一知智能：巨头之下，NLP创业公司靠什么生存

一知智能：巨头之下，NLP创业公司靠什么生存 | AI TALK

2018 年 6 月 4 日 机器之能

5 月 25 - 27 日，在杭州，上千名志愿者、出品人完成了一场为年青人举办的大会。按照发起人阿里巴巴技术委员会主席王坚的说法，2050 是一个年份，不太近，充满想象，也不太远，我们都能活着看到。

在第一次听到「让世界离年青人更近，让年青人离世界更近」这样的办会理念时，我们想起机器之心用前沿科技内容聚合的全球 AI 青年，从在象牙塔里研究技术到毕业后面临创业、择业的选项，他们不仅应该关心技术走向，也需要了解因为这些技术的创新促成了产业正在发生的商业变革。

而那些被我们报道过的 AI 创业公司，大多恰好处于成长周期的少年或是青年阶段，如何生存和发展也同样是他们心头大事。

在 2050 大会上，机器之心发起了一场以《AI 技术公司的活法和前景是什么》为主题的论坛，云从科技、体素科技、深瞐科技、声智科技、一知智能和 Udacity 分别谈了谈 AI 技术如何才能「落地为安」。以下为第二支演讲视频——一知智能创始人赵洲《巨头之下，NLP 公司的生存之道》：

要点速览：

NLP 落地场景其实非常多，无论是 to C 端还是 to B 端。但可做的事情这么多，到底哪些适合我们这样的创业公司来做，哪些不适合，哪些适合我们团队的基因来做，哪些不适合我们团队基因来做，是非常值得思考的问题，尤其是在很多巨头入场的情况下。
实际上，智能客服的场景非常复杂，因为智能客服要对每一个商家、用户提供不同的服务，回答不同的问题。往往是在每一个垂直领域，都要建一个知识图谱，而它的场景又非常复杂，加上通常情况下用户的问题也非常难，因此它定制化程度也非常高。但在目前 NLP 技术水平下，这些服务可以做到 70 到 80 分，而往往用户在这个场景下的要求是 90 分。

我们不但做 NLP 和外呼的算法推进，也做 CTI 的集成开发，就是打通从电话和计算机的服务发挥硬件的作用。软硬一起推动，能帮助我们入场时设立一个比较高的门槛。尤其是巨头已经开源了很多公开算法，开源平台可以进行免费调用的情况下。
创业公司要生存，首先是要保持技术的先进性，起码是在第一梯队上「跑步」，虽然在硬件、服务、GPU 、运算设施上，巨头会比我们创业公司多 10 倍或者 20 倍，但是我们的算法和工程能力依然是要跟巨头保持在同一个维度。

在巨头环绕的情况下，我们首先琢磨的不是把业务线铺大，或者是建立一些算法平台支持各种应用，而是把一个场景做扎根，提高用户粘性，实现率先领跑，能跑多远就跑多远，能跑多快就跑多快。

赵洲：

大家好，我是赵洲，非常感谢机器之心给我一个机会来分享一下我们的想法，当然了这是个命题作文：巨头之下，NLP 公司生存之道。

当然这是我们创立这个公司的第一课，我们也是会非常严肃的考虑这样的一个问题，就是说现在非常多的技术，已经可以公开来进行调用了，那么我们这类 NLP 技术公司如何做到差异化，如何生存下去，是我们长久以来一直在思索的问题。

NLP 落地场景非常多，无论是 to C 端的还是 to B 端的，我们发现可以做的事非常多：可以做技术服务，包括像智能机器人，智能车载、智能家居等。

但到底哪些适合我们这样的创业公司来做，哪些不适合，哪些适合我们团队的基因来做，哪些不适合我们团队基因来做，都是非常值得思考的问题，尤其是在很多巨头入场的情况下。

总体来说，NLP 的场景应用可以分为 C 端和 B 端，C 端直接是服务于客户的，像智能手机包括穿戴设备，它对用户的体验和满意度的要求非常非常高。服务于 B 端，做得最多的是智能客服和呼叫中心。我们可以看到，现在很多 NLP 公司主打就是做智能客服，给不同垂直领域提供不同的客户服务。

我从学校走出来，会更关注于自然语言处理的一些技术。我们来看一下它的本质是什么？

它的本质就是语音理解，语音理解的 task 是非常困难的，跟之前的视觉包括结构化的视频到非结构化或者跟之前的语音，是非常有歧义性的。因为人对同一个表述、同一个意思会有不同问法，人的表述是多种多样的，那么如何把不同的表述映射到同一个表示中，这是个非常非常难的一个问题。

