📖 ZKIZ Archives

CSDN蔣濤：人工智能風口只有2%的人能夠成為贏家！

陳雪嬌 2017-03-29 10:44

在2016 Techcrunch論壇上，李開複曾經說過：“當人工智能識別人臉，超過人的時候，保安的工作至少一部分就沒有了；當人工智能能夠聽懂語音的時候，客服和打電話賣東西人的工作就沒有了；當人工智能能夠更聰明的炒股的時候，很多人的工作就沒有了。” 

今年是人工智能發展的第61個年頭，所有的投資機構都在談論和布局該領域，但人工智能將在哪些產業爆發？傳統企業又該如何挖掘第一桶金？要知道，每個風口都只有2%的人能夠成為贏家。

WHY 人工智能為什麽會火？

談到科技革命，時下最火的莫過於人工智能。

我自己做技術社區，做了十幾年，看到過一波一波的技術浪潮過來。當年移動互聯網大潮過來的時候，我們原來在PC端做的事情，都可以用移動互聯網的理念把它重新做一遍。簡單來說，現在的人工智能就相當於原來移動互聯網的概念，原來移動端做過的事情，現在又可以結合人工智能的方式再做一遍，而且會比之前更具顛覆性的效果。毫不誇張地說，我認為人工智能所帶給我們的沖擊，將會像工業革命一樣。

今年是「人工智能」誕生的61周年（註：1956年夏“人工智能之父”麥卡錫首次提出這個概念），同時也是它的第三次浪潮。這次浪潮和以往的前兩次都不一樣，這次有了實質性的突破。以前，相當於你想到對面去，但是面前有一堵墻；現在這堵墻被鑿開了，之所以這麽講，是因為我有以下三點的觀察思考： 

第一點：人工智能雖然還處於技術創新期，但到人工智能的普及期，我認為也就需要十到二十年的時間。現在相當於移動時代的2005年，雖然第一部3G手機2007年才出現，但2005年我們已經很清楚2G是要到3G的。雖然人工智能還沒有找到突破口，不知道會怎麽商業化，但是大方向是有的。所以，現在只要你在這個領域沖到第一名，就會持續得到投資。

第二點：人工智能的基礎已經充實，它是一個邏輯上的發展，這個發展可以分為三個階段。1）雲計算，把信息基礎雲化，雲計算基礎設施的完善使得人工智能響應速度更快。2）大數據，計算的過程中累積了數據，數據的極大豐富，使得基於大數據做出行為分析及短期預判成為可能，各個行業的信息化也為此奠定了良好的基礎。3）判斷決策，對大數據的判斷從而產生了更好的決策，決策實際上就是人工智能的進展。

現在我們的生活中就有很多計算機技術在做決定，坐車是滴滴在幫你調度；去餐館是大眾點評用算法把離你最近、人氣最高的餐館選出來等等，所以你的生活已經和人工智能相關了。

第三點：人工智能之所以取得重大的突破，除了前兩個階段的鋪墊外，深度學習的發展也貢獻了非常重要的力量。

未來是“AIR”的世界

未來你看到的是物理世界和虛擬世界的疊加，這就是VR和AR，也就是R時代；I時代是物聯網時代；A時代也就是人工智能時代。

其實你看到的世界很可能不是真的。為什麽這麽說？因為這是從視神經系統處理出來的。現在我們可以用計算機處理掉，疊加到視網膜上。比如：我不用遞名片，只要念頭一轉，你的名片就應該自動出來了。那怎麽能做到這樣呢？就是把所有的信息都連接到網絡上，這樣物理世界和虛擬世界才能疊加在一起。人之所以和其他生物不一樣是因為人會做思考、決策，比動物要高一個級別，具有抽象的能力，這是未來20年的大趨勢。

AI技術體現在圖像識別的突破上，更重要的可能是智能語言的突破，他能理解你講的話，寫出來的文字，甚至能理解照片，當做到這些的時候，行業就會產生變革。

各個行業基本可分為4個階段：數字化、數據化、自動化和智能化。越到後面它的武器越強。原來是長槍、大矛，練的是武功，後面就變成機關槍了，掃射的時候你會發現不一樣。

今年我們做了AI100，也叫人工智能100年。今年是人工智能的第61年，可能再過20年到40年，這個世界90%的人就不用工作了。在未來，我們要培養200萬名數據分析師，因為決策和運營都是用數據驅動的。同時我們也會與投資相結合，幫助中國30萬家企業走向智能化階段。

Where 第一波紅利的三個產業

人工智能究竟會改變哪些領域？如何改變呢？

1． 自動駕駛。

任何領域有非常大的數據量，人工智能都可以用上。全世界和運輸價值相關的公司，都已經相信無人駕駛的發展是必然的。所以在無人駕駛、電動車的框架之下，未來的司機基本上會被無人駕駛取代。

單車智能與智慧交通是無人駕駛技術發展的兩個階段。其中，單車智能是無人駕駛技術的基礎，是實現無人駕駛終極形態的根本路徑；車聯網與智能交通則是推進無人駕駛技術發展的強力催化劑，將助力無人駕駛技術的普及。無人駕駛技術的成熟將最終構建城市智能駕駛生態圈，為未來出行提供新的解決方案。

2. 客服行業。

做金融服務的宜信，有1萬多個客服，攜程大概有7、8千個客服，每天負責就接各種投訴電話，每次都是被用戶狂罵、抱怨，未來將有更多工業機器人替代這些低效率的人力。 人工智能客服系統主要是整合郵件、電話、微博、微信、網頁、API接口、移動SDK等渠道在內的服務渠道，並統一自動分配工單，同時留存用戶信息便於下次咨詢時識別。

基本能做到：1）24小時機器人客服在線，隨時響應客戶的相關資訊和需求；2）建立客服機器人的內容庫，用深度學習的方式自動回複重複問題；3）接入人工時機器人給予部分回複建議，加快反饋速度；4）接入內部辦公系統，推動多部門協作反饋以及用戶精準營銷；5）後臺實時數據統計匯總，管理用戶評價，進行數據挖掘和數據分析；

3. 醫療領域。

醫療人員醫院里有大量的臨床病歷數據，而且不斷的產出數據。醫療方面的人工智能主要分為兩部分：一是圖像識別，應用於感知環節，其主要目的是將影像這類非結構化數據進行分析，獲取一些有意義的信息；二是深度學習，應用於學習和分析環節，是AI應用的最核心環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握“診斷”的能力。不管是什麽病，圖像只是其中一個參數，而治療疾病則需要多個參數。此外，80%的數據屬於非結構化數據，亦即報告+影像。未來，人工智能的使用將大大提高治療效率。

How 傳統企業如何獲得紅利？

簡單來說，現在的人工智能就相當於原來移動互聯網的概念，原來移動端做過的事情，現在又可以結合人工智能的方式再做一遍，而且會比之前更具顛覆性的效果。毫不誇張地說，我認為人工智能所帶給我們的沖擊，將會像工業革命一樣。

傳統制造業智能化設想

傳統企業的未來有兩個方向：第一，你有沒有用戶的服務和連接。第二，在這個基礎上，有沒有做智能化決策和分析。後來就是本身在生產線上的提升，生產線也面臨著一個問題，你的控制有沒有數據化。

在一些制造業工廠，升級之後有沒有更好的成本上的控制。極客幫有個合作的LP，專門給小米做代工，他就給我看傳統的生產線，就是一條生產線，都是自動化的設備。所以它能夠做到手環40元錢，還有利潤掙。就賣40元錢還能掙錢，而且掙得還不少。總的來說，我們看到的一個方向的趨勢。

對制造業來說，意義最大的是把它的制造過程，原來的控制系統做成一定的數據化，再看看能不能做規劃。那些大規模生產的時代已經結束，一定要往前端走，差異化可能在產品設計上、包裝上、服務上，從大生產時代到個性化時代，未來到一個智能化時代。

“創業者埋頭苦幹的同時也要擡頭看天。歡迎加入我的黑馬連營戰隊，和我一起探尋人工智能趨勢背後的行業商機！”

文章評論

匿名用戶

發布

全部評論：10

發布

騰訊入股特斯拉 看好電動車和人工智能前景

騰訊近期正在加大布局電動車和人工智能等新技術，以提升未來的競爭優勢。在這些領域，特斯拉創始人馬斯克是很多企業的“夢中情人”。

根據特斯拉交給美國證券委員會的文件顯示，今年3月騰訊入股特斯拉5%的股份。文件顯示，3月17日，騰訊通過旗下黃河投資以17.78億美元在公開市場收購了特斯拉816.75萬股，成為特斯拉的第五大股東，目前特斯拉最大的股東仍是創始人馬斯克，持股超過20%。

昨天消息爆出後，特斯拉股價收盤大漲近3%。今年以來，特斯拉股價已經上漲了26%。本月初，特斯拉開始轉向鞏固資產負債表，公司發售了2.5億美元的普通股和7.5億美元的可轉換債券。

騰訊投資特斯拉的時機非常值得玩味。這家全球最大的電動車生產商正在加速大眾電動車市場的布局，售價3.5萬美元的Model 3今年下半年即將發售，特斯拉創始人CEO馬斯克也正在面臨能夠實現交付目標的信任投票。馬斯克的目標是到今年四季度，每周電動車產量實現5000輛的目標。這意味這特斯拉進入了一個資本密集的汽車行業。特斯拉預計到2018年，債務將達到20億美元，而且公司還在開發新車型。騰訊此時入股無疑是對馬斯克最大的支持。

據了解，騰訊的股份是“被動股權”，這也意味著騰訊並不擁有董事會席位或者會對特斯拉的決策產生影響。因此，從騰訊的持股比例來看，此次投資主要是看好特斯拉的前景。去年特斯拉26億美元並購了太陽能企業SolarCity，並且將“特斯拉汽車”更名為“特斯拉”，表現出公司的多元化戰略，不僅僅是做電動車。

騰訊昨天也對收購特斯拉股份做出回應稱：“特斯拉是電動汽車、無人駕駛、共享車輛、數字化現實世界信息、可持續能源生產和可擴展能量存儲等新技術的全球先驅。結合了願景、野心及執行力，特斯拉CEO馬斯克先生是創業者的典範。”

很顯然，騰訊最為看重的是特斯拉的汽車業務。此前騰訊海外收購的資產中，遊戲占比突出，在收購了《英雄聯盟》的開發者Riot Games之後，去年騰訊又86億美元收購了芬蘭手遊公司Supercell，成為全球最大的遊戲發行商。然而，在政府鼓勵新能源汽車發展的途中，BAT三家的角逐更為激烈。騰訊此前已經投資了電動車行業的NextEV和Future Mobility。從過往來看，騰訊和被投資公司除了單純的股權關系外，也會演化出一些商業層面的合作。騰訊對第一財經記者表示：“騰訊與特斯拉眼下並無具體的合作計劃，未來可能視雙方發展情況做適當考慮。”

