他用AI入侵手机 给你定制“女友”！
对话三角兽CEO王卓然，这群离开百度微软的技术老兵，正用AI入侵手机。
#布告栏#10月26日20点，智东西主办的自动驾驶系列课第8课将开课，导师调整为图森未来CEO&联合创始人陈默。图森未来8月获NVIDIA投资，是NVIDIA在中国的第一个投资项目，也是其在自动驾驶领域首次出手。添加小卡（微信ID：zhidxcdx）免费报名，一起听陈默讲解低成本的商用车自动驾驶方案如何快速落地。
智东西 文 | 寓扬
还记得老罗（罗永浩）在2016年的锤子发布会中特别感谢而又误读成“独角兽”的公司吗？没错，这家公司正是三角兽。也或许正应了老罗的话，随着语音交互的爆发，这家专注语义理解的人工智能创业公司也顺风而上，迅猛发展。
这家公司也有着异常豪华的团队阵容，其CEO和CTO都是技术大拿，浸淫行业多年，在最著名的两款语音助手微软小冰和百度度秘中都起到重要的作用。他们还将NLP（自然语言处理）应用在手机中，从而让手机更加智能化；还能打造带有性格和风格的虚拟助手，可以试想未来为你定制虚拟女友都不是事！
近期，智东西与三角兽创始人&CEO王卓然展开对话，看看这位扎身机器学习领域十几年的技术老兵有着怎样的创业故事？他眼中的语音交互行业又是如何？
一、两位技术老兵的相遇
初到三角兽的会议室，几张懒人沙发、颜色明亮而形状不一的桌椅呈现在眼前，给人一种清新明快、自由随性的感觉。通过与王卓然的沟通，可以明显感受到他清晰的思路、侃侃而谈，谈到尽兴出，再配上一声带有东北味的“哈呵哈”，显得十分有趣。
（三角兽创始人&CEO王卓然）
他推了推眼镜回忆到，本科在哈尔滨工业大学读通信工程时，机缘巧合结实了计算机的圈子，大二便跟计算机学院的一个教授做自然语言处理相关的研究。
毕业后在2005年去英国UCL（University College London，伦敦大学学院）读博士，主攻的方向便是机器学习。博士期间他做了一个关于人机对话工作的兼职，便对这个方向产生了浓厚的兴趣，2009年毕业后就去了世界上为数不多的人机对话研究团队。
而当时世界研究人机对话这个领域的学者并不多，那时不仅国内这这块空白，国外的研究团队也很少，大约英国有几家，美国有几家，欧洲零零散散的有几家机构。王卓然笑称：“当时每年开人机对话的会议，全世界也就那么一两百人”。
之后他就去了当时具有悠久人机对话研究的爱丁堡的赫瑞瓦特大学，在那里做了三年多的人机对话研究。再之后他去了在英国剑桥的东芝欧洲研究院，担任人机对话组的技术负责人，带领团队做人机对话方面的研究。
从赫瑞瓦特大学到东芝研究院这一阶段，他研究的是人机对话中的跨领域迁移和泛化，具体来讲就是怎么把一个找餐馆的对话系统迁移应用到找电影、买东西等相关的交互场景。
而到了2015年初，百度启动了度秘项目，便邀请王卓然加入，做度秘中控的技术负责人。所谓的中控，是度秘下面有很多的服务，如找餐馆、找电影、闲聊、问答等等，一个指令来了之后，系统要决策由下面那个服务去满足，然后将信息呈现给用户。这种中控决策有点像搜索引擎的排序，但是需要考虑上下文信息、服务的相关性等更多因素，从而对整体服务进行排序和决策。
在度秘项目中，他遇到了人生中的一个重要人物亓超，就是三角兽现在的CTO，另一个技术老兵。亓超参与了第一代的微软小冰的打造，后来就被挖到了百度，又参与了度秘的研发，那时候还叫小度机器人，以闲聊为主。
但是在度秘项目上做了不到一年，由于一些内部原因，度秘中途转了几次型，跟他和亓超的想法不太一致。再加上他们对自然语言处理这个领域有很长的认知和积累，认为会是下一代的技术方向，于是二者选择在2016年初离开百度，出来创业。
二、这家与“三”结缘的创业公司
为什么选择在2016年初这样一个时间节点创业呢？深处这个行业中的王卓然敏感的察觉到，在自然语言处理技术的成熟度上开始可以商业化了，而行业又有非常大的需求，因此就选择创业这件事儿。结果没过多久谷歌、微软、亚马逊等公司都开始陆续发布语音交互平台及产品，语音交互这个行业就火了。