比如，要在有些书本上面进行搜索。目前语音理解最新的技术可以做到，给出一本书，我们可以问它书里面的一些话语，比如说恶性群体斗殴是关多少年？它可以直接返回一个答案，这个就叫阅读理解。

阅读理解就是机器跟人一样阅读文章的内容，理解人的一些意思，机器在理解人的意思之后，对文章中的内容进行反复阅读并推理，最后得到一些答案，这是 NLP 最本质的一个技术。也就是说，如何让机器可以理解人说的话语和状态，是一个非常本质的问题。

那么它有非常多的 task，现在大多数主流的 NLP 公司，包括非常著名的一些 NLP 公司，主要是做一个 task 叫做智能客服。

我在创业之前也做过非常多智能客服的项目，实际上，智能客服的场景非常复杂，因为智能客服要对每一个商家、用户提供不同的服务，回答不同的问题。往往是在每一个垂直领域，都要建一个知识图谱，而它的场景又非常复杂，加上通常情况下用户的问题也非常难，因此它定制化程度也非常高。

与此同时，在目前 NLP 技术水平下，这些服务可以做到 70 到 80 分，但往往用户在这个场景下的要求是 90 分。虽然客服场景已经有很多 NLP 公司进场，但在我们看来，其实这是非常难做的一个事情。

它的难点在哪里？

不是这个事本身，而是在于智能客服是一个高度定制化的方向。对每一个厂商、每一个公司，我们都需要派出不同的团队进行定制化。原因在于不同的场景都需要不同的数据和知识来支撑，等同于一个定制化的项目产品。

另一方面，虽然业务会带来一定营收，但是它的利润非常微薄。对创业公司来说，首要的一个特性是需要活下去，活下去就是希望尽可能可以达到一个自负盈亏的状态，即便我们可以不断地融资。

所以，我们是偏向于进行另外一个维度的思考——是否可以在 NLP 领域找到一个通用化的角度，能实现基于现在的 80 分技术，也可以让用户非常满意，这是我们长期思考的一个想法。

我们一知智能现在做了一个场景就是赋能于智能外呼。智能外呼的前身是各个呼叫系统，现在是去实现机器给人打电话或者进行推销等。

它跟智能客服不一样，这两个任务是一个对偶的任务。智能客服和智能外呼不同的地方是在于哪里？

智能客服的特点是人是主动方，机器是被动方，机器需要接受人的一些问题，而人的边界是非常广阔的。智能外呼是机器为主动方，人是被动方。在这个场景下，利用现有的 80 分的技术，可以做到用户满意的程度。因为它的边界可控，定式化、通用化的程度比智能客服高非常多。

第二点就是说，对于算法技术而言，（智能外呼的）门槛会更高，因为对于智能外呼来说，它跟语音识别和 NLP 不一样，它不仅仅涉及到算法层面。我们还需要对硬件进行非常巨大的投入，在供应商层面到智能外呼的算法层面，建立一个中间的硬件层面。我们不但做 NLP 和外呼的算法推进，也做 CTI 的集成开发，就是打通从电话和计算机的服务发挥硬件的作用。软硬一起推动，能帮助我们入场时设立一个比较高的门槛。尤其是巨头已经开源了很多公开算法，开源平台可以进行免费调用的情况下。

后面的一些思考就是说，既然我们确定了做智能外呼的这样一个任务，具体选择从哪个应用场景切入也至关重要。智能外呼有有非常多场景，比如营销、客户召回、问卷，每一个场景都有一些巨头，其中每一类客户也都有非常多的需求，但是对一知智能来说，能做到用户满意度、体验度极高是我们第一位的选项，而不是用一个技术一次性全部铺开，否则我们很容易就被淹没了。

最终，我们进入到催收行业。大家一听，可能会觉得催收行业是暴力催收的代名词，大家会想象为，一些挂着金项链的老板上门催收，其实现在不是这个样子，大多数都是文明催收，国家也颁定了一些反暴力催收的法案，相比之前，外呼系统催收的市场也越来越广阔。

市场规模的扩大来源于现金贷的流行。现金贷我们可以看一下，无论是阿里、京东，还是其他一些现金贷消费平台的基本逻辑，都是促使用户提前透支消费，然后再还款。2017 年，我们可以关注在网络现金贷行业的成交量是 2.8 万亿元，也就是说有 2.8 万亿的贷款需要进行还款。我们可以看一下，贷款的还款有两个特性，一是用户按期还款，一是用户逾期还款，按期还款当然不需要催收。但其中 10% 到 15% 的用户是会逾期还款的，也就是有 2800 亿元是用户逾期还款，需要我们把它催回来。

