近日,竹間智能宣布完成D1輪近億元人民幣融資,由金庫資本、江蘇文投、雋賜資本聯(lián)合投資,融資資金將用于SaaS標(biāo)準(zhǔn)化產(chǎn)品的推廣,繼續(xù)鞏固技術(shù)壁壘和產(chǎn)品優(yōu)勢,幫助更多頭部及腰部客戶實(shí)現(xiàn)企業(yè)智能化轉(zhuǎn)型。
此前,竹間智能曾分別于2021年、2020年、2019年完成C+輪、C輪、B輪等多輪次融資,持續(xù)獲得頭部股東機(jī)構(gòu)認(rèn)可。在疫情常態(tài)化陰霾籠罩下,竹間智能仍憑借過硬的技術(shù)和工程壁壘完成D1輪融資,也進(jìn)一步表明了竹間智能的產(chǎn)業(yè)價值和競爭優(yōu)勢已形成資本市場共識。
作為國內(nèi)專注NLP賽道的頭部玩家,竹間智能創(chuàng)始人兼CEO簡仁賢表示:“我們一直相信,以知識資產(chǎn)為核心的管理將成為企業(yè)新一代的操作系統(tǒng),也希望每個客戶都能擁有自己的數(shù)字員工和AI助理,而NLP技術(shù)將是實(shí)現(xiàn)上述愿景的強(qiáng)力支撐。在數(shù)字員工持續(xù)迭代的路徑下,只要有源源不斷的知識資產(chǎn)輸入,機(jī)器人就可以學(xué)無止境,只要需求梳理清晰明確,任何行業(yè)中任何與語言相關(guān)的場景都可以擁有屬于自己的‘竹間數(shù)字員工';而通過與生態(tài)伙伴合作,用NLP賦能RPA、OCR、CRM等其他技術(shù)及各領(lǐng)域垂直應(yīng)用,則更將創(chuàng)造出數(shù)以萬計的場景。未來竹間將持續(xù)推動與戰(zhàn)略投資方及其他生態(tài)伙伴的各項深入合作,不斷拓寬產(chǎn)品應(yīng)用邊界。”
竹間智能由前微軟(亞洲)互聯(lián)網(wǎng)工程院副院長簡仁賢于2015年創(chuàng)辦,深耕自然語言理解多年,以知識、交互、情感和機(jī)器學(xué)習(xí)為核心,從剛需更迫切的B端切入,依照真人員工培養(yǎng)路徑,通過“通用技術(shù)底層→行業(yè)術(shù)語和場景know-how→無代碼自主運(yùn)維”系統(tǒng)化培養(yǎng)更聰明的數(shù)字員工。在目前普遍著眼于替代低端勞動力的市場上,竹間智能更進(jìn)一步,致力于為高端白領(lǐng)提供輔助智能,并通過多場景多模塊數(shù)字員工的共用大腦,幫助企業(yè)整合和盤活知識資產(chǎn),實(shí)現(xiàn)全場景智能化轉(zhuǎn)型。
·技術(shù)壁壘高,7年深耕NLP,搭建完整技術(shù)棧
竹間智能自研以長短文本打通的NLP技術(shù),結(jié)合深度學(xué)習(xí)技術(shù),以基于邏輯的符號AI和基于數(shù)據(jù)的神經(jīng)AI構(gòu)建復(fù)合式AI通用技術(shù)底層,構(gòu)筑起強(qiáng)大的技術(shù)壁壘。
NLP是使AI具備認(rèn)知智能的核心技術(shù),而NLP技術(shù)的通用性程度則決定了數(shù)字員工可以被規(guī)模化生產(chǎn)的程度。從語言學(xué)角度,語言分為長文本和短文本,分屬文本書面語言和對話口頭語言兩種語言體系,其對應(yīng)的主要商業(yè)應(yīng)用場景則分別為知識和交互。好的NLP技術(shù)應(yīng)該可以同時處理長文本和短文本,但目前市面上玩家卻普遍只專注長短文本中的其一領(lǐng)域,主要還是因為其自然語言理解效果的達(dá)成所依賴的技術(shù)還比較傳統(tǒng)。短文本交互廠商通常運(yùn)用開源算法、正則、關(guān)鍵詞、標(biāo)準(zhǔn)問答等方式,依賴固定場景下相對有限的語料標(biāo)注來達(dá)到勉強(qiáng)替代人工的效果,但無法實(shí)現(xiàn)多輪問答、意圖識別等更智能的對話效果;而長文本由于文檔篇幅較長且知識量級較大,用純機(jī)器學(xué)習(xí)做商業(yè)化并不現(xiàn)實(shí),相應(yīng)的應(yīng)用廠商其技術(shù)深度通常只能處理特定業(yè)務(wù)場景下制式和語料相對統(tǒng)一的文檔,無法解析復(fù)雜句或進(jìn)行自動標(biāo)注,對存在倒裝、省略、多輪等標(biāo)準(zhǔn)化程度較低的口語交互場景則更加無能為力。
