正式宣布与微软中国达成战略合作伙伴关系；面向ToB重点行业客户，共同推出一系列人工智能+云计算商业化解决方案；最先覆盖的三个垂直领域分别为人工智能金融、人工智能汽车及人工智能内容生产……
这是11月24日，微软中国与小冰公司战略合作发布会上传递出来的主要讯息。从今年7月中旬小冰业务从微软中国分拆并成立独立运营公司后，这是其四个月来的第一次重要“亮相”，而在战略合作、三大垂直领域等信息的背后，沈向洋（小冰公司董事长）的一番讲话中，却更加引人关注。
简单总结一下，沈向洋话语中的关键词是这四个：技术创新、用户体验、运营模式和商业模式。
如果要解释这四个关键词背后的含义，那就是第八代小冰将在商业化方面开始发力，并且已经确定了自己独特的一套打法。
商业模式清晰后的冷静判断
小冰公司董事长沈向洋博士
其实，沈向洋所谈到这这四点，前面都是要加上一个定语：本地化。
“面对当下这个令人激动的人工智能大时代，我们思考的最重要事情是本地创新，这也是为什么微软公司把小冰这样一条产品线独立出来。”
独立运营后的小冰，秉承的将是一个更加开放的心态，而出生于中国市场的小冰，强调本地化的原因就是要让这种开放背后的价值得以迅速落地。
“从本地化的创新来看，即使是最了不起的技术也要和当地的数据相结合，特别是在人工智能方面，算力+数据=生产力，这样才可以做出更加了不起的技术。”沈向洋强调。
而在产品上，小冰则要面向本地用户（需求），打造出真正受欢迎的本地化创新产品；同时，加强本地化运营，和本地公司一起了解本地的情况、做好本地化运营；最后一点是基于新技术和新产品，由此带来的新商业模式。“在任何一个地方，一定要和当地社会经济做好连接，这样才能做出一个伟大的企业和产品，最终通过商业模式真正落地。”
在懂懂看来，这也是自今年7月份独立运营、8月份升级至第八代后，小冰对于应用市场冷静、清晰判断的结果。
实际上，从去年迭代至第七代后，小冰才真正完成了应用落地的积累，也对自身的“角色”有了清晰的定位。
在两月前升级为第八代之后，小冰增加了分层知识图谱技术和篇章内容学习技术，以及全新第三方虚拟人类合作产品、面向个人用户的“X套件”系列应用软件。站在企业或是个人的角度去理解，即任何一个企业、一个用户都可以根据自己的需求，去设定不同的参数，输出不同场景需求的AI Beings。
换言之，如今的小冰已经可以向行业大规模输出自己的能力，发力ToB商业模式，用“本地化”为钥匙，逐个打开人工智能环境下的金融、汽车和内容生产等垂直领域的大门。更关键的是，这种本地化创新的经验，将来可以继续复制到海外市场。
实际上，面对AI一直以来给行业用户造成的“只有好概念却难以落地”印象，小冰所发力的这三个垂直领域在国内市场都已有所建树。对此小冰公司CEO李笛强调，“为了在垂直领域做出良好的落地效果，我们想更多去分享从零到落地应用过程中所积累的Know-how。”
不过这里要分析几点：与其它人工智能公司不同，小冰发力To B市场的背后有着微软在各方面资源上的支持；相对于其他AI服务商专注于流程改善，小冰更强调关键岗位的优化；在To C领域有着扎实基础的小冰，更关注从To B到To C的穿透；同时，未来小冰会强调人与AI之间的协同（而非替代）。
差异化成为行业落地的关键
小冰公司首席执行官李笛
这几方面，或许将是小冰在商业化落地过程中最为显著的差异化所在。
李笛介绍，基于战略合作伙伴关系，小冰与微软面向行业用户推出的商业化解决方案，将采用微软智能云Azure作为服务国内及全球市场的云计算运营平台，同时这些解决方案也会借助微软在To B市场的客户资源实现落地。
那么，对于聚焦关键岗位、打通To B到To C以及人与AI协同这三点，小冰的差异化特性又将为行业应用落地带来哪些新的思考？
“以往的AI落地应用更多是关注流程改造，但是只做流程对效率的提升是有上限的。小冰聚焦在行业关键岗位，是要完成只有AI才能完成的关键任务，对上限的提升非常明显。这里面有很多经验教训，以金融领域为例，正是因为依托人工智能担任关键岗位，才实现了90%以上的机构投资人对于每天查阅全部26类金融文本摘要的需求。”李笛表示。
这个“难以完成“的任务，指的是小冰为万得资讯、华尔街见闻等合作对象的用户，每天所提供的上市公告文本摘要（涵盖 26类金融类别），这些用户包括了90%以上的金融机构交易员以及40%以上的个人金融交易者，而且对于专业性要求极高。
由于公告文本有着“高并发”特性，会在特定时间段产生巨大的工作量，人工团队很难适应这种骤起骤降的文件分析处理要求。而通过小冰相关AI技术的应用，上述客户得以实现了金融文本摘要自动化生产能力。与此同时，小冰在金融资讯摘要方面取得了国内最大市场份额并稳定运行后，也开始尝试涉足金融风控领域。目前的小冰AI金融解决方案可以依托知识图谱及其人工智能技术，为行业用户提供金融风控服务，同时在金融节目的高度定制化生成方面也已经逐步落地。
