在可以完全解放我们双手的无人驾驶技术到来之前，最先进的汽车科技，理想中应该是这样的：虽然复杂得难以置信，但用户却完全察觉不到它的存在。迄今为止，在所有的主流科技公司中，似乎只有亚马逊的产品最接近这种平衡的状态。

　　搭载了亚马逊Alexa语音助手系统的车机

　　计算机是非常复杂的，但对开车的司机来说车里面最不需要的就是复杂。一辆体积庞大又笨重的，靠马达驱动的汽车得以高速安全地行驶，很大程度上依赖于一名细心的司机仔细地操作车内的行驶系统，同时还要密切关注车辆周围的环境。计算机，不管它们有什么其他优势，同样需要额外的注意力才能操作；想知道如何让一台计算机听你的话帮你做事情，尤其是高级的那种，从来且大部分都是需要有一个学习过程的，就像掌握一门新语言一样。

　　你在驾驶一辆超过一吨重的“金属块”以100公里每小时的速度行驶的时候应该不会想同时学一门新语言，至少如果你想把两件事都做好的话。

　　初学者和专家之间的鸿沟

　　计算机发展已经走过了很长一段路，现在人们终于可以得心应手地使用它们了，这要感谢计算机用户适用性、计算能力、可用性和交互模型的进步。iPhone 可能是进步的人机交互模型方面的典范，不管是有兴趣的初学者还是电脑专家都可以轻松地使用它。

　　但即使易用如 iPhone，它仍然需要占用部分注意力和专注才完成一些基本任务，它的一些细微功能和系统特性很多天天使用的用户也没有完全的掌握，这很容易证明：人们甚至需要去搜索引擎上找类似于如何导航这种简单功能的使用帮助。

　　事实就是这样，现有任何软件的交互界面都需要用户花时间和精力来学习如何使用，并且在使用的时候占用你的注意力。对车载信息系统来说更是如此，不管你用的是汽车原厂的车机，亦或是CarPlay 或 Android Auto。即便是仪表盘上的空调控制和一些辅助驾驶功能，使用最简单标准的像按钮、滚轮或开关这样的物理控制，上面的结论照样成立。再加上类似这些更基础的功能，它们都没有实现智能化，无法察觉你操作的上下文场景，基本上只能孤立地操作。

    Dash 按键和扁平化界面

　　亚马逊的产品似乎在软件交互方面实现了质的提升，他们让用户无需“看到”计算过程的复杂性，把具备上下文思考的智能化设计和超高的计算性能放到了幕后，这种整体的设计架构其实对汽车行业来说非常有帮助。

　　“我认为技术正在意识到自己是属于人类的。”在蒙特利尔最近举办的创业者集会上，Shopify 的 CEO 兼创始人 Tobi Lütke 这样说道，“我们开始不再惊喜地说说‘哇这是一台计算机’，它正在变成我们平时需要学习和使用的东西。”

　　Lütke 用亚马逊的 Dash 按键来举例说明这一点。一开始，原始设备上OEM 都争先恐后地把计算机技术集成到他们的产品上，比如大尺寸触摸屏和其他技术的集成。但是，Lütke 强调，我们并不需要我们的洗衣机成为一台有触摸屏的电脑，我们需要的仅仅是一个连接洗衣机的按钮。

　　确实，类似于 Dash 按键设计想要说明的，我们更想要的只是一个简单的按键，就可以把我们当下的需求转化为直接的动作，使用亚马逊的后台服务来完成各种复杂的任务，像获取详细地址、物流信息以及支付处理。并且它可以做到上下文场景智能，它能够知道在完成订单的同时还要算上额外的折扣。

　　如果要为司机开发一种支持技术，而避免加入任何让他们分心的，不必要的复杂性，Dash 按键是一个不错的参考起点。对用户来说，它是功能和交互单一维度，但在背后，它最大限度地根据它被使用的上下文场景完成了许多复杂的事情。用户不需要学习和掌握任何东西，但最终结果却更好地满足了用户的需求。

    Alexa 和接口复杂度阶段性再引入

　　但是单一的按键或开关必然有局限性，这是亚马逊另外一项技术试图去解决的：Alexa，这项技术同样可以是汽车技术行业的老师。这个语音驱动的助手确实需要一些学习来顺利使用，但是和其他任何现代可视操作界面陡峭的学习曲线比较起来就不算什么了。亚马逊通过设计和限制 Alexa 的交互模型来实现这个目标，有效地保证了用户不会因为其交互模式的巨大变化而不适应。

　　Alexa 完全放弃了可视化的界面，只提供语音一种交互模式，实际上这也是很多业内专家认为它比竞争对手苹果、微软和谷歌的语音助手更加成功的原因之一。对用户来说，使用 Alexa 没有第二种方法，要么学会通过语音来操作它，要么就完全不要使用它。亚马逊相对限定了 Alexa 能够响应的语音指令，所以你需要根据它提供的简单方法了解这些语音指令。这样的方式虽然初始的学习曲线会比提供完全自然语言识别方式更陡峭一些，但它的学习过程会更短，意味着用户短期可以更快地上手使用，长期也会让整个交互流程更成功。

    基于亚马逊Alexa语音交互技术打造的智能家居系统Echo

　　这种交互方式恰恰就是车内计算平台所需要的。这种更“陡峭”更短的学习曲线就像是我们当初开始学习如何驾驶一样：这是一种全新的操作集合，这些操作和我们之前生活中做的都不一样，但集合被紧密地限制，给用户了一组非常有限而清晰的新东西去学习。这样单一的基于语音的交互会更熟悉，同时具有能略过可视化界面交互的优势，就像之前提到的那样，可视化界面交互和语音串联起来使用只会增加复杂度。

　　同时 Alexa 还有着和 Dash 按键一样的同时具有前端易用性和后端复杂性的特性，即使它还有着扩展的功能集合和更强大的上下文语境深度。丰田和软银正在合作一款机器人驾驶助手，这种合作项目明显优于其他汽车厂商和计算机厂商之间的更专注于把现有的移动计算模式整合到汽车中的合作模式。在全自动驾驶时代到来之前，我们更需要的是一个驾驶伙伴，而不是一台计算机。

    更多而非更少的驾驶者参与

　　如果汽车技术和全自动驾驶无关的话，那么这些技术都应该让驾驶者更专注于他们正在做的事——驾驶。所以亚马逊为了降低用户的注意力负担而让计算平台“隐形”做出的这些努力，值得汽车科技行业去借鉴学习。

　　Pear Automation 的 CEO 兼联合创始人 Bryson Gardner 在最近的一次访谈中说：“在你可以让司机完全放手之前，你就不应该做任何干扰司机驾驶的事情。换个说法，如果你做的事情增加了司机的压力，那么你就必须去想办法消除它。”

　　精通计算机就像一种荣誉一样，自从各种计算平台出现以来，你必须花费精力、时间和脑力劳动来获得这个荣誉。即使后来出现了更加容易使用的交互界面，就像我们每天用的 Android 和 iOS 手机，当我们控制着可以致命的大块头机器的时候，我们仍然不能轻易地分心去操作它们。汽车，相对于其他平台，给我们提供了探索下一代计算机会是什么样子的机会，也许某天当复杂性终于不可见的时候，每个人都成为了一个专家。