「小来」：记得 14 点 30 分与冠春的电话采访。
两天前的下午 14 点整，机器之能在「助理来也」的微信公众号上收到了这样一条提醒。
当天上午，助理来也 CEO 汪冠春通过微信发来了采访的日程邀请卡，机器之能在扫描了二维码之后进入了「来也」的日程页面并设置了提醒时间。
这款名为「来也」的产品是人工智能公司助理来也于 2015 年 7 月上线的智能助理平台，它不仅能记住用户的日程、习惯和偏好，还能完成订咖啡、跑腿、出行和差旅等服务。用户可以直接在平台上免费享用「小来」所提供的基础能力，也可以选择来也的 VIP 计划，通过 AI+HI (Artificial Intelligence + Human Intelligence) 的模式，付费让真人助理处理一些更为复杂、急难的个性化需求。
12 月 21 日，助理来也正式对外宣布完成千万美元 B 轮融资，并透露此次融资由双湖资本领投，早期投资方光速和红杉继续跟投。此外，公司还推出了一款针对企业客户的战略级新产品「吾来」，为行业提供全套的智能助理解决方案。
在接受机器之能的采访时，汪冠春说道：「领投方双湖资本近期很看重 AI 领域，在母婴、医疗和教育等领域也有较深的布局，与助理来也希望重点深入的行业是一致的。」
接下来，融资资金将重点用在人才的招募以及「吾来」产品的营销推广这两个方面。
从 C 端到 B 端的切换与延伸
「我们相信，基于自然交互的产品形态会变得越来越主流。」胡一川回忆创业之初的定位阶段时这样说道，「所以我们选择了以对话的方式为用户提供更深度的助理服务这个方向。」
2015 年，汪冠春和胡一川离开百度，共同创立了助理来也，尝试满足用户通过语音、文本等最自然的交互方式发起的各种服务需求。
2015 年 7 月 1 日，助理来也推出 C 端智能助理产品「小来」，截至目前，「助理来也」的微信公众号已累计服务了 400 多万用户，用户次周留存率接近 70%，其中，付费部分的用户黏性达到 90% 以上。
虽然用户粘性不错，但是在探索 C 端智能助理产品「小来」的过程中，团队也遇发现，打造一款全能的、全自动的在线私人助理在眼下看来并非易事。
「用户对助理产品的预期很高，单纯利用人工智能来实现，难度不小。」汪冠春说道。他举了一个真实发生过的案例：
一位用户对「小来」说：「宝宝发烧了，但家里没设备测体温。」其实这句话用户背后的意图是让「小来」找一个跑腿小哥到附近的药店买一个温度计，然后送到家里。但是如果没有针对这个场景对 AI 模型做定制优化，那么智能助理就没有办法理解这个意图，并把需求转变成一个可执行的任务。
要解决这个挑战，有两种实现路径。一是采用人机混合的方式降低难度，分配真人来完成理解意图的过程，然后再让机器实现订单的派发，找到服务者去执行具体任务。二是聚焦垂直行业，找到边界清晰的场景，打造智能助理服务。
「因此我们决定战略升级，研发服务于 B 端企业的智能助理解决方案『吾来』的初衷之一。」汪冠春补充道，「而挑战的另一面，我们确实在很多垂直行业里看到了做智能助理的机遇。」
越来越多细分领域中的标杆企业希望把助理式的交互体验应用到自身业务上，在为客户提供个性化体验的同时，沉淀行业知识，积累客信息，提升服务效率，进而提高营销转化。
汪冠春描绘了「吾来」在实际场景中的应用：在零售领域，母婴公司往往要雇佣大量的专业营养师、儿科医生，来在线与用户进行互动，回答用户提出的母婴相关的知识性问题，这种交互方式非常有助于公司建立用户对品牌的认知和信任感。而母婴领域的知识体系往往不会发生太大改变，新妈妈和孕妇提出的问题也有很多共通之处，例如「宝宝多大可以开始吃辅食」、「这个品牌的奶最做大特色是啥」等。在此之前，这部分的回答工作都是由人工来完成，如今智能助理则可以帮助公司更加高效地回答这些问题。
在保险行业情况亦是如此。一些新入行的保险经理人可能对繁杂的保险产品品类、特点优劣等问题掌握不全面，而对于人工智能系统来说，这些内部培训的知识和素材往往都是可用的数据来源。那么，一个针对保险行业的智能助理就可以服务这些专业人士，帮助他们把更好的回答分享给客户，从而提高沟通效率和销售转化。
「这种企业服务的商业模式是比较清晰的，企业认可智能助理的价值，也愿意为此买单。」汪冠春说道。
