智東西 文 | 寓揚
還記得老羅（羅永浩）在2016年的錘子發布會中特別感謝而又誤讀成「獨角獸」的公司嗎？沒錯，這家公司正是三角獸。也或許正應了老羅的話，隨著語音交互的爆發，這家專注語義理解的人工智慧創業公司也順風而上，迅猛發展。
這家公司也有著異常豪華的團隊陣容，其CEO和CTO都是技術大拿，浸淫行業多年，在最著名的兩款語音助手微軟小冰和百度度秘中都起到重要的作用。他們還將NLP（自然語言處理）應用在手機中，從而讓手機更加智能化；還能打造帶有性格和風格的虛擬助手，可以試想未來為你定製虛擬女友都不是事！
近期，智東西與三角獸創始人&CEO王卓然展開對話，看看這位扎身機器學習領域十幾年的技術老兵有著怎樣的創業故事？他眼中的語音交互行業又是如何？
一、兩位技術老兵的相遇
初到三角獸的會議室，幾張懶人沙發、顏色明亮而形狀不一的桌椅呈現在眼前，給人一種清新明快、自由隨性的感覺。通過與王卓然的溝通，可以明顯感受到他清晰的思路、侃侃而談，談到盡興出，再配上一聲帶有東北味的「哈呵哈」，顯得十分有趣。
（三角獸創始人&CEO王卓然）
他推了推眼鏡回憶到，本科在哈爾濱工業大學讀通信工程時，機緣巧合結實了計算機的圈子，大二便跟計算機學院的一個教授做自然語言處理相關的研究。
畢業後在2005年去英國UCL（University College London，倫敦大學學院）讀博士，主攻的方向便是機器學習。博士期間他做了一個關於人機對話工作的兼職，便對這個方向產生了濃厚的興趣，2009年畢業後就去了世界上為數不多的人機對話研究團隊。
而當時世界研究人機對話這個領域的學者並不多，那時不僅國內這這塊空白，國外的研究團隊也很少，大約英國有幾家，美國有幾家，歐洲零零散散的有幾家機構。王卓然笑稱：「當時每年開人機對話的會議，全世界也就那麼一兩百人」。
之後他就去了當時具有悠久人機對話研究的愛丁堡的赫瑞瓦特大學，在那裡做了三年多的人機對話研究。再之後他去了在英國劍橋的東芝歐洲研究院，擔任人機對話組的技術負責人，帶領團隊做人機對話方面的研究。
從赫瑞瓦特大學到東芝研究院這一階段，他研究的是人機對話中的跨領域遷移和泛化，具體來講就是怎麼把一個找餐館的對話系統遷移應用到找電影、買東西等相關的交互場景。
而到了2015年初，百度啟動了度秘項目，便邀請王卓然加入，做度秘中控的技術負責人。所謂的中控，是度秘下面有很多的服務，如找餐館、找電影、閒聊、問答等等，一個指令來了之後，系統要決策由下面那個服務去滿足，然後將信息呈現給用戶。這種中控決策有點像搜尋引擎的排序，但是需要考慮上下文信息、服務的相關性等更多因素，從而對整體服務進行排序和決策。
在度秘項目中，他遇到了人生中的一個重要人物亓超，就是三角獸現在的CTO，另一個技術老兵。亓超參與了第一代的微軟小冰的打造，後來就被挖到了百度，又參與了度秘的研發，那時候還叫小度機器人，以閒聊為主。
但是在度秘項目上做了不到一年，由於一些內部原因，度秘中途轉了幾次型，跟他和亓超的想法不太一致。再加上他們對自然語言處理這個領域有很長的認知和積累，認為會是下一代的技術方向，於是二者選擇在2016年初離開百度，出來創業。
二、這家與「三」結緣的創業公司
為什麼選擇在2016年初這樣一個時間節點創業呢？深處這個行業中的王卓然敏感的察覺到，在自然語言處理技術的成熟度上開始可以商業化了，而行業又有非常大的需求，因此就選擇創業這件事兒。結果沒過多久谷歌、微軟、亞馬遜等公司都開始陸續發布語音交互平臺及產品，語音交互這個行業就火了。
（左起：創始人CTO亓超、創始人董事長COO馬宇馳、創始人CEO王卓然）