（左起：创始人CTO亓超、创始人董事长COO马宇驰、创始人CEO王卓然）
由于王卓然和亓超都是技术出身，当时就邀请了在商务方面很有经验的马宇驰负责商务和市场。“正是有三位创始人，所以就叫三角兽”，王卓然戏称到。而这家公司与“三”的缘分远不止如此，还融了三轮资，有三块核心技术以及三大核心业务，真是巧了。
亓超从硕士阶段就从事自然语言处理的研究，在这个行业也做了十多年。先后在佳能、腾讯、阿里、微软、百度等都有任职，其中最出名的就是参与了微软小冰和度秘闲聊机器人的打造，应用的技术就是开放域聊天。
马宇驰则是王卓然的高中同班同学，传媒大学毕业后，一直在商务、市场、公关行业做了很多年，在奥美、安利中国等都做过公关总监、市场总监职位。他也是个连续创业者，后来加入三角兽负责商务业务。
在王卓然看来这是一个非常互补的创始人团队，“他和亓超尽管都是技术出身，但是在技术上也是互补的，亓超做开放域聊天，他做垂直领域对话，再加上马宇驰的商务能力，三角兽在技术和商务能力上就完美了”，他笑称到。
这三人就构成了三角兽的三只“角”，创业一年之内（截止到今年1月份）拿下3轮融资，分别为天使轮1000万人民币，Pre-A轮2000万人民币，A轮5000万人民币。
三角兽的下一轮融资也在进行中，下一轮融资的主要目的，一方面是布局市场、渠道，另一方面则是储备更多的现金流。“现在AI行业很火，趁风口多拿些钱准备过冬”，王卓然嘿嘿一笑。尽管当下语音交互火热，AI企业收到追捧，但是风总有停下来的时候，谁也说不准下一阶段AI行业会不会遇冷，做足冗余还是很重要的。
目前三角兽团队已经发展到90多人的规模，而在今年一月份才只有二三十人，其中北京有70多人，沈阳还有一个10多人的驻场开发团队。北京的团队中，算法工程师占了绝大部分，达到50多人，且技术人员多来自微软，差不多占到一半左右，其他的人员则来自百度、IBM、腾讯、乐视等公司，可谓豪华的技术团队。
三角兽签约和客户现在也已有20多家，以上市公司、各行业巨头、品牌代表为主，比如百度、阿里巴巴、腾讯、小米、中国移动、锤子、华为等等，这也从侧面反映了三角兽在人机对话、语义理解这个领域中的实力。
三、三大核心技术构建壁垒
针对人机对话这个广泛的话题，它涉及五大方面技术，包括问答、推荐、开放域聊天、垂直领域多轮对话、多领域对话。相对而言问答和推荐是比较传统的技术，比较成熟，行业在这方面做的都不错，技术壁垒并不高。而开放域聊天、垂直领域多轮对话、多领域对话则属于人机对话研究的前沿领域，技术门槛较高，构成了三角兽的“壁垒性技术”。
其一开放域聊天。所谓的开放域聊天就是闲聊，没有目的的聊天，我们常见到的产品有微软小冰和百度度秘。作为一种情感陪伴或者对话中的一种润滑，它可以让系统显得更智能，这块也是CTO亓超的核心研究领域。“之前的微软小冰和度秘都是亓超做出来的，在三角兽就是亓超第三次做了，相比前两款产品，三角兽的系统做了更好的上下文覆盖，还做了情绪识别，并且准确率已经达到99%是目前业内最高的”，王卓然如是说。
围绕着开放域聊天，三角兽做了两个版本的Chatbot（聊天机器人），一个是标准版，适用于成人；一个是儿童版，专门为儿童打造，目前已经上线相关平台成为一个付费Skill（技能）。
做儿童聊天还是很有挑战的，因为这块的语料是很难获取的，如果使用互联网中的语料（成人的语料）又是很“不安全”的，难免出现一些不良信息。三角兽则采用一种独特的方式，从儿童故事书、儿童字幕中抓取数据。但这个数据不是对话数据依然没法用的，三角兽便用这些数据训练一个模型，用它来过滤成人语料，并采用基于RNN（循环神经网络）的生成模型（而非检索式），来确保对话内容对儿童“绿色健康”。“这块产品去年就落地了，也是业界最早这么做的”，王卓然谈到。
此外，在开放域聊天的应用中，三角兽开可以对Chatbot进行风格和性格的定制。这块则是三角兽的独家技术，能够让虚拟人物聊天的时候体现它自己的性格。