他解释道，B 端智能助理解决方案中 AI 的感知价值更大，更利于商业化变现。
相比之下，目前 C 端产品「来也」的主要营收来自 VIP 用户，这部分营收能帮助公司实现内部运营的盈亏平衡，让公司拥有「造血能力」。「不过我们也发现，为在线虚拟服务付费的用户群体的增长也需要一个过程。就像知识付费一样，眼下用户的买单意愿可能还没那么强烈，还需要一定的时间。」汪冠春说道。
目前，助理来也尝试把「吾来」应用到运营商、零售、商旅、教育、金融等行业，并与中国移动、惠氏、携程、新东方在线、浦发银行信用卡等标杆企业展开了合作。
「我们会先选择跟一些重点行业深度结合。」汪冠春解释道，所谓「重点行业」主要看两点，一是行业内的知识厚度要足够大，例如母婴、保险、教育等领域，二是行业核心业务流程的在线程度要足够高，只有在完成在线化、数据化的情况下，智能化才会发挥作用。
技术的探索及发展方向
看到这里，你可能会感觉助理来也打造的行业智能助理解决方案「吾来」和市面上的智能客服系统有些许相似之处。不过，胡一川表示，「吾来」针对的智能助理和传统客服相比存在很大差异，主要体现在三方面。
首先，传统客服往往是被动式的响应，而智能助理则更强调主动触达客户，并进行双向交互；
其次，在助理场景下，用户和助理的关系是长期，用户可以在长时间内通过同一个助理持续获得专属化的服务，而客服场景下，用户和客服之间的关系往往是短暂的；
第三，因为双向的沟通与长期的关系，助理能够为用户提供更丰富和更有价值的服务。这些服务不仅仅限于售后，还包括售前咨询，甚至一些专业化的服务也可以通过在线助理的方式来完成。
然而，要做到这些就意味着产品背后必须有强大的技术支持，而且技术必须下沉至具体的场景。
「我们在『来也』上的技术积累为『吾来』的研发提供了非常多的经验。」胡一川说道。
胡一川表示，「吾来」有三个核心技术，分别是语义、对话和推荐。
语义理解主要从自然语言中判断用户的意图和关键信息。以订购咖啡为例，当用户说「我需要一杯中杯拿铁，麻烦送到公司」的需求时，模型需要判断用户的意图是订咖啡，并识别其中的关键信息「中杯」、「拿铁」、「公司」。而很多情况下，用户需求并不会在一句内表述清楚，那么就要进入到对话环节。
「在对话环节，我们有很多成功的经验和技术积累，也是对企业输出的核心之一。」胡一川介绍，在技术层面上，对话分为两类，分别为任务型对话和问答型对话。
订咖啡就是一个典型的任务型对话，需要经过多轮的交互，而且每一轮都包括语义理解以及对话控制。而问答型对话则偏向垂直领域的知识，助理来也采用了深度语义匹配技术，把用户提出的问题与知识库里的问题进行匹配，找到语义最接近的知识点。例如，「刚出生 1 个多月的小孩能晒太阳吗」与「新生儿是不是要满月才可以晒太阳」，这两句话虽然从字面上看很不一样，但表达的都是同样的意思。
推荐环节则是基于对用户的画像，把个性化的元素融入到对话中，为用户提供千人千面的交互体验。例如，对于订咖啡的新用户，智能助理会问：「你想喝什么？」；而对于老用户，智能助理则会问：「是不是和上次一样，大杯热拿铁到公司？」
对于以上技术背后的模型训练，数据无疑是必不可少的。胡一川回忆，在过去两年多打造「来也」的过程中，团队经历了从没有数据，到有一定量数据，再到有大量数据的过程，模型也从最初的基于规则的模型，升级为传统机器学习模型，再到今天的深度学习模型。「我们是最早一批在智能助理领域尝试并成功落地深度学习的公司，因此也有信心把同样的技术推向各个垂直行业。」胡一川说道。
如今，各垂直行业可以提供给助理来也大量的数据，团队省去了「冷启动」的阶段，直接把经过实践验证过的系统和模型应用在垂直行业的交互场景中。
胡一川补充道：「企业和客户的交互数据属于非结构化数据，其中包含了大量用户个性化信息，通过挖掘可以实现用户画像。很多企业都忽略了对非结构化数据的利用，『吾来』还能提供商业智能（BI）能力，帮助企业从非结构化的对话中挖掘出结构化的信息，实现更好的消费者洞察。」
「如果有一天我们的『吾来』能很好地赋能企业和个体专业人士，也是可以精选出合适的服务供给方再对接给有需求的助理来也 C 端用户。」汪冠春展望道。