由於王卓然和亓超都是技術出身，當時就邀請了在商務方面很有經驗的馬宇馳負責商務和市場。「正是有三位創始人，所以就叫三角獸」，王卓然戲稱到。而這家公司與「三」的緣分遠不止如此，還融了三輪資，有三塊核心技術以及三大核心業務，真是巧了。
亓超從碩士階段就從事自然語言處理的研究，在這個行業也做了十多年。先後在佳能、騰訊、阿里、微軟、百度等都有任職，其中最出名的就是參與了微軟小冰和度秘閒聊機器人的打造，應用的技術就是開放域聊天。
馬宇馳則是王卓然的高中同班同學，傳媒大學畢業後，一直在商務、市場、公關行業做了很多年，在奧美、安利中國等都做過公關總監、市場總監職位。他也是個連續創業者，後來加入三角獸負責商務業務。
在王卓然看來這是一個非常互補的創始人團隊，「他和亓超儘管都是技術出身，但是在技術上也是互補的，亓超做開放域聊天，他做垂直領域對話，再加上馬宇馳的商務能力，三角獸在技術和商務能力上就完美了」，他笑稱到。
這三人就構成了三角獸的三隻「角」，創業一年之內（截止到今年1月份）拿下3輪融資，分別為天使輪1000萬人民幣，Pre-A輪2000萬人民幣，A輪5000萬人民幣。
三角獸的下一輪融資也在進行中，下一輪融資的主要目的，一方面是布局市場、渠道，另一方面則是儲備更多的現金流。「現在AI行業很火，趁風口多拿些錢準備過冬」，王卓然嘿嘿一笑。儘管當下語音交互火熱，AI企業收到追捧，但是風總有停下來的時候，誰也說不準下一階段AI行業會不會遇冷，做足冗餘還是很重要的。
目前三角獸團隊已經發展到90多人的規模，而在今年一月份才只有二三十人，其中北京有70多人，瀋陽還有一個10多人的駐場開發團隊。北京的團隊中，算法工程師佔了絕大部分，達到50多人，且技術人員多來自微軟，差不多佔到一半左右，其他的人員則來自百度、IBM、騰訊、樂視等公司，可謂豪華的技術團隊。
三角獸籤約和客戶現在也已有20多家，以上市公司、各行業巨頭、品牌代表為主，比如百度、阿里巴巴、騰訊、小米、中國移動、錘子、華為等等，這也從側面反映了三角獸在人機對話、語義理解這個領域中的實力。
三、三大核心技術構建壁壘
針對人機對話這個廣泛的話題，它涉及五大方面技術，包括問答、推薦、開放域聊天、垂直領域多輪對話、多領域對話。相對而言問答和推薦是比較傳統的技術，比較成熟，行業在這方面做的都不錯，技術壁壘並不高。而開放域聊天、垂直領域多輪對話、多領域對話則屬於人機對話研究的前沿領域，技術門檻較高，構成了三角獸的「壁壘性技術」。
其一開放域聊天。所謂的開放域聊天就是閒聊，沒有目的的聊天，我們常見到的產品有微軟小冰和百度度秘。作為一種情感陪伴或者對話中的一種潤滑，它可以讓系統顯得更智能，這塊也是CTO亓超的核心研究領域。「之前的微軟小冰和度秘都是亓超做出來的，在三角獸就是亓超第三次做了，相比前兩款產品，三角獸的系統做了更好的上下文覆蓋，還做了情緒識別，並且準確率已經達到99%是目前業內最高的」，王卓然如是說。
圍繞著開放域聊天，三角獸做了兩個版本的Chatbot（聊天機器人），一個是標準版，適用於成人；一個是兒童版，專門為兒童打造，目前已經上線相關平臺成為一個付費Skill（技能）。
做兒童聊天還是很有挑戰的，因為這塊的語料是很難獲取的，如果使用網際網路中的語料（成人的語料）又是很「不安全」的，難免出現一些不良信息。三角獸則採用一種獨特的方式，從兒童故事書、兒童字幕中抓取數據。但這個數據不是對話數據依然沒法用的，三角獸便用這些數據訓練一個模型，用它來過濾成人語料，並採用基於RNN（循環神經網絡）的生成模型（而非檢索式），來確保對話內容對兒童「綠色健康」。「這塊產品去年就落地了，也是業界最早這麼做的」，王卓然談到。
此外，在開放域聊天的應用中，三角獸開可以對Chatbot進行風格和性格的定製。這塊則是三角獸的獨家技術，能夠讓虛擬人物聊天的時候體現它自己的性格。
