進入 2019 年，人工智能的火熱，已經不再侷限在增加論文數量與提升算法，更多的企業，則是在探索將人工智能的各項技術應用到各行各業，幫助這些企業實現產品升級與行業轉型。

比如計算機視覺的飛速發展，不僅讓互聯網用戶的圖片搜索體驗大大提升，還在安防、物流、生產車間發揮著重要作用。而基於語音交互的對話技術，一方面改變了過往智能手機的交互方式，推動了智能音箱等全新語音交互設備的出現。另一方面，對話技術的核心，包括自然語言處理、知識圖譜、語音技術三大領域，其技術之複雜、應用之廣泛、產業規模之大，使得對話技術成為當下AI 領域最蓬勃發展的市場之一。

本週，百度大腦也舉辦了一場主題為「與未來對話」的發佈會，不僅首次曝光了百度大腦智能對話生態，還推出全新的智能對話引擎。。

縱觀此次會議的一系列發佈，產品上有全新升級的 UNIT3.0、語音技術平臺；垂直領域則提供了客服、消費電子與出行三大場景的解決方案，同時也在生態和服務上整合百度現有產品與生態夥伴，提供基於對話技術的市場服務與人員培訓。

這也意味著，百度打通了智能對話領域技術、產品與生態服務的「任督二脈」。

如果從行業發展的視角來看，智能對話驅動著不同行業的用戶交互變革，技術層面也已經具備落地行業的能力，如何將不同行業的現實需求與當下火熱的對話技術相結合，從而實現 AI 賦能產業變革的壯舉，成為貫穿此次百度智能對話引擎發佈的主題。

那麼，當企業開始擁抱智能對話技術時，又面臨哪些機遇和挑戰呢？

1. 智能對話的機遇與挑戰

本質上說，任何企業的產品，都是與用戶交互的過程。過往的交互方式更多是機械式的，比如汽車的中控臺或者音箱，用戶需要手指按壓實體按鈕才能完成交互。

隨著語音識別、自然語言處理技術的成熟，基於人機對話的交互開始展現出其威力，這在移動互聯網領域尤為明顯。以出行為例，語音叫車遠比雙手輸入地址更為方便，更進一步，駕駛過程裡的語音與對話，對於駕駛安全有重要意義。

技術所預設的場景是美好的，可對企業而言，現實也頗為殘酷。

首先，部署智能對話系統的首要條件是一定數量的語料庫或知識庫，以此作為訓練系統的樣本。

僅這一點就難倒了眾多企業。一方面很多中小企業沒有足夠能力去收集、構建語料庫。另一方面，即便是規模稍大的企業，也面臨缺乏有效標註數據的困境，考慮到當下標註數據是一件費時又費錢的事情，這也大大限制了企業推進對話系統的積極性。

其次，人才與配套服務的缺失。過去幾年 AI 領域的火熱，造成了 AI 人才稀缺的行業現實。企業即便是高價採購了一套對話傳統，由於沒有專業人才的執行和監管，也無法發揮系統帶來的優勢，反而成了企業的採購成本。

更重要的一點，在 AI 技術日新月異的今天，其面向產業的服務、生態遠遠趕不上，這也意味著，企業在一些炫酷的 AI 技術面前，既沒有人才執行、也沒有上下游合作伙伴的響應和支持，只能望「AI」興嘆。

上述幾個方面，簡單勾勒出了企業部署對話系統中的主要障礙，而從另一角度去看，這些挑戰也醞釀著新的機會。

2. UNIT 3.0：降低企業部署對話系統的技術難度

正如上文所言，百度此次的發佈，涵蓋了智能對話技術落地的方方面面。首先則是技術層面的升級，UNIT 3.0 帶來的一系列新變化，它直接解決了企業在數據標註、知識整理、系統集成的技術難題。

如上圖所示，UNIT 3.0 的「預置技能」適用於一般性的對話需求，這些脫胎於百度自身業務或內部流程的技能可以讓企業「開箱即用」。

對於有特殊技能需求的企業，UNIT 3.0 「自定義技能」可以幫助企業結合實際業務搭建對話技能。值得一提的是，UNIT 3.0 新增加的數據生產與標註輔助工具DataKit，能夠自動收集、篩選、預處理樣本，大幅提升樣本生產和標註效率，結合升級後在深度訓練模型，可以進一步降低數據量需求，百度給出的數字顯示，基於上述技術，對話技能的綜合研發成本將節省 60%。

與此同時，針對企業缺乏有效行業知識的痛點，UNIT3.0 新增了問答知識庫構建工具和圖譜知識庫構建工具，這兩個工具大大簡化了行業知識生成流程，只需將企業文檔上傳，就可以自動生成適用於對話的問題知識庫，同時輔助企業梳理和推理複雜的知識體系，節約了企業準備知識的成本。

在智能對話裡，語音技術也至關重要。此次百度推出了呼叫中心語音解決方案及語音自訓練平臺，進一步完善智能對話的技術鏈條。其中，語音自訓練平臺可以將企業業務場景裡的文本，自助訓練為語音模型，可以實現特定業務場景下業務用語的準確識別，大幅提升了不同業務場景裡的語音交互體驗。

3.場景與生態：打造對話系統的閉環

如果說 UNIT 3.0 展現了技術的可能性，那麼場景和生態的佈局，則為對話技術落地做了最好的註解。

細心去看此次百度發佈的三大對話場景解決方案，既有傳統行業裡的改造升級，也有基於全新行業/產品的創新，這不僅需要來自 UNIT 的技術能力，還需要結合行業實際，提供專屬於這個行業的特殊技能。

比如客服場景，智能對話要解決的是人力成本高、服務效率低下的難題，而透過在中國聯通客服中心的落地實踐，我們也看到了這套系統在預置對話裡的新能力，像打斷、沉默、語義去噪等能力，可以大幅降低通話中的異常處理成本。

再比如消費電子領域，不同產品面向不同的用戶群和場景，同時還需要與移動應用、智能音箱以及小程序之間形成互動。為此，百度的將對話管理模塊DMKit、對話中控模塊USKit 納入方案裡，這兩個模塊可以與雲端理解能力無縫對接，幫助企業和開發者深度定製對話技能，還提供完善的Android、iOS SDK接入方式，還可一鍵接入DuerOS和小程序等。

更進一步，百度此次不僅將對話技術與場景的結合，還提出了完善的生態和服務計劃：從推出智能對話人才深度訓練營、智能對話服務能力認證再到發佈智能對話引擎白皮書，並且還提供了百度大腦生態夥伴體系的成長計劃。

這一系列舉措，瞄準了企業部署智能對話過程裡的技術難題、人才困境和生態服務稀缺，在對話技術進入工業級落地各項基礎條件已具備的現實語境下，加快各行各業走向智能對話的新時代。

4. 寫在最後：AI 賦能的一個樣本

正如本文開篇所言，2019 年 AI 領域的重頭戲已經是如何將 AI 技術轉變為企業轉型、產業升級的驅動力，我們也越來越多地看到過去幾年火熱的圖像、語音技術落地到各個行業的消息。

但不可忽略的一點則是，技術許諾的美好未來與現實場景之間的巨大落差，構成了 AI 賦能產業的另一面，智能對話也不例外。

而百度此次發佈的智能對話產品，某種意義上構成了 AI 賦能的一個樣本。在百度的這個樣本里，新技術當然必不可少，但基於產業特點的專屬技術（技能）以及圍繞上下游的生態及服務，形成了一個智能對話的閉環，從這個角度去看，所謂「與未來對話」，也才剛剛開始。