对话开放平台的全面战争:技术or商业竞逐?

2024-02-02 14:59

本文主要是介绍对话开放平台的全面战争:技术or商业竞逐?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文丨陈选滨

来源丨智能相对论

微信AI团队在世界人工智能大会(2019 WAIC)上再次介绍最新产品“微信对话开放平台”后,智能对话这个领域又热闹了几分。微信方面称这个5月就发布的平台将开放给更多有对话或客服需求的个人、企业或组织,用户可以根据需求来创建、定制专属的对话机器人。

腾讯在对话开放平台上大刀阔斧的布局并非唯一,回顾当前国内外的发展,大到微软、BAT等互联网科技品牌、小到针对AI对话领域的创业型公司,都在开发自家专属的对话开放产品。

 

大小公司早已纷纷入局,各具AI特色的对话开放平台或对话机器人层出不穷,呈现出群雄逐鹿的纷争局面。

只不过,这可能不只是一场技术的较量。

用户量与个性化需求的矛盾,催生对话开放平台

对话开放平台在这个时间节点全面爆发并非偶然。

移动互联网带来用户量激增,新消费、新服务需求又使得用户的个性化追求在持续强化,最终碰撞出矛盾。大体量下的需求细分化与个性化,促使“人人都将拥有专属对话AI机器人”的时代正在来临,也催生出众多服务这个目标的对话开放平台。

懒惰向来是技术发展的重要动因,被移动互联网各种贴心产品设计惯坏了的用户们,已经进入“衣来伸手饭来张口”的被溺爱状态,所谓精准推荐,所谓一键完成,所谓动口不动手,都是懒惰的结果。

其结果,是各大产品不得不在面对乌泱泱用户群的同时,又面对每个用户都有的“懒惰需求”,无论是人力成本还是资源投入都出现了标准化与个性化的天然矛盾。

用户的“懒惰”,体现在两个方面,它们也是智能对话平台的“主攻方向”:

一方面,横向选择宽度太宽,用户懒得选,需要AI推荐。比如,用户对着系统说我想吃川菜,对话系统自动根据用户的喜好推荐他最可能吃的川菜,并完成下单等一些列机械化动作;

另一方面,纵向体验需要多个步骤进行逐级操作,需要AI对话进行简化。比如用户要交话费,过去系统需要一级一级选择服务,现在用户直接说“我要交话费”,系统自动调出交话费的界面,用户免去多个步骤的麻烦。

这只是两个简单案例,但到目前为止,任何有价值的智能对话应用都离不开这两个大方向。正是基于应用上的成熟,切实能解决用户在这两个方面的痛点,对话开放平台才能逐渐成为常态趋势。

与此同时,当前几乎所有大佬级的互联网企业都在谈AI、讲to B业务,既AI又ToB的对话平台就成了最好的圈地方式。

百度的UNIT、阿里的小蜜、腾讯的微信对话开放平台,都率先在智能对话领域撕开一道口子,为后续的AI场景赋能打下基础。

这或许也不难理解,从消费互联网到产业互联网的平滑过渡,对话平台的优势正在突显。to C到to B的发展,本质离不开用户端与企业端的双向联系,对话是最好的选择之一。

对于腾讯而言更是如此,to B转向的同时,开放平台这件事本身更能体现腾讯to C连接的优势。

用户有懒惰需求,大佬有新增长需求,一拍即合。

群雄逐鹿,家家都有杀手锏

在用户需求与新技术的刺激下,对话开放平台的发展在爆发下形成竞争趋势。各家的优势也在业务布局、企业理念等因素的影响下呈现出不同的亮点。

1. 腾讯:微信生态

虽然微信对话开放平台是标准的全平台开放模式,但事实上,微信仍然是这个平台最大的筹码。

众所周知,在微信的背后,是一个由订阅号、服务号、小程序等组成的大平台、大生态,连接着当前移动互联网的大多数用户、企业、第三方服务商等等,某种意义上几乎等同于移动互联网。

在这个庞大的体系下,腾讯的优势十分显著,近水楼台先得月,别的不说,只要完成服务号、小程序的部署,基本上便能快速的占有相当一部分AI对话市场,有一个定海神针般的开局。

2. 阿里:深耕商务领域

基于电商运营的商业场景是阿里的基础,也是阿里的优势。

日前,阿里面向淘宝和天猫用户推出AI客服机器人——新版“阿里小蜜”。据2017年的数据显示,基于电商场景的广泛运用,阿里小蜜单日平均对话轮次高达200万次。

在垂直的商务领域,阿里的对话开放平台可以直接运用于商业客户,具有充足的商务场景进行AI训练与数据获取。先深耕于商务场景,再横向扩张至其他领域的语音对话,阿里的对话开放平台的发展路径逐渐清晰。

