在剛剛過去的2021年里，中國人工智能界最受人矚目的一件事，莫過于被譽為「AI四小龍」之首的商湯科技在香港聯(lián)交所成功上市，成為「中國AI第一股」！

對于許多正在奔跑的「AI科創(chuàng)家」來說，這無疑是一個振奮人心的消息——它讓人們看到，AI創(chuàng)業(yè)并非登不上臺面的兒嬉戲語，也全非「寒冬」一說。早年間創(chuàng)立的「AI四小龍」，在摸爬滾打中嘗到的，也不僅是開辟AI產(chǎn)業(yè)化的苦果，還有AI落地先鋒的甜頭。

2018年「深度學習三巨頭」Yoshua Bengio、Yann LeCun與Geoffrey Hinton獲得圖靈獎后，人們普遍認為，未來十年，人工智能領域不會再出現(xiàn)重大的理論突破；相反，人工智能的發(fā)展將越來越多地體現(xiàn)在AI技術的應用及其與產(chǎn)業(yè)的結合上。

換言之，「AI 能賺多少錢」成為了新的關注點。而隨之出現(xiàn)的，是越來越多的AI創(chuàng)業(yè)公司。

與老一輩以「AI四小龍」為代表的80后創(chuàng)業(yè)者相比，新一代的90后青年科學家在AI創(chuàng)業(yè)上有些許不同之處。

比方說，投資環(huán)境。老一代頻頻趕上AI投資熱潮，而隨著深度學習的瓶頸突現(xiàn)、AI技術成果轉(zhuǎn)化難等等問題的出現(xiàn)，新一代創(chuàng)業(yè)者在找錢的問題上越來越多地遇到投資者的質(zhì)疑與防備，同時也面臨越來越多的競爭對手。

技術發(fā)展上，原先AI的落地集中在感知智能上，后來AI兼并了更多領域的知識（圖形學、統(tǒng)計學、強化學習、演化計算等等），新一代科學家的創(chuàng)業(yè)方向也開始更加多元化。除了計算機視覺，還有語音識別、自然語言理解、圖形學、芯片……

為此，我們策劃了「AI科創(chuàng)家」系列，邀請年輕一代的AI創(chuàng)業(yè)者與我們分享他們的創(chuàng)業(yè)故事。第一位創(chuàng)業(yè)者，是一位在學術界與工業(yè)界均十分有名的90后青年學者，他就是循環(huán)智能（Recurrent AI）的聯(lián)合創(chuàng)始人、Transformer-XL與XLNet一作楊植麟。

1、「激進」的AI落地法

「我想有一條更激進、更徹底的路徑去打破學術界與工業(yè)界的壁壘?！贡粏柤皠?chuàng)業(yè)的原因時，楊植麟這樣答道。

在投資人的眼里，楊植麟與循環(huán)智能的其他創(chuàng)始人一樣，有一份絕對拿得出手的光鮮履歷：

本科就讀于臥虎藏龍的清華大學計算機系，師從IEEE Fellow唐杰，2015年以年級第一名的優(yōu)異成績畢業(yè)；

隨后，赴自然語言處理（NLP）研究全球排名第一的卡內(nèi)基梅隆大學語言技術研究所（LTI）攻讀博士，師從知名學者Ruslan Salakhutdinov與William Cohen；

博士期間，他與圖靈獎得主Yoshua Bengio合作發(fā)布「火鍋問答」數(shù)據(jù)集HotpotQA，又以一作身份發(fā)表的 XLNet 與 Transformer-XL在NLP領域產(chǎn)生重要影響，成為 NeurIPS 2019 與 ACL 2019 的最高引論文之一，谷歌學術引用次數(shù)直接破萬……

圖注：楊植麟的谷歌學術論文被引主頁

一般來說，卡內(nèi)基梅隆大學計算機專業(yè)的博士生往往要經(jīng)過六年的學習才能畢業(yè)，而楊植麟只用了四年（2015-2019）就從CMU出師，一度成為學術圈的風云人物。

