隨著技術日漸成熟，人們的生活方式也在逐步智能化。根據Research and Markets公司研究，預計在2020年人工智能全球市場規模將逐漸超過5000億美元。但當前的AI以及Robot卻普遍存在兩個問題，其一是本地終端無“人工智能大腦”，依賴雲服務端運算 ；其二是基於深度學習的算法模型在終端運算性能不高，嚴重依賴在線服務端運算性能，實時性差。為此，深思考人工智也給出了自己的解決方案。
深思考人工智能，成立於2015年8月，是一家專注於人工智能核心算法及專用芯片的科技公司。目前主要產品為ideepwise AI Robot Service底層服務系統、基於該底層服務系統的IDeepwise人工智能“醫療大腦”和二代人工智能機器人系統及FPGA AI加速芯片。2015年11月，深思考曾獲昕樸投資160萬天使投資，繼而今年2月份獲九陽股份1000萬的Pre-A投資。
FPGA AI深度學習加速芯片
提及AI領域的創業，最重要的是在於如何解決從技術到產品的商業化落地問題，深思考也不例外。創始人楊志明表示，跟很多AI創業公司一樣，深思考在過去這段時間裡也做了很多方面的探索，商業模式也從原有的2C模式轉向2B方向，從起初的多場景覆蓋到聚焦於特定垂直領域。在這過程中，深思考也逐漸找到一條自己最擅長以及最適合落地場景的市場道路。目前，公司主要面向醫療、汽車及智能家居三大領域提供人工智能產品及服務解決方案。
產品層面，深思考人工智能的核心技術主要體現在三方面，即基於深度學習的中文自然語言處理/語義識別(NLP/NLU)實現垂直領域的多輪多任務語義交互與中文校對、基於機器視覺與文本語義的多模態情感計算以及基於FPGA的深度學習性能優化與加速。
目前，在醫療領域，深思考基於提供了基於IDeepwise人工智能“醫療大腦”的兩款產品，其一是Ideepwise人工智能輔助問診系統，即利用人工智能來實現患者診前的多輪諮詢問診，並根據患者問題自動給出回覆內容及建議，醫生確認人工智能給出的回覆內容及建議後回覆患者，大大提高了醫院及醫生問診的工作效率；其二是TCT宮頸癌人工智能輔助閱片系統，幫助閱片醫生實現了TCT宮頸癌篩查的閱片，目前敏感性和特異性已經無限接近95%，超過人類閱片的65%敏感性和92%的特異性。相比新柏氏的閱片系統只給出22個視野區域，深思考的閱片系統則可以直接給出TBS最終分級報告，更加減輕閱片醫生的工作量及閱片效率。在汽車領域，則通過與OEM廠商合作將產品與車內中控實現結合，提供二代人工智能機器人系統，該系統能實現駕駛場景下自然語言人機交互、路況提醒、車況及故障提醒與問診、根據駕駛員習慣的個性化推薦服務。在智能家居領域，則通過跟智能家居廠商合作，提供基於ideepwise二代人工智能機器人的“深思慧眼”Service產品，並以Service授權方式與智能家居產品結合，通過使用人工智能代替說明書、故障問診、自然語言控制等功能，以簡化家居設備操作。
汽車、醫療、智能家居領域應用場景
而之所以能夠做到這些，楊志明也告訴36氪，深思考不僅在關鍵技術上做了深入研發，在數據積累方面也做了深度的積累。領域的本體知識庫容量現已包含了音樂、醫療、汽車、智能家居及養生食譜在內近億條本體知識，中文校對、語義識別方面也已積累了5百萬的用戶。
在市場推廣上，深思考現階段在汽車、智能家居、醫療領域的產品與服務採用由深思考營銷商務團隊自行開拓與代理商合作相結合的方式來推廣。從盈利模式來看，目前主要提供機器人大腦人工智能軟件saas服務及軟件及AI加速芯片all in one一體化的解決方案服務。據悉，公司已實現接近千萬級的營收。
談及市場，目前基於語音語義提供相關產品服務的公司並不在少數，典型的如亞馬遜的Echo、微軟小冰、出門問問等。相比之下，楊志明表示，深思考在定位上有一定的區別，且公司的核心優勢在於Ideepwise人工智能系統聚焦於醫療垂直場景下實現多輪多任務語義交互，可以實現以完成任務目標為驅動的深層多輪自然語言人機交互和深度語義理解與識別，實現了上下文場景識別、意圖識別、語義補全、語義糾錯、語義容錯，支持平均8輪連續人機對話和6種複雜場景任務，並且多輪交互中加入了情感計算，情感計算方面則涵蓋了7種視覺表情分類和25種文本情緒傾向；此外，基於FPGA的AI加速芯片，具備終端的人工智能運算能力。
團隊方面，公司整體規模近40人，核心成員均來自於中科院自動化所、軟件所、計算所、半導體所等中科院院所人工智能、機器學習方向的資深科學家。創始人楊志明，是中科院軟件所機器學習、NLP、DL人工智能方向博士、中科院大學管理學院MBA，作為連續成功創業者，具有16年的一線研發及運營經驗。
目前，深思考正處於A輪融資階段，將主要用於產品研發及市場推廣方面，預計今年實現3000到5000萬的營收目標。
相關推薦
