芤粝洚a(chǎn)品經(jīng)理。

張思成否認了“偷偷監(jiān)聽”的傳言，據(jù)他了解，市場主流的多款國產(chǎn)智能音箱無一存在主觀故意監(jiān)聽的情況。

“這是一件成本很高的事情”，張思成認為。他這樣算了一筆賬：假設一家企業(yè)累計售出100萬臺音箱，有20萬日活，如果企業(yè)要啟動這些音箱做24小時監(jiān)聽，就算每秒鐘產(chǎn)生100k數(shù)據(jù)，乘以20萬的話，累計起來傳輸帶寬、存儲和計算的花費相當驚人。

更關(guān)鍵的是，在當前的技術(shù)處理能力下，企業(yè)尚不能將這些龐大而又碎片化的錄音轉(zhuǎn)化為有商業(yè)價值的有效信息。在張思成看來，就算不考慮道德層面，只看商業(yè)利益，企業(yè)也沒有動機去做主觀的信息收集。

據(jù)張思成回憶，在去年的一項由國家工信部主導的智能音箱檢測工作中，在未喚醒狀態(tài)下，各家智能音箱傳輸?shù)臄?shù)據(jù)量均僅為KB級別，對于語音資料而言，這一數(shù)據(jù)量幾乎可以忽略不計。

與“竊聽”傳言較為相符的內(nèi)容是“喚醒詞”之后的智能音箱工作模式。

張思成和徐家明均承認，音箱被喚醒后，將進入云端工作狀態(tài)，將收取的聲音傳輸至云端服務器，完成語音語義識別和反饋工作?！斑@是無法避免的，”張思成有些無奈，他提到，目前智能音箱內(nèi)置的運算能力，無法支撐AI類的語音語義計算，更無法在本地實現(xiàn)識別能力的提升。

為了避免網(wǎng)絡故障和隱私問題，在一些客戶定制的全屋智能中，張思成的公司曾提供過僅在本地運算的語音方案。不過，這將使功能性變得非常單一，僅支持固定命令，例如，主人回家后，可告訴語音助手“打開燈”，但若換成“打開這盞燈”，它便無法識別。

按照智能音箱的產(chǎn)品策略，當用戶結(jié)束命令，如數(shù)秒內(nèi)無新聲音出現(xiàn)，機器則會恢復休眠狀態(tài)?！懊考移放圃O定不太一樣，有的是3秒內(nèi)、有的是5秒內(nèi)，”徐家明透露。然而，在實際工作中，由于智能音箱整體成熟度有限，“喚醒”和“休眠”均有可能出現(xiàn)誤差。“例如剛好有聲音和喚醒詞相似，或者命令結(jié)束后有其他聲響，使智能音箱以為需要繼續(xù)工作，它就會持續(xù)收音，而用戶對此是不知道的?！睋?jù)他推測，包括司蘭在內(nèi)，眾多用戶遭遇的所謂“竊聽事件”，均源于這類原因。

據(jù)多位從業(yè)者介紹，目前智能音箱行業(yè)內(nèi)較理想的“誤喚醒率”約為每48小時2次，更糟糕的情況則達到每24小時2-3次，這無疑意味著誤操作下較高的所謂“竊聽”頻率?！皩τ诟骷移放苼碚f，當下最關(guān)鍵的都是提高AI能力，減少誤操作，收集來的語料是最好的訓練素材?！毙旒颐魈岬?。

今年4月，彭博社的調(diào)查報道顯示，亞馬遜在全球有數(shù)千名工作人員負責人工聽取和檢查用戶與Alexa的對話，并對這些錄音進行標注、檢查、反饋，以降低誤操作，幫助Alexa更好地響應指令。位于羅馬里亞的兩名亞馬遜員工提到，他們一天需要工作9小時，解析音頻多達1000條。

“這在行業(yè)中其實不是秘密，”張思成認為，不僅是國外品牌，在國內(nèi)幾家主流智能音箱品牌中，均有“人工審聽”環(huán)節(jié)。為盡量保護用戶隱私，錄音在被人工聽取前會進行數(shù)據(jù)脫敏、打散，盡管員工會聽到錄音對話，甚至涉及私密事務，但并不能識別用戶的具體身份?！霸谠贫诉^程中，音頻文件本身不會跟用戶賬號信息、設備信息相對應，主要是為了優(yōu)化指令?！眹鴥?nèi)一家主流智能音箱廠商回應表示。

“被人工審聽的語料不足總量的1%，主要集中在識別困難的內(nèi)容上，比如，當音箱回答‘我不懂你在說什么’，這句之前的內(nèi)容，會優(yōu)先選擇為人工審聽，”張思成解釋說。在他此前任職的公司中，當某些新功能上線時，為提高其準確率，某些特定語料的審聽比例會提升至10%左右;不過，這類工作的持續(xù)時間很短，往往“用幾天時間攻關(guān)后，就恢復正常比例了”。徐家明同樣認為，隨著AI模型識別能力的提高，企業(yè)采用人工審聽的比例或?qū)兴档汀?/p>