第二块技术是垂直领域的多轮对话，它是任务驱动的，如找餐馆、找电影等，代表产品如智能音箱。三角兽在这个领域中有3块具体核心技术：第一项是垂直领域对话的泛化和迁移，就是把一个领域训练到的模型迁移到另一个领域，这块也是王卓然专攻的一项技术。另一项是模糊语义理解，用户提供的信息可能存在丢字拉字的情况，甚至错字的情况，机器同样能够识别，如《芈月传》火热时，即使用户说成“半月传”，机器也可以准确理解，找到电视剧。
还有一项是去结构化、轻结构化表示的技术。原来垂直领域的对话，依赖结构化的知识表示，比如电影有导演、演员、年份等这些结构化信息，可以用来找电影。但是如果你要找一个“男主角长得帅的电影”，这个信息没法用结构化表示。“针对这种情况，我们把对电影的描述和评论用深度学习做了向量化的表示，去匹配用户指令语义的相近程度，从而更好的满足用户回去内容的需求”，他指出。
第三块技术则是多领域的对话技术。比如，我订了餐馆，可能要导航去这里，中途可能会问交通情况以及周边相关信息等，这时就是多个领域融合在一起的对话，这就涉及到中控的工作。而王卓然曾以访问学者的身份参与了百度语音助手时代的中控，后来又在度秘做了度秘的中控，在多领域对话管理这块有着丰富的经验。
综上，开放域聊天、垂直领域多轮对话、多领域对话管理就是三角兽的三大核心技术，王卓然称之为“三大壁垒性技术”。
四、服务三大核心业务
技术固然重要，但对于企业而言更重要的是把技术落地，服务于行业。三角兽也将其技术积极落地，目前其三个主要业务分别是：企业服务、IoT（偏智能家居）和泛娱乐业务。
其中，企业服务是三角兽市场收入最多的一块，目前已经做好两套标准解决方案。一套是智能客服，是问答、垂直领域多伦对话技术的落地，主要服务于电信行业、金融行业等大行业的大客户，为其定制专门的业务流系统，如中国移动、广发证券以及其他几个基金项目。
另一套方案是针对媒体的Chatbot，可以在媒体的公众号、App中上线，用户可以通过聊天的方式获取新闻，可以帮助媒体将相关历史新闻推送给用户，从而增加文章的阅读量以及用户粘性，如新世界。
IoT这块尽管现在很火，但是整体不起量，目前不是三角兽的主要收入来源，但三角兽还是很看好这个行业的前景，因此也做了很多产品储备。目前针对IoT中不同硬件主要提供Skill（技能）输出，如闲聊、新闻笑话等。三角兽销量最多的就是闲聊的Skill，包括标准版聊天和儿童版聊天，在Rokid、小米音箱、百度DuerOS中都有上线。
还记得前一段富士康扬言要做面向IoT设备的语音交互平台吗？三角兽也是其中的一个合作伙伴，并且是深度合作，富士康将整个后台的交互都交给三角兽来做，这等于在做一整套类似于亚马逊Alexa的完整的语义系统。并且王卓然透露，第一代的产品将会在今年年底或者明年年初推出。
第三块业务则是泛娱乐。科技公司要做泛娱乐？没错你没看错，这正是三角兽开放域聊天中角色性格和风格定制技术的落地，主要面向动漫、二次元、游戏、AR/VR等，围绕IP打造更多元的产品。如可以打造一个虚拟角色，让它7×24小时的和粉丝互动，并且聊天中体现人设的预设风格，比如一个二次元的萌妹子就要有萌妹子的说话方式，而不能用大叔的说话方式。
这块聊天的难度还是很大的，目前市面上也很少有赋予Chatbot风格和性格的产品。王卓然谈到，这块技术的第一次落地并不是二次元IP，而是一家机器人IP，Jibo是一个美国机器人团队，他们在中国做本土化时，希望给他们的机器人定制一个美国男孩的性格特征。“目前三角兽也在和一些二次元IP谈合作，后续我们也会看到一些二次元角色的落地”，他透露到。
关于这三块业务，他也谈到，企业服务是最大的营收来源，仅智能客服业务就占到了企业营收的80%左右。而IoT业务因为市场没有起量，收入较少，合作业以标准服务输出为主，包括收取年费、流量分成或者按台收费（量大的情况下）等三种盈利模式。比如小米电视流量比较大，就采用了按流量分成的方式。而泛娱乐方面目前还没有盈利，但前景非常大，三角兽也会继续跟进。