传统催收公司会租用外呼系统，现在有 6000 多家催收公司租用呼出系统，然后挨个打电话进行催收。一般来说，每个催收公司会有 50 名催收人员，市场总从业人员有 30 多万（之后我会分享一下，为什么每个催收公司只有 50 名催收人员），平均年龄大概是 20 到 30 岁。

催收行业的一个核心特点是，以不同逾期周期有不同佣金，普遍分为五个等次—— M1、M2、M3、M4、M5。M1 代表是：第一月逾期，用户没有还款，可以通过行业数据看一下，大部分用户是忘记还款，针对这类用户要打一个电话提醒一下。在 M1 的情况下，催成一单有 10% 的提成率，它催成功率是在 73% 左右，是由人打电话进行的。

为什么我们是选择外呼这样一个环节？首先要来看看行业目前的现状。

催收行业从业人员需要不断打电话催收的情况下，很容易在用户有一些过激的行为时，出现辱骂等不当反应，很容易被投诉产生不好的影响。因此，催收人员的业务过程不可控制，回款非常难保证是行业面临的普遍难题，另一方面，对催收人员来说，工作中也忍受了非常大的压力，导致行业流动性非常大，同时招聘难度也非常大，因此每一家催收公司平均只能维持 50 个催收人员的团队规模，非常难实现扩张。因此，我们做的第一件事就是，用机器人来尝试代替催收人员，现在主要做提醒的业务。

从技术的角度看，智能外呼主要涉及两个板块，一个是人机交互，一个是算法平台。人和机器要不断地进行交互，催收也有策略，对 M1、M2 不同时期的用户有不同的策略选择，人可以从原有的用户催收电话的对话中进行学习策略，从而再让机器去掌握并辅助和逐渐代替人来进行催收。第二，现在的语音技术是非常成熟，包括语音识别和语音合成，所以现在是用结合多轮对话、语音识别的一个交互式性平台，逐渐来代替催收人员的行业情况。

刚讲到金融催收场景中的策略问题，机器可以学成一个策略，不同的策略怎么学习呢？催收行业的数据也是海量的，对于刚开始创业的公司来说，主要是向大公司提供技术服务。

为什么呢？因为创业公司最难的，不是资金和人员，而是人工智能创业公司缺少数据的入口。如果没有大量数据，人工智能的算法技术是非常难被训练的。但金融催收行业有大量数据，并且也会对一些数据进行保存。因为对外呼催收平台来说，每一段录音都必须要录下来，作为解决纠纷、官司时可能用到的验证资料。对我们初创公司来说，这种有非常多数据可以拿来用于训练的行业，是比较好的一个切入点。

对目前的一知智能来说，我们以产品打磨为主体的同时，不断地保持技术领先性，不断地在不同赛道上进行评测。

一个重要赛道是 Squard ，Squard 是一个语义理解的标准比赛。

我们是在十月份成立的，之后我们花了一个月的时间迭代技术。对于人工智能的技术来说，它有两个指标，第一个是单模型，就是说一个模型它的 performance 是多少，第二个是多模型的 performance 是多少。我们成立后在 Squard 上面刷榜。我们的单模型是作为世界第二进行提交的，我们可以看一下，上面所有的公司，都是著名的千亿级 NLP 公司。

这里可以回答我们如何在巨头之下生存，第一是要跟巨头比技术评测指标。虽然第一个是绿色的在第九名，但是单模型是第二名，第三名是腾讯，腾讯的 Insenble 模型拿到第一名。一个月后我们提交了多模型，排在了第四名，而这个赛道的前 30 名全是千亿级别的创业公司，包括阿里巴巴、百度。一知是其中唯一一个初创公司。

创业公司要生存，首先是要保持技术的先进性，起码是在第一梯队上「跑步」，虽然在硬件、服务、GPU 、运算设施上，巨头会比我们创业公司多 10 倍或者 20 倍，但是我们的算法和工程能力依然是要跟巨头保持在同一个维度。除此之外，我们不断地在多轮对话等任务下，不断地跟巨头进行 PK，不断地保持一些技术的领先性。

最后再回到场景的切入点，我们找了一个相对冷门甚至在外界看来有点low的方向，也就是催收，但我们认为在一知的技术上完全可以驾驭场景需求，以我们的技术能力可以把这个商业模式走通。我们是第一家进入催收领域的人工智能公司，也实现了一定的营收分成。

在巨头环绕的情况下，我们首先琢磨的不是把业务线铺大，或者是建立一些算法平台支持各种应用，而是把一个场景做扎根，提高用户粘性，实现率先领跑，能跑多远就跑多远，能跑多快就跑多快。