據特斯拉方面向第一財經記者透露的消息，公司目前正在積極研發多款全新車型，Model Y和下一代Roadster以及一款微型電動巴士。Model Y將會取消鷗翼式車門，其將比Model X更小，定位為一款緊湊級電動SUV，價格也更為便宜。

另一方面，作為一家科技公司，近幾年騰訊已先後在互聯網造車、人工智能等領域進行了布局，其在自動駕駛的感知和決策兩個重要部分或將能和特斯拉形成巨大的合作空間。巧合的是，昨天第一財經消息稱，馬斯克已經成立了人工智能領域的新初創公司Neurallink，該公司將致力於開發基於神經網絡“人腦計算機”。

對於特斯拉而言，拉攏中國最大的合作夥伴騰訊也有助於其未來在中國的擴張。中國是特斯拉潛在的最大市場。特斯拉今年3月對外宣布，其2016年在中國的營收突破10億美元，同比增長超過兩倍。特斯拉2015年中國市場營收為3.185億美元。去年特斯拉70億美元的收入中，有超過15%來自中國。美國仍是特斯拉最大的市場，去年為特斯拉貢獻了多達60%的收入。

騰訊控股有限公司主席兼首席執行官馬化騰曾在公開場合表示，人工智能近兩年已成為全球投資者關註的熱點，騰訊也十分看重該領域的發展，預計人工智能將成為未來業內的核心競爭力。

“目前公司整體技術人員都在不斷積累人工智能領域的相關經驗，該技術最終能否有效廣泛應用，主要取決於數據及使用場景兩個因素，而騰訊受惠於多元化業務，擁有眾多合作夥伴及平臺式服務，因此在數據及使用場景方面占據優勢。”馬化騰說道。

TCL聯手阿里騰訊推雷鳥 人工智能成今年彩電比拼熱點

在去年全球彩電銷量首次突破2000萬臺之後，今年TCL希望通過做透細分市場。3月30日下午，TCL集團正式宣布推出互聯網電視子品牌“雷鳥”，並與阿里、騰訊等互聯網巨頭進行深度的戰略合作。

富有戲劇性的是，TCL集團旗下彩電業務的香港上市公司TCL多媒體(1070.HK)曾引入樂視作為戰略投資者、第二大股東。而此次“雷鳥”互聯網電視的合作名單中，卻沒有樂視。而樂視30日下午也舉行了另一場彩電發布會。

今年是傳統彩電品牌與新興互聯網電視品牌較量的關鍵一年，人工智能成比拼熱點。TCL多媒體副總裁、TCL業務中心總經理、雷鳥科技CEO郭彤沒有避諱：“雷鳥17年的目標是，比較互聯網廠商，包括樂視、小米、微鯨等，希望能超過他們”。

反撲線上的機會

此前，創維酷開、康佳KKTV、海信VIDAA、長虹CHiQ等傳統彩電廠的互聯網子品牌早已活躍在市場上，手握華星光電上遊面板資源的TCL，為什麽現在才推出互聯網子品牌？

TCL集團副總裁、TCL多媒體COO兼中國事業部總經理王成表示，“對過往這五年在中國市場上的互聯網品牌我們進行了一個盤點，複盤之後，我們發現這個時候反而有新的機會。”

王成說，首先互聯網廠商進入電視領域大概三四年時間了，以樂視、小米等為代表，但是在前一階段的彩電供應鏈的危機中，傳統廠商重新崛起，傳統電視廠商的優勢會持續存在。其次，雷鳥有後發優勢，學習人家好的地方，並結合TCL的上遊面板資源和下遊渠道能力。第三，從商業模式來看，互聯網電視行業越來越成熟，廣告等價值繼續攀高。

與創維酷開類似，TCL的雷鳥也將作為子公司獨立運營，今年上半年已經註冊。雷鳥的戰略合作夥伴包括阿里、騰訊等互聯網巨頭。

郭彤透露，“我們和騰訊、阿里，在產品、用戶運營、運營團隊上達成了深入和一致的合作意見，但雷鳥公司的股權結構暫時不便回答。”另外，在上遊供應鏈方面，TCL給雷鳥很大的支持，毛利率不用擔心。“雷鳥不一樣的玩法，是把內容、用戶、廣告、會員和產品進行更加深度的結合。”

雷鳥電視預計線上、線下銷量的比例為八二開或七三開，今後還會考慮拓展海外市場。

做透細分市場

除了以雷鳥搶食網上市場份額外，TCL還重點推介了其高端子品牌XESS，主打第三代量子點電視等高端產品，此外還推出了曲面電視新品，希望做透各個不同的細分市場。

今年國內彩電市場的開局並不順利。TCL多媒體中國區銷售公司總經理謝帆坦言，今年1、2月份整個國內彩電行業負增長。家電行業在中國市場經歷了幾次增長高峰，現在已進入依靠消費升級帶動銷售增長的新階段。

NPD Display Search預測，量子點電視在中國市場的增長率將達到100%，有望從2016年的60萬臺增長到2017年的120萬臺，同時全球範圍內也會從300萬臺增加到600萬臺。

據了解，TCL這次把量子點電視的定價“拉低”到了普通消費者的接受範圍，以示推動量子點電視普及的決心。王成認為，“2017年量子點電視普及必將提速”。TCL已投資了浙大的納晶科技，並成立了廣東聚華公司，儲備量子點新材料、印刷顯示的技術力量。

兩大陣營對壘

奧維雲網副總裁董敏在2017 AWE(中國家電及消費電子博覽會)期間曾預測，今年彩電行業將現分水嶺，由於彩電業產能過剩、制造門檻降低，令顛覆的機會增大。

今年五一彩電旺季，預計傳統彩電品牌與互聯網新興品牌的較量也將更加激烈。從多家企業新品發布會看，人工智能成為比拼的熱點，如小米就推出了語音操控的電視。

TCL集團董事長李東生在2017年CES期間曾透露，人工智能將成為TCL產品的標配。此次發布會上，王成也展示了人工智能在TCL電視上的應用，包括語音識別、圖形識別等，並將其總結為“簡化交互”、“扁平內容”、“自由個性”。

TCL多媒體產品中心總經理張少勇表示，人工智能（AI）肯定不是TCL一家做，TCL與科大訊飛、阿里等都有合作。人工智能有三個階段，第一個階段是做簡單，第二階段是做便捷，第三階段是做聰明、讓機器能學習用戶的習慣。

張少勇說，“幾年前在人工智能領域首先實現了簡單，像搜索以前很難，然後導入語音1.0、2.0，現在到5.0，使搜索更簡單。今天解決了便捷的問題，我們通過圖像識別、語音識別、圖文識別，讓用戶在使用電視的時候更加便捷。下一階段要實現聰明，今天你發現用不了的東西，過幾天機器就學會了，這是接下來人工智能的重點方向。”

（實習生麥舒瑜對此文亦有貢獻）

挖來矽谷人工智能專家，銷售易的CRM+AI會發生什麽？

黑智 2017-03-31 14:31

人工智能已經不再是存在於科幻故事中的描寫，它正在逐步成為主流技術。而它所改變的，不止是我們在各類宣傳中常見生活和消費領域，在商務領域，它也正在改變著企業的運營。企業級服務市場，也開始了對數據挖掘、機器學習的研究，從BI向著AI邁進。

3月23日，銷售易宣布，矽谷人工智能專家趙宇辰正式加入銷售易，出任技術副總裁、首席數據科學家，負責銷售易CRM在大數據和人工智能方向的產品和研發工作。

據銷售易透露，趙宇辰一直致力於人工智能在工業界的研究和應用。作為數據科學會議KDD、ICDM、IJCAI的委員會程序委員，他曾在矽谷擔任AppDynamiccs的首席數據科學家，以及General Assembly的首席數據科學講師。同時，他在SumoLogic，LinkedIn，eBay，IBM Waston Research都有相關經歷，並在大數據和人工智能領域發表了十多項美國和國際專利及多篇學術論文。

在今年1月，銷售易剛剛宣布完成了由騰訊領投的2.8億元D輪融資。在發布會現場，銷售易創始人、CEO史彥澤表示，這輪融資將主要用於產品和技術的能力提升，幫助企業實現數字化轉型。而在2個月後，銷售易就宣布了趙宇辰的加盟。

當人工智能概念被炒得火熱，當AI隱然成為風口，銷售易此舉，是否會是對熱門領域的跟風？史彥澤對黑智否認了這一點。在他看來，CRM與大數據、人工智能之間，存在著必然的聯系。

銷售易創始人、CEO史彥澤

企業級服務+AI起步

企業級服務公司和人工智能技術的結合，已經在業內悄然興起。最先對此敏感的領域，客服就是其中之一。環信、網易七魚、智齒科技等先後推出了機器客服解決方案，京東阿里的人工智能客服助手相繼上線，以為企業降低成本，提高服務效率。

而CRM，則是其中更大的一塊試驗田。在去年10月，Salesforce推出了新的人工智能平臺Einstein，並稱它是“CRM的首個全方位AI平臺”。Salesforce在官方介紹中表示，Einstein擁有機器學習、深度學習、預測分析、自然語言處理和智能數據挖掘能力，將為客戶自動定制模型，自動挖掘商業洞察，預測客戶行為，推薦最有的下一步行動，甚至自動執行任務。

Einstein能識別用戶發布在社交媒體上的公司產品和logo圖片，為企業提供分析結果，對社交媒體上用戶的歷史記錄進行分析，預測用戶的身份、位置和訴求，提供給營銷團隊。

或許很多人認為這還只是個美麗的願望和構想而已。但Salesforce已經為之起步，早在2013年起，它就開始收購大數據和人工智能創業公司。例如 Tempo.AI、Metamind等。被收購的深度學習創業公司 Metamind 的 CEO Richard Socher 更是擔任了 Salesforce 的首席科學家。

在去年7月，銷售易也發布了智能化CRM，將大數據及機器學習引入，實現熱點線索智能評分、找客戶及關鍵信息回填、同類客戶智能推薦等。現在引入新的人工智能專家，史彥澤也表示，即將在今年推出更新的智能化產品。

為什麽是CRM？

一直以來，人們對人工智能的理解，還停留在消費或工業領域的機器人、語音助手和輔助安全的圖像識別領域上，AlphaGo震驚了世界，但很少有人會想到，機器在企業服務中的應用。

人工智能客服雖然擁有了極大發展，它在標準問題上的問答發揮了越來越大的作用，但是在針對用戶的個性化需求、多輪會話、輔助營銷上，還存在著不少問題。

CRM（客戶關系管理）在今天，對於企業資源管理而言，已經變得尤為重要。2B企業的動力核心，從產品為中心，向著以客戶為中心轉變。在CRM產品系統中，包含了客戶管理、時間管理、銷售、營銷、客服、潛在客戶挖掘、拜訪管理等各種需求，互聯網和移動互聯網的發展推動著企業和客戶在營銷服務上的交互方式不斷刷新，大量的數據資源在線產生。通過移動設備，大量的企業客戶數據在線積澱，成為企業的重要資產。

