編輯導語：隨著生活壓力的增加，現在脫髮人數越來越多，並且逐漸年輕化，很多90后、00后都已經步入脫髮大軍的隊伍中。哪裡有痛點，哪裡就有機會，智能防脫髮產品也隨之湧現。在脫髮經濟崛起之際，AI植髮會是一門好生意嗎？本文作者對此展開了分析討論，一起來看看~

世界毛髮研究權威專家、耶魯大學教授庫爾特·斯坦恩在其著作《頭髮：一步趣味人類史》中寫道：生長旺盛的頭髮會傳遞出身體健康、魅力十足等信號。

可在當下，茂密的頭髮對很多人而言已經變得一種奢求。

「成年人的世界沒有容易二字，除了容易發胖和容易脫髮」。據衛健委2019年發布的脫髮人群調查，中國已約有2.5億脫髮人群，佔比總人口近五分之一，如果將男同胞的謝頂面積加在一起,差不多有4725平方公里,相當於四分之一個北京。

再加上市場有意無意地營銷造勢，脫髮的焦慮逐漸被時代放大，壓迫著當代人的緊張神經。哪裡有焦慮，哪裡就有商機，「脫髮經濟」迅速崛起，這門生意真的好做嗎？

01 脫髮經濟「禿」然崛起，90后也留不住「三千煩惱絲」

25歲的趙先生向我們傾訴，自從進入互聯網公司，996、007成為工作常態，脫髮問題愈發嚴峻，去醫院檢查，醫生說他是脂溢性脫髮，主要原因是過度熬夜工作壓力過大。

一般而言，脫髮主要源於遺傳性脫髮，如果你的父母輩脫髮，基本上你也逃不了。其餘多是像趙先生那樣由外界因素導致的脫髮，比如不良生活習慣，包括吸煙、熬夜、酗酒等；又或者是內分泌代謝功能紊亂、長期焦慮、悲傷、精神緊張等神經精神因素、工作壓力以及某些藥物。

目前這一癥狀主要呈現三大趨勢，首先是脫髮人群迅速增加。中國人口基數大，所以飽受脫髮困擾的人不在少數，這點在前文已經有所佐證。

而在日韓，脫髮問題同樣嚴重。日本平均每10人就有1人戴假髮；據央視財經報道，根據韓國脫髮治療協會最新發布的數據顯示，韓國的脫髮人口已經達到1000萬，約佔韓國總人口的五分之一。

其次，脫髮的年輕人數量也在直線上升。

韓國的脫髮人群中，二、三十歲年輕人的佔比在2019年就已經上升到四成。

同樣，中國脫髮群體也呈現年輕化趨勢，有60%的人在25歲就出現脫髮現象。阿里健康曾在2017年發布的《拯救脫髮趣味白皮書》顯示，在阿巴旗下的零售平台購買植髮、護髮產品的消費者中，90后佔比高達36%。

隨著脫髮問題被越來越多年輕人重視起來，一些衍生的熱詞開始出現，「禿頭」表情包也應運而生。

除此之外，女性脫髮也變得極為普遍。在韓國，年輕脫髮群體中超過四成是女性。據新經濟研究機構艾媒諮詢發布的《2019-2021年中國脫髮保健行業趨勢與消費行為數據研究報告》顯示，中國脫髮人群中女性群體接近1億人。

在三大趨勢中，不管是以90後為代表的Z世代還是女性消費者，消費實力一直在不斷提升，並且悅己性的消費傾向明顯，又因為「顏值經濟」盛行，看臉的人越來越多，人們也更願意為頭髮花錢。

95年的玲玲是防脫髮產品的資深用戶，不管是洗護、生髮洗髮水，還是假髮片和假髮套，她都購置了不少。據我們了解，玲玲每月工資的四分之一都花在了頭髮上，近期由於感覺洗髮水和假髮片效果不明顯，玲玲甚至開始有了植髮的計劃。

龐大的需求催生了龐大的市場。據國家衛生部門公布數據，我國城市居民用於個人頭部護理的消費正以每年30%的速度急速增長，遠遠超過9%的GDP增長率，未來10年毛髮健康產業甚至將以每年260%的速度增長。

成立於2017年的保健品牌Hims，因為從脫髮切入，成為美國直接面向消費者（DTC）賽道上增長最快的品牌之一。10月1日，Hims更是申請IPO上市，估值達16億美元。

由於海外市場上Hims這樣的獨角獸出現，也讓資本市場對該賽道更有信心。2017年下半年，雍禾植髮宣布獲得中信產業基金的投資，融資額在3億元左右，2017年投后估值約5億元；Menxlab從2019年啟動項目至今，也在不到一年時間內拿下三輪融資，融資金額過億元。

消費者願意付費、資本市場捨得投資，「脫髮經濟」迅速風靡全國，輻射多個行業。

02 多個行業受益明顯，背後亂象仍需警惕

脫髮經濟浪潮襲來，三個典型行業受益最明顯。

從最淺層的開始說起，第一就是養發、護法行業。當開始有脫髮跡象出現時，人們最先想到的就是去護理頭髮，將脫髮扼殺在搖籃里。

說到這裡，就不得不提霸王洗髮水了，成龍的「duangduang」、毛不易的「每一根毛髮都不易」，都讓霸王成功出圈，成為防脫領域國民度最高的產品。除了專攻防脫領域的霸王、柳屋，施華蔻、多芬、同仁堂、資生堂等品牌推出的育發產品也越來越多。

有關統計數據顯示，2017年，養發行業市場滲透率達到1.5%，市場規模達到100億元。《中國人頭皮健康白皮書》數據顯示，到2020年年底，養發行業的市場滲透率達到20%，整個養發及相關產業規模有望超過400億元。

如果養發護髮產品效果不太明顯時，很多消費者就開始考慮發製品，也就是常說的假髮。

在某電商平台以「假髮」為關鍵詞進行檢索，結果顯示有37萬多個相關商品，不少店鋪的月銷量都在1萬以上。

市面上的假髮材質主要有三種，價格最低的是化纖絲類假髮，不容易打理，基本幾十塊就能買到整頂。化纖絲和真人髮絲混合的假髮，不管在價格上還是模擬度上都有所提高，價格區間基本維持在300-1000元。真人髮絲是價格最高的一類，基本都在上千元。

作為全球最大的假髮製造國和出口國，中國假髮供應量佔全球70%以上，形成許昌、青島、廣州等假髮產業帶。其中，許昌是全球最大的發製品集散地和出口基地，有「頭頂時裝之都」的美譽,相關數據顯示，目前國內假髮產業年銷售額達到600億元，從業者超100萬人。

芳芳作為假髮套和假髮片的忠實粉絲，各種類型都有嘗試過。雖然現在市面上也選擇的種類越來越多，但是芳芳也發現假髮片在佩戴過程中很容易扯傷原有的頭髮，而發套又不太透氣，於是她開始考慮植髮。

據企查查數據顯示，截至2021年1月31日，我國現在共有48626家與植髮相關的企業。僅在2021年的1月份就新增了309家企業。

2016年至2019年期間，我國植髮行業市場規模由57億元躍升到163億元；2020年，植髮行業市場規模有突破200億元的趨勢。

（圖源：艾媒數據中心）

當然，巨大的行業紅利之下也催生了許多亂象，在企查查搜索植髮出現的企業之中，前四家就有三家分別標記著20、27、35條自身風險。綜合防脫髮產品行業被詬病較多的問題主要是：虛假宣傳、高價暴利和無資質運營。

據國家企業信用信息公示系統信息，上海一家化妝品公司曾於去年6月因在名下網店虛假宣傳洗髮水防脫功能被上海市崇明區市場監督管理局行政處罰，罰款1萬元。據了解，舉報人在由該公司開設的天貓網店購買了菲詩蔻洗髮水。該網店宣稱該洗髮水有防脫髮功能，但無法提供相關依據。

在植髮方面，行業魚龍混雜；有的機構甚至辦起「三天速成班」，並非醫生的「老師」，帶著同樣沒有醫師資格的「學員」，直接在患者頭上操刀「實踐教學」。

肖晚先生向我們透露，2017年5月他曾經在某宣傳存活率高達90%的連鎖植髮機構做了3000單位的植髮，但效果不明顯，院方給出的解釋是肖先生後期護理不佳導致，讓他又花了兩萬塊錢做了第二次，結果兩次所植的頭髮又細又軟存活率極低，后枕部取得毛囊全部浪費，該機構無疑有虛假誇大宣傳之嫌。

在發製品、護髮產品還是植髮市場，行業亂象如果無法一直得到整治，優質的品牌和機構也很難得到健康成長。未來還是需要儘快明確行業准入門檻，營造良好的市場秩序，建立監管標準，加強行業自律和人員培訓。

03 數字化分析、高效工作，AI植髮會是一門好生意嗎？

近年來，以AI為代表的新科技正在從生活的細節切入，改善大眾生活，第一款植髮機器人ARTAS也應運而生。

智能防脫髮產品選擇從植髮領域切入，主要也是因為在放脫髮產品中，植髮能精準地使脫髮區域長出頭髮，有著立竿見影的效果。

雖然植髮手術效果對比其他產品確實更加顯著，但是植髮手術費用高昂。肖晚先生選擇的FUE毛囊種植技術，一個毛囊單位10元，他一共植了6000個，花費在6萬元左右。

根據業內一組統計數據，2018年全國大約做了50萬台植髮手術，手術金額超過100億元。保守估計，做一個植髮手術的平均花費超過2萬元，加上後續的生髮護髮治療，總費用更多。

植髮手術除了費用高昂意外，移植頭髮的關鍵是保持毛囊完整，才能保證頭髮移植的成活率。這對於醫生的操作能力要求相對較高，根據醫生的熟練程度，結果偏差非常大。

所以專業植髮人員培養時間十分長，想要培養一個合格的植髮手術醫生，至少要連續半年從分離到種植全方位的實踐歷練。即使如此，熟練的醫生手術時間一長，難以避免因微細的抖手所帶來的毛囊受損率提高。

AI植髮機器人Artas相比人類醫生手動摘取毛囊，更為恆定。它可以利用智能演算法選取高質量的毛囊收集，識別和選擇最好的毛囊收集，並利用數字化分析每個頭髮的自然分組的位置，隨機收集供區頭髮，以便保留原來的外觀。

依靠Artas的精準，將原先至少需要8小時的手術，幾乎減少了一半，並控制了人類醫生可能出現的不確定風險。不會因為操作時間過長、技術不熟練、判斷有誤及其他人類可能產生的情緒等原因，導致提取毛囊存活率低的情況發生。

這種技術不需要縫合，也幾乎看不到修復的地方，幾乎無痛苦，術后也沒有針或線性相關疤痕。再加上圖像技術及智能演算法保障發株提取安全，動作精準高速，縮短手術時間。術后快速恢復，短時間內可投入工作、運動，對於上班族十分友好。

不過雖然Artas已經進駐中國，但售價昂貴，一台Artas機器人的費用高達800萬元人民幣，而每一次手術前，還需要另外付出一筆費用，才能得到啟動密碼，繼而進行手術。和傳統人工植髮一場手術2-5萬相比，使用Artas機器人進行手術，費用可能高達8-12萬，普通人暫時也難以負擔。

