随着人工智能技术的快速应用，语音交互行业在多领域取得突破性进展。但客观而言，目前很多语音智能技术还停留在简单的语音对话阶段，离交互认知还远远不够。
人工智能技术对语音、语义以及图像的处理准确度提高，对输入的信息结合场景更加智能的处理，智能语音和视觉输入将成为主要的输入方式，像智能手机、穿戴式设备、智能电视、AR眼镜等设备开始支持语音输入，部分支持手势输入，以及将来的视讯输入
去年11月底，在百度语音平台三周年发布会上，爱奇艺技术总监拿出手机打开了自家的手机客户端，对它发出语音指令：“我的会员没钱了，给我打开VIP充值。”随后App就跳转到了会员充值以及支付页面。
的确，随着人工智能技术的快速应用，整个2016年语音交互行业可谓是突破不断，不仅在语音识别、降噪、声纹技术上有很大的进展，在语音产品商业化也有很多尝试和落地。
以科大讯飞为例。在语音合成方面，科大讯飞实现了全新基于深度学习的语音合成系统，进一步显著提升合成语音的自然度和表现力；在语音识别方面，针对人与人之间自由交谈、会议演讲等场景，语音实时转写通用正确率继续提升，是业界唯一能够在实际应用场景中达到实用门槛的中文语音转写。
不仅如此，科大讯飞在语音交互方面也有所突破。通过语音识别和语义理解在底层的深入融合，科大讯飞研制完成可量产的支持远场识别、全双工、多轮交互、方言识别等特性的 AIUI 产品方案，提升了人机语音交互的成功率和人机交互开发的便捷性，是未来智能汽车、智能家居、智能机器人的关键核心技术。
曾经，百度董事长兼CEO李宏言预言，自然语言的人机界面是下一个发展方向，未来电视、冰箱都可能产生智能应用。那么，如今的智能家电大门真的被语音技术敲开了吗？似乎也不尽然。科大讯飞轮值总裁胡郁坦言，目前的人工智能技术还处于“弱人工智能”阶段，大多还只能达到语音助手的水平。
胡郁所言不虚，从语音交互与识别两大概念看，目前语音技术确实尚未实现认知水平。思必驰首席科学家、联合创始人俞凯强调，语音交互与识别是两种完全不同的概念，“从交互平台上讲，不单单有感知，还要有认知，这个就是所谓自然语言认知交互的未来。把理解和决策表述这样认知技术，与前端强大的识别技术结合在一起，进行更多的搜索和数据处理，才能实现知识意义上更加自由的交互。”
因此我们必须认识到，虽然语音交互已成为未来的发展趋势，但目前很多语音智能技术还停留在简单的语音对话阶段，离交互认知还远远不够。于行业而言，待解难题很多，如对环境的要求，其中噪声问题就是行业难点之一。
另外，搜狗语音交互技术中心负责人王砚峰也指出，目前的语音交互，稳定上做的是不够的，用户预期和技术能力之间有较大差距。此外还有诸如，对说话有距离的限制、不能持续对话，以及不可打断等问题存在。
既然语音智能还未实现交互认知，技术只达到语音助手的水平，同时面临诸多难题。这是否意味着智能互联网的基础人工智能技术将迎来第三次退潮？
对此胡郁表示，“以前的人工智能退潮都有一个现实的问题，没有从研究阶段转到使用阶段，但现在这次浪潮中我们可以看到，已经在很多方面真实应用了。”人工智能的这一波浪潮能达到怎样的高度目前还不知道，但他认为，与其在浪潮中去预测，倒不如加速手头正在进行的研究。