技術(shù)深度不夠決定了其產(chǎn)品通用性程度不高,行業(yè)和場景的切換將依賴定制化,在產(chǎn)品化、工程化與規(guī)?;膶?shí)現(xiàn)上容易暴露出后勁不足的問題。竹間深刻地意識到這一點(diǎn),迎難而上選擇了不同于單純側(cè)重長文本應(yīng)用開發(fā)或短文本智能交互廠商的技術(shù)路線,用通用且復(fù)合式的NLP技術(shù)打通知識和交互,搭建完整的技術(shù)棧。一方面,在技術(shù)開發(fā)之初就聘請專業(yè)語言學(xué)家進(jìn)行語料標(biāo)注,自研多種技術(shù)應(yīng)對復(fù)雜、非標(biāo)難句,包括人稱識別、指代消解、歧義理解、實(shí)體鏈接和識別、語義角色分析、依存句法分析、句向量上下文指代分析、容錯識別等,目前已積累超過30種NLP能力模型,超過500萬條語言學(xué)家標(biāo)注數(shù)據(jù);另一方面,結(jié)合深度學(xué)習(xí)技術(shù),以基于邏輯的符號AI和基于數(shù)據(jù)的神經(jīng)AI構(gòu)建復(fù)合式AI,融合語言學(xué)與神經(jīng)網(wǎng)絡(luò)繪制知識圖譜,打開AI思考黑匣子的同時也為相同準(zhǔn)確率下的模型壓縮和輕標(biāo)注量提供技術(shù)支持。
通過100%自研,竹間智能用自然語言處理、知識工程、多模態(tài)情感計算、深度學(xué)習(xí)、智能語音技術(shù)和文本數(shù)據(jù)中臺等搭建了堅實(shí)的技術(shù)底座,使數(shù)字員工具備知識儲備、溝通交流、人際交往和持續(xù)學(xué)習(xí)等能力。
·產(chǎn)品力極強(qiáng),平臺化戰(zhàn)略&系統(tǒng)化培養(yǎng),打造高度認(rèn)知智能的數(shù)字員工
竹間智能以三大拳頭產(chǎn)品——交互AI平臺中的Emoti X、Emoti V,以及認(rèn)知知識平臺Gemini為核心,構(gòu)建了完整的核心產(chǎn)品矩陣。
竹間智能一直堅持平臺化和產(chǎn)品化的戰(zhàn)略,從統(tǒng)一的底層技術(shù)底座平臺開始搭建的整體架構(gòu),使得過往所有項目經(jīng)驗都可以沉淀反哺到技術(shù)底座,形成“由項目發(fā)現(xiàn)場景,從場景提煉標(biāo)準(zhǔn)化產(chǎn)品模塊,產(chǎn)品模塊沉淀回平臺,平臺通過新場景開發(fā)和舊場景升級持續(xù)支持新項目落地”的完整迭代閉環(huán),助力數(shù)字員工邁向卓越和全能。目前,平臺已沉淀豐富多樣的訓(xùn)練引擎和預(yù)置模型,包括超過3000種的開盒即用意圖模型,超過千萬實(shí)體規(guī)模、跨50多大類的知識圖譜,及超過200個不同行業(yè)和場景的預(yù)訓(xùn)練模型。
竹間智能依照真人員工遵循的“大學(xué)前基礎(chǔ)通識教育→大學(xué)期大類專業(yè)知識教育→入職后職場前輩帶教”的完整培養(yǎng)過程,通過“通用技術(shù)底層→行業(yè)術(shù)語和場景knowhow→無代碼自主運(yùn)維”系統(tǒng)化培養(yǎng),幫助數(shù)字員工得以應(yīng)對各種復(fù)雜場景,從而具備高端白領(lǐng)應(yīng)有的職業(yè)素養(yǎng)與技能。
