曹彦君

在很多人的脑海里，说起小冰，第一印象是微软研发的人工智能语音助手，以18岁美少女的虚拟形象示于人前。

小冰也会长大。如今，这一人工智能框架已经进入第八代，并逐渐拥有了诗人、歌手、主持人、画家和设计师等多重身份。基于小冰框架的交互总量，约占全球人工智能交互总量的60%。

2020年7月，微软宣布进行业务分拆，将小冰业务分拆为独立公司运营，原微软全球执行副总裁沈向洋、原微软（亚洲）互聯网工程院常务副院长李笛分别担任小冰公司的董事长、CEO。

从微软小冰到小冰的角色转变，过去将近一年。李笛表示，这个近300人的团队在组织架构层面并没有发生太大变化，分拆的动作主要是为了加速小冰在本地的发展，后续会有更多商业和模式上的创新。

相比国内其他人工智能企业，这个团队在商业化方面保持着较为谨慎的主观态度，直到小冰框架推出第七代，才开始搭建商业化团队。2020年11月，成立7年后，公司完成数亿元的Pre-A轮融资。

“重学术”，是小冰团队的一个明显特质。李笛认为，小冰是一个重要的“学术课题”，更广泛的市场应用恰好为人工智能研究提供了绝佳的实验室。“像是有一个巨大的真实的盘子，可以直接用来做学术，如果你的算法很棒，那你会得到特别好的效果。”

在他看来，当下的中国在基础科学研究方面所面临的困境，和二战后的美国非常类似：缺乏体系化建设，需要更多的社会认知、顶层设计和资金投入。

“与其说它作为一个重要因素，引领了 20 世纪美国科学的高速发展，不如说它的意义远超出美国的范围—— 在高速发展的世俗世界中， 它为科学划出了应许之地。”李笛在《科学：无尽的前沿》一书的序章中如此写道。

无论是仍处于人工智能萌芽阶段的小冰公司，还是中国的基础科学领域，都在呼唤这样的应许之地。“不同的产品都属于一个大时代。腾讯的微信赶上了人人交互的变革，微软赶上的时代是人机交互的改革，它的未来还有很久。”李笛在接受《21CBR》记者采访时表示。

全局优化

以前在微软的时候，小冰就非常独立，从创立初期开始，所有决策都是小冰自己来做。

交互是人类社会最基本的形式，每天的交互量数以千亿次， 人的社交行为、商业行为、信息的交换，都是交互。

小冰的独特理念在于，我们认为人工智能交互是一个开放域，不是为了完成特定的任务，而是为了面向交互全程;目标是全局优化，而不是优化每一个局部。

最开始形成这一理念是在2013年，团队准备做微软的人工智能助理，我们去找了一些人类助理来设计想法，并设定了一个场景：一个老板跟助理说：“我今天中午要订一份汉堡，因为开会时间太忙。”

我最初的设想是，人工智能助理的关键能力，在于迅速完成任务：马上去订汉堡，不说废话，在一轮交互之内完成任务，并且提前预判第二天也需要汉堡，直接动用老板的钱包进行预订。

但是人类助理跟我说：“不是，我大概率会拒绝帮他订汉堡，因为健康是比订汉堡更重要、更底层的任务。”所以我想，这是更高层面的智能，我们的产品在除了完成当下具体的任务之外，还有一些更长期的目标。

人类助理告诉我，也不是如此，他和老板之间是工作伙伴，他不能被当成只会完成任务的语音控制接收工具，还要在一定程度上跟老板达到对等关系。

所以我们最后的观点是，人工智能助理要关注对话的全局，关注对话是不是慢慢收敛了、是不是没有新的信息进入了，而不只是回答问题、完成任务。

行业内以前都不是这么看的，但是Facebook、谷歌都先后开始按照这个理念去做人工智能。今天，无论国内还是全世界，人工智能都处在早期萌芽状态。各大做人工智能研究的公司，在理念上还处于相互学习的阶段。

在人工智能领域，我个人对于商业化持比较克制的态度。

小冰目前切入的市场是金融、体育、汽车、内容产业等，这些领域的规模化效应往往不是to C的。在to C领域，你如果掌握了一个并发很高的人工智能系统，在进行商业化的时候，比较容易出问题，任何一个企业都很难做到上下一心。

不过我们认为，to B都是临时的，人工智能技术的应用最终会向to C转化。例如，我们现在给企业提供金融服务，跟人不产生交互，但这项服务最终会提供给个人。

这个过程需要一步步实现，我们现在的判断是，在未来5-10年内，to B方向仍然会是人工智能应用的主角。

走向纵深

小冰选择切入以上这些领域，有多重考虑。

一方面是因为数据方面的配套设施，比如金融领域，随着金融决策的产生，数据往往已经进行了很好的结构化，有了推进人工智能的基础;另一方面，这些都是“专家领域”，专业化程度高，不容易出问题。