第二塊技術是垂直領域的多輪對話，它是任務驅動的，如找餐館、找電影等，代表產品如智能音箱。三角獸在這個領域中有3塊具體核心技術：第一項是垂直領域對話的泛化和遷移，就是把一個領域訓練到的模型遷移到另一個領域，這塊也是王卓然專攻的一項技術。另一項是模糊語義理解，用戶提供的信息可能存在丟字拉字的情況，甚至錯字的情況，機器同樣能夠識別，如《羋月傳》火熱時，即使用戶說成「半月傳」，機器也可以準確理解，找到電視劇。
還有一項是去結構化、輕結構化表示的技術。原來垂直領域的對話，依賴結構化的知識表示，比如電影有導演、演員、年份等這些結構化信息，可以用來找電影。但是如果你要找一個「男主角長得帥的電影」，這個信息沒法用結構化表示。「針對這種情況，我們把對電影的描述和評論用深度學習做了向量化的表示，去匹配用戶指令語義的相近程度，從而更好的滿足用戶回去內容的需求」，他指出。
第三塊技術則是多領域的對話技術。比如，我訂了餐館，可能要導航去這裡，中途可能會問交通情況以及周邊相關信息等，這時就是多個領域融合在一起的對話，這就涉及到中控的工作。而王卓然曾以訪問學者的身份參與了百度語音助手時代的中控，後來又在度秘做了度秘的中控，在多領域對話管理這塊有著豐富的經驗。
綜上，開放域聊天、垂直領域多輪對話、多領域對話管理就是三角獸的三大核心技術，王卓然稱之為「三大壁壘性技術」。
四、服務三大核心業務
技術固然重要，但對於企業而言更重要的是把技術落地，服務於行業。三角獸也將其技術積極落地，目前其三個主要業務分別是：企業服務、IoT（偏智能家居）和泛娛樂業務。
其中，企業服務是三角獸市場收入最多的一塊，目前已經做好兩套標準解決方案。一套是智能客服，是問答、垂直領域多倫對話技術的落地，主要服務於電信行業、金融行業等大行業的大客戶，為其定製專門的業務流系統，如中國移動、廣發證券以及其他幾個基金項目。
另一套方案是針對媒體的Chatbot，可以在媒體的公眾號、App中上線，用戶可以通過聊天的方式獲取新聞，可以幫助媒體將相關歷史新聞推送給用戶，從而增加文章的閱讀量以及用戶粘性，如新世界。
IoT這塊儘管現在很火，但是整體不起量，目前不是三角獸的主要收入來源，但三角獸還是很看好這個行業的前景，因此也做了很多產品儲備。目前針對IoT中不同硬體主要提供Skill（技能）輸出，如閒聊、新聞笑話等。三角獸銷量最多的就是閒聊的Skill，包括標準版聊天和兒童版聊天，在Rokid、小米音箱、百度DuerOS中都有上線。
還記得前一段富士康揚言要做面向IoT設備的語音交互平臺嗎？三角獸也是其中的一個合作夥伴，並且是深度合作，富士康將整個後臺的交互都交給三角獸來做，這等於在做一整套類似於亞馬遜Alexa的完整的語義系統。並且王卓然透露，第一代的產品將會在今年年底或者明年年初推出。
第三塊業務則是泛娛樂。科技公司要做泛娛樂？沒錯你沒看錯，這正是三角獸開放域聊天中角色性格和風格定製技術的落地，主要面向動漫、二次元、遊戲、AR/VR等，圍繞IP打造更多元的產品。如可以打造一個虛擬角色，讓它7×24小時的和粉絲互動，並且聊天中體現人設的預設風格，比如一個二次元的萌妹子就要有萌妹子的說話方式，而不能用大叔的說話方式。
這塊聊天的難度還是很大的，目前市面上也很少有賦予Chatbot風格和性格的產品。王卓然談到，這塊技術的第一次落地並不是二次元IP，而是一家機器人IP，Jibo是一個美國機器人團隊，他們在中國做本土化時，希望給他們的機器人定製一個美國男孩的性格特徵。「目前三角獸也在和一些二次元IP談合作，後續我們也會看到一些二次元角色的落地」，他透露到。
