文/ 曹彥君 編輯/ 韓璐

7月12日，人工智慧平臺“小冰公司”完成A輪融資，由高瓴領投，五源、Neumann、IDG、GGV紀源資本等跟投，投後估值超過10億美金。

在很多人腦海裡，說起小冰，第一印象是微軟研發的人工智慧語音助手，以18歲美少女的虛擬形象示於人前。

小冰也會長大。如今，這一人工智慧框架已經進入第八代，擁有詩人、歌手、主持人、畫家和設計師等多重身份。基於小冰框架的互動總量，約佔全球人工智慧互動總量的60%。

2020年7月，微軟將小冰業務分拆為獨立公司運營，原微軟全球執行副總裁沈向洋、原微軟（亞洲）網際網路工程院常務副院長李笛分別擔任小冰公司的董事長、CEO。

從微軟小冰到小冰的角色轉變，過去正好一年。李笛表示，這個近300人的團隊在組織架構層面沒有太大變化，分拆主要是為了加速小冰在本地的發展。

相比國內其他人工智慧企業，這個團隊在商業化方面保持謹慎態度，直到小冰框架推出第七代，才開始搭建商業化團隊。2020年11月，成立7年後，公司完成數億元的Pre-A輪融資。

“重學術”，是小冰團隊的一個明顯特質。李笛認為，小冰是一個重要的“學術課題”，更廣泛的市場應用恰好為人工智慧研究提供了絕佳的實驗室。

“不同的產品都屬於一個大時代，騰訊的微信趕上了人人互動的變革，微軟趕上的時代是人機互動的改革，它的未來還有很久。”李笛在接受《21CBR》記者採訪時表示。

小冰公司的董事長、CEO李笛

全域性最佳化

從創立初期開始，小冰就非常獨立，所有決策都是小冰自己來做。

互動是人類社會最基本的形式，每天的互動量數以千億次，社交行為、商業行為、資訊的交換，都是互動。

小冰的獨特理念在於，我們認為人工智慧互動是一個開放域，不是為了完成特定的任務，

而是為了面向互動全程，目標是全域性最佳化

，不是最佳化每一個區域性。

形成這一理念是在2013年，團隊準備做微軟的人工智慧助理，找了一些人類助理來設計想法，並設定了一個場景：一個老闆跟助理說，“我今天中午要訂一份漢堡，因為開會時間太忙。”

我最初的設想是，人工智慧助理的關鍵能力，在於迅速完成任務：馬上去訂漢堡，不說廢話，在一輪互動之內完成任務，並提前預判第二天也需要漢堡，直接動用老闆的錢包預訂。

但是人類助理跟我說：“不是，我大機率會拒絕幫他訂漢堡，因為健康是比訂漢堡更重要、更底層的任務。”

所以我想，這是更高層面的智慧，我們的產品在除了完成當下具體的任務之外，還有一些更長期的目標。

人類助理告訴我，也不是如此，他和老闆之間是工作夥伴，他不能被當成只會完成任務的語音控制接收工具，還要在一定程度上跟老闆達到對等關係。

我們最後的觀點是，人工智慧助理要關注對話的全域性，關注對話是不是慢慢收斂了、是不是沒有新的資訊進入了，而不只是回答問題、完成任務。

今天，

全世界的人工智慧都處在早期萌芽狀態

。各大做人工智慧研究的公司，在理念上還處於相互學習的階段。

我個人對於商業化持比較剋制的態度。

小冰切入的市場是金融、體育、汽車、內容產業等，這些領域的規模化效應往往不是to C的。但我們認為，to B都是臨時的，人工智慧技術的應用最終會向to C轉化。例如，我們現在給企業提供金融服務，跟人不產生互動，但服務最終會提供給個人。