作為一名佼佼的青年AI學者，楊植麟確定自己志在推動人工智能技術在現(xiàn)實生活中的大規(guī)模應用。

一般來說，年輕博士生參與技術落地的途徑是進入資金雄厚、牛人云集的大廠，在其中謀得一官半職，比如他的兩位博士導師Ruslan Salakhutdinov與William Cohen并分別在搞學術之余擔任蘋果 AI 研究負責人與谷歌首席科學家。

但楊植麟認為，「科學家加盟大廠」的模式在組織架構上存在局限性，并不能令他更深入地參與到AI落地中，也無法從根本上解決工業(yè)界進行AI落地的瓶頸：

「我覺得AI行業(yè)面臨的共同問題是學術界與工業(yè)界之間的Gap。我們看到老師們在工業(yè)界有一些title，但其實本質(zhì)上他們還是在做研究工作?；A研究固然重要，但無法打破這種壁壘，研究內(nèi)容與實際落地之間還有很多步驟?！?/p>

具體的表現(xiàn)有：一，高校教師往往更偏向?qū)W術研究，與工業(yè)界的聯(lián)系較少，也缺少工業(yè)界落地的思考與驅(qū)動力；二，與此同時，雖然許多互聯(lián)網(wǎng)大廠也會招入杰出的科學家去解決技術難題，但它們的首要出發(fā)點是賦能業(yè)務，而非推動AI落地。

從大廠運作的組織架構上來說，這些杰出的科學家沒有足夠的資源或權利去推動產(chǎn)品落地。公司的業(yè)務方向會調(diào)整，即使科學家有意愿去推動一項產(chǎn)品的落地，成本與代價也會大幅增加，技術的轉(zhuǎn)化率與效率也會受到企業(yè)組織架構的影響。

在楊植麟看來，這是一個非常大的限制，這也造成了在大廠中，許多AI技術的落地周期十分漫長，也不夠敏捷。因此，2019年博士畢業(yè)時，他拒絕了谷歌、Facebook與華為等大廠的高薪offer，選擇了回國創(chuàng)業(yè)。

圖注：楊植麟與兩位博士導師Ruslan Salakhutdinov（最右）、William Cohen（最左）合影「創(chuàng)業(yè)的好處是我們可以自己決定公司的組織架構。人生苦短，精力有限，優(yōu)化公司的組織形式可以有效減少中間損耗，縮小技術轉(zhuǎn)化與社會價值之間的距離?！箺钪谗胝劦馈?/p>

楊植麟對AI科技評論回憶，他的本科與博士導師都十分看重技術的實際價值，這給他帶來了很大的啟發(fā)。不同的是，他會更激進地去追求落地的結果，深入業(yè)務中進行研究。他的計劃是同時進行學術研究與技術落地，并同時取得成果。

循環(huán)智能成立于2016年。也就是說，楊植麟從博士二年級開始就一邊搞學術研究、一邊創(chuàng)業(yè)。

正是有感于「大廠科學家」的尷尬處境，他一直強調(diào)「我們需要新的思考」。在循環(huán)智能，他不僅是AI技術負責人，還是產(chǎn)品經(jīng)理，這無疑是一個「范式層面的革新」，是他心中能夠有效打破技術與價值之間壁壘的最優(yōu)途徑：

「一方面，我們會去做基礎的研究，如預訓練、多模態(tài)等；另一方面，我們也要去進行落地。這兩個事情可以互相提升與促進?！?/p>

2、研究與落地，雙輪驅(qū)動

循環(huán)智能最早的三位創(chuàng)始人陳麒聰、楊植麟與張宇韜相識于清華大學的知識工程實驗室，都有一股「用AI創(chuàng)造社會價值」的熱血。三人都是技術出身，后來因為業(yè)務發(fā)展，循環(huán)智能在2018年又引入了另一位擅長技術產(chǎn)品運營的「第四把手」揭發(fā)。

自成立以來，楊植麟就是團隊的核心技術骨干。2016年與2017年，他與陳麒聰、張宇韜開始摸索技術的應用方向。

對新一代AI創(chuàng)業(yè)者來說，2017年是一個重要的時間節(jié)點。

那一年，谷歌團隊在“Attention is All You Need”一文中提出Transformer模型，該模型沒有采用卷機網(wǎng)絡與以往RNN的時序結構，采用編碼機制，編碼端同時包含語義信息（Multi-Head Attention）和位置信息（Positional Encoding），能夠并行計算，大大提升了語言模型的訓練速度。