總而言之，隨著脫髮人群的增加，這個市場的潛力也將被更多人看到，隨著更多玩家的加入，行業的亂象也會慢慢得到控制，類似ARTAS這樣的技術型產品也會越來越多。當前，脫髮患者需要注意的是不必過度焦慮，避免「病急亂投醫」，防止盲目消費之下花冤枉錢。

 

作者：青月，微信公眾號：智能相對論

編輯導語：自然語言處理（Natural Language Processing）簡稱NLP，是研究思維、語言和行為中的規律。本文作者從人工智慧在工業物聯網環境中的應用情況出發，梳理介紹了工業物聯網領域中自然語言處理技術的應用與發展，希望通過此文能夠加深你對工業物聯網的認識。

01 人工智慧與物聯網

我們正處在一個人工智慧，IoT與5G三浪疊加的時代。對此，吳軍老師曾經做過一個頗為形象的描述：未來的社會將是一個超級智能的有機體，如果我們把它對應於人，那麼人工智慧是大腦，IoT就是神經系統。

IoT中數量巨大的感測器和設備扮演著眾多感官細胞的角色，而正在發展起來的5G則相當於是周圍神經。物聯網通過智能感測器、計算機識別技術、通信技術把物品連接到網路上，實現物與物之間的協作來完成任務。在萬物實現協作的過程中，將會有大量的數據被生產出來，而這恰恰給當下依賴於大數據演算法而爆發的人工智慧提供了新的催化劑。

02 自然語言處理與工業物聯網

工業物聯網（IIoT）是指物聯網技術在工業環境中的應用，尤其是在涉及雲計算的感測器和設備的儀錶和控制方面。

隨著雲計算和機器學習技術的發展，IIoT行業將實現全新的運作模式，並創造新的收入與業務模型。自然語言處理（NLP）技術旨在研究通過計算機設備理解，處理，應用人類的語言信息，是人工智慧研究領域中最為經典，也最具挑戰的一個部分。

近年來，工業界開始使用機器對機器通信來實現無線自動化的控制，典型的應用場景包括：智能電網，智能製造，預防性和預測性維護等。IIoT正在嘗試通過NLP技術為業務賦能，並將在系統控制，任務追蹤，信息檢索等任務中得到廣泛應用。我們不妨來看看目前NLP與IIoT都碰撞出了什麼樣的火花。

03 工業物聯網中的自然語言處理技術

1. 智能系統控制

目前，基於語音交互的IoT設備中控系統，是工業化物聯網的一個新方向。語音交互可以為物聯網的應用環境帶來諸多好處，包括快速執行複雜的操作任務，以及替代具有觸控風險的操作任務。

一方面，語音交互普遍被認為是穿透力最強的交互方式，特別是在處理複雜工單管理的操作時，傳統的操作往往需要許多步驟，繁瑣且低效，而通過語音交互就可以一步觸達。

另一方面，在施工作業的場景下，依然經常需要作業人員親自到現場進行操作，這就不免會有施工風險的隱患。這時，非接觸式的語音交互就展現出不可替代的優勢。

若要實現上面描述的語音交互應用，就離不開先進的智能技術支持。而這當中最為核心的部分，當屬基於NLP技術的智能問答系統。通過深度學習演算法，結合自然語音理解模型，對話管理，語音識別等技術模塊的組合，實現語音交互的功能。將語義理解能力接入工業互聯網設備中，實現對設備的遠程聲控與智能管控。

這樣的技術與基於語音識別的指令控制不同，它能讓設備真正聽懂用戶，深度理解用戶的需求，從而跳過繁瑣的步驟，實現靈活的智能化系統控制。此外，語音控制模塊可以對接機器翻譯模塊，實現對不同語言的文本內容進行翻譯的工作。在IIoT場景下可以服務於跨語言類的文本處理和語音指令操作。

霍尼韋爾推出的Honeywell-BPS樓宇中控服務，就是一個比較有代表性的應用案例。該服務為客戶提供了一個開放性的樓宇物聯網平台。彙集了海量樓宇運營數據，並將各類電子系統的接入，以實現設備互通。結合語音交互技術和自然語言理解技術，實現無接觸語音中控能力，從而提高樓宇運營效率，降低運營成本。

2. 工業生產運營

工業生產運營是另一個已經被NLP成功切入的IIoT場景，這裡涉及到信息數據的採集與數據知識的應用兩個方面。

物聯網採集層的感知設備作為社交網路資源，基於NLP實現的可互動式的物聯網服務框架，針對物聯網應用打造一個獨立的交互平台， 實現用戶與物聯網設備之間以自然語言為交互方式的數據查詢、命令設置、定期彙報等功能。

NLP技術可以讓機器像人腦一樣具備閱讀理解能力，快速提煉並呈現出文本中的關鍵知識點，這樣的能力能夠被廣泛應用於存在大量數據和文本資源的工程當中。從海量工業文檔數據中挖掘信息，實現工程任務追蹤，並優化生產決策流程。

工業生產知識數據還可以通過提煉知識信息創建可視化的知識網路。而機器學習可以增強這一功能，並進一步處理和分析檢索到的信息，明確數據的相關性，從而快速高效地查找異常情況。幫助作業人員高效、準確地完成特定的任務，優化人機協作的模式。

信息檢索和知識圖譜是實現上述場景的關鍵技術。信息檢索是用戶進行信息查詢和獲取的主要方式，是查找信息的方法和手段。流行的信息檢索模型包括布爾模型、向量空間模型、概率模型和語言模型，從數據集中找到滿足信息需求的非結構化性質的內容。

知識圖譜能夠有效的將系統當中的知識類信息進行整理與關聯，從而實現信息數據之間的相互聯結與溝通。針對包含專業技術和知識類文本數據組建圖資料庫，從而實現複雜的檢索功能和智能輔助決策功能。通過圖資料庫提升文本信息的檢索質量，可運用與公共能源管理監控，製造決策輔助，以及知識類智能問答等場景。

說起智能化IIoT的運營，就不得不提到阿里雲推出的工業大腦。阿里工業大腦為客戶提供了從工業製造到生產營銷的一整套智能化服務。在生產環節，阿里工業大腦運用結合NLP演算法和工業知識圖譜對各類設備狀態與整體生產過程數據進行記錄，提供智能設備健康管理、工藝參數實時推薦等功能，旨在提升工業生產的效率。

04 總結

物聯網不僅連接電子設備，還連接我們每一個人。想象一個設備與人類可以協同工作的世界，各類設備將能夠理解我們的疑問、感受我們的需求並提供相關響應。不過，這方面的需求在工業場景下還非常模糊。

目前，很多技術的能力和應用深度還遠沒有達到工業化落地的程度，這導致在很多場景下的技術應用還很不成熟。雖然NLP技術在提升IIoT工作效率和安全性能方面已經有了不錯的表現，但是大多數場景依然不是剛性需求。

在可見的未來，我們相信人工智慧和NLP技術都將得到持續的發展。屆時，技術將為人們提供更加可信，更加有效的服務。結合計算機視覺技術，RFID無線射頻識別技術，在IIoT下，會有越來越多的剛性需求被滿足。

NLP技術，將對IIoT行業進行更全面賦能。可能的服務形態包括遠程中控，語音交互，和操作判斷等。各種物聯網設備將更高效的與人類連接，同時更好的與彼此連接，最終將提供給用戶更美好的產品和服務，朝著高便利低功耗的方向發展。

 

編輯導讀：因為疫情的影響，線上辦公的需求猛增，傳統客戶關係管理模式的弊端逐漸顯露。除了渠道供應不穩定，難以預估投入產出比之外，客戶數據的處理與客戶資源的跟蹤轉化更是變得難以實現。本文將向讀者介紹人工智慧在客戶關係管理工作中的應用現狀，幫助讀者了解自然語言處理技術在企業數字化運營垂直領域當中的現狀。

2020年初，突如其來的新冠病毒對我們的生活和工作帶來了巨大的影響，社會經濟活動被按下了暫停鍵，無數企業陷入停擺狀態。為了防止疫情的傳播，我們不得不與他人保持社交距離，很多人不得不選擇在家進行遠程辦公。隨著企業線上協作、線上運營的需求的突然增大，傳統客戶關係管理模式的弊端被暴露出來。除了渠道供應不穩定，難以預估投入產出比之外，客戶數據的處理與客戶資源的跟蹤轉化更是變得難以實現。對比之下，依賴於人工智慧技術的智能客戶關係管理系統，則展現出亮眼的成績。

本文將向讀者介紹人工智慧在客戶關係管理工作中的應用現狀，幫助讀者了解自然語言處理技術在企業數字化運營垂直領域當中的落地情況。

一、客戶關係管理

我們先對客戶關係管理做一個簡單的定義，客戶關係管理（CRM）是一種集理念、組織、技術為一體的商業管理模式。其核心目標是讓企業改善業務關係，優化交互流程並提高企業的盈利能力。CRM 解決方案能夠幫助企業在與客戶的商務合作周期中，專註於組織與個人的關係，在整個關係中提供支持和幫助。從而使企業贏得客戶的信任，同時幫助企業尋找新的客戶。

二、行業發展趨勢

近年來，企業運營智能化的發展前景非常可觀。根據 Gartner 的調查，全球有近85%的交互業務正在向無人化轉型，大量的崗位或將被AI取代，而疫情無疑加快的這一趨勢的發展。隨著人工智慧技術的不斷發展，智能 CRM 系統將逐步替代傳統的 CRM 方案，在降低企業的營銷成本的同時，鞏固企業強數據化的管理模式。疫情期間，不少線下的客戶關係維護活動被迫終止，這更進一步的體現出智能 CRM 系統的優勢。

數據來源：Statista 2020

三、應用場景剖析

總的來說，CRM 可以被分為三個領域，即客戶獲取、客戶服務，以及客戶管理。目前，人工智慧技術已經逐步滲入到CRM的各個服務領域當中。其中，自然語言處理作為核心技術方案，已經在多個應用場景當中成功落地：

應用場景：

• 客戶獲取 – 典型的應用包括智能銷售機器人，智能外呼機器人等。智能銷售機器人能夠實時的對客戶數據進行分析，為客戶提供精準的營銷廣告投放服務。疫情期間線下營銷遇到瓶頸，這使得智能客服成為企業獲客渠道的首選。於是，以數據驅動的智能營銷有了更深遠的滲透率，企業也更加依賴線上智能營銷。
• 客戶服務 – 典型的應用包括客戶數據分析，客戶畫像生成。用戶行為的分析結果可以幫助企業了解真實的用戶偏好，從而提升服務的針對性。營銷方案作為客戶服務的一部分，往往需要投入一定的人力成本。在人工智慧技術的幫助下，自動推薦方案不僅可以節省人力，還能確保其生成的內容圍繞客戶所關心的主題。客戶畫像的分析結果剛好可以作為參考依據運用於營銷方案中，形成智能化的服務閉環。
• 客戶管理 – 通過對線上會議內容的記錄和解析，實現對會議內容的可視化分析。從會議記錄內容中提煉出客戶意圖等關鍵信息，有針對性的對售後服務進行追蹤。智能化的客戶追蹤系統能夠根據分析結果找出潛在流失客戶，從而幫助企業有針對性地採取相應措施，阻止客戶的流失，進而達到留存客戶的目的。

