智能音箱需要具備語音交互能力，可提供內容服務、互聯網服務以及場景化智能家居的控制能力。智能音箱定義：智能音箱是在傳統音箱基礎上增加了智能化功能，這功能體現在兩方面。一、技術上具備Wi-Fi連接，可語音交互；二、功能上，可提供音樂、有聲讀物等內容服務，信息查詢、外賣、O2O等互聯網服務，以及場景化智能家居控制能力。
中國目前已經成為第二大智能音箱銷售國，其中阿里巴巴成為入圍全球前三甲的唯一中國品牌。預計美國最近2年的智能音箱數量為1.3億，中國同期數據預計為8000萬，中國和美國的差距在快速消弭。但在消費者滲透率上，受制于中國人口數量，目前中國的市場滲透率僅為6.9%，美國則是26.2%。根據創新擴散理論，美國市場目前已經跨越鴻溝，步入“早期大眾”階段，而我國目前還處于“早期采用者”階段。
小米語音技術研發能力相對較弱，語音技術靠外援：包括地平線的增強語音抽取技術、獵戶語音OS的ASR和TTS、喜馬拉雅小雅OS的內容技能、聲智科技的麥克風陣列、遠場語音喚醒和語音端點檢測技術，不支持多輪對話和連續對話。