3. 百度:基础AI技术+场景应用领先

百度的对话开放从两方面同轨并行。

一方面是技术,互联网技术的黄埔军校不是瞎吹嘘的,UNIT搭载的需求理解、对话控制及底层的自然语言处理、知识挖掘等核心技术,客观上具备一定的技术领先性。

另一方面是场景,对话开放平台作为底层技术,各科技巨头往往都会搭档一个语音助手平台——它更好落地和变现,百度的DuerOS早已耕耘市场多时,除了自己的智能音箱,类似创维电视这样的合作伙伴都已经开始用“小度小度”做唤醒词。

4. 微软:长期拟人化技术积累,可能率先解决体验问题

微软小冰作为微软人工智能三条全球产品线之一,已迭代至第七代,在技术沉淀上日趋完善。

在核心对话引擎上,微软小冰在连续七次的迭代下都展现出不同的主导性。例如,一代讲究对话有趣,四代专注对话的感受力,七代突破对话感染力,技术赋能在不断升级从而是对话能力得以进阶。

在这个技术积累与迭代的过程中,微软小冰由被动对话向主导对话过渡,越来越具有“人”的属性,充分展示了微软在AI对话领域的技术优势。我们无法比较到底谁的技术更强,但微软的对话平台可能在与用户的交互上,体验感将更胜一筹。

对AI对话十分重要的长尾市场,客户究竟要什么?

AI对话平台的市场拓展套路,和AI场景落地别无二致,无非也是靠几个大客户打品牌,靠长尾市场打规模。

大客户自己会开发,合作模式也是深度定制,每家都能整出几个案例来,虽然份量重,但从市场演变角度看,可能恰恰并不关键。

小而分散、数量庞大的中小企业“厚长尾市场”是AI对话开放平台未来规模大小(胜负的主要标准,舆论、资本市场的主要信心来源)的主要竞逐场。

而如同B端企业面对C端用户有规模也有个性化需求,AI对话开放平台的ToB服务“厚长尾市场”也一边面临企业数量众多、一边面临每家都有自己的需求(有些还全然不同)的长尾市场矛盾问题。

这些中小客户要的东西,就是对话开放平台PK的重点:

其一,谁的部署更简单。

戴墨镜、随便在键盘上一敲就是一大堆代码的酷炫程序员毕竟是少数,在AI对话的长尾市场,中小企业大部分都是小白客户,没有相应水平的代码,更不用提AI技术了,如何让小白客户(如连锁餐馆、小型线上商城等)尽可能低门槛完成部署是第一道槛。

微信对话开放平台相关负责人介绍,其正在实现诸如拖动鼠标实现部署的简单部署方式,让对话模块的布置如同普通PC上安装程序一般简单。

我们相信,这是所有对话开放平台共同的目标。

其二,谁的数据需求更少。

AI始终离不开数据的支持。当对话开放平台进行技术赋能之后,AI对话机器人模型往往仍然需要B端客户自己的用户数据来训练。

而中小型客户手里往往是没几个数据的,或者有也没有以恰当的方式沉淀下来。因此,各家还在比拼谁家的AI能让用户在提供更少的数据的情况下,就能以较高的准确率运转起来。

牛顿三个经典力学定律就能完成对宏观运动的一切解释,至今科学家还在追寻能够以一条规律解释整个宇宙的终极定律。AI对话这件事,始终存在着一个能够需求更少数据、更具备底层适应能力的算法模型等待开发。

其三,谁的冷启动更快

“我现在就要”,是很多中小企业在激烈市场竞争中的焦灼心态。对话开放平台的冷启动速度快慢,事实上也与数据需求有关,但这里的重点讲的是平台内置能力。

虽然中小企业需求各不一样,但它们总是能够被归类的,业务类型相近,在数据还没有喂养前,总有些类似的模型、意图、实体、函数、模板、对话……可以共享。平台送出去的技术,虽然需要被训练,但却不能是一个纯小白,它得懂逻辑、懂背景,结合客户实际做一些基于数据训练的“变通”即可。

这种内置能力,往往都是平台过去在企业、产品内部积累而来,将之开放时,就成了附送的“学霸潜在能力”。

此外,对话平台的自我进化也是重要的比拼项目,毕竟,谁都希望一个对话智能能越来越聪明,而不是停滞不前。

技术的事情,最终取决于商业竞争?

当Google Duplex造假被纽约时报曝光之后,AI对话的适用性问题再次被重新提及。

AI对话面临“前后”两个差距,一方面,“售前”情况太过于复杂,不确定的行动下,不同的用户的对话内容难以预料,系统很多时候陷入不知道怎么应对的地步。Duplex的4次成功预订,3次依赖真人操作,足见“售前”的技术应用难度真的很大;

另一方面,“售后”的指向性逐步明确,一般只和用户消费过的内容有关,AI可适用的范围便得以聚焦。当然这不唯一,在某些场景下,虽然是售前,但用户来的目的明确,也适合进行对话平台的开发。