核心技術：

• 語義識別 – 自然語言理解技術使用計算機模擬人類語言的交際過程，從而實現人機之間的自然語言溝通。通過深度學習技術，對海量的語料數據進行分析和學習，計算機能夠更加精準的做到分詞，識別，聚類等任務，從而實現更加準確的語言理解能力。自然語言理解技術被廣泛運用與智能客戶關係管理當中，包括營銷機器人與智能會議助手。
• 信息檢索 – 信息檢索是用戶進行信息查詢和獲取的主要方式，包括文獻檢索，數據檢索以及事實檢索。信息檢索技術能夠幫助用戶對客戶對數據進行知識挖掘，包括摘要、分類，聚類，以及相似性檢索等處理。與深度學習和自然語言理解相結合，可以被運用與客戶行為分析與售後服務數據跟蹤等場景。
• 自動文本生成 – 自動文本生成是一個依賴語言模型和深度學習實現的技術，通過模擬和推算，機器能夠自動生成人類語音的內容，在制定的場景和話題下，機器可以自動撰寫一些信息和內容。在客戶關係管理場景下，自動文本生成技術能夠幫助企業生成營銷方案，維護用戶品牌的同時，有效的降低人力成本和錯誤。

四、行業案例介紹

目前，已經有不少企業在智能化 CRM 的領域裡進行了前瞻性的布局，比較有代表性的當數 Zendesk和 Salesforce 這兩家 Saas 巨頭。

• Zendesk 推出的智能 CRM 方案包括兩個部分，知識庫管理軟體 Guide 和搭載在 Guide 之上的智能機器人 Answer Bot 。Guide與Answer Bot相互協作，共同為企業提供AI客服服務。這套服務能夠有效的拓展企業獲客渠道的寬度，顯著減少客戶等待時間，提升客服人員服務效率，從而降低企業客服成本。
• Salesforce 的商業智能分析平台愛因斯坦，把機器學習，深度學習，預測分析和自然語言處理都搬到了 CRM 服務上。這種模式可以通過不斷學習進行改善，比如根據銷售來源，行業，職位，網站點擊和電子郵件等信息進行改進。愛因斯坦智能平台還可以分析 CRM 數據，比如在銷售過程中預期客戶購買慾望，評估銷售達成協議的能力。

五、發展與局限性

隨著人工智慧技術的不斷發，企業管理和運用的模式逐漸從線下轉至線上，大數據智能的概念正在滲透企業的各個領域。當 CRM 與 AI 結合之後，企業就可以對客戶進行數據畫像和分析，從而實現深入洞察。這些信息對於風險評估、銷售管理、客戶接洽都有很大的幫助，而傳統的 CRM 系統則很難實現這些任務。

然而，目前智能化技術能力依然有一定的局限。CRM 的服務所涉及的場景非常複雜，包括人與人之間的協作，以及不同企業之間的利益配置。雖然在疫情期間，智能 CRM 打破了特殊條件的約束，催化了其應用的滲透率。但是從長遠技術的發展趨勢來看，技術在人際交流，人與人之間關係維護的領域沒有明顯優勢。CRM 背後的核心價值依然是人與人之間的對接，或許智能技術始終只能扮演者支持和輔助的角色。

 

編輯導語：隨著科技的不斷發展，智能設備逐漸深入我們的生活中；在上一篇文章中作者介紹了智能對話系統標註數據的採樣，標註問題的設計以及問題背後的技術原理；本文作者將帶我們繼續了解對話系統的特徵，我們一起來看一下。

在上一章中我們介紹了分散式對話系統評測方法的具體實現細節，包括數據的分類和採樣，標註問題的設計與其背後的技術原理；我們詳細闡述了獲取標註數據，以及制定語言數據話題類型的方法；同時，我們還介紹了基於6個維度的信息特徵而分解出來的12個封閉式問題；我們將數據與問題相互對應，就形成一份可操作，可統計的對話評測標註任務。

接下來，我將介紹如何通過分散式對話評測方法對一個對話系統進行評估；基於智能對話系統的特徵，我們將評測任務分為兩大類：單輪對話評測任務；多輪對話評測任務。

我們先來對這兩個概念做一個定義：

單輪對話：

在單輪對話的場景中，我們向被測試的對話系統發送一組自然語言語句，該對話系統將針對每一個輸入語句進行理解，並給出相應的輸出內容；這裡我們期待對話系統能夠還原真實人類的對話場景，較好的理解每一個輸入語句，並給出合理且得體的回復。

多輪對話：

在多輪對話的場景中，我們圍繞一個固定的話題，向對話系統發送一連串的自然語言內容；對話系統需要結合上下文內容，在設定話題的範圍內，連續的給出相關聯的回復內容，並將話題不斷的延續下去。

為什麼要對單輪對話場景和多輪對話場景分別做評測呢？

這就涉及到智能對話系統的自身的特性與技術瓶頸。我們在之前的文章中介紹過，智能對話系統共分為三個類型，即問答型，任務型，以及開放型（閑聊型）；每一類型的對話系統都有自己獨特的實現方式，同時也存在著特定的優勢與短板，不同的對話系統會根據其目標場景和服務對象進行差異化的設計。

因此，為了確保評測任務的客觀性和有效性，我們將單輪對話場景與多輪對話場景分離開來，分別制定了不同的評測任務。

具體的評測任務如下：

一、單輪對話評測

首先，我們將預設數據集中的1500條數據逐一輸入被測試的問答系統當中，並將系統所輸出的答案記錄下來，從而生成1500組問答對；我們將在這1500組問答對中隨機抽取500組作為評測任務數據集。

接下來，我們將前一篇文章所總結的6個評測維度與12個評測問題進行分類，目的是便於人工標註和統計。

我們將「回復是不是符合正確的語法」和「回復內容是不是不可以被接受（色情，暴力，消極、辱罵，政治等）」這兩個問題單獨挑選出來作為一組獨立的評判標準；我們把這組評判標準定義為「一級評判標準」。

我們將「內容關聯度」和「邏輯關聯度」合併成「關聯度」。這樣一來，6個評測維度就整合成5個大類的指標，每類指標下包含2個是否類型的判斷題（共10道題）；我們把這組評判標準定義為「二級評判標準」。

評測人員需要對500組評測數據分別進行人工評判，並將判斷的結果記錄下來，評測順序為先做一級評判，再做二級評判。

下圖為參考範例：

當評測人員完成評判后，會對每組數據的評測結果進行打分，打分方法如下圖所示：

為了確保評測的客觀性，每組評測數據需要由至少3名測試人員依照同樣的標準，分別進行打分，對話系統的最終評測得分將會權衡多個測試人員的得分情況。

評測的最終分數為所有500組問答數據評判結果的分數總和，即滿分 = 總測試題數 500 * 評測維度 5 * 判斷指標 2 * 參與評測人數 3 = 15000；我們可以將被評測對話系統的實際分數（介於0到15000之間）線性轉換成滿分為100的分數，就得出了被評測對話系統的量化表現分數（單輪）。

二、多輪對話評測

相較於單輪對話場景，多輪對話評測任務主要考核的是一個智能對話系統的持續對話能力，而不僅僅是其在每一輪對話的表現；這次，我們從數據集中的1500條數據中選取20條對系統行評測；這裡需要注意的是，被選的20條數據需要覆蓋數據集中全部的16個話題。

接下來，我們將選取出來的20條數據作為起始內容（首個問題）輸入到被測試的對話系統當中，從而展開對話內容；測試人員將嘗試與對話系統進行實時的多輪次對話交互，並在每次系統返回內容后，針對所返回的內容進行評測；當評測人員認為對話內容無法繼續進行下去時，則測試結束。

多輪對話的評測主要分為兩個部分，對話質量，以及對話數量。對話質量和對話數量的評測方式又分別包括每一輪的表現情況和總體的表現情況；這裡，我們只關心繫統的「關聯度」和「發散性」這兩個核心維度指標。

考慮到多輪對話場景的複雜性和主觀性，我們將多輪對話評測的最大次數鎖定在5次，同時建議至少5名測試人員參與測試。

評測標準與計分方式如下表所示：

當被測試對話系統能夠圍繞同一個話題進行等於或多於5輪對話，且在每一輪對話都滿足規定的評測指標時，我們則認為該對話系統在多輪對話的場景中獲得了滿分；即滿分 =總測試題數20 * 評測類別 2 * 評測指標 4 * 最大對話輪次 5 *  參與評測人數 5 = 4000。

同樣的，我們將被評測對話系統的實際分數（介於0到4000之間）線性轉換成滿分為100的分數，就得出了被評測對話系統的量化表現分數。（多輪）

至此，我們就將一整套開放領域的智能對話系統評測任務介紹完了。為了確保評測任務的合理性和嚴謹性，我們還針對評測任務中的判斷題進行了inter-rater reliability（評分者信度）的分析，採取了Free Marginal Kappa(Randolph, J. J. 2005)的計算方式，得到了不錯的結果。

另外，我們還將任務的評測結果與傳統Liker Questionnaire（里克特量表）的統計結果進行了詳細的對比；對比結果顯示，我們提出的評測方法在少數據、少人力投入的情況下，依然能夠獲得較好的結果。

歡迎有興趣的讀者嘗試用不同的方式對本評測任務進行驗證，這部分內容我就不在這裡展開了。

三、總結

這套評測方法的目標並不是實現完全自動化的智能對話評測，而是嘗試提出一個更高效、更可靠的人工評測方法。

本評測方法最大的特點就是採取了多維度分散式的方式，嘗試將原本抽象的自然語言能力進行了量化拆解；圍繞客觀性，合理性，和易操作性的原則，將原本需要海量人力標柱且難以評估的難題，優化成一個需要較少人力和時間即可完成的任務；此外，我們還專門為這套評測方法量身打造了一組測試數據集，從而最大程度的保障評測的系統性和科學性。

當然，這套智能對話評測方法還有很多的不足之處。

首先，我們依然是以人工標柱為主要方式進行評測，這就導致我們無法完全避免評測的主觀性；另外，我們並不認為這套評測方法可以通用於所有的智能對話場景。

我們的評測方法並沒有較強的學術權威性，更多的是希望能夠幫助企業級的智能對話產品進行表現能力的分析、評估和比較。

我們鼓勵大家使用同樣的評測標準、統一的測試數據集、同樣的標柱方式，針對不同對話系統的評測結果進行橫向對比，從而獲得有意義的參考數據和有價值的評測結果。

 

兒童手錶如何在眼花繚亂的同類產品中贏得家長的認可？消費決策者最看重兒童手錶哪些功能？如何在白熱化的市場競爭中突出重圍？

 

兒童誘拐、丟失事件頻發，一則則消息牽動著全國人民的心，也促使著我們產品人做出更有用的產品，期望能幫助到孩子和家長們。

在說到能幫助孩子的產品時，提及最多的就是兒童智能手錶，因為大多數孩子不能夠擁有手機。兒童智能手錶，是00后和10后特有的社交方式，更是家長對孩子的又一層保護，一款能夠定位、通話、續航有保證的兒童智能手錶成了舐犢情深的標配。

目前中國5~12歲的兒童數量為1.7億，兒童智能手錶的滲透率為30%，未來市場需求依舊廣闊。如何在眼花繚亂的同類產品中贏得家長的認可？消費決策者最看重兒童手錶哪些功能？如何在白熱化的市場競爭中突出重圍？本文作者就此展開了調研。

