2020年7月22日，中国社会科学院新闻与传播研究所及社会科学文献出版社共同发布了新媒体蓝皮书：《中国新媒体发展报告No.11（2020）》。

　　蓝皮书分报告《2019年中国网络音频发展报告》指出，智能音频连接全场景生态，或成为新的互联网接入界面。

　　5G时代全面到来必将释放智能音频融合发展的全新想象。5G技术具有高速率、高容量、低延时、低能耗的特征，将使海量传感器永远在线、同时连接，构建智能互联图景。华为5G专家强调，5G网络可以同时连接5亿个场景、50亿人和500亿个数据传感器。网络音频有望以智能音频连接全场景生态，构建传播新生态。

　　全场景生态意味着以用户为中心，在不同场景下，使用不同设备，收听不同内容。音频行业全场景生态实现的支柱是以用户为中心，实现跨设备、全场景收听，提升收听体验。在移动互联时代，基于同一用户在不同设备间的断点续播、订阅音频节目的进度同步等功能尚未落地，无缝衔接的用户收听体验还难以实现。而在智能互联时代，各种智能硬件和语音助手的普及，使以用户为单位、收听设备多样化以及便捷的场景切换、人机交互成为可能。2019年《政府工作报告》首次提出“智能＋”，各大音频平台竞相与智能硬件品牌合作或推出自有智能硬件，正是基于对智能互联塑造未来音频行业全场景生态趋势的判断和信心。5G、人工智能等技术将助力音频行业全面捕捉感知用户心理，从时间、空间和用户心理三重维度，以技术动力与用户中心共同驱动智能化全场景构建，从外部场景抵达用户内心世界，为用户提供个性化、交互式、沉浸式体验。

　　在智能互联时代，互联网界面正从图形用户界面（GUI）向自然用户界面（NUl）全面转变，只需语音、面部表情、动作手势等最本能自然的方式就能完成人机交互。语音交互是NUl的重点方向，NUI的特点是形式自然、多感官并用、多通道输入，这与声音媒介的属性特征相契合。与手势、眼动、触觉等NUI方式相比，语音不仅具备生物识别特征，还承载着语言信息内容，并能与多种任务叠加。知名调研机构Com Score预测，2020年将有50%的互联网搜索通过语音完成。这意味着互联网界面的语音化趋势，而智能语音助手的快速渗透正在验证这一趋势。从键盘到鼠标、从触屏到语音交互，人机交互变得越来越简单而泛在，交互界面从有形到无形、从有限到无限、从固态到流动，在全场景生态下智能音频正前所未有地接近互联网接入口的中心。

　　（参见新媒体蓝皮书《中国新媒体发展报告No.11（2020）》p210-211，社会科学文献出版社2020年6月）