五、将自然语言处理赋能手机
最近随着苹果和华为的推动，AI芯片成为一个热议的话题。手机的竞争正从之前的网络营销、网络销售变成更技术化的比拼，在后互联网手机的时代，人工智能正成为核心竞争点之一。
9月初华为率先发布世界第一款AI芯片——麒麟970，紧随其后的苹果发布会中，苹果也推出了自家研发的AI芯片A11。通过二者展示可以看出，计算机视觉、自然语言处理、AR等成为AI在手机中的应用方向。
微信中一个典型的场景是，朋友喊你去某个地方吃饭，你需要复制这一段话，然后整体复制到地图中， 并且删减地址以外的文字，才能搜到地图中的位置。打车场景同样如此，这使手机中的操作显得异常麻烦。因此，手机中的真正的智能交互才刚刚开始。三角兽一直以来也在和手机厂商合作，将自然语言处理基础应用到手机中， 从而赋予手机更多智能。
代表性的产品便是老罗的锤子手机。还记得老罗在2016年锤子的新品发布会上兴奋展示的Bigbang 和 Onestep，就是三角兽提供的技术。Bigbang功能能够让一大段文字瞬间“炸开”，你可以随意选择你想要的文字，而这个炸开并不是随意的炸，是以自然语言处理为基础的。Onestep则实现跨场景跨App之间的联动，让需要多步的操作一步到位，从而大大提升效率。
就在前不久老罗扬言要打造新一代语音交互系统，相信三角兽的技术也会在锤子手机的新系统中得到体现。尽管他没有透露更多的信息，但他介绍了三角兽自然语言处理技术在手机中的潜在应用场景。
一个是当微信收到消息时，用户可能没有时间或者懒得打字回复，三角兽可以提供聊天回复的自动生成，自动提示回复内容。还可以通过对文本中的情绪分析，进行表情生成。再一个就是App之间的一步唤起，类似锤子手机中的Onestep，打通App之间的信息交互，从而让用户的操作更加便捷。
而这些背后都是三角兽的自然语言理解、聊天回复自动生成、情绪分析技术。王卓然谈到，这几个技术都有对应的产品，比如一键唤起，有一套完整的解决方案，目前和几个手机厂商在合作中。
六、国内人机对话才刚刚开始
语义理解在语音交互中是最难的一块，但限定场景和边界，就可以让人机交互的效果得到显著提升，即所谓的专有模型，那么由专有模型转换到通用模型的技术进展到哪种程度，其适用性又如何？
王卓然谈到，对话管理有两块核心技术，第一块是基于上下文语义理解的部分，理解用户的意图是需要限定场景的，需要针对某一领域去搜集数据进行优化，从而真正把握用户的意图，但它的模型是可以通用的，不同的领域都是分类、标注、寻找相关实体的一个过程，这个逻辑关系是可以泛化的。第二块是对话策略，对话不仅要机器去理解，还要机器去处理一个复杂的决策过程，这个决策过程不论是找餐馆、找电影还是找音乐，都可以理解成一个能够抽象的“找”的过程，抽象的逻辑在各个领域之间是通用的，这部分可以去做跨领域的迁移。
关于人机对话跨领域的迁移和泛化，王卓然在东芝欧洲研究院时就做过，是可以应用的，因此在这方面有比较早的积累。但是国内在人机对话方面起步较晚，真正专注做这个方向的也比较少。目前国内还处在人机对话的第一步——垂直领域对话，还没有进展到对话的迁移和泛化地步。
而针对虚拟角色性格和风格的定制的难点是什么？为什么三角兽可以做到呢？王卓然坦言，性格是很难量化描述的，语料来源也需要做很大的处理，使训练模型的语料能够体现虚拟人物的性格。但它并不是一个黑科技，而是一个基于常年积累的复杂的工程化的事情，需要对通用的回复做改写、做句子的自动变形、插入口头语、语序调整等等，如果对开放域聊天的每一个环节知识积累不够的话是做不了的。尽管如此，每一个虚拟角色都需要定制化，因此三角兽会更倾向于跟一些大IP进行合作。
此外，大大小小的会议上我们总谈语义理解是语音交互的核心瓶颈，那么这个瓶颈到底是什么呢？在王卓然看来，并不是每个场景的数据都好搜集，比如找电影这个领域的数据就好搜集，但是像儿童场景的数据就不好搜集。