在史彥澤看來，在企業級應用中，移動和社交，仍然是改變CRM的重要因素。在企業的整體數字化過程中，在企業的生態中，連接場景，連接“人”，將是下一代CRM的核心。“不但要把傳統CRM的內部打通，更重要的是把企業外部合作夥伴，經銷和服務的合作夥伴，以及最終用戶連接起來。當內外整題聯通起來以後，這中間將會產生非常大的化學反應和變化。”而在這些場景中，不論通過哪些場景和企業互動，都有能夠識別你的整體的CRM，分析互動信息，為客戶提供更好的服務。

而在這個過程中，CRM公司，就天然具備了大數據公司的基因。當CRM進入移動互聯時代，也就意味著其同時進入了大數據時代，越來越多的銷售人員攜帶移動設備拜訪客戶，並通過移動設備與客戶在線溝通。使用CRM的企業積澱了海量的客戶數據和社交數據，也意味著其中具備更多的銷售機會和潛在收入。而CRM公司，則相應地需要具備處理和分析數據的能力，幫助企業挖掘更多的商業價值和機會。

而在史彥澤看來，這就為人工智能技術提供了空間。與以前的眾多數據分析技術相比，人工智能技術立足於神經網絡，同時發展出多層神經網絡，從而可以基於大數據實現深度機器學習。

而對於銷售易而言，這也是一個更大的產品前景的展開，拓展更多的應用場景，將企業的前端到後端全部流程打通。

而在趙宇辰看來，他選擇了CRM領域，主要的原因也不外兩點：海量數據，以及可開拓的豐富的應用場景。“AI的真正落點是要幫助企業解決實際問題。”趙宇辰說。而這其中，CRM賽道盡管對具備智能化數據分析能力的產品需求強烈，但由於人才和技術成熟度的原因，尚處於摸索階段，如果能在現有基礎上將AI+CRM做一個中國式的創新，將有希望實現彎道超車。

銷售易首席數據科學家趙宇辰

趙宇辰加入銷售易後，將著手從數據分析和機器學習兩個方面來推動銷售的自動化、數據的智能推薦。

在當前的大數據挖掘和分析領域內，“數據”仍然是各技術解決方案提供商們最為頭痛的問題。它們面臨著數據共享的瓶頸、企業內部數據保密和安全問題，以及企業內部數據碎片化等各種制約。趙宇辰透露，其工作大約分為三個階段。“第一階段是數據管理。客戶自有的數據，一定是保證物理隔離；而對於交互的信息和各種網上公開的信息，各種碎片化的數據，進行有機整合。第二，分析。實現數據的可視化和分析處理。第三則是智能，實現更多的場景化應用。”而搭載了人工智能的銷售易CRM，將把移動、社交、大數據、雲和AI進行更加有機的結合。

企業級服務也進入“下半場”？

去年的烏鎮大會之後，互聯網“下半場”悄然成為近年來的熱詞。而企業級服務，是否也隨之進入了新的“下半場”？在去年，史彥澤就提出，企業級SaaS已經堪比2009年的電商領域，進入了“深水區”。所謂深水區，即不停地有新對手入局，新技術不斷湧現，產業格局深入變化，但未來方向，仍不明確。

“進入深水區後，我們發現，現在是需要回歸價值，關註產品和服務的時候了。”史彥澤說，“做CRM，需要對行業的深刻了解，加強技術和研發能力，真正解決客戶的需求。企業級服務要做好，是一件難度非常大的事情。”

但他仍然認為，在國內，存在著巨大的市場空間，可以做成一家完全不同於Salesforce的，企業級服務的創新公司的機會。“Salesforce和SAP等的軟件產品，是基於之前的PC時代的，而它們要把全新的社交和移動互聯網技術整合進來，天然是具有難度的。而對於國內公司而言，是沒有創新包袱的。而中國巨大的市場需求，也完全能夠支撐起這樣一家公司的出現。”史彥澤說。

由此，我們不難理解,加速智能化和社交方面的布局，對銷售易而言，對下一代“連接內外”的CRM產品而言，是至關重要的一步。當以滿足客戶需求為中心的CRM，加上AI的技術武器，或許能夠為企業級服務，打開新的大門。

文章評論

匿名用戶

發布

全部評論：10

發布

馬化騰：發展人工智能 四大要素缺一不可

騰訊董事會主席兼首席執行官馬化騰周日在深圳IT領袖峰會表示，發展人工智能，需要場景、大數據、計算能力和人才等四個要素缺一不可。

4月2日，2017中國(深圳)IT領袖峰會正式開幕，在“人工智能：中國機遇與挑戰”為主題的高端對話環節，馬化騰表示，騰訊在業務層面，比如社交網絡業務、後臺數據分析等都已經用上人工智能，只是大家感受不到，這是在後端，現在騰訊想在前端做出一些產品。

AlphaGo通過人機對戰讓全世界對人工智能的認知到了新的高潮，騰訊的團隊也本著練手的心態在做嘗試。“絕藝和AlphaGo不同的是，我們的AI全程得到國內頂尖棋手的指導。”

3月19日，騰訊AI Lab(騰訊人工智能實驗室)研發的圍棋人工智能程序“絕藝”(Fine Art)在東京以11戰全勝的戰績，在最具傳統和權威的計算機圍棋大賽——第10屆UEC杯上奪冠，戰勝了日本的DeepZenGo、法國的“瘋石”(Crazy Stone)等世界圍棋AI高手。3月26日，“絕藝”還在東京與日本著名新銳棋手一力遼在“電聖戰”中進行了人機對弈，並獲得冠軍。

馬化騰認為，絕藝贏得比賽是小小的成功，但是不能過於欣喜，但是也不能說這是一個毫無意義的事情。

對於人工智能的意義，馬化騰表示，AlphaGo給業界帶來的最大觸動在於，以後在很多領域如果能做出模擬器定義參數自己學習，找到規律遠超人類的想象。

“AlphaGo出來以後經過了十億盤對弈超越了過去人類所有交戰的盤數，自己尋找規律，對人類認知的範圍極大的擴張，這給人類很大的啟示。”

在對話中，主持人吳鷹提問，人工智能是通過模擬人腦的思維方式，還是完全不同的路徑實現飛躍。

對此馬化騰認為，我們期待有本質性的飛躍，但其實現在AI都是圈定一個比較窄的領域，通過各種參數訓練，屬於很窄的技能模擬，現階段要研發出通用的AI很難。

他表示，從現在的研究狀態到下一步實現通用人工智能，是不是能夠超越當前的碳基智慧，是不是其他的元素有可能形成更高級的生命和智慧，超越人類現在發現的知識，這些是有可能的。

對於場景、數據、計算能力和人才這四個要素，馬化騰認為，技術如果沒有場景落地、平臺業務支持的話基本是空中樓閣很難往下走，而業務產生的大量數據則需要進行標簽化和清理，因為里面有很多垃圾數據對發展AI並沒有實際用處，在計算能力上需要布局雲資源，拿出幾十萬核的計算能力，最後是人才，騰訊過去一年招了很多人工智能方面的人才，包括在美國西雅圖還設了一個實驗室。

據了解，騰訊AI Lab於2016年成立，專註於人工智能的基礎研究及應用探索，不斷提升AI的決策、理解及創造能力，同時為騰訊各產品業務提供AI技術支撐，產品已應用在微信、QQ及天天快報等上百個產品。

2017年3月23日，騰訊宣布任命人工智能領域頂尖科學家張潼博士擔任騰訊AI Lab(騰訊人工智能實驗室)主任。張潼博士將作為騰訊AI Lab第一負責人，帶領50余位AI科學家及200多位AI應用工程師團隊，專註於人工智能的基礎研究，主要包括計算機視覺、語音識別、自然語言處理和機器學習這四個垂直領域。同時，基於騰訊自身的業務需求，騰訊AI Lab還會在內容、社交、遊戲和平臺工具型AI四個方向進行研發與應用合作。

針對吳鷹提到騰訊是否有可能將業務數據開放出來給創業公司使用的可能，馬化騰表示，對於這個問題內部也有討論。這里面還涉及保護個人信息安全和隱私的問題，如果數據不進行脫敏，不處理幹凈無法談下一步。他認為，關於數據開放，業界在向互惠互利的大方向走，但是數據要什麽模式、怎麽清理、做什麽標簽才能給其他部門、其他公司使用，還需要進一步探討並建立標準和規則。

附馬化騰問答實錄：

吳鷹：為什麽重視人工智能?有什麽看法?

馬化騰：在公司內部結合業務形態我們已經有一些業務，比如微信朋友圈和QQ空間我們有上十億的人臉照片，在國內有相當長的研究，包括後臺數據分析，都用上人工智能技術，只是大家感受不到，這是在後端，在前端希望做出一些產品。

AlphaGo通過人機對戰的事件讓全世界對人工智能的認知到了新的高潮，團隊也本著練手的心態做嘗試。Google收購的DeepMind團隊論文發表之後，全世界原來做計算機圍棋的團隊走入瓶頸的團隊都用人工智能的方式來做，紛紛采用深入學習的方法融入到圍棋的軟件開發。

我們內部團隊有三個團隊在做，在不同的部門，這個部門剛好可以突破這個瓶頸。更大的特點，和AlphaGo不同的是，我們AI全程得到國內頂尖棋手的指導，我們十幾位研發人員不懂圍棋，一開始連黑先下還是白先下規則都不知道，所以結合計算機原理以及很多專家的訓練。

絕藝贏得比賽是小小的成功，不能過於欣喜，但是也不能說這是一個毫無意義的事情。

過去對AI很多從一些規則或者簡單的訓練得出來能夠改善計算處理的能力，最終發現一個更同步和更深層的意義，能夠在計算機的後臺用雲計算大數據的方式去高速學習，可以自己跟自己對弈。

AlphaGo出來以後經過了十億盤對弈超越了過去人類所有交戰的盤數，自己尋找規律，對人類認知的範圍極大的擴張，這給人類很大的啟示。在很多領域，圍棋以外的，金融、醫療、病理的檢測，如果用計算機後臺做出模擬器，充分的嘗試。就如自動駕駛一樣，模擬做各種各樣的反饋，自然會琢磨出一套理論和經驗，給我們帶來很大的思考。以後在很多領域如果能做出模擬器定義參數自己學習，找到規律的能力遠超我們想象的，這是我們得到最大的啟發。

問：人工智能要取得突破性進展，是模仿人的神經網絡、人腦的效率，通過仿生人腦思維的方式突破，還是完全不一樣的方式?

馬化騰：我們期待有本質性的飛躍，比如說發現飛機的空氣動力學、流體動力學和鳥不一樣的，車輪和人型馬一樣，仿生是某些垂直的領域，包括圍棋是選非常窄的領域，通過各種參數訓練。

郭為剛提到用AlphaGo下一盤棋消耗多少能源，垂直領域訓練消耗能源，但是實際用消耗不了多少。現在訓練出來的單機版本跟職業棋手差不多，訓練需要很長時間，最麻煩的是改一個參數，規則改一點、算法改一點，全部重新來消耗很大，所以這屬於很窄的技能模擬。

未來下一步到通用的，再下一步是不是有更本質性的發現背後的原理，智能其實可以超越現在碳基智慧，是不是有其他的元素可以形成更高級的生命和智慧呢?這是超越人類現在發現的知識，這是有可能的。

有人突發奇想說，現在認識的宇宙是高智能生命用量子計算模擬出來的環節，一切都是模擬起來的，這是發揮大家腦洞大開的想象力吧。

吳鷹：有沒有可能把數據分享出來，讓這些創業公司來用?

