焦点分析 | 把机器人的共情当卖点，“微软小冰”打算挣到更多钱
你印象中的微软小冰是什么样的？
2014 年，第一代微软小冰发布，最初她以微信公众号的形式存在，可以用不那么生硬的语气回答天气、交通、星座相关问题。
之后的五年，小冰又出现在 QQ、网易云音乐等 App 中，用俏皮话和用户留言互动；最新的消息是，小冰将与小米 OV 等厂商合作上线“召唤小冰”，还要给阅文集团的 IP 定制形象。
不管你看得见还是看不见，小冰似乎变得无处不在了。根据微软公布的最新数据，小冰在全球覆盖的用户量有 6.6 亿，第三方设备则有 4.5 亿台。
在诞生之初，小冰以“有情绪”著称。与那些你问它答的语音机器人不同，小冰会生气，会吐槽，还会拒绝你不健康的请求。时任微软全球执行副总裁陆奇曾在复盘小冰时说过：“AI 产品应该在 IQ 之外，引入 EQ 这个新维度。”
如今，小冰身上的“人格化”标签更加明显。
在8 月中旬微软“小冰七代”的年度发布中，微软团队又演示了小冰新开发的多个场景：
1、两位微软研究员在开车途中唤醒小冰，当驾驶员在与小冰的聊天中出现“堵车烦躁、开车犯困”之类的表达后，小冰会立刻回应：“我给你讲个笑话吧”、“要不要给你唱首歌”。
2、一个日本宅男拿着手机、戴着耳机去逛水族馆，宅男时刻与手机中的小冰进行互动，当小冰通过图像、声音感知到宅男来到“水母”展馆时，她发出了“水母好漂亮啊~”的赞叹，宅男则欣喜地回应：“是啊是啊，很漂亮。”
3、微软还展示了一段小冰与消费者的截图对话。在这十轮对话中，小冰用对话引导用户明确了购物需求，最终成功在第九轮推荐用户下单了照相机。
这三个场景实际上代表了微软小冰进阶的三种技术类型——不用唤醒词即可在车载场景下与小冰发生多轮对话，这叫“全双工语音交互”；结合视觉、对话与小冰边听边说，这是“多模态感官交互”；引导用户明确购买需求，这被称作“主导对话”。
七代小冰可以进行“主导对话”。图片来源：微软小冰官方提供
技术一直是小冰团队引以为傲的长板。拿它最新发布的 Avatar 框架来说，该平台包含了训练一个虚拟机器人需要的所有工具包，包括对话、声音、视觉、观点、技能、知识及创造力等。微软宣布，到 8 月底，B 端开发者就可利用这一框架如流水线般生产出更多“小冰”。
而在技术之外，小冰在国内 AI 领域有着更广泛的参考价值。
眼下，国内 CV（视觉识别）行业已经有了商汤、旷视这样的准独角兽，但 NLP（自然语言处理） 受制于技术难度与落地场景受限，始终有些不愠不火。作为国内 NLP 赛道的代表项目，小冰做了什么、进入了哪些场景、怎么实现商业化，自然有着参考意义。
大公司的包容度
小冰变得更聪明了，这一点毋庸置疑。可一直让业界存疑的是，这个被巨头孵化、有 EQ、能说会道的机器人，难道只能把人工智能用在打嘴炮上？
若在 2017 年以前，答案或许并不明朗。在小冰诞生的前三年，微软团队有意让该项目的商业化节奏慢下来。很长一段时间里，有关小冰的新闻大都是：“小冰学会了写歌/作诗/主持”，与商业化没有太大关系。
微软给了小冰在“人格化”上更大的发挥空间，即使这些属性在短期看来大多与商业化无关。拿一个小冰团队津津乐道的例子来说：当用户把脚扭伤的照片发给小冰，小冰的回复是，你伤得严重吗？
这则回复包含了小冰的两项能力：一种是图像识别。小冰需要具备对人体部位的检测功能，认出“脚踝”；更重要的是，小冰能通过情感框架，给出和人类相似的关心、安慰等情感表达。
在微软团队看来，这些看似无关的闲聊与技能，实际上是小冰积累语料、训练数据的过程。也正因为在闲聊中能与用户产生共情，小冰的多轮对话数量远超其他 AI 机器人。根据微软公布的数据，微软小冰与用户的单次平均对话轮数（CPS）保持在23轮。
“其实四年前小冰就能商业化，只不过我们选择不去那么做。”小冰如今的负责人，微软（亚洲）互联网工程院副院长李笛对 36 氪说。他认为，如果在数据积累不够多的情况下盲目推进商业化，对后续的商业订单推进并无好处。
微软小冰负责人、微软（亚洲）互联网工程院副院长李笛。图片来源：微软小冰官方提供
可同行就没有小冰的耐心了。同属于 NLP 赛道的小 i 机器人已经在银行、金融、运营商领域深耕了快 20 年，拿下过招行、建行、联通等央企订单；还有在2014 年后成立的三角兽、竹间科技、追一科技，几乎在诞生的同期，就开始考虑产品落地与商业化。
相比创业公司的生存压力，有着巨头护翼的小冰，得以拥有更大的试错空间。“微软的确给了小冰更多的包容度，这可能是其他创业公司不具备的。”微软全球资深副总裁王永东对 36 氪说。
但变化也在发生。
2017 年后，小冰明显加速了商业化节奏。当年，小冰宣布通过“Yeelight”智能助手设备的形式，进入小米生态链；随后，小冰日本团队又与 Line 合作，为日本第二大便利店集团罗森提供打折券促销服务。