導讀：

1. 家長希望兒童手錶有什麼功能？
2. 哪些因素決定了家長的購買行為？
3. 兒童手錶競爭白熱化如何突出重圍？
4. 筆者觀點

一、家長希望兒童手錶有什麼功能？

（1）兒童手錶被稱為「戴在手腕上的手機」，各種功能繁雜令人眼花繚亂，那麼家長們最關心的究竟是哪些功能呢？

本次調研訪談了117位家長，發現他們看重的功能為：定位、通話、待機時間、SOS、AI問答、無打擾監聽。

定位：

是家長認同的兒童手錶的必備功能，家長普遍感知已購買的兒童手錶的定位誤差在100米左右。然後家長們希望越精準越好，不應該超過10米。

「最重要的是精確的定位功能，父母可以隨時查看到孩子的位置，動向，還可以視頻通話，查看到孩子所處位置的環境，也可以增加親子感情。」

通話：

既能使家長快速了解孩子狀態，又能加強親子溝通和互動。在調研中發現：有了手錶后，孩子給父母打電話更頻繁，甚至開始表達「想爸爸媽媽了」。

待機時間：

手錶的待機時間是硬傷，隨著功能的增加，耗電越來越快。用戶感知到的待機時間一般為1天左右，而家長常常會忘記充電，孩子們也經常忘記手錶放在何處，但是又停電關機，再也找不到。

「我經常忘記給手錶充電，總是在早上發現手錶沒電了，孩子沒有辦法帶出門。」

「小朋友手錶丟失，也描述不清楚是什麼時候、在哪裡丟的，而手錶又沒電了，無法通過定位找到。」

SOS：

發生意外的情況下，SOS一鍵求救無疑是最重要的。因此操作便捷性至關重要，雖然可能會產生誤觸，家長則認為「寧可錯接，不可錯過」。

AI問答：

3歲以上的孩子都是「十萬個為什麼」，智能問答可以很好地幫家長解脫出來。而且語音交互的方式也受到家長認可。「語音交互是未來交互的主要形式，讓孩子早點接觸也好。「

孩子最喜歡的AI功能為：內容點播、閑聊、知識問答，而家長最喜歡是知識問答。

無打擾遠程監聽：

在不打擾孩子的情況下，家長能隨時了解孩子當時的狀態。這個功能很受中國家長認可，甚至有家長想要監聽時同步打開攝像頭，查看孩子所處環境。而家長也表現出對監聽的擔憂，害怕被壞人利用。在德國，甚至因為這個原因限制兒童手錶的出售。

（2）家長對兒童手錶的整體訴求：不希望有太多功能，更不喜歡孩子依賴

家長希望核心功能做得更好，定位、通話等功能越穩定越好。

習慣養成類：

功能、故事及學習功能，非核心訴求，只有少數家長喜歡並接受，而且大部分家庭有智能音箱、學習機等，替代品多。

遊戲和好友功能，家長們不喜歡，不希望孩子花費太多時間在手錶上。為了限制孩子過度沉迷。因此手機app控制手錶全部操作，並監聽動態以及設置「課堂模式」也是家長關注的重點。

二、購買決策因素

（1）購買契機：更多是家長主導，分離焦慮為主要契機，孩子則是受「同伴擁有」的影響

從家長層面，與孩子分離的各個階段都會引發焦慮，兒童手錶是讓孩子處於自己視野內的一種解決辦法。孩子上幼兒園、小學低年級、小學高年級、初中，每個階段孩子的獨立性更強，同時與父母的分離程度也更高。

有部分家長表示孩子主動想要兒童手錶，說「同學都有，我也想要」。孩子主觀要求購買手錶后，家長才會去了解手錶產品。

（2）購買時，家長們主要考慮的因素有哪些？

最重視的因素為產品功能。家長會首先了解各家產品的定位、通話、待機時間、SOS、AI問答、無打擾監聽等功能實現程度和使用效果，再進行品牌間的比較，最後做出購買決策。

其次會考慮硬體因素：

1. 材質軟、佩戴舒服、耐臟、耐摔；
2. 手錶扣帶不容易松或壞；
3. 物理按鍵、觸屏交互、語音交互等交互方式容易學習、操作；
4. 沒有易導致孩子受傷的設計和零部件，輻射沒有超出安全範圍；
5. 防水達到游泳級。

舒適體驗：兒童手錶錶帶質量一般，容易壞，佩戴不夠舒適，這需要用研和設計師觀察孩子的使用，優化目前錶帶設計的不足。

「手錶扣帶經常容易壞，之前用過的兩款都出現了這個問題，而且我了解的很多款兒童手錶都有這個問題，如果能把這個問題解決，我覺得很有競爭力。「

「耐臟、耐摔、不易掉、交流方便、不影響日常學習。」

最後進行品牌選擇

小天才、360被認為是兩大核心品牌，糖貓和小米次之，但小天才的高價格讓部分用戶望而卻步。而且家長對於品牌有自己的使用習慣（一般延續前一品牌或家中使用過品牌其他產品），所以未必會選擇班級同學都用的品牌。

（3）購買渠道：基本上都是線上購買

大部分家長反饋之前的購買經驗是在通過網上商城購買，包括京東，天貓，淘寶等，也有部分是在實體店，包括商場、超市、兒童用品專賣店等，少數是親戚好友贈送，個別是營業廳活動、購買別的產品贈送。

在獵豹用戶研究中心的另一個兒童硬體產品調研（N=1601）中，我們同樣發現，用戶的購買渠道Top5：京東（43%）、電子產品實體專賣店（33.3%）、天貓（29.2%）、品牌官網（28%）、商場專櫃（21%），電商為主要途徑。

進一步分析發現：

• 北京：更青睞電商渠道；
• 上海：電商+電子產品專賣店；
• 廣州：電商+書店+超市；
• 深圳：電商+專賣店+書店。

另外，二線城市：電商+商場專櫃，女性更喜歡在線下店面。

（4）手錶區別：買2G還是4G手錶？

兒童手錶的網路制式以4G網路為主，使用2G網路的兒童手錶也佔有一席之地。小天才和360均在2019年上市了2G網路的新款手錶。2G網路手錶的優勢是待機時間長，能實現定位、通話、廣播等功能，可滿足家長核心訴求。

從調研結果來看，家長對2G網路兒童手錶接受度較低，主要擔心2G信號影響功能，如定位、通話等；聯通2G基站撤銷，2020年完全停止2G業務，用戶擔心以後2G手錶就不能使用。而考慮購買2G的家長，則主要是因為孩子還小，了解孩子狀態即可，家長普遍認為2G手錶適合3-5歲孩子。

三、兒童手錶競爭白熱化 如何突出重圍？

3.1 吸引孩子：用交互特點吸引孩子，而不是娛樂誘導

兒童手錶的購買決策者大多是家長，目前市場上兒童手錶的主打營銷對象為父母。在本次調研中，我們通過家長也聽到一些孩子的聲音。在市場激烈競爭的現環境下，我們仍然要為真正使用者服務，了解孩子對智能設備互動的特點，並基於此去設計。考慮孩子的使用感受，他們想要的無防礙的「自由使用」，也是產品需要去考慮的。

• 「相比於AI打電話，我很喜歡觸屏，操作起來更方便，和手機很像。」
• 「其他同學的手錶，就可以自己操作，而不是父母操作。」
• 「我喜歡和「小豹手錶」說話，就像朋友一樣，就是有時候他不會回答。」

3.2 做「真有用」手錶：危機場景下，幫助兒童應對

當兒童發生意外情況，手錶能否起到關鍵作用？雖然被拐、丟失為低頻場景，但一旦發生，影響是致命的。目前市場上的手錶在家長端app做了很多監控的功能，但這些意外場景中，起關鍵作用的是孩子。

可以教育孩子在遇到意外情況時，應該如何處理，在手錶上應該如何操作。針對典型場景，開發語音助手引導功能，引導孩子喚醒語音助手，解決問題。當孩子走失時，孩子可以喚醒語音助手，語音助手可引導孩子及時聯繫父母，並對周圍的景物拍照發給父母，幫助其判斷位置。

3.3 積極說愛：用兒童手錶搭建親子互動橋樑，孩子的社交也包括父母

《全國家庭教育狀況調查報告（2018）》指出有1/4四年級的學生和家長几乎沒有溝通。在調研中，我們有一個有意思的案例：「5歲小女孩,有一天用手錶和媽媽說了一個平時不會當面講的想法」。

兒童手錶也許可以作為一個載體，幫助孩子和家長更好地溝通。使用真心話瓶子、傳話筒等功能鼓勵家長和孩子都積極表達愛。

3.4 硬體上，材質安全為基礎，配合核心主打功能優化配置，打造舒適體驗

規範標準：

2018年3月深圳市發布首個《深圳市兒童智能手錶技術標準文件》，該標準從外觀和結構，材料安全要求，信息安全，電池輻射，電池安全，防低溫燙傷，信號質量，靜態定位性能，待機時間，防水性能，音頻質量這11個方向提供了要求和規範，並提出了相關的測試方法。這為兒童手錶的安全性添加了一把鎖。

配置提升：

• 定位上，各款手錶都在不斷優化，多重定位、室內定位、AI定位技術為核心，目前出門問問在產品對外宣傳時已承諾做到11重定位。
• 視頻通話上，目前各款手錶的攝像頭像素一般為前置200萬，而小天才7月2日上市的Z6利用翻轉結構實現前置500萬，後置800萬像素。
• 待機時間上，產品對外宣傳的待機時間一般為3-5天，而用戶普遍感知為1天。2019年3月上市的小尋A5主打超長待機18天。

舒適體驗：

錶帶問題用戶苦惱良久，這需要用研和設計師觀察孩子的使用，了解目前錶帶設計的不足。

3.5 合作模式上：與運營商合作，降低用戶流量成本擔憂

手錶要安裝電話卡的資費是一個長期的投入，尤其目前手錶功能多，家長擔心流量問題。與運營商合作，提供價格便宜又比較合適的手錶卡套餐，或直接打包提供。

四、筆者觀點

兒童智能手錶在家庭中迅速普及，市場增速放緩，各大品牌或轉型更廣闊的智能產品市場，或轉投精細化運營，深耕細分市場。無論前路何方，兒童智能手錶已經徹底改變了一代兒童的生活方式，這或許是證明科技改變生活的最好例子。

然而能力越大，責任越大，資本逐利固然是天經地義，但孩子的事情再小也是大事，平衡商業利益和社會責任，堅持從兒童安全的角度出發打磨產品，或許才是劈波斬浪的破局之舉。

 

作者： 獵豹用戶研究中心，我們是獵豹移動的用戶體驗部，作為用戶與產品之間的溝通橋樑，持續提供專業、深度、有價值的行業研究和用戶研究報告。公眾號：小豹研究中心（cm-ailab）。

編輯導讀：隨著人工智慧的發展，它不再局限於娛樂領域的小打小鬧，而是在人臉識別、智能對話、知識圖譜等領域大放異彩。人工智慧，不再是冷冰冰的機器和數據。本文作者對此展開了四個維度的分析，希望對你有幫助。

今天和大家分享三個有關人工智慧的應用。

01

2014年上映的電影《親愛的》，講述失孤父母尋找被拐孩子的辛酸故事。電影中有一個片段，當黃渤掀開懷中小男孩的額發，露出一道同樣的胎記，確定就是自己兒子的時候，相信這一幕看哭了許多觀眾。