馬化騰：這個問題在內部也有討論。首先，人工智能關註哪幾塊：場景、大數據、計算能力、人才

場景：想把技術應用在什麽情景下?是不是高頻跟用戶接觸，這是落地很重要的地方。我們看到研究院、研發團隊，如果沒有場景落地、平臺業務支持的話，基本上很難往下走。

大數據，也是平臺、業務部門里面有大量的實際運轉數據產生出來，這里面很多大數據是垃圾數據，沒有標簽、沒有人規劃定義，用算法也學不出來，學完之後也是走火入魔瘋狂的結果，這里面數據的清洗標簽化難度相當高，要雇很多人，用比較笨的方法用人腦去清洗幹凈再讓AI去學，這個過程是混合的過程。

計算能力，雲資源，這方面我們也要做雲，要拿幾十萬核的計算能力CPU還是有能力的，而且在雲里面本身有比較好的調用。

人才，通過一年的時間招了很多人，包括在西雅圖還設了一個實驗室。

我們觀察到很多AI的大佬們，更關註怎麽落地，把畢生的研究成果體現出來。內部BG之間也在溝通微信、手機QQ平臺數據能不能用?大家知道，BG或者部門里面平臺他們也很希望近水樓臺先得月，數據在身邊流動為什麽不讓人先研究一把，所以現在我們處在內部怎麽把數據分享出來的階段。

還有一個用戶很關註的是個人因素，就是你不要把我的數據都賣了。這里面有很重要的個人信息安全和個人隱私的問題，如果數據不進行脫敏，我們是絕不能用的，只有先進行脫敏處理，沒有人能夠通過數據倒推到某個人，這樣處理幹凈才可以談下一步。

數據要什麽模式，清理做什麽標簽才能給其他的部門，包括外部合作夥伴怎麽用。同時也有很多的數據是來自於合作夥伴或者業界的其他公司，他們也遇到這樣的問題，拿到一堆裸數據不知道怎麽用，業界要形成一個標準互惠互利，這個路徑還有很長時間，大方向在往前走。

李彥宏：人工智能最大發展方向是“機器學習人的意圖”

從“戰略前沿”到“戰略核心”定位，押寶人工智能的百度在不斷推進其在該領域的投入。伴隨陸奇的加入，人工智能的產品化和市場化成為一大主題。在今天的2017中國(深圳)IT領袖峰會上，當被問及今年百度人工智能是否會加速商業化和落地時，李彥宏連連點頭表示，“會，肯定會。”

做人工智能時代的操作系統

“未來人和物、人和機器的交流方式將被人工智能顛覆，不是人去學習使用手冊、學習機器的語言，而是機器、工具學習人的意圖，人想要什麽，機器就能夠明白，這是未來幾十年代表人工智能最大的一個發展方向。”在峰會上李彥宏表示。

從百度的布局來看，百度希望搜索無處不在，而其中對話又是最自然的一種延伸搜索的方式。在今年的CES上，百度推出對話式人工智能操作系統DuerOS，希望借此走向與智能設備直接對話的時代。

“操作系統分為三代，第一代操作系統是鼠標鍵盤，最有代表性的操作系統就是windows;第二代操作系統是用手來觸摸，現在所有人手里都有一個手機，代表的操作系統是iOS和Android;第三代操作系統是以對話為主的，這三代操作系統的特點就是交互方式越來越自然、使用門檻越來越低、影響受眾越來越多。” 百度公司首席架構師，度秘事業部首席技術官朱凱華向包括第一財經在內的媒體表示。

所謂“得系統者得天下”，回顧互聯網發展歷史，從軟件應用到硬件控制，作為信息和知識的核心控制節點，操作系統意味著成為世界級企業的機會。看好對話式人工智能的並非百度一家，在今天的峰會上，微軟全球執行副總裁沈向洋也表示，“在人工智能方面，微軟現在主推研究和產品方向是對話式人工智能”。

而在PC向智能手機轉換時期，微軟正是失去對操作系統的控制讓其錯失在智能手機市場的機會。放眼至海外市場，在今年的CES上亞馬遜的AI語音助理系統Alexa搶盡風頭，Echo之外，目前搭載Alexa的廠商和產品已經超過7000家，要知道半年前僅有1000家，增速迅猛。

借算法+芯片產業化

把自然語言人機交互能力輸送到各類硬件產品，以此來增添人工智能技術的落地場景，這是百度的意圖所在。就在前不久百度聯合ARM、紫光展銳和漢楓電子發布DuerOS智慧芯片，圍繞成本、性能和易用性等方面打造一站式智能語音交互解決方案。

在這項合作中，包括度秘大腦、語音解決方案、芯片/模組在內的三層結構，其中，前兩層由百度度秘提供，賦予芯片DuerOS“可對話”的核心功能，包括日程管理、天氣查詢、答疑解惑、查找音樂、查找餐廳，訂餐、買電影票等功能，芯片模組板塊分別由紫光展銳、ARM、漢楓共同支持。

值得註意的是，這也是百度度秘事業部今年獨立以來，發布的首個重要產品。今年2月份，百度官方宣布將度秘團隊升級為度秘事業部，由首席架構師景鯤任事業部總經理。調整後，景鯤將向百度集團總裁兼COO陸奇匯報工作。在外界看來，度秘也被視為百度人工智能商業化的核心產品。

陸奇認為，自然語音和其他智能交互方式可能出現在從手機到家居的每一個設備中，為了抓住這一機遇，度秘事業部的成立用以加速百度人工智能戰略布局及人工智能產品化和市場化進程。

“算法+芯片是人工智能的產業發展必經之路。”原百度研究院副院長、深度學習實驗室(IDL)主任、地平線機器人創始人兼CEO余凱曾向第一財經表示，其所創辦的地平線也主要從事人工智能芯片和系統研發。

在他看來，要使智能產品具有感知、交互和控制能力，需要為它們創造一個“大腦”，生產針對深度學習算法特點進行優化的芯片，才能節省大量機器使用量和運營成本。從最近英特爾斥資153億收購的Mobileye來看，同樣是基於“算法+芯片”的典型案例。

“要往平臺走、往下走”

雖然此前白宮發表一系列報告稱中國人工智能將趕超美國，但在今天的IT峰會上經濟學家、清華大學國家金融研究院院長朱民指出，從產業鏈角度而言，上端是產品、人工智能家電，中端是語音識別、自然語言識別、計算機視覺等，下端是CPU、GPU、NPU、神經網絡學等。

“中國最多在應用，中國在自助知識產權第二階段的軟件上還是相當的一般，第三個基礎設施上還遠遠落後，中國每年進口2000億美元的芯片，是中國最大的單項產品進口，這是人工智能的現實。”。在其看來，做人工智能的企業還要向下移，做平臺、做基礎、做芯片、做研究、移向制造業。

“當我們把所有AI的能力通過一個實體或者打包變成實際可以落地的切入點，輸出能夠產生一個很大的化學反應。”朱凱華表示。產生這種化學反應的前提，一是要打造人工智能平臺，嫁接更多的服務和數據進入，另一方面則是置入更多硬件，實現“賦能”。目前包括海爾、美的、聯想、國安廣視、小魚在家都在試水DuerOS系統。

“去APP化和提高用戶體驗的突破口，物聯網和AI結合是未來發展方向，而在芯片和算法的或作中，我們更多扮演的是觸角的角色。”漢楓董事長謝森告訴記者。

“互聯網只是開胃菜，人工智能是主菜，人工智能不是互聯網一部分，不是互聯網第三個階段，它是堪比工業革命的一個新的技術革命。”在峰會上李彥宏又一次為人工智能振臂高呼。

在這場技術革命到來之前，如何降低使用門檻，使得人工智能更為實際可用，讓更多制造商可以用“主菜”來“填飽肚子”，是2017人工智能值得關註的新維度。

李彥宏：人工智能永遠不可能超越人類的能力

2017深圳IT領袖峰會今日舉行，在上午第一場高端對話《人工智能：中國機遇與挑戰》中， 百度董事長兼首席執行官李彥宏表示， “十幾年前我對外講說互聯網，其實現在只是一道開胃菜，真正的主菜是人工智能。所以人工智能不是互聯網一部分，不是互聯網第三個階段，它是堪比工業革命的一個新的技術革命。 ”

此外， 當談到什麽時候人工智能可以挑戰真正人的認知能力時，李彥宏說：“我覺得還有很長很長的時間。我說的比較保守，我的意思是其實永遠不可能來到。所謂的超過人腦的強人工智能階段，我們可能永遠都不會達到。 ​ ”

但值得註意的是，李彥宏還強調，“我剛才講說人工智能永遠不可能超越人類的能力，但是當它逐步逼近人類能力的時候，其實已經可以一個一個行業去顛覆掉。”

人工智能是堪比工業革命的一個新的技術革命

針對百度進入人工智能非常早的問題，李彥宏在對話中表示：“從百度的基因來說，一開始就是立足用技術來做改變。我在2012年的時候就問過百度的相關部門有沒有利用深度學習，深度學習在圖片搜索中是偶然還是趨勢。最近幾年，原來認為沒用的東西現在有用，這是因為市場環境產生了變化，當時分析了環境因素之後，覺得人工智能的時代來了。”

在他看來，2013年的時候成立深度學習研究院是食言了，但是必須要做：“我在2013年以前不斷的講百度是商業公司，不應該搞純研究機構，但是深度學習是完全不一樣的東西，於是從那個時候開始大規模的投入去吸引人才。”

在李彥宏看來，現在的人工智能是比2013年的時候更大的產業：“但是深入學習這一撥起來以後我覺得是完全不一樣的東西，它需要在理論上，算法上，在很多方面有長遠布局和突破，所以那個時候開始大規模投入，去吸引人才，推進算法。其實不光算法，剛剛朱民講的時候也講到，各種各樣芯片結構，CPU，GPU等，都要審視怎麽可以適應深度學習需求。現在看起來人工智能還是一個比2013年，我們決定進入的時候一個更要大的這樣的一個產業，十幾年前我對外講說互聯網，其實現在只是一道開胃菜，真正的主菜是人工智能，所以人工智能不是互聯網一部分，不是互聯網第三個階段，它是堪比工業革命的一個新的技術革命。 ”

人工智能永遠不可能超越人類的能力

針對人工智能的上限，李彥宏表示，“我不太認可人工智能現在做的是仿生學，我們講人工智能這一個只是像人腦神經元工作的原理，人腦具體怎麽工作我們剛才馬雲說只了解3%，我們不知道人腦怎麽工作，不知道怎麽工作怎麽仿。只是說我們已經知道這一點點，跟計算機現在做的算法有類似之處，為了讓大家理解我們做這麽一個比喻。但我同意現在的人工智能，尤其是機器學習，深度學習的算法確實處在非常初級階段，有提升空間，現在做的還非常不夠。 ”