對于專注技術落地的創(chuàng)業(yè)者來說，這無疑是一項利好消息，能夠減少預訓練的時間，節(jié)約研發(fā)成本，加速技術與場景的匹配速度。Transformer的出現(xiàn)，打破了計算機視覺憑借深度學習在AI創(chuàng)業(yè)圈一統(tǒng)天下的壟斷局面，使一大批基于NLP技術的創(chuàng)業(yè)公司開始嶄露頭角，循環(huán)智能便是其中之一。

循環(huán)智能的主要業(yè)務是運用NLP、語音、多模態(tài)、大模型等人工智能技術打造「銷售科技」方案，幫助企業(yè)的銷售團隊提升銷售業(yè)績。

楊植麟談道：「我們認為，AI產(chǎn)生價值的過程可以分為幾個階段，而其中一個階段就是幫助每個人變得更好，提升人的能力，從而提升整個社會的運行效率。這個Vision（愿景）是我們公司成立之初就有的想法?！?/p>

據(jù)他介紹，循環(huán)智能選擇將AI用于「提升人的溝通能力」，也是經(jīng)過了很長時間的探索，與客戶交流、不斷迭代才確定。最終，他們抉擇的原動力是客戶的訴求，以及對整體市場的判斷。比如，根據(jù)CB Insights的數(shù)據(jù)統(tǒng)計，2016年銷售科技初創(chuàng)企業(yè)的投資額就超過了50億美元，此后逐漸遞增。這也表明了市場對這個賽道的信心。

圖注：Gartner的銷售科技（SalesTech）技術成熟度曲線2021顯示，銷售賦能一支已經(jīng)渡過「技術萌芽期」（Innovation Trigger），進入「期望膨脹區(qū)」（Peak of Inflated Expectations）

如前所述，楊植麟認為，AI系統(tǒng)的組織架構會影響產(chǎn)品的能力，而組織架構的靈活設置可以幫助他們以一個更好的模式去推進產(chǎn)品落地。在創(chuàng)業(yè)的過程中，楊植麟實現(xiàn)了學術研究與工業(yè)落地的雙輪驅(qū)動模式。比方說，他被 ACL 2019 接收 Transformer-XL 一文，早在發(fā)表之前就已應用在了循環(huán)智能的 ASR 產(chǎn)品中。

對于這項基礎技術的快速轉(zhuǎn)化，楊植麟引以為豪：

「在預訓練的過程中，我們將技術部署在產(chǎn)品系統(tǒng)上，讓它能以實際數(shù)據(jù)集的運行效果為最終目標，驅(qū)動中間的研發(fā)過程。在將挖掘系統(tǒng)落地時，系統(tǒng)也是以最終的業(yè)務結果為目標進行學習與優(yōu)化。同時，中間過程又可以迭代出很多AI問題與基礎技術，使得之后的產(chǎn)品可以進一步改善?！?/p>

AI模型的落地中，一個常見的問題是數(shù)據(jù)集的真實性與完備性。

一般來說，研究者在改進模型時，往往是基于特定的、人工創(chuàng)造的數(shù)據(jù)，但這些數(shù)據(jù)也許并無法完整、正確地描述模型在實際場景中遇到的情況。因此，盡管預訓練的若干技術都已在學術界的許多數(shù)據(jù)集上得到了測試，且性能優(yōu)異，但在實際應用中，卻仍需要非常多的技術改進才能部署落地，因為模型會遇到更多更復雜的問題。

目前，在解決這一問題上，學術界仍未有突出進展。但在創(chuàng)業(yè)的過程中，由于楊植麟與團隊的預訓練技術研究從一開始就是在實際的數(shù)據(jù)集中測試，直接與AI產(chǎn)品框架匹配，因此，類似的落地問題便能從根拔起。

3、談談「NLP+銷售」

除了2017年的Transformer，近年來，人工智能領域又涌現(xiàn)出了許多基于Transformer的大規(guī)模預訓練語言模型，比如Bert與GPT-3。此外，還有許多新興技術對AI創(chuàng)業(yè)者產(chǎn)生了積極影響，比如少樣本與零樣本的研究突破。