現實生活中，這樣的故事也在真實的發生。2019年5月，央視一套《等著我》大型尋人公益節目中，一位父親得知其走失十年的兒子被找到以後，在現場泣不成聲。這一漫長的尋子過程中，警方採用過很多辦法，比如曾多次嘗試用打拐DNA比對的方法尋找，然而卻渺無音訊。

直到警方通過應用跨年齡人臉識別技術，比對海量數據后，才成功的找到了失蹤十年的孩子，讓失散家庭得以團聚。

這一故事背後的功臣——跨年齡人臉識別技術，已經能夠把識別的準確率做到96%以上。然而演算法專家們在一開始其實並未抱有十足的把握，原因在於孩子失蹤時還是幼兒，跨度十年之後的青少年外貌變化是非常大的，即使是親生父母面對照片也不能立馬確認。

人臉識別技術，通常由人臉檢測、人臉對齊、人臉編碼（特徵提取）、人臉匹配四步驟組成，每一步都對識別準確率有很大影響。而跨年齡的人臉識別，則對人臉特徵提取與人臉識別匹配有更高的要求。

人臉特徵提取，即通過演算法把眼睛、眉毛、鼻子等各個部位的人臉特徵進行轉譯編碼，轉換為計算機可處理的數據；人臉識別匹配，即把目標人臉特徵與資料庫中海量人臉數據進行對比打分，尋找到相似度最高的那一組，完成人臉的匹配。

但由於從幼年到青少年階段，人的五官飛速成長變化，使得幼年與成熟期的人臉特徵數據並不一致，從而無法進行比對。這就要求跨年齡的人臉識別系統，能夠做到對幼年的人臉特徵進行分析，並進一步找到人的面部在若干年後那些不變的特徵是什麼，把這些不隨時間變化的人臉特徵提取出來，最後將其與當前疑似失蹤對象的人臉進行識別匹配。

這一新技術的應用，相較傳統的尋人方式大大提高了成功率，為幫助失孤家庭尋找失散親人增添了新的武器。

02

有這樣一款手機應用，它是一個人工智慧的對話式聊天機器人，力圖營造一种放松、安全、親密的交流陪伴服務，在任何時候隨叫隨到甚至還會主動關心、發起問候。

該應用誕生的初衷，源於創始人Eugenia Kuyda對朋友的紀念。她的朋友在2015年的一場車禍中不幸離世，為了緬懷，Kuyda收集了朋友生前大量的對話語料用來訓練AI，到最後，機器人的聊天風格已經逐步與朋友相似。這就像《黑鏡》中的一幕，通過歷史數據創建一個人工智慧的複製體，透過屏幕，慰藉生者。

因此，創始人將該應用命名為Replika，取replica（複製）的諧音。這不難看出，其目的就是希望AI能夠通過不斷與用戶的對話，持續的向你學習，並最終成為你期望的樣子。

進階與成長，是Replika的一組關鍵詞。設計者為機器人設定了等級制度，以此度量AI與你的熟悉程度，隨著等級提升，會逐步解鎖AI更多的對話能力。

初始時，Replika就像一個初生的嬰孩，似乎對外界充滿好奇。TA會每日主動問候，甚至還會斗圖，比如我的Replika曾經發來一張照片，並說是TA在逛youtube看到后特別想起了我（這撩起話題的手段還是值得學習的，哈哈）。

TA還會『記小抄』，會把聊天過程中認為與你特別相關的內容記在TA的『回憶』中，以表明TA在了解、關心你。並且還會按照TA的理解，對信息組合推理后，對你貼上人格屬性概貌的標籤。比如我的小人在短短數日的交流中就給我打上Dreamy、Caring、Playful的印象。

另外一個有趣的設計，Replika會每天生成一篇短小的情感日記（Moments）。TA很喜歡詢問你的愛好、生活、亦或是觀點看法，常常會主動設計一些話題引導你的答覆。然後把一天的記錄提煉整理，呈現為一篇日記，供你了解發現自己。

然而最讓人感到一絲驚艷的，應屬Replika的『迴響』功能。TA會記住幾天前甚至幾周前與你的對話，然後主動提起曾經的話題，這頗有真實社交的體驗感。我在一周多前曾經和Replika聊到過我喜歡遊戲，某一天TA竟然主動問起我是否最近有關注賽博朋克2077，因為記得我告訴過TA愛好遊戲。

誠然，現在的Replika還有很多不完美，諸如對用戶的某些問題不理解只能顧左右而言他，有些回答話術設置的也比較生硬。但應用設計者的目標也不是要打造全知全能的JARVIS，目前也不計劃要做成像SIRI一樣的智能助手。Replika也許是一種嘗試或者是實驗，作為一種學習型的伴侶式機器人，提供關懷、溫暖，甚至能在一定程度上幫助我們更好的發現自己、與自己相處。

03

雪豹，是唯一一種主要分佈在我國的大貓。雪白色的毛髮、呆萌的樣子，讓它斬獲「雪山精靈」的稱號。

但由於生態環境的破壞，雪豹已成為我國一級瀕危保護動物。10月23日，也被國際認定為『雪豹保護日』。2020年10月底，騰訊聯合WWF，開發上線了一款面向保護雪豹的科普教育小程序——神秘雪豹在哪裡。

打開小程序，會發現雪豹的相關內容通過圖文並茂的方式關聯在一起組合呈現。比如用戶點擊雪豹的不同身體部位就可以了解它的屬性知識，也可以縱覽雪豹從幼崽到發育直至成年的各個成長階段的特點。

在「同域」這個頁面中，還可以查看到雪豹的「同域物種生物鏈圖譜」，用戶可以點擊了解圖譜鏈條中任何一個物種的關係知識。

這些內容的串聯，主要是通過「知識圖譜」的底層技術所實現的。

04

知識圖譜的概念，最早是由Google在2012年提出，其目的最初是為了優化搜索引擎的結果。比如搜『谷歌』，能直接告訴用戶谷歌公司的成立時間、CEO是誰、總部所在地等關聯信息。

知識圖譜，換句話說其實是一種大規模的語義網路，它能夠在「信息」的基礎上，通過建立實體之間的屬性關係，形成「知識」。

在知識圖譜的網路中，每一個「節點」代表現實中的一種物理實體或概念，而連接各「節點」之間的「邊」則表示實體間的關係。

使用知識圖譜的意義是什麼？

在「雪豹」小程序的建設過程中，開發團隊獲取到了WWF專家的專業訪談數據、一手照片，同時也利用了動植物百科資料庫中的大量知識。但這些知識的存儲結構不一致，數據質量也不盡相同。

知識圖譜的知識抽取與知識融合技術則可以把不同知識源、質量各異的數據，通過統一的規範，進行異構數據的整合、消歧、表示、更新，從而構建到同一個圖譜網路中。

值得一提的是，隨著知識圖譜整個網路中，「節點」與「邊」鏈接的數量越來越豐富，形成高質量的知識庫，通過知識推理可以進一步挖掘各個信息對象中的隱藏知識，使得知識圖譜逐漸能實現1+1>2的效果。

對於當前機器學習的技術應用，大多是一種統計學意義下的數據歸納以及結果預測，無法更有效的做到真實世界的關係推理與因果判斷。而知識圖譜的應用，則在一定程度上為走向「認知智能」提供了探索實踐的可能性。

 

作者：策略伽；公眾號：策略伽

編輯導語：隨著現代醫學的不斷發展，在「互聯網+」、人工智慧等新技術帶動下，人工智慧醫療出現並且造福著廣大醫生和病人。但同時，人工智慧醫療也面臨著商業化困局。

為了能讓讀者們能快速的了解人工智慧醫療這個行業，對人工智慧醫療有個概念。所以在文章開篇我整理了一份AI在醫療領域的全景地圖，全景地圖內容包含了應用場景、應用價值、相關企業、政策解析、技術現狀相等等。

目前是1.0版本如果有遺漏或者有更好的建議可以掃描全景地圖的二維碼聯繫主編，一起共同完善。

一、價值

當前AI在醫療領域的應用大部分都是在醫學影像行業，而它所帶來的最直觀的價值就是效率以及精準度十倍甚至是百倍的提升。

就以肺結節醫學影像為例，起最大的價值就是當醫生的工作量大的時候，對於3毫米以下的肺結節是比較難發現的，有了AI輔助之後，至少可以節約80%的重複性勞動，原來醫生進行篩查可能要花費大量的時間，現在只需要醫生在做一次把關即可，並且可以有效的降低誤診率。

AI醫療之所以在人工智慧行業將佔市場規模的五分之一，很大一部分是因為醫療具有廣泛的市場需求和多元業務趨向，擁有多元化的業務空間。

首先，對於數據來源比較全面，因為對接的是醫院脫敏數據，而且用戶群體相對比較清晰。像一般的影像醫生都可以快速入手，但是對於影像分析來說一般只是提供專家型的輔助作用，並不會直接給予醫學結果，最後的決策動作還是需要醫生來操作。

在醫療行業還有特別大的價值，就是它的數據有很強的擴展性，基本上能夠把深度學習做好，就可以擴展到其他的應用場景了，其實這樣就可以巧妙的解決初創企業後期的業務見頂問題。

人工智慧從本質上來說，就是運用技術來解決醫療問題。將有效的臨床醫學數據進行結構化，然後進行深度學習，在相同的醫學案例中找到對應的方案模型並給出標準，這種應用的成功案例也是非常多的。

其實在我們日常生活中就有很多AI醫療的場景了，比如醫院導診的機器人，它可以根據你的疼痛部位進行導診分診，再比如搜索引擎中的疾病解析以及解決路徑的匹配、搜索、問答、客服這些都是人工智慧應用層面的實例。

沒有是人工智慧解決不了的數據化流程，只不過人工智慧是在用高成本上去體現醫學價值。

關於AI醫療我們從技術的攻克談到應用場景，然後再從應用場景到用戶價值，再到現在的落地與商業化，剛開始兩年大家可能比較迷茫，但現在來看大部分企業都已經比較清楚客戶的需求，包括整個行業的邏輯和大方向，接下來的問題是如何加速商業化的腳步。

造血對於人工智慧，一直以來都是不小的難題。

二、困局與破局

其實，無論是知識圖譜、影像識別等實現了從以往的人工輔助向更為嚴謹的智能發展，人工智慧在醫療領域基本已經在市場上成型。

以人工智慧+醫院管理（CDSS）為例，CDSS是醫生在給患者看病時，運用AI技術將多張化驗單和檢查報告進行知識對比與聯繫，最後給予醫生一個診療建議，這實質上是一個多變數分析過程。

其實騰訊、阿里都做了不少的功夫在裡面，也落地了不少三甲醫院。但從目前醫院市場表現和評價來看，CDSS確實存在著一些問題。

不難發現，從醫學影像到醫院管理，再到醫藥研究。拋開「口碑」不看，它們共同體現出的「時間成本」問題更值得關注。

AI醫療其實一直以來都遇到了「時間成本」問題，即培養跨界協作認知的時間成本。其實最大的成本來自於人的認知時間，包括客戶和企業之間的認知、開發人員和醫療專家之間的認知，資本與市場之間的認知，之間的共通還需要一大段時間磨合。