此外， 當談到什麽時候人工智能可以挑戰真正人的認知能力時，李彥宏說：“我覺得還有很長很長的時間。我說的比較保守，我的意思是其實永遠不可能來到。所謂的超過人腦的強人工智能階段，我們可能永遠都不會達到。 ​ ”

但值得註意的是，李彥宏還強調，“我剛才講說人工智能永遠不可能超越人類的能力，但是當它逐步逼近人類能力的時候，其實已經可以一個一個行業去顛覆掉。比如像人臉識別這一種應用。我們今天如果你去機場，要過好幾道安檢，把身份證拿出來要比對一下。其實人臉識別問題解決的話，將來到機場就應該大搖大擺就過去了。可以直接檢索出你買票，現在要登機，不需要一道道檢查。家里自己開派對不可能每個人進來以後把身份證先給我看看。但是人一多，幾千，幾萬人，甚至更多人的情況下，你就得用現在這一種比較笨的辦法一個一個人對它的身份。這個問題現在已經基本解決。 ”

雲啟資本陳昱：替代人類重複工種的機器人是人工智能投資標的

雲啟資本YUNQI 2017-04-01 13:05

本文由雲啟資本YUNQI（微信ID：yunqipartners）授權i黑馬發布。

3月30日，新京報“尋找中國創客”第三季正式啟動，在下午舉辦的“新技術·人工智能”分論壇吸引了近千名AI創業者參與。在人工智能分論壇上，雲啟資本董事陳昱做了主題為《人工智能離我們有多遠？》的主題演講，陳昱非常看好機器人的未來，由於傳感器等核心部件能力的提高和機器學習能力的提升，他認為未來機器人可以大規模應用。

陳昱表示，替代人類重複工種的機器人是人工智能投資標的，未來應用市場會非常大。如果成本足夠低，不需要售賣機器人，而是將機器人租賃出去進行簡單工作，就會有大量需求。所以雲啟傾向於選擇投資供應鏈成熟、在市面上成本最低的落地型公司。

在陳昱看來，機器人是如今市場上實現了軟硬結合的人工智能。傳感器成本的下降和質量的提高、計算機視覺和語音識別技術的提高，讓機器人的實用性大大增強。“通過機器學習的方法，我們就可以讓機器人變得更加的智能，能夠幫人做多的工作”，陳昱說。

以下為陳昱演講全文整理：

基礎架構的改進讓深度學習有了長足發展的前提，雲計算帶來的大數據存儲和處理能力讓深度學習能夠發揮它的威力。我們在投了一些雲計算、大數據相關的技術項目以後，逐漸把註意力轉到上層的人工智能應用，包括人工智能在零售、金融、醫療、教育等領域的應用，也包括我們喜歡投的機器人。

人工智能分為強人工智能和弱人工智能。我們認為強人工智能還比較遙遠，這是大公司如Alphabet旗下的DeepMind團隊要解決的問題。創業公司應該聚焦在弱人工智能，即使用機器學習來解決垂直領域的問題，譬如醫療影像識別、廣告精準投放、大數據征信，創業公司如果能解決好這些問題，對我們來說就是好的投資標的。

雲啟重點投資機器人。為什麽說現在是投資機器人的好時機？從技術角度來看，機器人核心零部件價格在下降質量在提升，機器學習算法在不斷改進；從商業角度來看，機器人使用門檻在變低，加上需求明確，所以容易落地；從社會角度來看，勞動力供給在減少，成本上揚，市場亟需替代品，而機器人是最佳選擇。

可以預見，如果未來簡單重複的工作都被機器人做掉，那麽人將會有時間精力去做更有創造性、更具價值的事情。

我們在複盤基金的機器人投資的時候，發現他們都有兩個共通的特點，智能和可移動，通俗點說就是“無人駕駛”。

從室內到室外，從限定區域到全區域，從低速到高速，難度依次增加。不同的組合有不同的應用。如室內場景的無人駕駛對應的是服務機器人的通用底盤技術。算法成熟，傳感器精度要求不高，拼的就是造價。再往上一層走就是室外特定場景的無人駕駛，典型的例子就是無人機，主要應用在農業、線路巡檢和安防。高速的無人駕駛是最難解決的問題，而高速無人駕駛在商業領域，特別是物流領域會先落地。

除了商業價值，很重要的一個原因是無人駕駛依賴的高精地圖數據。無人駕駛現在大家比較認可的技術方向是傳感器融合（ Lidar + Radar + CV）加上高精地圖。全域地圖數據的采集成本很高，遠非一般公司能承受，再加上國家安全方面的考量，需要國家成立一家類似鐵塔公司一樣的國企來提供數據和服務。但物流領域里，運輸路線一般是固定的，地圖數據采集成本大大降低，所以會更容易落地。

下面簡單介紹一下我們投資的兩個機器人案例。

Robby是一家矽谷公司，由兩個MIT的高材生創辦。Robby設計了一款送貨機器人，可以自動沿著人行道導航到客戶家門。美國的人工成本比較貴，通常送一次外賣需要10美元，而送貨機器人會把這個價錢降到2美元，從而使得“餓了嗎”的模式能夠在美國落地。

擎朗是一家上海的機器人公司，核心產品是通用機器人平臺，一個能通過激光雷達和視覺在室內自主導航的可移動底盤，搭載不同的功能性外殼結構就可以演變成不同的服務機器人，實現導航、送餐、安防等功能。這個機器人平臺最吸引人的地方在於其成本特別低廉。這就催生了一種新的商業模式：機器人租賃。商戶不再需要花幾萬塊買一個機器人，而可以按日租賃，以很小的代價（如99元／天）來讓機器人為客戶服務。

最後呼應一下標題，人工智能離我們有多遠？我覺得人工智能已經在我們身邊了，而且每天都有新的人工智能應用產生讓我們的生活變得更美好。   

文章評論

匿名用戶

發布

全部評論：10

發布

人工智能這把火，會讓.ai域名成為下一個.com嗎？

歪道道 2017-04-01 12:33

從1985年世界上第一個 .com 頂級域名誕生開始，這一終端應用服務就依附於計算機，以摧枯拉朽的變革之勢，成為互聯網浪潮之下掀起的一朵浪花，盡管它不足以承載撼天動地的力量，卻始終能長久不衰。時至今日，依舊是一個非常具有吸引力的領域。

究其原因，在於天價域名成就的一夜暴富給了太多人遐想，一本萬利的賭徒心理給了太多人下註的刺激。但是從保守到狂熱，再從狂熱到理性，這樣循環往複的過程除了累積大量的已註冊域名，更透漏了域名投資行業的諸多危機。

域名作為增值最快的無形資產之一，在互聯網科技創新更叠之下雖然也一直備受關註，但是有一個不得不面對的現狀就是，如今的域名投資行業早已浩如煙海，負累前行。唱衰域名的論調甚至一度成為互聯網輿論的主調。

眾所周知，一個域名的火爆往往和互聯網一定時期內的熱點掛鉤，也就是說，在域名當前的行業狀態下，亟需新的增長點來打破從去年延續至今的沈寂。而這個增長點就目前來看很可能是人工智能。因為不論是從當下創新焦點還是未來的科技應用，人工智能無疑都將是未來幾十年內最主流的研究目標。並且在新的一年中，人工智能可能將會成為最大的風口。

從來都不會錯過任何熱點的域名圈，必然會在人工智能類的域名方面發力。尤為巧合的是，域名市場中，更是存在.ai這一暗合人工智能意義的後綴域名。雖然這本來只是西印度洋群島中的某個小國的域名後綴，但由於人工智能的熱度持續高漲，現在意義已經變得完全不同。那麽，在人工智能這一顛覆性生產力的助推下，.ai能否成為下一個域名霸主？

風光背後問題重重，域名產業亟需新的增長點

據中國信息通信研究院推出的《互聯網域名發展與管理報告（2016 年）》顯示，從2008年到2015年全球域名註冊量逐年增長，但增長率起伏變化大，且基本呈現連續兩年下滑或上升的趨勢。其中2015年全球域名註冊量一改頹勢，成功實現9%的增長幅度，這種情況很大程度上要得益於我國2015年域名投資和交易的火爆，這一年，米農豐收、市場活躍、儼然一副牛市狀態。

但毋庸置疑，熱潮群湧往往帶來行業泡沫的困擾，繁盛之後更多的是新一輪的沈寂和降溫。

這一點反映到2016年最大的實際情況就是，各種各樣聞所未聞的新頂級域名雖然借著這一風口瘋狂圈錢占地，但是卻並沒有產生類似.top、.wang等集中性的域名後綴，也甚少誕生天價的域名交易金額。也就說，從去年開始域名投資和交易進入調整期，米農高價搶占的部分域名很有可能會變為燙手山芋。

階段性變化和集中性投資是域名註冊和交易的主要特征，但之所以會造成火爆過後一片冷清的尷尬局面， 其實與其發展過程中暴露出的問題有著莫大的關系。

其一是優質資源的稀缺。據DN Journal綜合全球多個域名交易平臺而整理出的數據顯示，多年來高價域名的價格區間較為穩定，但從2014年起，最高和最低成交價逐步提升，兩者的差距也愈加拉大。而在2015年最高和最低成交價達五年來最高，從不同價格區間內的域名數來看，10-50萬的域名數量接近90%，這反映出優質域名日漸稀缺，平均價格趨勢逐漸降低。如果再向後推數十年，很有可能會到達一個臨界點，屆時優質的和稍微有潛力的都被占盡，很難再挖掘出新的市場。

其二是我國的域名市場應用率低，不足18%，與國外相比相差甚大。這從側面反映出我國大部分域名所有者都是域名投資人，他們註冊域名並不是來建立網站或提供網絡服務，而是單純地賺取高昂的價格差。然而，過低的應用率意味著域名投資人會積累大量的域名，這無形之中增加了投資風險。

其三受到移動互聯網的沖擊，域名這個入口價值越加降低。對最終要使用上互聯網的人來說，域名系統的意義在於給純數字的 IP 地址一個容易辨認的名字，從數字變成了文字。但是移動互聯網的興起使app變得更加普及和便捷，很大程度上減少了用戶輸入域名的必要性，在根本上降低了域名的使用價值，這必將是域名投資的最大潛在威脅。而這也是唱衰域名市場論調中最為核心的觀點。

在最近一兩年中，雖然也時常爆出各種域名收購案，但是，卻都是一些老域名的交易，與此同時，新生代的域名比如.top 、.cc、.wang等域名卻並沒有在域名領域獲得非常理想的成績。這說明市場依舊被老後綴域名所把持，已經有些僵化。加上移動互聯網時代的迅猛發展，域名無用論雖然是非常明顯的極端論調，但卻越來越受到更多的認可。