從NLP技術落地的角度來看，這將是一個個革命性時刻。因為通過將這些研究成果有機結合，AI模型的效果與效率能夠得到大幅提升。在某些場景中，研究者甚至只需要通過非常少的樣本、甚至零樣本就可以取得跟以往一樣好的效果。

對于循環(huán)智能來說，這意味著，在用AI提升銷售轉(zhuǎn)化率的過程中，他們能夠做到很多以前做不了的事情，比如會話洞察與分析引擎。隨著NLP落地技術的逐漸成熟，加之企業(yè)服務在全球范圍內(nèi)成為新的投資熱點，楊植麟與團隊憧憬，通過「NLP+銷售」的路徑，循環(huán)智能也有成為「中國Gong.io」的可能。

具體來說，用人工智能提升銷售效率的過程可以分為三步：一是對銷售與客戶之間的會話數(shù)據(jù)進行采集；二，對有價值的會話內(nèi)容進行挖掘并建模，將非結構化數(shù)據(jù)轉(zhuǎn)為結構化數(shù)據(jù)；三，分析會話數(shù)據(jù)，找出銷售人員在與客戶溝通的過程中存在的問題，更精確地分析客戶意愿，并給出解決問題的關鍵要素。

歸根到底，就是對大規(guī)模的文本數(shù)據(jù)進行高效分析。

聽來簡單，但事實上，「AI+銷售」是一條同時具備市場剛需與高技術壁壘特征的賽道，因為這要求AI系統(tǒng)具備綜合分析的能力， 除了算法，會話洞察能力、數(shù)據(jù)分析能力、行業(yè)營銷知識等等也缺一不可。這很符合循環(huán)智能創(chuàng)始團隊的創(chuàng)業(yè)風格：既要創(chuàng)造價值，也要擁有一定的技術門檻，提高競爭難度，減少對手。

從剛需的角度來看，業(yè)績增長是每一家企業(yè)的發(fā)展根基。銷售作為市場營銷中的一環(huán)，其會話流量的轉(zhuǎn)化率對業(yè)務目標的影響至關重要。據(jù)楊植麟觀察，流量轉(zhuǎn)化率在許多行業(yè)中都是一個突出的痛點問題，尤其是金融行業(yè)。

他們曾接觸過一個國內(nèi)的頭部保險公司X，旗下有一家分公司Y。Y的銷售困境是：雖然Z的銷售團隊賣出了許多保單，數(shù)量遠遠高于X位于鄰城的另一個分公司Z，但所收的保費總和卻比Z要低。經(jīng)過分析，原因很簡單：因為Y的均件保費遠遠低于Z。

這時，他們需要通過分析手中已有的數(shù)據(jù)，來找到拯救萎靡業(yè)績的方案。而回顧已有數(shù)據(jù)，企業(yè)的唯一法寶，是保存了大量的溝通語音或文本數(shù)據(jù)。

對于計算機來說，未經(jīng)解碼的語音數(shù)據(jù)猶如黑盒，同時是非結構化的。這時，NLP與語音技術的結合可以對這些非結構化數(shù)據(jù)進行高效解析，并管理一個企業(yè)銷售團隊的溝通過程。換言之，此時AI產(chǎn)品還是一個「管理抓手」的角色，分析銷售人員與客戶的溝通情況，洞察客戶需求，提高銷售管理能力和銷售團隊的工作效率。

「我們提供的產(chǎn)品可以把每位銷售人員在每一天的開口率以非常清晰的、精確的方式呈現(xiàn)出來。它能定位到每一個團隊成員的每一通電話、每一次溝通，據(jù)此便可以做很多報表分析，從而知道每個團隊的問題在于何處?！箺钪谗虢榻B。

圖注：循環(huán)智能AI產(chǎn)品的原理示意圖

根據(jù)實戰(zhàn)的結果，循環(huán)智能打造的AI系統(tǒng)每天可以處理超過 1 億次的對話數(shù)量，幫助Y將保單的均件保費提升了大約20%。目前，他們已與數(shù)十家銷售人員超過一千人的企業(yè)合作，主要覆蓋銀行、保險、房地產(chǎn)、汽車等四大行業(yè)。

