一位國內智能音箱從業者向透了個底：“而國內智能音箱目前的產量和銷量還在千、萬之間浮動，賣得最好的還是
京東的叮咚，但實際數量仍遠遠小于Echo。數量最多的還是很多小廠商生產的低劣的智能音箱產品，那種產品10句話中有2句話有反應就不錯了。”
2014年11月正式發布2年多的時間里，亞馬遜Echo智能音箱已經成為市場上最火熱的智能家居產品之一，人們通過Echo可以用語音控制家電、購買商品、查詢咨詢。根據研究機構eMarketer的調查數據顯示，在美國，大約有3600萬用戶每月會用到一次語音操控的音箱，并且這個數字還在擴大。
產品需要不停迭代完善，以確保穩定的網絡連接；比如一款精美的音箱需要反復磨合外觀設計；又比如語音交互需要良好的收聲效果，而揚聲器本身會發聲，在遠場喚醒智能音箱時，就需要消除揚聲器本身的聲音；甚至音量大時的震動也會影響收聲，所以音腔和麥克風之間的距離都需要考量。
智能音箱市場所存在的“分裂發展”問題：看起來簡單的智能音箱想要真正實現日常語音交互，實際上全是技術難題。也正是這些難題讓中國智能語音市場發展遲緩，而其中影響最大的就是機器對于中文的理解，也就是我們俗稱的NLP。