總之，現在整個域名領域的狀態和問題，無不直接反映出了整個行業亟需新的增長點來破局。

人工智能的火熱能讓.ai域名成為行業的新起點嗎？

事實上，傳統通用頂級域名增長緩慢，而借助於新頂級域名崛起的國內域名產業，正成為全球新的增長極，這對於眾多非主流域名來說，也許是挑戰.com和.net域名地位的一大機遇。

據《中國域名產業發展報告》顯示，2008年-2015年傳統通用頂級域中，.com和.net的全球註冊量依然排名第一和第二，領先地位短時間內難以撼動。但隨著新頂級域名湧進市場，售賣域名的利潤逐漸被壓縮，整個市場競爭更加激烈，從之前具有壟斷性的市場轉變為相對充分競爭的市場。從上圖中可以看出，2008年-2015年這兩個傳統通用頂級域名的註冊增長率漸趨變緩，從鼎盛時期的22%驟降到目前維持的平均增長率8%，而2015年之所以實現大幅增長，更多的是受我國域名投資的熱度影響。

但是與傳統通用頂級域名的狀態相反，新頂級域名的市場潛力正在爆發，尤其是我國已經成為全球第二大域名市場。據域名註冊量占比及排名前十的新通用頂級域的數據所示，.xyz以絕對優勢占據榜首，憑借其巨大的想象空間和符合語言習慣的特點，迅速發展為龍頭老大.com的威脅之一，甚至曾經引發了一場曠日持久的商業糾紛，並對簿公堂。

而我國主導的.top和.wang分別以8.7%和5.5%的占比排名第二和第三，一度引爆國內的域名投資行業。也就是說盡管.com域名依然維持著霸主地位，但是以.xyz、.top為首的新頂級域名已經激發了.com的危機意識。加上實力依舊懸殊，這些新生頂級域名想要真正威脅到.com，可能還是有些不切實際。

新頂級域名，除了本身自帶的內涵和特征助長其引發市場火爆，還與互聯網階段性的資本熱點相伴相生。例如去年所預測的VR元年帶動了不少相關域名的交易，其中vr.cn的域名短短兩個月內兩次易主，身價就從百萬上升到千萬級別。而2017年根據投資情況和輿論焦點可以看出，人工智能可能會成為下一個互聯網風口，那與之相關的.ai域名後綴，更是給人非常大的想想空間。

比如前幾天因為吳恩達辭職百度而備受關註的Drive.ai，使用的就是。ai域名, 據了解，Drive.ai是一家人工智能創業公司。由斯坦福大學的8名人工智能研究員創立。該公司主要致力於通過工具包將普通汽車變為無人車。除此之外，越來越多的人工智能創業公司開始啟用ai域名。

那麽在人工智能爆發所產生的強大勢能之下，.ai能否給調整期的域名投資市場帶來新的增長點呢？

當然這很大程度上要依賴於今年人工智能領域是否會取得技術上的重大突破，又或者消費市場上會不會誕生現象級產品.但是從初創企業的融資情況來說，還是可以看出這一域名的現實價值。

根據風投數據公司CB Insights 的相關數據顯示，“.ai”後綴名的初創公司中，成功獲得第一筆融資的公司數目在過去的 6 個季度大幅增加。並且 URL中包含“.ai”的初創公司，成功融資的數量在 2015 至 2016 年度飛速增長。單單就2015年第四季度的數目就已經達到2014年之前的數目總和，所以很多觀察人士紛紛指出，初創公司或許可以通過在URL中附加“.ai”後綴來降低融資難度。

相比初創企業，顯然互聯網巨頭企業更適合進行人工智能的研發。例如騰訊依靠大批投資和收購國內外人工智能公司來增強研發力量，百度顯然布局得更早，並逐漸把公司的戰略定位轉移到以人工智能為核心的技術驅動型企業，當然他們各自持有自己的.ai域名。

而經過查詢，在國內的絕大多數知名的互聯網公司的.ai域名，都已經被註冊一空。其中，有少部分並不在這些互聯網巨頭手中。比如以聚集群體智慧的問答應用網站—知乎，這顯然也是一家適合朝著與人工智能結合的方向發展的互聯網公司。但一直以高知高能形象示人的知乎，其zhihu.ai域名，持有人卻是一家叫做知外的AI+出國知識平臺，並且也已經跳轉至其平臺主頁。這件事發生知乎身上，還是讓人有些意外。

總的來說，當前的現狀是，人工智能太熱門了，現在無論是創業還是融資，想要獲得資金和關註點，使用人工智能、AI 、聊天機器人（chatbot）或機器人（bot）等字眼無疑是最為明智的選擇，甚至還可能提高估值或加快融資過程。以點帶面，在頭部行業+頭部公司門的帶領之下，.ai域名在人工智能的東風之下極有可能會迎來的爆發。

那麽，.ai會不會成為下一個.com?

縱觀近幾年受到追捧的域名後綴，無外乎符合語言習慣、容易記憶或是涵義鮮明等特征，而.ai雖然原本是安圭拉的國別域名，但因其為“愛”的拼音，同時簡單易記，所以很適合建立網站。更重要的是，人工智能肯定是未來科技發展的主流方向，受益於此，相關域名很有可能會水漲船高，但是，它有沒有機會重現com的神話，成為新的域名霸主呢？

其實.ai域名現在面臨的機會，與最初.com席卷互聯網時的境況有些類似。

1985年域名誕生後的兩三年間，註冊的網址只有100個，但是隨著消費型個人電腦的騰飛和民用網的開放，之後的五年里.com域名註冊從223個火速增長到9005個。所以.com的崛起是順應了互聯網時代的潮流。而.ai也有可能順應人工智能這一同樣具有變革性力量的生產力工具，而實現新一輪的增長。

從2017年1月份第三周的sedo交易榜可以看出，在國別域名中.ai域名後綴已經占據了榜單的半壁江山，而且交易價格普遍高於其他地區，甚至排除超過10,000美元以上的.com相關域名，.ai和.com的價格相差已經較少。這足以說明.ai相關域名的價值正在逐漸被認可。

不過從長遠來看，人工智能對其相關域名的影響並非完全有利，甚至很多人懷疑在人工智能的沖擊之下網站是否依然會存在。在此我們需要知道，目前對人工智能的任何考慮其實只是猜測，很難找到科學依據反駁一個不認同的觀點，也同樣無法證明某種趨勢是必然。也許未來網站會成為人工智能的形態之一，作為一個連接智能服務的入口而存在，這種解釋同樣合理。

而且就目前來看，網站和域名即使受到了移動互聯網的沖擊，但依然是時代的主流。截至2015年底我國網站總量達到426.7萬，同比增長16.99%，同時所使用的獨立域名共計561.7萬，也實現了較大增幅。盡管域名應用相率相比國外低，但網站依舊是大多數應用和服務的主要入口，再加上app已不像當年那樣火爆，網站和域名在很長一段時間內不會消沈。

而人工智能毫無疑問會給域名投資帶來新的焦點，也許因時而變、因勢而動，盡管未來可能面臨難以預料的危機，但人工智能在一定時間甚至很長時間內，對於域名領域尤其是.ai都將是重大利好，網址仍將是互聯網乃至物聯網的重要組成部分。而作為乘著人工智能這股東風的.ai域名，能否一飛沖天，成為下一個.com域名，拋開自身的諸多優勢，剩下的就只需要拼運氣了。

歪道道，科技媒體人，互聯網分析師。微信公眾號：歪思妙想（neihangaoxiao）。謝絕未保留作者相關信息的任何形式的轉載。

文章評論

匿名用戶

發布

全部評論：10

發布

為什麽現在的人工智能助理都像人工智障？

S先生 2017-04-01 11:55

本文由S先生（微信ID: TheMisterS）授權i黑馬發布。

－ 什麽是智能助理？ －

1）智能助理屬於對話式服務

兩者的邊界不是很清晰，智能助理的功能在前面解釋過了；而“對話式服務（conversational service/commerce）”——這是包含智能助理在內的多個產品形態的統稱，核心特點是：

對話式：人機交互的方式由圖形化交互（GUI-Graphical User Interface）變為以對話作為交互方式（CUI-Conversational User Interface 業界暫時還沒有定義，這是我自己瞎編的），就是用說話來代替觸摸或者鼠標，操作計算設備。

服務：提供服務，解決問題都算，如訂機票，購買禮物等。不包括信息查詢（如天氣）。

Facebook M, 真人和AI結合的服務

去年（2015）起來的這一波對話式服務在矽谷有多火？看看創業團隊增長的數量就知道了：2015年的時候有129個類似的項目出現，而14年的時候才42個。

Tracxn Report：Conversational Commerce

在各類科技博客上，對Conversational Commerce的討論也非常熱烈，尤其是在medium.com上有大量的探討。基本的觀點就是”對話式的交互將會成為下一個風口，大家趕緊上啊！“。截止到2016年6月的時候，在Producthunt上標記為對話式服務（ConvComm）的有一百多個創業項目。

除了智能助理以外，還有很多類似的概念如digital agent，bot，service bot, chatbot，P2P的電商。比如Operator現在用真人專家幫用戶做消費決策，在過去嘗試過用bot/AI但可惜達不到效果，或者magic模式，完全是靠”真人幫懶人用APP“驅動運營。本文主要討論的是基於人工智能的智能助理——就像IBM提到的一樣，只有如此才能真正規模化。

2）智能助理應該解決服務需求

巨頭的人工智能助理基本都已亮相了：

Facebook M

Amazon Echo

Google Assistant, Allo

Apple Siri

IBM Watson

Microsoft Cortana

以上智能助理的服務範圍大都是在信息檢索，幫助用戶獲得資訊。絕大多數的內容是不牽涉“推理”的查詢類信息服務。比如：

明天的天氣

找附近的星巴克

蘋果的股票信息等等

如果用戶問到在基礎信息以上，一旦牽涉推理的問題，就無能為力了。比如：

明天這個天氣狀況會造成航班延誤麽？

附近的星巴克可以用支付寶麽？

我什麽時候該買蘋果的股票？

使用體驗方面，這些助理的服務範圍覆蓋面基本跟當前的所有引擎一樣。在設計邏輯上，基本都是基於用命名實體識別來代替打字輸入關鍵詞然後返回檢索結果SERP。而信息檢索，離人們要完成的服務需求有很大的區別。就好像viv.ai的聯合創始人Dag Kittlaus 說的，當初他創建siri的時候，是想要重新挑戰移動服務，而不是造一個chatbot。

Dag Kittlaus（中間）

除此以外，巨頭的助理與其關聯的生態產生操作的關聯。比如SIRI對iOS和macOS的操作；Cortana對windows的操作；echo對關聯著的智能家居設備的操作等等。此類操作的一個特點，是對結果非常的確定，出現個性化選擇範圍非常的少。

另一方面，對於創業項目而言，因為不具備類似的生態和硬件入口的條件，大都定位在資訊和服務上。我們選擇Producthunt當中排在最前150位的項目進行分析，其中高達70%的項目定位都在2C的個人助理（agent）上，其中大部分都想做切入服務，包括垂直類的和多任務的。