這個過程需要一步步實現，我們判斷，未來5-10年內，

to B方向仍然會是人工智慧應用的主角。

走向縱深

小冰選擇切入以上這些領域，有多重考慮。

一方面是因為資料方面的配套設施，比如金融領域，隨著金融決策的產生，資料已經實現了很好的結構化，有了推進人工智慧的基礎；另一方面，這些都是“專家領域”，專業化程度高，不容易出問題。

在金融領域，小冰做的是金融文字摘要生成平臺。2017年開始與萬得資訊、每日經濟新聞合作，提供由人工智慧技術生成的上市公告文字摘要、中英雙語資訊。

汽車領域，我們和很多汽車廠商合作，讓使用者去定製一些擬人化的東西，做高度去中心化的AI。

小冰進入的難度係數最高的行業是競技體育。2022年冬奧會上，小冰將提供自由式滑雪空中技巧視覺評分系統。國際級裁判不可能一直在現場，運動員在備戰、訓練的過程中，需要確保每一次訓練得到的反饋都跟最終比賽一樣。

人工智慧的目的不是要取代人類，也不是打敗它之前的科技，

而是協助人們進一步釋放創造力。

由人工智慧來做金融摘要，那麼金融資訊服務提供商的人就可以做摘要的指導工作，在職能上來說，這是更有意義、更重要的事情。

體育領域同理。人工智慧的優勢——高併發、穩定、長時間持續存在，使AI裁判符合測試賽的需求，國際級的賽事，依然會交給專業的人工裁判去做。

在科技領域，中國有一個很獨特的區別是，

市場的縱深程度特別好。

從一線城市到六線城市，市場容量非常大，但凡有一個技術小革新的基礎，在巨大的人口背景下很容易成功。背後的原因，一個是人口的基數龐大，另一個是配套的基礎設施比較完善。

在中國，不同型別的商業模式都能獲得很好的縱深，即使某一種模式出了問題，也有辦法進行過渡。抓住時機，就可以做得很好。

人工智慧在各領域的商業化程度與技術應用深度

迴歸基礎

這些年中國出現了各種各樣的商業模式創新，真正的問題，是很難做週期比較長的、基礎性質的技術創新。

這和二戰後的美國很像：企業機構承擔了主要的研發力量，政府不知道該如何運用資金。因此，《創新與競爭法案》的釋出對美國社會非常重要。

我們也有幾個方面可以參考：

第一，

要為基礎研究正名，不能汙名化，也不能神化

。

我們很容易觀察到直接推動生活、工作改進的技術，卻很難觀察到前端的技術研究。

第二，要讓人才在不同的地方都留得住。

不應讓科學家認為，成功只有財富積累這一種方式。相比基礎研究，財富積累只是一個短期的過程。

一個經過了良好教育的工程師，是去做基礎的作業系統，還是去做應用？我們經常看到一家公司上市，創造了很多個千萬、億萬富翁。如果做作業系統，不太容易實現這一點。當更多的科學家前往這些地方，科研機構就會流失人才。

第三，要確保政府層面的資金運用。

資本是逐利的，企業高速發展要看資金運用的效率，當市場的縱深程度很高，我們很難說服自己和資本市場去做一些基礎層面的事情。當你趕上一個高速發展的時代，會尤其害怕發展速度落後於時代。

我們以前覺得，當一個公司慢慢有錢了，就應該可以深入做基礎研究了，其實不是這樣，

公司越有錢，越需要考慮收入環節的前置，在財務報表上越缺乏抗風險能力

。

中國以前在基礎科學研究領域也有重大成果——比如，當年全國勒緊褲腰帶搞“兩彈一星”，讓國家幾十年的和平維繫於此。但這些都是單點的技術突破，那時候沒有足夠國力把基礎研究體系化，如今就可以。

科學、科技上的進步，單靠個人的英雄主義是不夠的，必須是一個團隊，甚至是一個有上下游的團隊一起奮鬥。

作業系統、晶片的研發，要靠一個團隊擰成一股勁兒往前走，人工智慧領域也是如此。