關於這三塊業務，他也談到，企業服務是最大的營收來源，僅智能客服業務就佔到了企業營收的80%左右。而IoT業務因為市場沒有起量，收入較少，合作業以標準服務輸出為主，包括收取年費、流量分成或者按臺收費（量大的情況下）等三種盈利模式。比如小米電視流量比較大，就採用了按流量分成的方式。而泛娛樂方面目前還沒有盈利，但前景非常大，三角獸也會繼續跟進。
五、將自然語言處理賦能手機
最近隨著蘋果和華為的推動，AI晶片成為一個熱議的話題。手機的競爭正從之前的網絡營銷、網絡銷售變成更技術化的比拼，在後網際網路手機的時代，人工智慧正成為核心競爭點之一。
9月初華為率先發布世界第一款AI晶片——麒麟970，緊隨其後的蘋果發布會中，蘋果也推出了自家研發的AI晶片A11。通過二者展示可以看出，計算機視覺、自然語言處理、AR等成為AI在手機中的應用方向。
微信中一個典型的場景是，朋友喊你去某個地方吃飯，你需要複製這一段話，然後整體複製到地圖中， 並且刪減地址以外的文字，才能搜到地圖中的位置。打車場景同樣如此，這使手機中的操作顯得異常麻煩。因此，手機中的真正的智能交互才剛剛開始。三角獸一直以來也在和手機廠商合作，將自然語言處理基礎應用到手機中， 從而賦予手機更多智能。
代表性的產品便是老羅的錘子手機。還記得老羅在2016年錘子的新品發布會上興奮展示的Bigbang 和 Onestep，就是三角獸提供的技術。Bigbang功能能夠讓一大段文字瞬間「炸開」，你可以隨意選擇你想要的文字，而這個炸開並不是隨意的炸，是以自然語言處理為基礎的。Onestep則實現跨場景跨App之間的聯動，讓需要多步的操作一步到位，從而大大提升效率。
就在前不久老羅揚言要打造新一代語音交互系統，相信三角獸的技術也會在錘子手機的新系統中得到體現。儘管他沒有透露更多的信息，但他介紹了三角獸自然語言處理技術在手機中的潛在應用場景。
一個是當微信收到消息時，用戶可能沒有時間或者懶得打字回復，三角獸可以提供聊天回復的自動生成，自動提示回復內容。還可以通過對文本中的情緒分析，進行表情生成。再一個就是App之間的一步喚起，類似錘子手機中的Onestep，打通App之間的信息交互，從而讓用戶的操作更加便捷。
而這些背後都是三角獸的自然語言理解、聊天回復自動生成、情緒分析技術。王卓然談到，這幾個技術都有對應的產品，比如一鍵喚起，有一套完整的解決方案，目前和幾個手機廠商在合作中。
六、國內人機對話才剛剛開始
語義理解在語音交互中是最難的一塊，但限定場景和邊界，就可以讓人機互動的效果得到顯著提升，即所謂的專有模型，那麼由專有模型轉換到通用模型的技術進展到哪種程度，其適用性又如何？
王卓然談到，對話管理有兩塊核心技術，第一塊是基於上下文語義理解的部分，理解用戶的意圖是需要限定場景的，需要針對某一領域去搜集數據進行優化，從而真正把握用戶的意圖，但它的模型是可以通用的，不同的領域都是分類、標註、尋找相關實體的一個過程，這個邏輯關係是可以泛化的。第二塊是對話策略，對話不僅要機器去理解，還要機器去處理一個複雜的決策過程，這個決策過程不論是找餐館、找電影還是找音樂，都可以理解成一個能夠抽象的「找」的過程，抽象的邏輯在各個領域之間是通用的，這部分可以去做跨領域的遷移。
關於人機對話跨領域的遷移和泛化，王卓然在東芝歐洲研究院時就做過，是可以應用的，因此在這方面有比較早的積累。但是國內在人機對話方面起步較晚，真正專注做這個方向的也比較少。目前國內還處在人機對話的第一步——垂直領域對話，還沒有進展到對話的遷移和泛化地步。
而針對虛擬角色性格和風格的定製的難點是什麼？為什麼三角獸可以做到呢？王卓然坦言，性格是很難量化描述的，語料來源也需要做很大的處理，使訓練模型的語料能夠體現虛擬人物的性格。但它並不是一個黑科技，而是一個基於常年積累的複雜的工程化的事情，需要對通用的回覆做改寫、做句子的自動變形、插入口頭語、語序調整等等，如果對開放域聊天的每一個環節知識積累不夠的話是做不了的。儘管如此，每一個虛擬角色都需要定製化，因此三角獸會更傾向於跟一些大IP進行合作。