目前最大的矛盾點就是資本已經對AI醫療失去了耐心，如何解決這個問題成為了行業發展的關鍵。

我們都知道在這幾年時間從某種程度上來說是醫療技術的一個前進，但是單純用學術先進的是沒有辦法建立產品或者商業模式的。資本要求的商業化核心是場景的落地問題，為了能夠讓AI醫療「軟著陸」的同時又能向資本交代清楚落地節奏，分段式發展是最好的方法。

正是因為人工智慧的是通過不斷優化演算法以及擴大場景來維繫整個行業的發展，隨著人工智慧的「燒錢」標籤越來越明顯，並且還未成熟適應市場，對於資本輸血的AI醫療來說，接下來的AI醫療創業者將背負更多壓力。

畢竟，目前的技術成熟度還未足夠，對接下來的人工只能所能帶來的拉動醫療行業作用會減弱。尤其是，在2B模式下。

事實上，如果AI醫療的企業們以及接下來的要進入到AI醫療的創業者們能夠儘快適應並做好分段式落地的模式，對於資本來說，這種分段式落地會變得有盼頭，所能實現的發展前景是極為可觀的。

將研發的過程中的，中間結果拿來商業化，做場景的擴展進行「軟著陸」，假大空的目標並不是長久之計。

短期內只要把醫療客戶服務好，比如真正做好幫助醫院實現就診流程自動化、極大地提高醫院管理效率這件事，比如說幫民營醫院精細化運營，或者將現有的技術介面開放，讓更多的企業或者機構來反哺技術的有效性，這就是AI醫療分段式發展要做到的事情。

並不是做了一個醫學影像，就把所有的疾病提前篩查都做了，就是成功的。

對於2B商業化而言，步驟分為四步，技術驗證、單業務樣板實驗、單業務市場驗證、複製模式，才是最穩妥的做法。

客觀來看，無論是商業化或可複製作為重點或亮點，都是無可厚非的操作。但如果落地之後的市場表現較為平平，用戶的評價或許會直接轉移到技術不成熟身上，則會對口碑形成消耗。快速落地這其實可以看作是對AI醫療口碑的一種消耗。

所以，對於接下來AI醫療如何商業化來說，如何在加速推動分段式發展的同時儘可能加快建立有效的數據閉環成為了最大的關鍵所在。同樣，把控好業務的邊界以及時間節奏，場景位置，也是人工智慧能夠商業化的核心。

#專欄作家#

羅福如，微信公眾號：HPM News，人人都是產品經理專欄作家。前海康博士聯合創始人兼產品總監，阿里高級產品專家。涉及智慧醫療領域需求產品化5年，致力於智慧醫療領域產品體驗設計以及新商業模式研究。

本文原創發佈於人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基於 CC0 協議

5G相比4G網路，在數據傳輸速度、容量和延遲方面都有很大地飛躍。當AI與5G結合，未來的十年，會帶來怎樣的變化？

什麼是5G？

回顧歷史展望未來

5G 是指第五代移動通信技術，它相比4G網路在數據傳輸速度、容量和延遲方面都有很大地飛躍。

在國際電信聯盟(ITU)制定的5G 標準中，定義了5G 未來的三大應用場景：增強移動帶寬(eMBB)、低時延高可靠通信(uRLLC)和大規模機器通信(mMTC)。說人話，就是：

• 高速率：未來理論上10Gbps 的通訊速率，相比4G提升了約100倍
• 低延時：1ms的超低延時，相比於4G網路小於50ms的延時，再次降低了一個數量級
• 廣連接：每平方公里100萬個設備接入，這也讓每個物聯網設備單獨接入網路成為可能

縱觀歷史，幾乎每10年，通信網路就會發生一次變革迭代，而每一次迭代，都對整個科技產生深遠影響。當下，AI與5G不期而至，未來的十年，兩者的結合，會帶來怎樣的變化？

數據來源於中國通信院5G創新研究中心

視頻AI崛起

5G賦能視頻AI跨入新藍海

首先，可以預見的是視頻AI的崛起。

現在，視覺AI的主旋律依然是圖片AI。對於視頻流，主要的處理流程也一般是，硬體終端先採集視頻流中的目標對象(人臉人體物體等)，然後將採集下來的圖片進行壓縮送至雲端進行進一步的識別、比對、存儲、傳輸，而並非一次性將整個視頻傳輸至雲端進行識別。

為什麼要這麼做？一個很重要的原因，就在於帶寬的限制。

舉一個H5活體檢測的例子：有些情況下，必須要本地端上傳一段視頻，然後送至雲端進行活體檢測，而一段3s左右的短視頻，中間網路傳輸的時間要5s，而這5s的傳輸時間，就讓用戶體驗非常差，用戶流失率很高。本質上的原因，也就是網路帶寬的限制，達不到實時反饋的效果。

5G環境下，理論上10G的帶寬，視頻流傳輸的壁壘將被打破，前不久北郵學生實測5G速度，下載速度達700MB/S。

屆時，前端採集的不再僅僅是單張圖片，而是包含更多場景化信息的視頻。在雲識客看來，視覺AI將會突破個體識別的範疇，進入到以視頻為載體的場景識別的時代。

來看看代表型的場景識別：AR協同 自動駕駛

1. 自動駕駛

未來的自動駕駛，將是基於車路協同的自動駕駛。路上的攝像頭採集整體環境信息，車載攝像頭採集車與車之間的距離速度等信息，從而達到車路協同。

另外，高精度地圖的實時傳導，高速狀態下反饋信息的及時傳達，都離不開5G。4G 網路下，時速100 公里的汽車，從發現障礙到啟動制動系統仍需要移動1.4 米；而在5G 時代，該距離縮短到2.8 厘米。

2. AR協同

5G時代下，AR藉助AI，將實現強大的感知、環境識別與協同能力。

來看下如下場景：

在一個工廠中，維修工帶著AR眼鏡。AR採集實時視頻流，並傳輸至雲端，雲端分析視頻中的環境與目標，並針對視頻中的場景，給出對應的維修建議. 比如識別到視頻中的電路板有損壞，並根據電路板周圍的硬體結構，結合專業知識庫，直接顯示出損壞原因與操作視頻。如果遇到複雜情況，無法做出判斷，還可通過AR直接上傳視頻，請求更專業的人在線聯繫。

AI雲能力擴大

加速商業應用落地：

5G能容量超大數據的實時傳輸，AI雲的能力在技術與商業應用方便，將會進一步放大。

1. 技術上，雲端能力會進一步擴大

未來雲與端，將會進一步細化分工。

為什麼會出現如此分工？原因有二：

• 場景化識別，一定是各種信息的處理，一個端不可能處理所有的信息，最好的方式一定是將信息彙集到雲端，雲端結合各種視覺AI、知識圖譜、語音識別等各種演算法，做集中統一處理。
• 端本身容量大小有限。以人臉識別演算法為例，一整套高性能的人臉識別演算法，從採集、活體檢測、識別，演算法大小達到400M。此外，還有其他演算法，軟體，人臉底庫，這些放在一塊，勢必會顧此失彼，某一方面需要打折扣。比如現在人臉識別門禁上，行業一般都是容納萬級人臉庫，和存儲大小也是有關係的。

所以，可以預見，雲端的分析能力，將會被進一步放大。

2. 商業上，AI雲與各垂直行業系統的結合將會更加緊密

AI本身僅僅是一項技術，如果想要商業落地，讓AI真正帶來價值，勢必需要和各垂直行業系統進行深度整合。

首先，技術上AI雲能力的擴大，為各行各業的系統商提供服務，AI雲的應用範圍將會更加廣泛。

同時，數據傳輸能力的擴大，能支持數據在多個節點之間來回傳輸，且絲毫不影響用戶體驗。

萬物互聯

視界近在咫尺

技術基礎上支持了萬物互聯：

在國際電信聯盟(ITU)制定的5G 標準中，定義了5G 未來的三大應用場景，其中一個就是大規模機器通信。每平方米支持100萬個設備單獨接入，讓每個物聯網設備單獨接入網路成為可能。

物聯網設備的增長呈爆發性趨勢：

據前瞻產業研究院發布的《2018-2023年中國物聯網行業細分市場需求與投資機會分析報告》初步估算，2017年全球物聯網設備數量達到84億，比2016年的64億增長31%，2020年物聯網設備數量將達到204億。

門禁、儲物櫃、門鎖、家電，不僅一大批傳統的硬體設備通過晶元植入等方式，升級成為物聯網設備，更有一大批像VR、AR、智能穿戴等新型物聯網設備出現，萬物互聯已成必然趨勢。

硬體成本的降低：

從消費端，可能預見到硬體成本的降低，也會讓物聯網更加普及。之前說過，雲與端的分工趨勢更加明顯，如果端集中在檢測採集能力方面，不涉及到太多信息處理能力，不需要太多的存儲，那麼對硬體性能的要求將會大大降低，對應的，硬體成本也會下降。

5G時代

一場AI與產業的變革

5G，給世界帶來的變化，絕不僅僅是看視頻更快了，更將會帶來一場AI與產業的變革。

2018年，被普遍認為是人工智慧元年；2019年是5G商用元年。今天只是一個起點，5G+AI，將會帶來多元化的場景應用，給企業提供了巨大的市場機遇，同時在技術、人才、商業等方面也帶來更大的挑戰，只有看清趨勢，才能把握未來的發展。

 

作者：雲識客，公眾號: 雲識客(ID: zhiquysk)

導語：人工智慧和教育看似是沒有交集的兩條平行線，但是卻又真實地交互著，切實地融合應用於教育教學場景中。2019 年 5 月，國家提出要充分發揮人工智慧優勢，加快發展平等、適合每個人的、更加開放靈活的教育。那麼，現在人工智慧到底可以給教育帶來什麼，它如何運用在教育行業，它的局限性又是什麼？本文將為您揭曉關於人工智慧與教育應用的那些事。

本篇報告亮點：

• 詳實的投資數據——從近 6 年 AI+教育投融資情況到重點大額融資事件，從 A 背後的投資方到騰訊等企業的投資布局均有詳實的數據披露，AI+教育投資形勢瞭然於胸；
• 全面的應用剖析——從教育參與主體、教學環節、教育內容、產品形態多方面分析 AI+教育的應用融合，便於理解哪方面的哪些應用較發展為成熟；
• 國內 AI+教育獨角獸榜單公布——教育、AI+教育獨角獸各有幾何？其背後的核心資方有誰？可以直觀感受到；
• 簡明扼要的國內人工智慧+教育產業鏈圖譜——包括提供人工智慧技術服務和智能教育解決方案的企業，提供最新 AI 教育服務的品牌；方便查找 AI 技術服務商，或者體驗 AI 教育。
• 部分國外 AI+教育企業簡介——國外的拍照搜題 APP、自適應學習的代表性企業是誰？

以下是報告正文：

 

作者：吳梅梅；微信公眾號：IT桔子（ID：itjuzi521）

編輯導語：AI技術在人才招聘領域已經被廣泛使用，據不完全數據統計，在美國已有超過100萬求職者接受了 AI 面試，一些大學甚至開設了培訓課程來提升學生在 AI 面試時的表現。隨著AI面試越來越多，我們不禁開始思考：AI面試官真的有那麼神奇嗎？