小冰的“人格化”特点开始在商业化中展现出优势。陆奇很早就提到过，小冰具备的情感属性可以影响人们的决策，这在电商、社交等场景均适用。拿小冰目前落地的在线零售客服案例来说，通过与用户的闲聊，小冰可以将用户模糊的购物需求一步步明确下来，最终为对方推荐出心仪的商品。
根据微软透露，上述小冰在线零售案例已经在美国市场进行试点，其推荐转化率可以达到68%。
小冰的“叛逆”
当被 36 氪问及“微软是否在加速小冰的商业化”时，李笛给出了肯定的答案，“因为同行业都在跟进。”他说。
“所以是受制于行业竞争的压力？”
“我不觉得我们有这么被动。”李笛解释到，“竞争是一个好事，能让我们明确应该把研发重心放在什么环节。”
成立五年，微软小冰的风格正如她去年对外放出的 3D 形象，明艳单纯，看起来与世无争。可少女终要长大，在微软的布局中，小冰将化身为商业世界的成熟形象，不仅要作为虚拟机器人在内容、营销、设计领域拿下订单，还要与微软云等业务产生联动，甚至要与市场上 AI 的常规商业模式反其道而行之。
微软发布六代小冰时公布的小冰官方形象。图片来源：小冰团队提供
在 8 月中旬小冰七代的发布会上，一向佛系的微软团队就对 AI 领域的固有模式发起挑战。微软小冰团队商业负责人徐元春表示：“我们不会单纯销售小冰技术的API，也不会通过生产硬件产品、并进行大量补贴的方式获得OS的市场份额，这种方式是不稳定的。”
这一番话涉及到当下 AI 领域两种重要的商业模式：
大多创业公司都是先做基础的 AI 平台或者算法引擎，再给合作伙伴提供 API ，根据处理的数据量或者是调取次数收费。
诸如阿里巴巴、百度、京东等大公司则是通过补贴的方式，把诸如智能音箱、翻译机之类的硬件产品卖给 C 端消费者，再通过加载广告、服务的方式变现。
“很多智能音箱把‘智能’当作卖点，但AI 起到的作用最多是用同样的命令去触发，没有交流。厂商关注的还是卖多少钱、有多少曲库。这不是我们要的。”李笛告诉 36 氪。
软硬结合、以软为主——这是微软给小冰的定位。为此，微软还特别宣布小冰将坚持“第三方平台”发展策略，不会推出独立的第一方产品形态。也就是说，未来我们不会看到以小冰名义推出的硬件或者独立 App。
虽然看似退居幕后，但小冰仍旧野心勃勃。
这从小冰对开放 API 的谨慎程度也可见一斑。对于小冰团队来说，开放 API 虽然可以让小冰集成到更多产品和服务中，但也让小冰对外部合作的方案失去了感知。
那什么是小冰理想状态的合作模式？李笛给 36 氪举了日本罗森的合作案例。
在与罗森的合作中，微软团队首先把微软云、微软小冰的业务整合起来，提供了云的部署到智能机器人一整套服务；之后再根据罗森的具体要求（比如推销优惠券、帮助顾客了解商品信息）等开发相应的零售机器人；最后还要根据机器人的转化反馈实时修正。
之所以这么大费周章地服务一个客户，小冰自然有她的道理。
首先，在该方案中，小冰的推广搭售了微软云服务；其次，彻头彻尾服务过罗森后，小冰能将这套方法论复制到其他零售客户；更重要的是，李笛告诉 36 氪，小冰在这种合作模式将不仅向罗森收取聊天机器人的授权费用，还会与罗森在推广优惠券的转化上分成——这相当于增加了小冰的营收渠道。
“如果小冰是一个急着回答投资人如何商业化变现的创业公司，当客户问我们能不能给他一个对话机器人的API时，我们可能就得给客户。”李笛说。
但小冰不是创业公司，在微软的支持下，小冰有了“叛逆”的资本，她可以在与合作伙伴的方案中要求更多话语权，比如微软其他业务的搭售，比如新的商业模式的拓展。
更多形式的合作已经在进行了。除了零售以外，小冰还将它的设计、内容能力延伸至更多产业。目前，微软小冰为SELECTED、万事利、依文等品牌设计的产品已上架销售；音乐方面，小冰与联通沃音乐共同推出的音乐生成平台也已上线。
不过，尽管小冰有了频繁的商业化探索，可与微软对她的研发投入相比，这些项目的回报目前还只是杯水车薪。当 36 氪问及小冰未来的盈利可能时，李笛显得有些茫然，“至少在我们面对的领域，还不太考虑毛利的问题。”他说。
（文图、头图均由微软小冰官方提供。我是 36 氪作者苏建勋，关注智能硬件、AI 、云计算，如果您是相关从业者欢迎与我交流，我的微信是 jason907，添加烦请备注姓名、职务、公司。）
相关推荐
焦点分析 | 把机器人的共情当卖点，“微软小冰”打算挣到更多钱
当微软小冰成为毕加索
微软小冰这五年
微软小冰进入「第六天」
微软小冰的“体面告别”
小冰CEO李笛：“我把小冰当成一种生物”
微软小冰从上海音乐学院毕业 谱写云端峰会主题曲
“离开”微软，小冰如何成长？｜独家专访小冰CEO李笛
小冰与小娜：命运交叉的美少女AI
焦点分析 | 今日头条没打算当老二，即便是在搜索上
网址: 焦点分析 | 把机器人的共情当卖点，“微软小冰”打算挣到更多钱 http://m.xishuta.com/newsview8992.html
