编者按，本文为创业邦原创报道，作者狮刀，未经授权禁止转载。
让机器人“听懂”人类说话，是让科学家们一直沉迷其中的事。语音识别器的鼻祖诞生在计算机还没出生的20年代，它是一个名为"Radio Rex"玩具狗，只要呼唤它的名字，它就能从底座上弹出来。
但近100年过去了，机器的“听力水平”仍不尽如人意，大规模的语音识别应用市场尚未形成，商业化落地多半来自于语音合成技术。技术变现困难，让众多科技公司跛足难行。在此环境下，专注自然语言处理和语音识别技术的循环智能（Recurrent）却找到了一条与众不同的道路。
循环智能创始团队，从左到右：
COO揭发、CTO张宇韬、CEO陈麒聪以及AI和产品负责人杨植麟
01技术先行
清华同方科技广场向来被看作是创新与创业的摇篮，循环智能团队刚刚在这里租下了B座10层，隔间里坐满了干劲十足的年轻面庞。“今年以来，随着业务的增长，公司的团队也在不断扩大。”创业邦得知，这家成立于2016年5月的年轻公司已经凭借技术在国际上享有了知名度。核心技术包括自然语言理解、语音识别、语气识别、声纹识别和推荐系统。其中，自然语言理解来自公司的核心原创算法XLNet，这套算法刷新了18项NLP（自然语言处理）任务。
拥有全世界最领先的自然语言算法，却把落地点放在了销售沟通领域，是否有些“牛刀小试”？
对此，循环智能创始人兼CEO陈麒聪告诉创业邦，之所以选择这个赛道，是因为看到了行业痛点和市场趋势。
首先，在金融、教育等以销售为导向的行业中，其销售部门需要支出大量的成本，如系统成本、通话成本、座席成本等。其中，最大的成本是人，一方面销售流失率高，上岗之前需要重新培训讲话用语；另一方面，在规模扩大之后，还需要安排一定配比的管理人员……可见，对于这些行业，在人力资源方面通常会产生巨大的浪费和低效，痛点十分明显。
其次，销售流程的一切均可以数字化。无论是人力资源、运营、财务、技术管理、行政等工作，均会涉及数字。其实，销售运营部门的管理者首先要学的一门课程就是如何读懂数字背后的含义，在数字的基础上制订出对应的行动计划。在数字化的浪潮中，在获客成本越来越高的情况下，手动采集数据变得不现实，传统企业转型已经是必然趋势。
最后，分析非结构化的数据正是循环智能的擅长之处。
非结构化数据（Unstructured Data）是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。如果把结构化的数据比作菜单，那么非结构化的数据更像是杂货铺。目前，尽管存储数据的设备成本相对来说已微乎其微，数据的体量与多样性却会导致人力成本指数级上升。
当然，相对于传统的关系型数据库，使用非结构化的数据会需要更多数据工程师或高级分析师。对每个新的业务需求，分析师和业务、产品经理都需要花时间来理解所拥有的数据以及如何根据这些数据来作出他们的决断。但这也正是循环智能看到的留给初创公司的市场机会——大公司已经积累了十余年的静态数据，存在一定的先发优势，但是实时动态的数据每天都在更新，循环智能通过分析和沉淀这样的非结构化数据，只需几周的时间，就能够开垦出新的维度。
“前期我们需要人工来给数据打标签，垂直于场景发展，把流程变得更加抽象和高效，这确实比较‘重’。”循环智能联合创始人兼COO揭发告诉创业邦，“但是这件事做完以后，就能带来更大的增量，也可以为我们下一步采集数据做准备。”
陈麒聪表示，做产品与做技术有很大不同，技术上的突破是周期性的。“比如像我们XLNet这样的算法，不可能每个月都会有迭代。在等待技术不断成熟并实现突破的过程中，我们需要用产品验证技术，从而为技术的前进做积累。”
02场景铺路
哥伦比亚大学数据科学研究院（DSI）主任周以真教授认为，“AI投资热情减退，是因为很多人都想要马上得到回报”。确实，AI商业变现已成为AI创业公司们集体面临的严峻课题。8月29日世界人工智能大会(WAIC)上，科大讯飞董事长刘庆峰认为，只有“落地”和“应用”才能推动技术进一步的发展。
这需要满足三个标准：
首先，真实可见的实际应用案例；
其次，能规模化推广的对应产品；
最后，可用统计数据证明的应用成效。