智能音箱所錄取的語料不會被永久存儲，前述音箱廠商稱，在完成識別后，音頻文件會被刪除?！懊恳患冶Ａ粑募臅r間不等，我們這邊大概是幾個月?！毙旒颐餮a充說。

無所遁形

無疑，智能音箱和其它語音助手類產(chǎn)品，尚且不是一個成熟品類。

這使此類產(chǎn)品存在諸多漏洞，例如誤喚醒，再例如“黑客攻擊”。去年8月，在美國拉斯維加斯舉行的全球黑客大會Defcon大會上，騰訊安全團隊僅用26秒便成功破解了亞馬遜的Echo，遠程控制指定設備，使該設備在未喚醒、不提示的靜默狀態(tài)下自動錄音，并將錄音文件通過網(wǎng)絡發(fā)送給遠程服務器。

“當2300臺音箱中，有1臺智能音箱被物理攻擊，其他的智能音箱都可以通過局域網(wǎng)內(nèi)的非接觸式攻擊被黑客置入后門，成為黑客的遠程竊聽器。”在破解時間后不久，騰訊安全專家伍惠宇在一場演講中表示。當然，在騰訊將這些漏洞提交后，亞馬遜已經(jīng)完成了這部分的修復和更新。

在另一層面上，正是興起時間短、成熟度低，迄今為止，智能音箱尚未形成任何黑灰產(chǎn)業(yè)鏈。錄音語料在企業(yè)被賦予相當嚴格的保密級別，張思成透露說，在他所任職的公司，涉及錄音的工作均會在公司內(nèi)完成，雖因人員有限，將部分保密級別較低的識別工作外包，也會要求外包人員來到公司完成識別工作。

“在國內(nèi)市場上，還沒有聽說任何一家企業(yè)將語料轉(zhuǎn)賣的情況，沒有聽到過成功竊聽的案例，同樣，據(jù)我所知，智能音箱還不會利用收聽到的語料，為每一位用戶形成全景畫像。”張思成肯定地說，“說到底，現(xiàn)在智能音箱還笨得要死，提取有效信息成本太高，我個人覺得，在未來3到5年內(nèi)，都不用擔心音箱帶來的隱私問題?！?/p>

但他也和其他從業(yè)者一樣，并不否認以上種種“尚未發(fā)生”的情況，會在技術(shù)更為成熟的未來均有“發(fā)生”的可能。

作為這個新興行業(yè)的從業(yè)者，張思成已經(jīng)可以坦然接受技術(shù)與隱私難以平衡的問題，“在物聯(lián)網(wǎng)、AI時代，我們是沒有隱私、無所遁形的”，即便沒有智能音箱，通過手機和電腦，每個人的信息、喜好、習慣等種種信息，早已被各家公司所掌握，本質(zhì)上，這并無不同。

除非在計算能力更為強大的未來，全部智能產(chǎn)品均在本地運算，全部斷網(wǎng)，只有偶爾更新系統(tǒng)時聯(lián)網(wǎng)。張思成認為，這但對普通人而言，這種高技術(shù)難度、低商業(yè)價值的設想過于遙遠，也過于不切實際。

面對這些焦慮，一些人選擇了遠離智能音箱。一位技術(shù)人員稱，其已經(jīng)將家中智能音箱徹底斷電，亦不再有購買其它智能家居的計劃;而張思成已經(jīng)默默接受，他購買了三、四臺智能音箱放置于家中，本來是用于工作測試，后來也就習慣了它們的存在。

在技術(shù)探測隱私的邊緣，張思成的底線是“不形成危害”。他將智能音箱置于客廳和門廳，這樣，即使一些語音資料被泄露，也不會對他與家人形成實質(zhì)危害，“智能音箱的收聲范圍大約是3到5米，很難隔墻收集，臥室基本聽不到，實在有私密話題的時候，也可以拔掉電源再講”。

他不能接受的是影像泄露，“我絕不會買一臺帶攝像頭的音箱、或者其它帶攝像頭的產(chǎn)品放置在臥室”，他很清晰地認識到，一旦泄露影像，將是難以挽回的重大危害：不止一位從業(yè)者透露，聯(lián)網(wǎng)的攝像頭設備，的確會將影像回傳至服務器，這些資料會被嚴格保密，但仍存在理論上的外泄風險。

你無法隱藏自己，所以，只能采用最基本的方法來保護自己——這是張思成的理論。

不過，有些人也抱有更樂觀的態(tài)度，“智能音箱正處于野蠻生長的初級階段，擴展到整個智能家居，都會經(jīng)歷這些初級階段，這時的隱私保護，只能依賴于廠家自律，”徐家明堅信，“當這些產(chǎn)品徹底普及之后，一定會有更高級別的隱私規(guī)范出現(xiàn)，統(tǒng)一行業(yè)、限制權(quán)限，并作為強制標準來執(zhí)行?！?/p>