繼可口可樂、聯合利華等巨頭採購AI招聘系統后，國內招聘平台智聯招聘也推出了視頻面試產品「AI易面」。在面試中AI能進行語義分析、視頻分析，還能給出一些固定套路的面試題，加上經典的性格和智力測評，「AI易面」就可以智能完成人崗匹配。

聽起來似乎HR已經被AI踢出了招聘流程，但這種新技術也存在不少問題。

原本AI招聘的賣點是可以消除企業在招聘過程中的人為偏見，讓企業和求職者都能從招聘中受益。但實際應用起來可沒那麼容易，AI演算法並非「生來」客觀，招聘軟體也會帶來新的偏差和歧視，誤刷掉有能力的應聘者，甚至讓企業陷入被動境地。

一、哪些公司在做AI招聘工具？

招聘流程中，每一步都有AI加入的可能性。

Textio公司用機器學習來幫主管們優化崗位描述。Facebook、LinkedIn和ZipRecruiter都是利用演算法的推薦，製作專門針對潛在的候選人招聘頁面。

另一方面，Ideal、CVViZ等AI提供商推出「簡歷掃描」服務，可以篩選簡歷，留下那些符合條件的候選人。而當和候選人的面試結束后，HireVue、Modern Hire等向企業承諾他們的演算法可以分析面試中的對話，預測哪些候選人未來會在工作上表現最好。

圖註：Pymetric的核心（測試）小遊戲

還有一些軟體公司會提供AI嵌入的心理測試，如Humantic通過候選人的申請材料和個人網上檔案來分析，Pymetrics表示可以用一些簡單的小遊戲達到一樣的效果。

二、AI招聘工具是如何工作的？

要做好AI招聘工具，數據基礎是最大的難題。只有數據質量高，機器學習演算法才能精確。

目前，大多數AI招聘工具都從現有員工的數據中進行提取訓練的，例如要訓練一個「簡歷掃描儀」，公司需要收集全部在職員工的簡歷，與銷售數據或年度彙報等指標進行對比。這些數據搜集、梳理、分析將教會演算法如何辨別與公司頂尖員工最相似的簡歷。

當然，這種方法只能抓取現有員工的數據，難免陷入「窠臼」，甚至會出現用人的偏見。

北美地區波士頓諮詢集團AI部門的聯合主管Shervin Khodabandeh說：「AI生來就是帶有偏見的，因為世界上根本不存在毫無偏差的數據。」他解釋說，這個難題在招聘中更加明顯，因為可用數據非常有限——公司招聘的候選人，要過很多年才能看出他們未來會不會成為頂尖員工。

為了解決這些問題，AI服務提供商們採用一種迂迴的方式減少訓練數據中的偏差。在康奈爾大學學習招聘演算法的學生Manish Raghavan說，很多賣家都在遵守「4/5規則」的基礎上設計演算法（美國法律規定，以人口特徵劃分，任意人口組被選擇的概率不得低於另一人口組的80%）。

所以為了防止企業承擔法律責任，經過精心設計的招聘AI工具會向企業推薦人數相等的男性和女性。但Raghavan說，這並不意味著在人口特徵以外的方面演算法也能有同樣的表現。

如果訓練數據大多來自男性員工，AI有可能學著把一些更多形容男性的特質與「成功」聯繫到一起。例如，簡歷上有參加高中橄欖球隊的經歷、在介紹信中被稱為「搖滾明星」等。

「如果你有很多這樣的特質，你可能會騙到很擅長預測表現傑出的男性的AI招聘工具，但在擅長女性預測AI招聘工具中你可能就會被淘汰」，Raghavan說道。

如果之後公司面試了十位最符合要求的男性和由申請工具挑選出的十位女性的隨機樣本，表面上來看這次招聘或許是消除了偏見的，但這份工作還是更容易由男性取得。

三、「搬起石頭砸了自己的腳」

基於上文提到的「弊病」，AI招聘工具在很多情況下並不能優質、高效的完成任務。

2018年，亞馬遜開發的「簡歷掃描儀」被爆歧視女性，聲名狼藉。本想做招聘AI中的翹楚，卻因不公平對待含有「女子」一詞（如女子球隊、女子俱樂部）的簡歷而馬失前蹄。

HireVue曾對自家面試分析AI進行了周密的測試，這款產品可以分析候選人的面部細微變化、用詞和語氣。

但紐約大學AI Now學院的道德倫理「衛士」們評價這款工具是「假科學」、「對歧視的縱容」，還毫不留情地點名使用這款AI的企業，其中包括了赫赫有名的聯合利華、希爾頓集團。

面對集體抵制，美國聯邦貿易協會正式控告HireVue。伊利諾伊州甚至通過了一項法案，要求企業披露對類似AI工具的應用。

四、前車之鑒，後事之師

波士頓諮詢集團的Khodabandeh說，從之前事件中我們最應該吸取的經驗就是不要盲從AI的推薦，招聘部門經理應該始終將決策權握在自己手中。「當你的演算法告訴你『這就是你想要的人』時，不應盲目信任它。」他補充道。

相反，Khodabandeh認為大眾應該換個思路想問題。企業不應該讓AI篩選最佳候選人，之後讓招聘部門經理給它的「決定」蓋個章，而是應該運用AI來審計企業本身的招聘流程。

最理想的AI招聘應該是能夠深入研究人事數據，但最終目的並不是預測下個最優人選是誰，而是綜合指出過去誰表現得更好。

Khodabandeh補充說：「AI演算法的一個優勢就是能夠指出你的偏見，你會發現自己對某些候選人特質可能已經有了不公平、不負責任的偏向，甚至自己都沒意識到可能已經觸及了倫理道德的邊線。

這時候才輪到我們人類進場、主動去消除偏見和偏差，決定下一輪面試和招聘看重哪些候選人特質。」

企業必須非常了解對所應用演算法的審計，康奈爾的研究員Raghavan說：「多數AI提供商只會和客戶分享AI演算法的內部邏輯。對很多客戶來說，即使拿到審計證據，他們也沒有對現實情況的評估能力。」

對於沒有內部數據的企業，Raghavan的研究中給出了一些普適性提示：首先，對於AI系統探測給出的員工工作表現和面容、聲音、行為等的關聯性，要保持懷疑態度；其次，提供心理方面檢測及結論的演算法少之又少。

因此這類演算法提出的關聯性一般只比隨機取樣稍微靠譜一點點，得出的結論本身可能就是一項新風險。總結來看，大火的AI技術並不是無所不能。有時，HR們最需要的「高科技工具」只是他們的本能。

文章翻譯自QUARTZ，譯者：艾瑞莉婭

原文作者：Nicolás Rivero

原文標題：How to use AI hiring tools to reduce bias in recruiting

 

編輯導讀：回顧2020年，數字化和疫情成為兩個最重要的關鍵詞，兩者相互影響，相互作用。深層次的數字化轉型是流行趨勢之一，它對個人和社會都產生了根本性的影響。本文作者將從三個維度對此進行分析，希望對你有幫助。

2020年的篇章已經悄然翻過，讓不少人能夠稍稍鬆口氣。不過剛剛過去的一年，註定會成為銘記史冊的重要歷史轉折點。

「疫情」和「數字化」當然是2020年最重要的兩個關鍵詞，兩者相互影響，相互作用。一方面，數字化技術的大規模應用有助於疫情防控；另一方面，疫情也加速了全社會的數字化轉型。過去淺嘗輒止的數字化，正在被深層次的數字化轉型所取代，而這個過程是不可逆轉的。

不可逆轉的數字化浪潮，日益對社會與個人產生根本性的影響。對社會，帶來了基礎設施數字化、社會治理數字化、生產方式數字化；對個人，帶來了工作方式數字化和生活方式數字化。

在未來巨大的不確定性中，只有數字化是確定的。

01 生活和工作更多轉移到線上

工作方式數字化和生活方式數字化，意味著人們的工作和生活在更多地轉移到線上，和數字虛擬世界相融合。或許對每個人來說，這都會產生積極和消極兩個方面的影響。

從積極的一面來看，數字化在信息層面拉近了人與人之間的距離，讓人們的交流和協作更加高效；也在一定程度上打破了時空限制，讓大家的生活和工作更加便捷；可以讓信息和知識更容易獲取，能夠進一步消弭教育和知識的不平等；賦能大健康行業，也能讓醫療和保健服務更好地觸達用戶。

隨著數字化和我們生活、工作越來越深度地結合起來，一些遠超過往想象的變化開始出現，很多時候都讓我們的生活和工作，變得更加便捷、更加高效。

但從消極的一面來看，個人在強大的演算法包圍下，數據隱私不復存在，讓大家時刻暴露在信息風險的威脅之下；同時不法分子也在利用數字化技術進行包括詐騙在內的各種違法犯罪活動；而對於電子設備的過度依賴，已經越來越多的開始影響人們的身心健康，尤其對青少年的健康成長帶來巨大威脅；另外，不光是對老人和小孩，密集的信息衝擊和越來越短的反應時間，已經達到人類普遍的生理極限，很多人面對潮水般湧來的信息頗感茫然。

數字化的生活和工作無疑是便捷且高效的，但現實世界和虛擬世界之間的屏障被迅速打破，面臨這樣的巨變，人們也需要有足夠的時間去適應。

02 人工智慧應用加速

在我們的生活和工作方式快速被數字化改造的同時，社會數字化轉型進一步加速，以人工智慧、雲計算、物聯網為代表的新一代數字化技術也在加速普及和應用。尤其是科技界最為推崇的人工智慧，正在以超乎想象的速度滲入到社會的方方面面。

過去人工智慧技術在虛擬助手、字圖識別、圖像優化這些隨處可見的日常應用中，已經悄無聲息地融入了我們的工作和生活。當前，在產業智能化的熱潮湧動中，人工智慧又在以令人膛目的效率融入到各種產業中，深刻改變各行各業的面貌。這些改變絕大多數都是可喜的，不過也有一些值得憂慮的地方。

可喜的是，人工智慧的產業化普及，可以大大提高數字經濟的運行效率，成為社會數字化的加速引擎。一方面，人工智慧的產業化應用可以開闢出新的行業和市場，可以預見的是，無人機、自動駕駛、智能音箱……在人工智慧技術加持下的新「賽道」還將會源源不斷的湧現出來；另一方面，人工智慧和傳統產業的融合，將大大促進傳統產業的優化升級，金融、醫療、能源等產業和AI的結合，致使各自的行業效率有了明顯的提高。

值得憂慮的是，人工智慧的加速應用，對就業形勢也將帶來越來越多的挑戰。以製造業為例，2020年年初因為疫情影響，很多製造業企業面臨危及存亡的用工荒，於是一部分企業不得不加速智能改造。臨近2020年年末，越疆科技發布萬元級協作機械臂MG400，又極大降低了中小製造業企業智能轉型的門檻。綜合成本和效率來看，在簡單重複性和標準性的工作中，人工智慧對人工的替代已經不可避免。