楊植麟解釋：「這幾個行業(yè)都有一個共同的特點，就是對銷售技能的要求高，銷售過程非常復雜。同時，相對來說，這些行業(yè)有精細化運營的需求，它們的精細化程度達到了一定的閾值，足以支撐他們應用AI系統(tǒng)來優(yōu)化效率?！?span style="color: #FFFFFF;">雷峰網(wǎng)

在這個過程中，他們的AI系統(tǒng)后臺也積累了數(shù)千個來自不同行業(yè)的語義模型，構成了循環(huán)智能AI大腦的強大知識庫，有利于NLP模型的進一步落地。去年，他們與華為云合作，開發(fā)了大規(guī)模中文模型「盤古」，在部分實際場景中達到了優(yōu)于Bert與GPT系列的效果。

目前，循環(huán)智能已進行到B輪融資，連續(xù)三年實現(xiàn)了超200%的營收增長。不過，楊植麟談道，創(chuàng)業(yè)必須深入業(yè)務：「我們現(xiàn)在還屬于將產(chǎn)品打磨成熟的階段，主要任務是擴展與提升銷售溝通場景的覆蓋面。」

4、創(chuàng)業(yè)感想

楊植麟認為，決定一家技術創(chuàng)業(yè)公司是否能立足的兩個因素，一是具備多維度的綜合能力，二是深耕行業(yè)，能夠?qū)⑼ㄓ卯a(chǎn)品與細分的行業(yè)方案進行有機結合：

「當我們擁有了一個通用的技術品牌后，我們可以用較低的邊際成本將其擴展到新的行業(yè)、新的公司與新的細分場景中。因此，我們需要一個成為『行業(yè)專家』的團隊，能夠提供專業(yè)的行業(yè)方案，再用這個專業(yè)方案包裝產(chǎn)品，進行落地?！?span style="color: #FFFFFF;">雷峰網(wǎng)(公眾號：雷峰網(wǎng))

循環(huán)智能擁有明星創(chuàng)始人團隊，在吸引綜合人才方面并不難。楊植麟也強調(diào)，打造用于提升銷售的AI系統(tǒng)并不能僅靠一群「NLPer」或「CSer」的力量，還需要有硬件人才、營銷人才、行業(yè)分析師等等。

在科技賦能數(shù)字經(jīng)濟的進程中，NLP的核心價值往往體現(xiàn)在最后一公里。對于任何行業(yè)來說，只要有溝通數(shù)據(jù)與文本數(shù)據(jù)的場景，NLP技術就可以發(fā)揮價值。傳統(tǒng)的NLP場景最大的瓶頸是規(guī)?；S著Transformer、少樣本/零樣本學習等研究的突破釋放了極高的邊際價值，楊植麟相信，在未來幾年，NLP的規(guī)?；x能將成為可能。

創(chuàng)業(yè)五年，楊植麟總結了自己在技術以外的成長：一是有機會學習到商業(yè)邏輯，加深了對行業(yè)與場景的認知；二是學習到如何建立與運營一家公司；三則是能有一種更徹底的方式縮短了技術與價值之間的鴻溝。

十年前，也許很多人會認為，進入大廠才是研究實用AI的最佳途徑。但隨著近一兩年來越來越多的技術大牛從互聯(lián)網(wǎng)大廠離職，或回歸學術界，或自主創(chuàng)業(yè)，人們開始意識到：要推動人工智能技術的大規(guī)模落地，需要一種新的運作模式。從這點來看，楊植麟的選擇頗有先見之明。

據(jù)了解，目前，楊植麟除了在循環(huán)智能創(chuàng)業(yè)，同時也在清華大學、智源研究院等機構主導了多個AI研究項目，繼續(xù)踐行他對如何打破研究與應用之間壁壘的思考。在創(chuàng)業(yè)與學術的雙輪驅(qū)動下，楊植麟等新一代實干家，給中國人工智能的未來帶來的不僅是「激進」的應用，還有培養(yǎng)從研究端就開始思考技術轉(zhuǎn)化的青年人才。

薪火相傳，未來可期。

參考鏈接：

1. https://www.gartner.com/en/documents/4004056/hype-cycle-for-crm-sales-technology-2021

2. https://mp.weixin.qq.com/s/huaJLRecOoV-gWzL0ZjEAQ

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。