所以,后者是当前各平台的主要竞逐点,客服领域的智能对话最为兴盛。

但是,不得不承认的是,就目前市场上的AI对话开放平台而言,技术上可能有前有后、有来有回,存在“量变”的差距,但并没有哪一家平台拥有有绝对的技术优势说可以把智能对话做得和人工一样流畅、丰富、可控,“质变”的差距并没有发生。

大家都从0到了1,但都没有完成从1到10跨越,这导致B端市场应用场景对没有发生质变的技术敏感性并不高,从而,最终各大AI对话开放平台所比拼的,便只在于背后的商业平台资源能力的竞争。

可以说,虽然技术闹得凶,虽然用户对部署、数据量、冷启动等有需求,但在缺乏绝对差距的短期内,对话平台仍然是商业资源的竞争,技术还不能唱主角。

也即,对话平台短期内的市场格局仍然是巨头已有的商业地盘的争夺,例如阿里在电商领域的赋能,腾讯在微信生态的助力,和技术没有绝对对应关系。

这时候,微信这种手握庞大的长尾B端客户资源的产品,至少做对话平台的商业价值立马显现出来了,庞大数量、综合性行业分布,微信的对话开放平台一开始就占据了商业竞争的重要优势,此时加码开放平台并不意外。

短期内,微信将赢得起跑阶段的领先,但是,从长远角度看,技术仍然是核心,是长期决胜的关键,这一点不容置疑,只是纯粹的技术决胜,现在还看不到。

【完】

智能相对论(微信id:aixdlun)AI新媒体,今日头条青云计划获奖者TOP10,澎湃新闻科技榜单月度top5, 文章长期“霸占”钛媒体热门文章排行榜TOP10,著有《人工智能 十万个为什么》,重点关注领域:AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。

这篇关于对话开放平台的全面战争:技术or商业竞逐?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/671089

相关文章

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

金融业开源技术 术语

金融业开源技术  术语 1  范围 本文件界定了金融业开源技术的常用术语。 本文件适用于金融业中涉及开源技术的相关标准及规范性文件制定和信息沟通等活动。

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出 在数字化时代,文本到语音(Text-to-Speech, TTS)技术已成为人机交互的关键桥梁,无论是为视障人士提供辅助阅读,还是为智能助手注入声音的灵魂,TTS 技术都扮演着至关重要的角色。从最初的拼接式方法到参数化技术,再到现今的深度学习解决方案,TTS 技术经历了一段长足的进步。这篇文章将带您穿越时

系统架构设计师: 信息安全技术

简简单单 Online zuozuo: 简简单单 Online zuozuo 简简单单 Online zuozuo 简简单单 Online zuozuo 简简单单 Online zuozuo :本心、输入输出、结果 简简单单 Online zuozuo : 文章目录 系统架构设计师: 信息安全技术前言信息安全的基本要素:信息安全的范围:安全措施的目标:访问控制技术要素:访问控制包括:等保

前端技术(七)——less 教程

一、less简介 1. less是什么? less是一种动态样式语言,属于css预处理器的范畴,它扩展了CSS语言,增加了变量、Mixin、函数等特性,使CSS 更易维护和扩展LESS 既可以在 客户端 上运行 ,也可以借助Node.js在服务端运行。 less的中文官网:https://lesscss.cn/ 2. less编译工具 koala 官网 http://koala-app.

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

Spring的设计⽬标——《Spring技术内幕》

读《Spring技术内幕》第二版,计文柯著。 如果我们要简要地描述Spring的设计⽬标,可以这么说,Spring为开发者提供的是⼀个⼀站式的轻量级应⽤开发框架(平台)。 作为平台,Spring抽象了我们在 许多应⽤开发中遇到的共性问题;同时,作为⼀个轻量级的应⽤开发框架,Spring和传统的J2EE开发相⽐,有其⾃⾝的特点。 通过这些⾃⾝的特点,Spring充分体现了它的设计理念:在

java线程深度解析(六)——线程池技术

http://blog.csdn.net/Daybreak1209/article/details/51382604 一种最为简单的线程创建和回收的方法: [html]  view plain copy new Thread(new Runnable(){                @Override               public voi

java线程深度解析(二)——线程互斥技术与线程间通信

http://blog.csdn.net/daybreak1209/article/details/51307679      在java多线程——线程同步问题中,对于多线程下程序启动时出现的线程安全问题的背景和初步解决方案已经有了详细的介绍。本文将再度深入解析对线程代码块和方法的同步控制和多线程间通信的实例。 一、再现多线程下安全问题 先看开启两条线程,分别按序打印字符串的

SSM项目使用AOP技术进行日志记录

本步骤只记录完成切面所需的必要代码 本人开发中遇到的问题: 切面一直切不进去,最后发现需要在springMVC的核心配置文件中中开启注解驱动才可以,只在spring的核心配置文件中开启是不会在web项目中生效的。 之后按照下面的代码进行配置,然后前端在访问controller层中的路径时即可观察到日志已经被正常记录到数据库,代码中有部分注释,看不懂的可以参照注释。接下来进入正题 1、导入m