在2014年底正式推出Echo聲控揚聲器，並可透過其內建的Alexa語音助理，為使用者提供種種應用服務，帶起了語音助理進軍智慧家庭的浪潮。從硬體設計的觀點，智慧揚聲器的使用者體驗好壞，主要涉及三大環節，分別是收音麥克風、語音處理器、語音辨識引擎。其中，為了追求最好的語音接收效果，甚至具備聽聲辨位的能力，陣列式麥克風將成為標準配備。
泉聲電子董事長溫增豐表示，利用語音指令來控制電子產品，對使用者來說，是最自然的人機介面。但要讓機器設備清楚地聽到指令，背後涉及許多聲學上的專業。
在家庭環境中，其實存在著許多背景噪音，麥克風本身也有底噪。要避免這些噪音蓋過使用者所發出的語音指令，可分成兩個層次來談。針對外部的背景噪音，硬體製造商可透過多顆麥克風元件搭配噪聲消除演算法，來消除使用者以外的雜音。這部分涉及麥克風製造商及語音處理器的搭配。至於麥克風的底噪，則要看電聲元件業者的功力，以及所選用的麥克風設計架構。
一般來說，駐極體麥克風(ECM)的訊噪比(SNR)是最好的，可達70dB以上。截至目前為止，專業錄音室所使用的麥克風，基本上都還是ECM的天下。不過，微機電(MEMS)麥克風的訊噪比近年來也有顯著改善，目前業界的水準可以做到64～65dB，與ECM的差距正在拉近。
不過，ECM有一個先天的缺點，就是採用陣列式設計時，ECM麥克風模組的組裝加工較為困難，MEMS則沒有這個問題，在大量生產時，加工相對簡便。不過，MEMS麥克風先天上對低頻的反應不如ECM麥克風，這也是應用開發商在選擇麥克風元件時，必須特別注意的。
因此，溫增豐總結指出，就智慧揚聲器應用來說，未來應該會是以MEMS麥克風為主流。畢竟，在採用陣列式架構的前提下，MEMS麥克風有很明顯的優勢。目前市面上的智慧揚聲器，絕大多數都是採用陣列式麥克風，例如中國科大訊飛和電商平台京東聯合成立的靈隆科技，便推出了採用五顆麥克風的叮咚音箱；亞馬遜的Echo則內建七顆麥克風(圖3)；Google Home則只有兩顆。雖然聲音接收效果與麥克風的顆數未必成正比，但就智慧揚聲器應用來說，單一麥克風絕對是不夠的。