這些助理服務當中有23.1%是專業類型的服務，主要是在醫療和理財方面。而剩下來的76.9%的助理幹的最多的活兒是生活上的綜合幫助，出行安排，日程管理，購物訂餐廳等等——這一類是坑最大的地方——特別是那些試圖把生活上的各種服務都打包進去的產品。

Producthunt上面 69.7%的對話式服務都是智能助理產品（但並非所有都具備AI）

－ 人工智能助理的潛力 －

1）移動紅利的結束，行業需要新的增長點

很多跡象都指向同一個結論：移動互聯的高速增長已經飽和。比如用戶已經不再願意下載新的APP。

qz (based on comscore data) & statista

2016年1月有超過5萬個新的APP被提交到了appstore，但是在美國市場有65%的智能手機用戶在一個月內下載新APP的數量為0，下了1個新APP的人占8.4%。

2015年中到現在，在國內2C市場中，幾乎找不到一款真正能爆發並留存的移動產品。對於移動開發者而言，能放首屏的高頻應用早就擠不進去了。而且很多中低頻的服務，並不是最適合用app來承載的。比如訂生日蛋糕，作為商業其價值一直存在，能通過信息化的方式來解決獲客或者能效問題麽？

宏觀來講肯定可以，但是開發一個APP則會面臨用戶獲取和使用成本高，難留存，用戶難發現等等障礙——這些問題，都讓開發者懷疑要不要做APP，特別是在最開始的PMF核心邏輯還沒有被驗證的時候。

但創業者的熱情和投資人基金里的錢都不能等！於是大家憋著這口氣四處找風口，或者又有怎樣的產品形態可以把商業形態再顛覆一次，好比APP顛覆了網頁，宏觀上有沒有新的產品形態可以再來一次？甚至運氣更好點，甚至開拓出以前沒有被耕耘過的維度？

2） 對話式服務具備新的增長點的潛質

回顧過去，最大的幾次浪潮基本都伴隨著一個規律：核心技術（軟硬一堆）的出現和整合，帶來全新的人機交互方式 ，在此基礎上大量的商業應用應運而生。

從90年代開始，人際交互的三個變化

比如2007年末移動互聯開始，核心驅動的硬件是觸摸技術、各種sensor的成熟以及整體計算能力的提升和小型化；軟件方面則是iOS&Android的顛覆式出現。

軟硬結合創造出完全顛覆過去的觸摸操作的體驗，並使其稱為真正可用的人機交互方式——讓圖形化界面的輸入工具，從鍵鼠時代跨越到了更intuitive的觸摸，並完美的與後面開放的生態系統結合起來（不得不再次對喬大爺表示敬佩）。

3）人機交互越來越傾向於人

可以看到隨著技術的平民化(democratization)，人機交互正不可逆轉地向人的方向靠近——不需要學習的人機交互。

將來越來越多的人都能更自然的通過計算設備來獲得價值。下一個超級增長點的交互方式，一定是交互更接近人的自然行為，更多人可以使用的。

因為軟硬件限制，過去用上計算設備的人很少。

一方面，當時的人機交互是讓人來“將就”機器——人學習機器的語言——操作需要專業技術，如打孔...（在個人電腦方面，當年知道'cd 文件夾名'的命令行的人也都是高端人士）；

另一方面計算設備巨貴，還不屬於個人設備，大眾都買不起；再者，日常應用和普通生產力應用幾乎沒有，所以買來設備學會了UI也沒啥用。

而移動設備出現就讓更多的人從使用計算設備中獲利，更多不會鍵盤鼠標的人，通過觸摸手機屏來操作。將來人們想要獲得服務的時候，或許不需要有“計算設備”這個中間載體的概念。直接提出需求，就能獲得結果。

4）下一代交互方式，似計算設備能覆蓋更廣的商業

Google Assistant Allo

看看過去app如何顛覆web的，在沒有移動互聯之前，大眾點評只是一個不知道幾流的小眾產品，web也並非最合適這個商業模式的產品形態——比如大部分情況下，人們想要找餐廳的時候，身邊都沒有PC來獲得其他人的點評信息；而移動互聯的APP解決了這個問題。

這並不是說app代替了web（比如PS還是在桌面端更好用），而是借由移動設備，app開啟了過去沒有的維度，繼而大眾點評的商業模式有了更合適的產品形態。我相信APP顛覆web的歷史，也會同樣發生在下一代人機交互的形態來顛覆當前app的時候。不僅很多商業模式和形態都可以被重新考慮一次，甚至幾乎可以肯定CUI會打開新的維度，解放更多的商業價值。

如果一個C端產品做得好，傳播不受硬件束縛，沒有用戶的使用成本的障礙，並且不需要下載新的APP，直接在熟悉的IM或者SNS里實現過去用app承載的服務，甚至還能開拓新的形態...比起當前的其他選擇AR/VR/IOT/區塊鏈，CUI帶來的想象空間更大。所以，就有很多人，巨頭小頭沒頭的都來嘗試。

－ 對CUI的特點的理解決定產品價值 －

不可否認的，真正的CUI產品一定是基於人工智能的自然語言處理的。如何深入利用CUI的特點，是產品打造的關鍵。

話說當前國內有很多投資人認為，只要是做人工智能的團隊，就必須是MIT，Caltech出來的機器學習博士或者是GOOGLE，FACEBOOK的AI團隊的人；如果團隊不是頂級院校的學者或者是巨頭出來的項目帶頭人，就沒有什麽好搞的——這是典型的誤區，或者說對行業的理解太淺了。

這種理解基本等於 “聽說你是計算機專業畢業的，幫我裝一下電腦吧”這樣的水平。很不幸國內好多年輕點的投資經理基本都是這種水平（為什麽年紀大點的不是？因為他們理解'不懂就不要輕易判斷'這樣的人生道理）。看不懂本質，就看表面，也是不得已。

這里，我非常贊同順為資本的孟醒的幾個觀點：

1）所謂“做AI的”也有幾個類型，底層研發和做應用的是兩碼事。

2）人工智能的底層交給大公司，小創業公司可以做點小模塊。而應用層則有大量的空間給創業公司來實現商業化。

3）“這個行業缺AI的產品經理，不缺一般意義上的明星，特別牛x的算法達人，牛x的北京的BAT出來的人。” 

這方面吳恩達也有類似的觀點，

“人工智能社區是極其開放的，大多數頂級研究者會出版他們的著作／分享他們的想法身子開源代碼。因此，在這個技術開元環境下，數據和人才就是稀缺的資源。”

有點跑題了，在這里就強調一下，CUI的核心技術是AI（不僅限NLP後面會提到）。對CUI作為新一代顛覆性人機交互的理解，才在產品形態上能發揮底層技術的商業價值。最後，再舉個例子，GUI的核心突破是技術大牛（xerox）帶領的，而其商業應用的發揚光大則是產品經理喬布斯從xerox那兒“偷來”的。

1973年，xerox推出第一款GUI技術個人電腦；在1983年，蘋果也推出了他們首款GUI電腦 Lisa（喬老爺 “完美借鑒” ）

年輕人不懂就要多看書。

1）CUI的不可延續GUI的特點

為了深入理解這個問題，我們可能要先分析一下，CUI和GUI究竟給用戶體驗帶來什麽影響？因為這絕不是現在主流的“把按鈕變成語言操控”那麽簡單的事情。

當移動設備出現的時候，大家對如何在智能手機上開發產品還沒有來得及有深入的了解。所以當時開發者基本都是從最明顯的地方起步，也就是觸摸代替鍵鼠操作。早期的大量應用，都是從“如何把web縮小到手機屏幕”的思路出發來設計APP的。——這是典型的延續上一代交互的思路。

隨著開發者不斷思考和挖掘移動端的潛力，慢慢有了對移動端真正的核心特質的理解——這些“聖杯屬性”才是真正讓移動端產品設計出眾的要素。比如“碎片時間”、“個人身份綁定“、”LBS”等等，這些特質才是真正讓移動產品體現價值的——這些是完全顛覆上一代交互的屬性。而且我們發現這些屬性幾乎跟“觸摸”這個明顯的交互行為沒有直接關系。

現在CUI出現的時候，產品經理也會面臨類似的問題。當前大多數智能助理的設計思路都是“過去APP是怎麽用的，我現在用語言來代替觸摸操作”。好比是用語言來代替手指去觸摸屏幕，或者是用說話來代替手指打字。而能讓用戶感覺真正智能的核心，我認為依然藏在CUI的“聖杯屬性”里，有待大家發掘。

2）CUI的特點：高度個性化

舉一個例子，根據實際研發和市場運作的經驗，我們發現有一個算得上“聖杯屬性”是特質是：“高度個性化”。

在GUI時代，用戶使用產品時，有一個可視化的界面，比如找餐廳，我們打開點評看上去是這樣：

這看上去是一個大家非常熟悉的界面，只是所有用戶能做的選擇範圍，都明確的顯示在界面上（所見即所選）。找美食，用戶能做的選擇基本就是：附近，類型，智能排序（不點開可能還不知道是什麽意思）以及排序。當用戶自己不知道該如何決策的時候，這些視覺化的框架，給了用戶提示該從這些方面根據自己的需求來做篩選和匹配。

但是在智能助理的界面，用戶看到的是這樣的：

用戶對可以做哪些選擇一無所知——在沒有可視化的參考下，面對如此開放的交互，當用戶要找一個餐廳的時候，他們提出的要求，大都不在GUI設定的範圍以內。

根據我們實際操作的經驗，用戶提出的問題是這樣的：

只有“在外灘附近的”是之前GUI的查詢範圍當中的，其他的需求都是過去GUI的類型當中不存在的維度。但因為CUI的開放性，用戶很容易給出上面這樣的高度個性化（非結構化）的需求。

如果GUI的產品試圖在個性化同樣給用戶那麽多選擇，就不得不面臨用戶使用成本的問題。一個界面可能會被大量的下拉列表，層級關系，各種填空和操作充滿。如此是加深了個性化程度了，但是操作的成本會讓用戶放棄使用。

如果在智能助理的產品設計上，不尊重用戶“高度個性化”的需求，只提供過去APP本身提供的個性化程度“在XX附近找個YY菜”，那麽用戶在實際提需求的時候得靠運氣撞到既定的條件上，不然就是無法識別的範圍，繼而失望。另一方面，如果CUI只是在做GUI範圍內的事情，會遠不足以顛覆APP。

除此之外，CUI還有一些專屬的特點。比如:

使用流程非線性：比如GUI是線性的流程，界面引導用戶一步一步走到結果；而CUI則可以是完全無視先後順序的，用戶可以再最開始就提出本來到排在最後的條件當中。

可避免信息過載：用戶打開GUI的一個界面，比如點評上找一個餐廳，用戶得在一個列表里去找尋自己最想要的選項（典型的案例是，GUI讓用戶選擇國家的時候那一長排的列表）。而CUI則可以規避用戶的信息過載，直接給出期望的結果。這個特點的另一面是，GUI因此是informative的，給不熟悉場景的用戶更多的提示，或者比較結果的機會。