此外，大大小小的會議上我們總談語義理解是語音交互的核心瓶頸，那麼這個瓶頸到底是什麼呢？在王卓然看來，並不是每個場景的數據都好搜集，比如找電影這個領域的數據就好搜集，但是像兒童場景的數據就不好搜集。
所以這塊瓶頸的突破在於，首先要有場景下的落地，才能搜集垂直領域用戶的真實數據，用來優化模型，從而將領域相關的語義變成機器能夠處理的語義，這是一個相互迭代的過程。
自然語言處理是一個知識積累和數據壁壘的過程，核心首先是把技術應用到更多產品上，從而拿到更多領域的數據，通過數據壁壘來提高技術壁壘，從而再鞏固商業壁壘。而人機對話這幾年剛剛興起，進入日常生活，它需要一個積累的過程，就跟搜尋引擎剛出來時，大家不做網頁你也搜不到東西，是一樣的道理。
七、看好手機、客服、泛娛樂應用場景
在自然語言處理的應用場景中，王卓然更看好手機、智能客服、泛娛樂幾個應用場景。
毫無疑問手機是一個十分龐大是市場，也是最為剛需的場景，AI晶片的出現則代表了手機真正智能化的趨勢，上文已有詳細論述。
而智能客服則是當下的「現金牛」行業，對大企業客戶來說也是一種剛需，從而優化其業務處理，同時減少人力成本，許多做語義理解的公司都涉及該項業務。此外，王卓然還看好泛娛樂場景，儘管這是一個偏傳統的行業，但毫無疑問每一個優質IP都具有巨大的價值，並且凝聚著大量粉絲，而這背後代表了豐厚的利潤。
但當談到智能音箱和IoT行業時，王卓然表現出了猶豫，他坦言「不是不看好，而是看不清」。在智能家居這個行業，他畢竟不是家居的製造商，在行業沒有很大發展的情況下，他也只能觀望，謹慎布局，畢竟作為一家創業公司，首先要考慮的是活下來。
至於智能音箱，他認為亞馬遜Echo的成功有幾個條件是在一起的，亞馬遜本身就是一個平臺，它收購了一系列公司，從硬體設計、語音識別、語義理解等整個鏈條都是自己做的；從體驗上看，亞馬遜把各項指標都做到了極致；由於自身是巨頭公司、平臺，又把價格控制在合理的範圍內；並且國外還有客廳文化，是有應用場景的；這幾方面加在一起導致了Echo的成功。
但是國內這幾方面都需要論證，「智能音箱是一個新品類，能不能爆發，都是不確定的」。此外，他也談到了小米AI音箱：「小米音箱至少有一個好處，價格控制的足夠低，從設計到用戶體驗到價格都是不錯的」。
針對近期不少公司推出語音交互平臺，其中也不乏創業公司。王卓然則認為創業公司做平臺可能會不太樂觀，首先你要有平臺的優勢才能說是平臺。儘管創業公司也可以做平臺，但是做了平臺誰來用？怎麼獲取更多客戶？怎麼直面巨頭的競爭？不管你的產品做的多麼好，在很多渠道、內容資源上，創業公司都是不佔優勢的。
然而三角獸恰恰也在布局平臺，王卓然話語一轉道：「既然做IoT市場，做平臺是早晚的事，那麼什麼時間最合適呢？就是有一個大平臺跟我們合作的時候」。這也解釋了三角獸為何要和富士康一起做平臺，有一個大平臺的存在，確實可以大大降低投資風險，最差也是當項目做。
結語：技術落地是關鍵
行文至此，我已然對三角獸團隊有了更深入的了解。外表看這是一家風光無限的明星創企，有著深厚背景的創始人團隊，以及來自微軟、百度的眾多優質人才。
然而這背後則是他們對自身技術落地的探索和嘗試，只有落地才有數據，才能迭代技術，也只有落地才有商業模式，才能盈利。技術從來都不是高高在上，只有融入尋常生活才能煥發生機。而作為一家創業團隊，生存又是第一位的。
透過這家公司，我們也看到國內的人機對話還處於早期，才剛剛起步，需要更多的人才和團隊將技術應用更多的場景，搜集數據，迭代技術。正如王卓然所言「先把技術落地到產品上」。