另外，对于打通To B到To C的模式窠臼，李笛也提出了自己的观点，“实际上所有To B解决方案归根到底都是To C的问题。目前我们的商业化都是集中在垂直领域的解决方案里面，也可以简单地将其视为To B业务。”但是他强调这种To B实际的用户交互也是在C端进行的，呈现出的更多的是C端应用场景。
以智能汽车领域为例，目前很多AI产品是通过语音交互系统控制车内设备，而小冰可以为用户提供这些功能，还可以带来多人驾乘的体验，另外还能调用汽车的感官、视角去创造各种内容。这种穿透To B直接触达To C的应用场景，在李笛看来就是对传统智能车载系统的升级换代。
最后，关于人与AI协同，实际上是发挥小冰在内容创作上的强大能力，帮助内容创作、设计人员在内容生产和美术设计等方面解脱机械和重复性工作，通过小冰丰富的人工智能工具，发挥创新的审美理念，实现人机协同。这也诠释了，AI于人是融合与共存的关系，而非替代。
“所以，综合这三点差异化，我们的思考是对于小冰来讲，应该以何种能力帮助行业、客户整体提高自身的数字生产力。AI的价值，最后的核心就是数字生产力的建立和提升。”沈向洋再次强调。而在懂懂看来，往更高维度去看，在计算机视觉、语音识别已经逐渐成熟的状态下，认知智能是未来人工智能技术领域的更大挑战及核心所在，只有突破认知智能的桎梏，才能让AI进一步赋能所有产业、推动数字生产力的发展。
把握可控、留意可能，顺其自然
微软公司副总裁、微软中国区首席运营官邹作基
对于小冰而言，认知智能，尤其认知模型自然语音处理方面的领先，一直是其优势所在。
因为这几年持续关注小冰的“成长”，可以看到她一直在沿着超越IQ、强化EQ的思路在演进。通过平台化战略，小冰形成了完整的底层框架，也在打造更多的AI beings，基于更为人性化的EQ特点，小冰的商业化有挑战和险阻，但也产生了更多想象空间。
那么，历经六载，八个版本，不断进化的小冰在商业化方面还具备哪些可能？
记得沈向洋以前曾经分享过自己多年来在学术和事业摸索中经历过的几个大“坑”，其中有一个令人印象深刻。
沈向洋微软多年工作，当他从研究部门调至产品部门工作后，面对的不仅是“技术的复杂性”，还要处理商业及行业的更多复杂性问题，他对此有了更深刻的认识，他用一段妙语形容这种感悟：“Control the controllable，observe the observable，leave the rest alone”。大意是“把握可控、留意可能，其余的顺其自然”。
对于有控制理论背景的人而言，看到这样的句式自然是会心一笑。沈向洋当时的团队是要和谷歌在搜索领域竞争，这条看似“绝境”的业务线，如今每年能为微软带来 100亿美元的收入。他向周围同事证明了一点：一个研究院来的人也可以把产品线带出一番天地。
这也是沈向洋一直喜欢《教父》里面迈克·柯里昂德那句经典台词的原因：不论何时、无论多难——“只是困难，并非不可能”。
回看这六年多来小冰踏上的AI蹊径，不平坦，也不完美，但这也是小冰必然的选择。
之所以这么说，一方面源自微软的“根基”，另一方面，源自小冰团队的特性。微软用二十年的时间沉淀下来了人工智能的基础，包括了计算机视觉、计算机语音和自然语言处理；加上Bing搜索引擎，构建了微软在AI领域3+1的底层基座。
而在这般土壤中成长起来的小冰团队，既没有频繁的媒体曝光和渲染，也没有憧憬纳斯达克敲钟的浮躁，但他们却都是自己所处领域的科技精英。这份低调的背后，彰显的是一种务实精神。
基于此，小冰已经在全球多个国家覆盖了 6.6 亿在线用户、4.5 亿台第三方智能设备和 9 亿内容观众；在金融领域，为万得资讯、华尔街见闻等国内主要金融信息服务商提供了AI加持的金融信息服务能力；在智能驾驶领域，协助华人运通等汽车品牌实现了基于全车级语音控制的自然而富有情感的互动场景；在工业设计、数字图像设计和纺织服装面料设计等领域，正在协助用户改进设计短板，同时小冰与中国纺织信息中心、国家纺织产品开发中心共同推出的人工智能纺织服装图案设计平台也已经投入生产。
当然，目前的小冰依然不能说完美。因为人工智能领域的EQ本身就极难定义和量化，加之与EQ关联的场景因素或维度更为复杂，所以人工智能的EQ探索仍具有难以想象的挑战。
但是小冰已经取得的成绩以及面对市场喧嚣的低调，也侧面反映出其在EQ演进上的心态：把握可控、留意可能，其余的顺其自然。毕竟完美的AI，只能始于现在一小步一小步的探索。
—————————————————————————————————
微信关注公众号“懂懂笔记”每天第一时间为您奉上最新最热的科技圈资讯~
多年财经媒体经历，业内资深分析人士，圈中好友众多，信息丰富，观点独到。
发布各大自媒体平台，覆盖百万读者。
《小米生态链战地笔记》、《微信思维》、《微信力量》三本畅销书的作者。