複合動作：“明天後天，晚上最便宜的機票”——從用戶的操作和實際體驗來看，GUI無法一次給出結果，只能用戶先查一次明天的機票，再查一次後天的機票，然後手動來對比。CUI完勝——可以直接給出相關條件的檢索結果，前提是AI足夠優秀。

這里只是拋磚引玉，詳細更多特質會不斷被開發者發掘出來。在這里就不詳細展開了。在另一篇《人工智能時代的產品經理》文章當中，會做更多關於CUI的分析。

－ 什麽樣的AI Agent能滿足C端的需求？ －

為什麽現在的助理產品都是坑？很多團隊不是底層的算法差，而是團隊對產品的理解有問題。

要滿足C端用戶的需求，確實非常難。10次使用，有一次因為任意原因的失望，用戶心理就會開始有疑慮。從體驗上來看，在用戶熟悉的場景下得全面理解用戶提出的需求；在用戶自身不清楚場景下，得自然的協助用戶挖掘需求；獲得需求後得幫助用戶做決策，並最終呈現結果。以此來看，對話式的agent得至少滿足以下功能：

具備基於上下文的對話能力（contextual conversation）;

具備理解口語中的邏輯（logic understanding） ;

所有能理解的需求，都要有能力履行（full-fulfillment）;

1）基於上下文的對話能力（contextual conversation）

在當前，做助理的產品的底層技術基本都是圍繞NLU（自然語言理解）打造的，很多還沒有涉及到NLP。可是無論是大公司還是小公司的NLU都是讓人失望的。舉個簡單的例子，在大公司的幾個產品上提出需求：我下周五要去北京，幫我查一下航班。

需要識別意圖：查機票

需要識別entities：時間（下周五），目的地（北京），出發地（無/當前地理位置）

我們看看結果，首先看三家的回複，從左到右分別是蘋果的SIRI, 微軟的CORTANA, Google的ALLO。

沒有一個能識別出來意圖，全部用關鍵詞來檢索網頁(SERP)。沒有識別出意圖，繼而也就沒有可能識別entity所在的場景。對於C端用戶而言，這可能算是最基礎的服務之一，而三大巨頭提供的產品完全不能用。

不過當我們看到國內的創業公司，卻能按照需求識別出意圖，並且識別出對應的entity，組合查詢出結果，看上去比幾個巨頭更強大。

我們繼續測試上下文的對話。比如，我是國航的會員，agent給出上面的結果里沒有國航的航班，我自然會問：”有沒有國航的？“

結果並沒有如期望那樣，在給出的列表里找到國航的航班。而是開始了重新的一次查詢。

換一句話來說，沒有結合上下文的對話。我並不是為了黑，事實上這個產品在國內的創業公司中也算不錯的技術了。但是不會結合上下文的對話，會造成的最嚴重的問題就是這個agent基本不能獨立完成服務。因為用戶不會在一個句子里把所有的條件都列出來。

以上是基本要素，就當前的產品形態來看，只有非常少的產品能真正做到第一點。大部分號稱能做到的，都是濫竽充數，連續問問題而已。

不能真正理解上下文的對話（機票查詢）：

AGENT： 從哪里出發？

用戶：上海虹橋機場

AGENT：到哪里？

用戶：還是從浦東走吧

AGENT：好的，從虹橋出發到浦東的航班是......

在上面的對話，AI Agent在問第二個問題的時候，不能理解用戶對前一個回答的修改（出發地從“虹橋”改為“浦東”），只是按照預先設計對話的順序，填上命名實體識別得來的entity。繼而查詢不到結果，給用戶的感覺就是笨。

真正理解上下文的對話（機票查詢）：

AGENT：從哪里出發？

用戶：上海虹橋機場

AGENT：到哪里？

用戶：算了，從浦東走吧

AGENT：好的，出發改為浦東。那到達城市呢？

用戶：北京

AGENT：好的，從浦東到北京的航班是...（給出正確的結果）

而具備真正上下文理解的對話，agent可以正確理解用戶第二個回答的內容（從浦東走），其實是在修改上一問題的回答（出發機場），而不是真的在回答第二個問題（到達地在哪里）。     

這只是上下文的例子，而對於服務類agent而言，所有後續的NLP功能都基於上下文對話為前提。這些看上去其實都是非常簡單的需求，但是當前沒有任何一個2C的agent可以做到。

可能有人會問，大部分用戶都應該在第一時間把需求表達出來吧，為什麽還需要對話？實際上，真正操作過大量案例的同學就會發現，用戶不可能如此”貼心“地按照開發者的設計來提出需求。

“幫我看看下個星期五去北京，下午3點多，從虹橋出發，國航的航班。”——這一類的表達方式在幾乎從來沒有出現過。哪怕是在用戶最熟悉的場景，也很難確保一個句子的表達里包含了所有必須的檢索條件。而且，用戶還會不停的補充更多的個性化需求。

對於用戶自己比較了解的場景，如：訂機票需要提供到達地，用戶提出的大多數需求，在最初都是非常簡單，然後逐漸開始細化的。所以需要當用戶提出不完整需求的時候，根據其意圖，結合之前已經給過的條件，通過對話，向用戶提出問題，再獲得答案來補全剩下還需要的條件，最後再完成服務。

對於用戶自己不熟悉的場景，用戶根本就不知道自己該提出哪些方面的需求。如：不懂酒的用戶，想買一瓶合適的威士忌。他就根本很難提出除了價格以外的需求，比如產地，年份，釀造原料，水源等等。因此，Agent得以合適的方式來提問，引導用戶給出偏好，並且用對話提出推薦。

而且對於agent而言，很難判斷哪些用戶對服務的認知有多深。如果不做識別，就容易問“老手”一些“新手問題”，繼而讓老手覺得我還不如自己下單；而給新手又留下“你在說什麽我都不懂”的印象，也是不聰明。

所以要有好的體驗，這是非常困難的。而基於上下文的對話，只是最基礎的用戶需求之一。

2）理解口語中的邏輯 (logic understanding)

在我們的實踐中，我們發現對“邏輯”的理解直觀重要。原因也是因為用戶的正常對話，大部分都不是開發者預設那樣的。

再做一個簡單的測試，比如找餐廳，試試：幫我推薦一個附近的餐廳，不要日本菜。

這是一個簡單邏輯，但是你看所有的服務，這次包括剛剛那個國內創業公司C一樣，都會是一個結果：全部推薦日本菜。

也讓朋友測試了亞馬遜echo的alexa，結果也無法識別”不要“這個最簡單的邏輯

這次其實比剛剛好多了，至少4家里面除了google allo，都識別出來我的意圖是找餐廳——但是，當我明確提出不要日本菜的時候，給出結果的三家全部都是日本菜......也就是說“不要”兩個字被完全忽略了。

觀察大量的用戶案例表明，當用戶越是個性化需求強烈的時候，對話中出現邏輯和指代關系的頻次越高。

“有沒有更便宜的？”

“除了大床房以外的房間有麽？”

“後天會比今天更冷麽？”

“就要剛剛的那個2千多的吧。”

“除了廉價航空，其他的航班都可以。”

以上這些需求是提需求的時候，在對話中經常出現的表達方式，而且看似簡單，但是目前沒有任何一個NLU的系統或產品能夠正確的理解。主要的阻礙就是對邏輯的理解，還有在基於上下文對話中的指代關系的理解失敗。

3）NLP不是全部，還要有能力履行（API困境）

NLU並不是智能助理發展的瓶頸，供給端的數據才是。

我們假設如果有一個黑科技出現，使得NLP有了極大的進步，以至於兩個條件：

1）基於上下文場景的對話；

2）口語邏輯，都能被理解了，甚至還能基於場景和上下文用NLG來生成各類問題——它能理解我們所有講出來的需求。

在用戶熟悉的範圍內，它能結合所有的過去的對話，歷史記錄等等內部外部條件，幫助用戶盡可能的實現“不用開口，就知道我在這個的需求”。比如當用戶提出“推薦餐廳的需求”：

用戶：“女朋友周日過生日，推薦一個餐廳，找有江景的，最好桌子旁邊有一個大落地窗戶，能看到外面的夜景。吃的不要太貴，環境好點，有現場音樂的最好是爵士，不要太吵的。”（btw，這是一個真實需求）

Agent：“菜系有偏好麽？”

用戶：“意大利餐和法餐都可以，對了不要離外灘太遠了”

agent解析出以下選擇餐廳的條件：

周日晚（營業）

適合女朋友過生日

有江景

有大落地窗

不要太貴

環境好

有現場音樂，爵士

不能太吵

意大利餐或者法餐

距離外灘不能太遠

然後它去哪里找到這樣的餐廳呢？在地圖服務提供商，或者點評的API提供的信息里只有8，9，兩項能找到數據。假設評論中有這樣的數據，該用什麽方式來傳遞呢？接口提供的都是結構化的數據，而“環境好”這樣的非結構化數據，最多以標簽的方式來做，但是這樣的話，標簽就會有無止境的多也不現實。

這就是我們所謂的“API困境”——當前基於API的數據傳遞方式，只能1）承載結構化數據；2）承載數量非常有限的結構化數據。當前基於GUI的產品，都是用API來傳遞結構化數據。但大量個性化數據往往是非結構化的，以當前API的方式很難被處理。這還是在使用場景或者服務比較簡單的情況下。

在用戶不熟悉的場景下，agent面對稍微專業一點的服務，就會遇到知識圖譜的問題。簡單來講，agent要做推薦的前提是對推薦的內容得先有了解。好比，要向一位不懂酒的用戶推薦一款威士忌，那就不能依賴這位用戶自己提出的問題（很可能提不出要求），而得依賴“懂行”的自己對威士忌的理解的方方面面來引導用戶做合適他的選擇。一個助理顯然無法擁有所有服務所需的知識圖譜。

從知識圖譜的結構來看，是相對可被結構化。一個服務可以以各種方式被拆解成很多個方面，但大量的方面在當前是沒有結構化數據的（比如我們沒有每家餐廳的“營業面積”的數據）；甚至很多方面無法用結構化數據來表達（比如每家餐廳有否“適合浪漫約會”的環境）。

因此，智能助理就算有了強大的NLP，還需要全面的知識圖譜（結構化數據）和處理並傳遞非結構化數據的能力——而這兩點，在目前是無解的。

－ 總結 －

在"API困境"解決之前，再加上NLP本身還有很長的路要走，基於人工智能的多任務服務agent不大可能達到C端滿意的水平。

創業團隊各自最基礎的認知計算的能力不會有太大的區別，都是踩在世界頂尖大牛的肩膀上——在這個領域創業團隊想和大公司鋼正面，不是很理性。

創業團隊在垂直領域有些自己的技術突破可以創造一些階段性的優勢，但面對教育市場的大山而言，這點差異遠不足以make a difference。

在各自領域，開發者對人工智能相關技術的理解和其帶來的交互層面的有效應用，可能會在垂直商業應用上創造更大的差異——比較起「95% VS 98%的識別率」而言。

文章評論

匿名用戶

發布

全部評論：10

發布