确实，AI公司和互联网公司最大的不同是，前者存活的关键，并非靠一个神奇的算法，而是路径的设计。
循环智能找到的路径是交互场景。
循环智能联合创始人&CEO 陈麒聪介绍:“国内获客成本开始逐渐上升的趋势，提高销售转化率成为大多数企业的刚需，企业开始非常重视销售管理，采用了很多信息化的手段，包括录音系统，客服系统，甚至是采集微信沟通数据的系统，还有CRM以及CRM中的沟通记录。但也看到，企业在如何利用这些数据产生价值方面遇到了巨大的挑战，包括如何将高度非结构化客户交互数据进行结构化，以及如何分析与业务结果的关联。凭借我们对场景和AI技术的双重理解，以及对美国相关产品的参考，我们觉得迫切需要有一个AI销售中台被抽象出来，帮助企业解决这些问题，于是创立了循环智能。”
“目前我们主要服务存量客户交互渠道，包括电话，IM，微信。未来我们希望打通存量增量所有的客户交互渠道，融合线上与线下，最终在客户交互领域实现最好的人机结合，为企业客户提供最优质的服务。”陈麒聪描述了公司的未来目标。
举个例子。循环智能服务了一家教育客户X企业，其通过电话和IM沟通的数据记录很难被收录到CRM系统中，这样一来，企业也无法及时获知产品和服务是否能达到学员期望达到的学习目标。如今，X企业使用了循环智能的SaaS系统之后，可以用AI记录每一次与学员沟通的效果，而不是依靠客服人员进行人工记录。系统会自动生成用户画像，分析客户关注点，来预测高潜客户。在远远超过销售精力的客户线索池中，循环智能的系统能够筛选出头部线索，并监测销售的执行，使得这部分线索的成单率可以达到随机沟通的3倍。
和CRM、DMP、CDP等平台关注点的不同是让循环智能能够与大公司进行差异化竞争的主要原因。循环智能的技术不受沟通渠道限制，在比微信更难的电话场景已经达到很好的效果。
“通过语音识别模块争取到的新客户，会在进行试用之后逐渐认可循环智能的技术含量，并会进一步购买公司的其他模块。”揭发告诉创业邦，目前，循环智能采取按年收费的模式，客户主要是中大型企业，多为上市公司，up-sell（追加销售）率高达150%。
“随着市场的逐渐被教育，有这方面需求的公司会越来越多，也并不会仅局限在金融或教育等有存量非结构化客户交互数据的领域。”陈麒聪说，下一步公司会开发线下场景，比如通过监测线下销售人员的销售情况，深刻洞察线下用户的需求，实现场景跃迁。这是一个至少价值500亿元的市场。
这就像是养孩子的过程，不断把阶段性的成果商业化。这种模式，乍一看好像是公司在不断地换客户群，实际上是AI产品的成长必经之路。
03资本加持
2019年，循环智能获得了真格基金的数百万美元A轮投资，以及来自金沙江创投，靖亚资本的数百万美元Pre-A轮融资，目前流动资金近亿元。在资本寒冬中，循环智能为何还能获得资本青睐？
陈麒聪认为，一方面，是投资人看好团队的技术水平。行业中存在对分析非结构化客户交互数据的强烈需求，只有循环智能给出了成熟的解决方案。
另一方面，市场潜力巨大。用SAS全球市场营销高级副总裁Adele的话来说，“如果你不用数据分析，那么面临的已经不是赚钱问题，而是生与死的问题。”
而未来绝大部分数据都将是非结构化数据。据统计，当前非结构化数据的内容占据了数据海洋的80%，并将在2020年之前以44倍的速度迅猛增长。每一个数据元素都有它的意义，对海量数据进行整合并挖掘数据背后的价值将成为指导企业决策的重要依据。
未来公司的技术发展也需要资本的支持。比如，在硬件设备层面，需要对交互成本进行采集，这是一笔很大的投入；再比如，如何解决“鸡尾酒会问题（cocktail party problem）”也是公司当下面临的一个挑战。
“每一次的科技革命都很坎坷。” 陈麒聪说，“但我们不是用AI替代人，而是用AI更好地帮助人。”上帝造万物时，就给予各种生物沟通的能力，好让我们彼此理解；人类也如此，从造出AI之际，就希望AI不仅能“听见”，更能“听懂”。
这也正是循环智能的使命所在：让每一次沟通有更好的结果。
本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。