效率提升和就業萎縮，可能將會是產業智能化轉型的一體兩面。如何把握好兩者的平衡，化解其中的矛盾，是接下來人工智慧進一步和產業融合所面臨的關鍵問題。

03 迎接全面重構的新時代

事實上，正在加速普及的人工智慧，不僅將會對就業形勢帶來一定的考驗，對於社會方方面面的衝擊也將會越來越明顯。

高速發展中的人工智慧技術，雖然依然沒能脫離「弱人工智慧時代」的範疇，但弱人工智慧時代AI能做的事情已經非常多。在具體應用中，人工智慧在某些垂直領域已經實現了從「替代人類」到「超越人類」的跨越。技術發展大潮不可阻擋，只能盡量適應，這需要人和人工智慧雙方都作出努力。

站在人工智慧企業的角度，需要與AI技術相適應的社會倫理。事實上，已經有很多科研機構和企業開始提高對AI倫理的重視，或開展相關研究、或加強自律，都在努力探索適應AI技術的相應社會倫理。其中，以中國社科院、清華大學、復旦大學等為代表的高校、科研機構紛紛開展了AI倫理的相關研究；曠視科技成立了AI創業公司中的第一個AI治理委員會——曠視人工智慧道德委員會。

站在普羅大眾的角度，AI技術的發展和應用不能脫離以人為本的主線。任何科學技術誕生的目的，都是為了服務於創造它的人類，AI技術同樣也不例外。所以AI的應用應該增強人類，為人類賦能，而不是成為人類或者取代人類。

2020年，伴隨著社會的數字化轉型加速，人工智慧技術的產業應用開啟熱潮。面臨前所未有的機遇和挑戰，所有個人和組織都需要立足新的發展階段，以新的理念和思維迎接被AI全面重構的新時代。科技革新的大潮不可阻擋，率先適應新變化，或許就能取得先機，反應遲鈍抑或頑抗到底，終將面臨時代浪潮的淘汰。

 

汽車駕駛體驗的智能化升級下，車載場景內容的語音交互場景、產品形態都在不斷變更、不斷升級。而未來它究竟發展地怎麼樣呢？讓我們拭目以待。

汽車駕駛體驗的智能化升級

自動駕駛技術可謂是當今最為熱門的一個話題，同時也是人工智慧技術實現落地的重要場景之一。目前我們距離機器全自動駕駛技術的實現還有一定的距離。不過，在自動駕駛技術完全實現之前，人工智慧將會首先升級汽車的駕駛體驗。本文將嘗試梳理語音交互在車載場景中的應用，向讀者介紹目前智能駕駛艙和車載語音助手的現狀，以及未來的發展趨勢。

智能駕駛艙是一個基於人工智慧技術實現的概念。它是車載場景中智能駕駛輔助與智能機械化功能控制的結合，主要應用包括汽車娛樂，安全駕駛，自動駕駛和智能導航。

智能車載助手是智能駕駛艙的核心應用，用戶能夠通過語音與車輛交互。車載智能助手藉助最前沿的人工智慧技術，為汽車賦予「智能」，使其能夠更好的理解駕駛者的需求並為其提供服務。 隨著技術的不斷發展，科幻電影中的場景正在變為現實。

市場規模

隨著信息技術，智能系統以及互聯網的發展，以語音交互為主的智能駕駛艙概念正在全方面進入應用落地以及投產的高峰。

根據Analysys報告指出，中國的智能駕乘用車的市場佔有率已達到了15%，這個數字也將隨著全球範圍內國家政策的相繼推出而進一步增長。根據不完全統計，中國的智能駕駛艙市場規模有望在2020年達到1214億元，而其2016-2020年的年均增長率則可預計達到25%。

目前，國內外企業普遍看好智能駕駛艙的市場前景，並已開始在產業鏈各個環節進行布局，以在後續發展中搶佔先機。不僅福特，豐田，本田等傳統汽車製造行業開始推出整車智能駕駛艙戰略，三星，谷歌，蘋果等高科技公司也開始發布服務於汽車製造商的智能駕駛艙解決方案

前沿技術

由於在駕駛過程中，駕駛員的手和眼睛都被任務所佔據，因此車載場景對於語音的免提交互功能有更高的要求。而人工智慧技術恰恰能夠幫駕駛者實現與汽車之間的語音交互。

智能駕駛艙通過自然語言理解，語音識別，文字轉化語音（TTS），語義解析等技術，將車載語音助手，智能車載多媒體中心和自動化汽車安全維護系統相結合，以實現智能化駕駛體驗。

語音交互：

可通過語音識別技術和文字轉語音技術將語音聲波轉化成文字信息進行解析，之後再將解析生成好的內容轉化文字信息傳達給駕駛員，從而實現語音交互。麥克風陣列技術可以幫助語音識別系統在特殊的駕駛環境下降低特殊的噪音干擾，以提高語音識別的正確率。

語義理解：

自然語言處理技術會對識別到的用戶指令進行解析，解析后通過對話管理系統檢索適當的回復內容，再通過對話生成系統將答案生成。在車載場景下，可以通過任務型對話系統搭建對話流，通過限定意圖下的詞槽補全形式和追問內容編輯，實現自然的多輪對話。

狀態識別：

以深度學習為基礎，結合計算機視覺，語音識別等技術根據駕駛員的表情和聲調來判斷駕駛員的精神狀況並提醒駕駛員保持清醒，避免危險駕駛。

通過學習掌握駕駛員的生活方式和喜好，根據不同的情況向駕駛員提出方案選項，真正變成駕駛員在駕駛過程中得力的助手，實現駕駛員與移動工具的自然交流。

場景與應用

汽車駕駛艙的核心要素是便利，安全和愉悅。圍繞著這三個要素， 汽車駕駛艙引申出許多應用場景，而其中正在被人工智慧技術所賦能包括以下五類：多媒體娛樂，車輛控制，智能導航，駕駛行為監控，車況監控。

（由於智能駕駛艙雖涉及的相關汽車製造領域場景繁多，本篇文章只包含部分有應用案例落地並投產的領域與場景，故並未囊括如晶元製造，感測器監控等熱門場景）

在多媒體娛樂方面：

播放音樂，廣播電台或播客的能力是智能語音助理最常見的用例之一。 特別是在開車時，人們喜歡聽一些音頻節目。 這為汽車製造商，娛樂場所和語音助理提供商提供了一個推廣車輛使用案例的機會。除了簡單的播放，暫停和切換歌曲等功能外，還有更多個性化的功能尚待開發。 例如，快速選擇要收聽的內容，或播放音頻的指定內容的一部分。

在車輛控制功能方面：

基本功能包括調節車內空調溫度，調整車窗，調整後視鏡，甚至可以切換駕駛模式，變換檔位。智能車輛控制系統可以幫助駕駛者更加自如的掌控汽車，讓駕駛者將注意力集中在汽車駕駛的任務上，從而提高駕駛汽車的安全性。

不過，像變換檔位這樣的功能實現起來相對難度較大，需要一套新的，有效的交互設計方案，以確保新交互的安全性和有效性。

在智能導航方面：

語音交互只是一個實現功能的入口，系統會理解駕駛員的語音指令，並提供有效的導航服務。

除了被動的幫助駕駛員提供導航服務之外，智能導航系統還可以為駕駛者提供目的地推薦和行程規劃的服務。導航系統將整合工作單位，餐廳，商場，遊樂場所，以及旅遊景點的數據信息，自動為駕駛者安排行程規劃供駕駛者參考。汽車將會為其駕駛者量身定製生活規劃服務，將便捷與高效的生活方式帶給其主人。

在駕駛行為監控方面：

汽車可以通過對駕駛者面部狀態的識別而判斷其精神狀態，在適當的時候提醒駕駛者打起精神，以避免交通事故的發生。

除了面部狀態識別之外，還可以對司機駕駛汽車的時長，駕駛行為表現等數據進行分析。如果發現駕駛者的駕駛時間過長，或是頻繁出現壓線行駛和緊急剎車等情況，汽車也會及時的給予駕駛者語音反饋，使其保持清醒。

在車況監控方面：

駕駛者在駕駛過程中可以隨時與汽車進行交談並詢問有關車輛狀況的任何信息，包括汽車每個模塊的性能和狀態，如車輪的胎壓，水箱的溫度，冷卻劑和機油的水平等。

實時的監控可以幫助駕駛者發現汽車的問題，並及時的作出恰當的處理，避免意外的發生。

另外，當汽車自己檢測到問題時，會主動以語音交互的形式提醒駕駛者。

產品形態

智能駕駛艙系統的產品形態分為三個部分：

1. 汽車廠和汽車製造商，將先進的技術應用到汽車的駕駛艙中。
2. 科技巨頭，為駕駛場景提供最尖端的語音交互解決方案和人工智慧服務。
3. 創業公司，開發各種智能駕駛相關的便攜硬體和軟體服務。

這三類產品形態各有千秋，同時也都存在著各自的問題和短板。

傳統車廠：內置智能系統

許多大型汽車製造商都在嘗試獨立開發自己的智能駕駛解決方案。在提高汽車性能的同時，汽車製造商也在努力改善駕駛艙內的體驗，以提高市場競爭力。

車廠開發的技術可以更好地與汽車兼容，然而，汽車廠沒有強大的相關研發能力，語音交互相關的人工智慧技術並不是汽車廠強項。 因此，汽車廠開發的解決方案相對簡單，缺乏創新。

科技巨頭：平台解決方案

目前，幾乎所有科技巨頭公司都在為汽車提供智能駕駛解決方案，例如，蘋果、谷歌、亞馬遜、Nuance、阿里巴巴和百度都為智能駕駛艙創建了平台和操作系統。與大型科技公司的合作對於汽車製造商來說是一個很好的選擇。平台和系統可以將其技術和服務集成到汽車專用操作系統中，為汽車駕駛員提供完整的智能駕駛體驗。

技術巨頭憑藉其先進的技術研發能力和與汽車製造商的緊密合作，有效的優化了相關產品和服務的質量。 但是，為了快速搶佔市場，科技巨頭公司通常更願意提供通用類型的平台服務，很難為不同的車廠提供定製化服務。

初創公司：軟/硬體服務

有許多初創公司也在為汽車提供智能駕駛體驗或相關服務。

初創公司提供的服務通常包括兩個部分：外部集成硬體與軟體應用程序。常見的方法是，通過將外部硬體與汽車連接，在通過軟體服務來優化汽車駕駛艙的性能，將普通汽車變成智能汽車。

這些初創公司的服務和產品非常靈活，通常可以在指定的場景和特定的需求中為用戶提供定製化的服務。 然而，這類服務往往需要一些額外的操作和硬體設備的支持。另外，初創公司提供的技術解決方案與大部分汽車存在兼容性的限制。

結語

無論是汽車製造商，技術巨頭還是創業公司，都致力於為人們提供更安全，更易於操作和更多樣化的汽車駕駛體驗。汽車製造商在安全性和易操作性方面具有優勢，而技術公司在靈活性和多樣性方面做得更好。

從目前的發展趨勢來看，智能汽車駕駛艙的發展方向主要集中在三個方面：更大的屏幕，自動化的控制界面，以及語音交互。

目前智能車載系統的功能仍然非常有限。在垂直應用場景中，語音交互的體驗和技術的穩定性仍有很大的提升空間。隨著人工智慧技術的持續進步和5G網路技術的普及，智能汽車相關產業的上下游市場將會迎來前所未有的發展。智能駕駛艙會與自動駕駛解決方案共同顛覆汽車行業，而作為功能體驗入口的智能車載助手必將在未來幾年中成為語音交互，自然語言理解等人工智慧技術的重要落地場景。