所以这块瓶颈的突破在于，首先要有场景下的落地，才能搜集垂直领域用户的真实数据，用来优化模型，从而将领域相关的语义变成机器能够处理的语义，这是一个相互迭代的过程。
自然语言处理是一个知识积累和数据壁垒的过程，核心首先是把技术应用到更多产品上，从而拿到更多领域的数据，通过数据壁垒来提高技术壁垒，从而再巩固商业壁垒。而人机对话这几年刚刚兴起，进入日常生活，它需要一个积累的过程，就跟搜索引擎刚出来时，大家不做网页你也搜不到东西，是一样的道理。
七、看好手机、客服、泛娱乐应用场景
在自然语言处理的应用场景中，王卓然更看好手机、智能客服、泛娱乐几个应用场景。
毫无疑问手机是一个十分庞大是市场，也是最为刚需的场景，AI芯片的出现则代表了手机真正智能化的趋势，上文已有详细论述。
而智能客服则是当下的“现金牛”行业，对大企业客户来说也是一种刚需，从而优化其业务处理，同时减少人力成本，许多做语义理解的公司都涉及该项业务。此外，王卓然还看好泛娱乐场景，尽管这是一个偏传统的行业，但毫无疑问每一个优质IP都具有巨大的价值，并且凝聚着大量粉丝，而这背后代表了丰厚的利润。
但当谈到智能音箱和IoT行业时，王卓然表现出了犹豫，他坦言“不是不看好，而是看不清”。在智能家居这个行业，他毕竟不是家居的制造商，在行业没有很大发展的情况下，他也只能观望，谨慎布局，毕竟作为一家创业公司，首先要考虑的是活下来。
至于智能音箱，他认为亚马逊Echo的成功有几个条件是在一起的，亚马逊本身就是一个平台，它收购了一系列公司，从硬件设计、语音识别、语义理解等整个链条都是自己做的；从体验上看，亚马逊把各项指标都做到了极致；由于自身是巨头公司、平台，又把价格控制在合理的范围内；并且国外还有客厅文化，是有应用场景的；这几方面加在一起导致了Echo的成功。
但是国内这几方面都需要论证，“智能音箱是一个新品类，能不能爆发，都是不确定的”。此外，他也谈到了小米AI音箱：“小米音箱至少有一个好处，价格控制的足够低，从设计到用户体验到价格都是不错的”。
针对近期不少公司推出语音交互平台，其中也不乏创业公司。王卓然则认为创业公司做平台可能会不太乐观，首先你要有平台的优势才能说是平台。尽管创业公司也可以做平台，但是做了平台谁来用？怎么获取更多客户？怎么直面巨头的竞争？不管你的产品做的多么好，在很多渠道、内容资源上，创业公司都是不占优势的。
然而三角兽恰恰也在布局平台，王卓然话语一转道：“既然做IoT市场，做平台是早晚的事，那么什么时间最合适呢？就是有一个大平台跟我们合作的时候”。这也解释了三角兽为何要和富士康一起做平台，有一个大平台的存在，确实可以大大降低投资风险，最差也是当项目做。
结语：技术落地是关键
行文至此，我已然对三角兽团队有了更深入的了解。外表看这是一家风光无限的明星创企，有着深厚背景的创始人团队，以及来自微软、百度的众多优质人才。
然而这背后则是他们对自身技术落地的探索和尝试，只有落地才有数据，才能迭代技术，也只有落地才有商业模式，才能盈利。技术从来都不是高高在上，只有融入寻常生活才能焕发生机。而作为一家创业团队，生存又是第一位的。
透过这家公司，我们也看到国内的人机对话还处于早期，才刚刚起步，需要更多的人才和团队将技术应用更多的场景，搜集数据，迭代技术。正如王卓然所言“先把技术落地到产品上”。
自9月14日起，智东西重磅出品自动驾驶系列课，9堂课，9位顶级导师，9家自动驾驶领袖企业参与，810分钟讲解和互动，33个知识点，帮你建立未来汽车知识壁垒。扫码申请听课，同步加入自动驾驶社群。
延伸阅读
点击下方图片直接阅读
加入社群
要进群，请加小助手微信zhidx008
请备注相应群的关键词👇审核后邀请进入
人工智能 · 自动驾驶 · 机器人 · 物联网 · 智能家居 · 智能医疗 · VR/AR
招贤纳士！
职位：记者（人工智能、汽车科技）
活动运营主管、新媒体运营实习生
简历发送至邮箱：hr@zhidx.com
更多详情回复“招聘”或点击“阅读原文”