金融领域，小冰做的是金融文本摘要生成平台。2017年开始，小冰与万得资讯、每日经济新闻合作，提供由人工智能技术生成的上市公告文本摘要、中英双语金融资讯。

汽车领域，我们和很多汽车厂商合作，但不用“小冰”这个名称，而是让用户去定制一些拟人化的东西，做高度去中心化的 AI。

体育领域，小冰进入的是难度系数最高的竞技体育。在2022年冬奥会上，小冰将提供自由式滑雪空中技巧视觉评分系统。国际级裁判不可能一直在现场，但运动员在备战、训练的过程中，要始终确保每一次训练得到的反馈都跟最终比赛一样。

人工智能的目的不是要取代人类，也不是打败它之前的科技，而是帮助人类做更了不起的事情，协助人们进一步释放创造力。

由人工智能来做金融摘要，那么金融信息服务提供商的人就可以去做摘要的指导工作，在职能上来说，这是更有意义、更重要的事情。

体育领域同理。人工智能的优势——高并发、稳定、长时间持续存在，使AI裁判符合测试赛的需求，国际级的赛事，依然会交给专业的人工裁判去做。

我认为，造成人工岗位流失这样的影响，跟人工智能技术本身没有太大关系，这往往跟企业选择的商业模式有关。企业选择使用机械工厂、引入流水线，吞噬岗位是很常见的，没有人工智能技术，这件事情也一直都在发生。

企业选择我们的人工智能技术，从技术上来讲，可以选择替代人工岗位。但也可以用人工智能系统，让整体生产效能更好。

在科技领域，中国有一个很明确、很独特的区别，就是市场的纵深程度特别好。

从一线城市到六线城市，市场容量非常大，但凡有一个技术小革新的基础，在巨大的人口背景下很容易成功。背后的原因，一个是人口的基数庞大，另一个是改革开放以来，配套的基础设施比较完善。

商业是一个生态系统，如果把一个公司的商业模式看作一种生物，生物多样性越好，这个生态系统越不容易崩塌。

在中国，不同类型的商业模式都能获得很好的纵深，即使某一种模式出了问题，也有办法进行过渡。抓住时机，就可以做得很好。

回归基础

这些年中国出现了各种各样的商业模式创新，而真正的问题，是很难去做周期比较长的、基础性质的技术创新。

这和二战后的美国很像：企业机构承担了主要的研发力量，政府不知道该如何运用资金。因此，《创新与竞争法案》的发布对美国社会非常重要，而我们也有几个方面可以参考：

第一，要为基础研究正名，不能污名化，也不能神化。我们往往很容易去观察到直接推动我们生活、工作改进的技术，却很难观察到前端的技术研究。

以电动车为例，随着电池技术的提升，车的续航能力从400公里上升到700公里，这是大众能直接观察到的，因此他们会认可电池公司的贡献。但电池技术的完善是基于一些基础的物理学理论，人们观察不到这一层因果关系。这需要针对社会大众的大量宣传，告诉大家，基础研究和社会生活之间存在强因果关系。

第二，要让人才在不同的地方都留得住，也就是说，不应该让科学家认为，成功只有一种界定，只有财富积累这一种方式。大部分人可能追求的是一夜暴富，相比基础研究，财富积累只是一个短期的过程。

一个经过了良好教育的工程师，是去做基础的操作系统，还是去做应用？我们经常看到一家公司上市，创造了很多个千万、亿万富翁。如果做操作系统，不太容易实现这一点。当更多的科学家前往这些地方，科研机构就会流失人才。

成功的规则不应该只有一条，这需要通过整个社会的顶层设计来实现，要在客观上让科学家们能够沉下心去做基础研究。

第三，要确保政府层面的資金运用。资本是逐利的，企业需要高速发展，要看资金运用的效率，当市场的纵深程度很高，我们很难说服自己和资本市场去做一些基础层面的事情。当你赶上一个高速发展的时代，会尤其害怕你的发展速度落后于时代。

我们以前觉得，当一个公司慢慢有钱了，就应该可以深入做基础研究了，但其实不是这样，公司越有钱，越需要考虑收入环节的前置，在财务报表上越缺乏抗风险能力。

中国以前在基础科学研究领域也有重大成果——比如，当年全国人民勒紧裤腰带搞“两弹一星”，能让国家几十年的和平维系于此。但这些都是单点的技术突破，那时候没有足够的国力把基础研究体系化，如今就可以。

很多科学、科技上的进步，单靠个人的英雄主义是不够的，必须是一个团队，甚至是一个有上下游的团队，一起去奋斗的结果。

操作系统、芯片的研发，要靠一个团队拧成一股劲儿往前走;人工智能领域也是如此，微软、小冰的华人团队还是很有心气的。