考慮到模型的效率和準(zhǔn)確率,竹間在強(qiáng)大的通用技術(shù)底層基礎(chǔ)上,對數(shù)字員工進(jìn)行進(jìn)一步的分模塊專業(yè)性重點(diǎn)培養(yǎng)。通過商務(wù)實(shí)踐中與各行業(yè)大客戶及各業(yè)務(wù)部門的溝通調(diào)研和需求挖掘,不斷開發(fā)和沉淀行業(yè)術(shù)語和場景know-how,精準(zhǔn)提煉行業(yè)共性SOP(Standard Operation Procedure)。目前已沉淀多種端到端解決方案,模塊功能涵蓋助手輔助、陪練培訓(xùn)、語音交互、文字交互、知識挖掘、知識圖譜、合規(guī)審核、智能搜索和洞察分析等。
為方便企業(yè)個性化地培訓(xùn)專屬于自己的數(shù)字員工,完成職場前輩帶教環(huán)節(jié),不同于讓算法工程師給每個客戶單獨(dú)定制機(jī)器人,做算法封裝、調(diào)優(yōu)、現(xiàn)場參數(shù)調(diào)節(jié)等的傳統(tǒng)通行做法,竹間開發(fā)了簡單易用的統(tǒng)一交付平臺和統(tǒng)一算法平臺,真正實(shí)現(xiàn)了無代碼運(yùn)維和機(jī)器人開箱即用。得益于其數(shù)字員工出廠前扎實(shí)的知識儲備、良好的交互體驗和強(qiáng)大的學(xué)習(xí)能力,客戶無需具備AI專業(yè)知識也可自主進(jìn)行機(jī)器人的模型訓(xùn)練,后續(xù)配置只需簡單的拖拉拽即可完成,不僅給客戶更多自由定制空間,也降低了公司產(chǎn)品的交付周期與運(yùn)營成本。
·商業(yè)化進(jìn)展迅速,已實(shí)現(xiàn)跨行業(yè)多場景規(guī)?;涞?/strong>
竹間通過豐富多樣的解決方案在各個場景輸出接近真人、方便對接企業(yè)原有系統(tǒng)的AI數(shù)字員工產(chǎn)品,不斷刺激客戶多種復(fù)購行為。通過正向飛輪效應(yīng)的驅(qū)動,迭代效率和收益都將成倍提升,隨著已有產(chǎn)品模塊的標(biāo)準(zhǔn)化程度不斷提升,規(guī)模效應(yīng)不斷顯現(xiàn),毛利率不斷攀升,同時新產(chǎn)品的開發(fā)效率也會不斷提高,隨著新行業(yè)和場景的切入,新的增長曲線也正在涌現(xiàn)。
竹間智能的產(chǎn)品和服務(wù)已在金融、政企、制造、零售和醫(yī)藥等多個領(lǐng)域落地,賦能企業(yè)銷售、客戶服務(wù)、運(yùn)營,以及企業(yè)IT、人事、財務(wù)、法務(wù)等業(yè)務(wù)前-中-后臺全場景,高效滿足客戶需求并靈活延展到各部門。多場景的應(yīng)用可以讓企業(yè)在不打斷原有業(yè)務(wù)流程的基礎(chǔ)上,通過產(chǎn)品的驅(qū)動,自然運(yùn)用起數(shù)字員工共享的知識基底,打通企業(yè)信息流、完成知識統(tǒng)管,從而盡可能無痛、平滑地幫助企業(yè)構(gòu)建貫穿前-中-后臺的一站式智能化服務(wù)平臺,真正實(shí)現(xiàn)全媒體全渠道的信息接入、全流程的智能服務(wù)、全業(yè)務(wù)的智能洞察和全體系的知識統(tǒng)管,完成企業(yè)全場景智能化轉(zhuǎn)型。
截至目前,竹間智能已服務(wù)了包括華為、民生銀行、廣汽集團(tuán)、中國銀聯(lián)等在內(nèi)的300多家大型企業(yè)客戶,生態(tài)伙伴數(shù)量超過50家,累計觸達(dá)數(shù)億終端用戶。
·機(jī)構(gòu)評價
金庫資本創(chuàng)始合伙人丁學(xué)文先生表示:“竹間智能自主研發(fā)底層NLP技術(shù)與金庫資本出行領(lǐng)域國內(nèi)外的生態(tài)布局結(jié)合,對于疫情后時代提升服務(wù)效率一定會有很好的效用。竹間智能的語義技術(shù)NLP產(chǎn)品是同類AI企業(yè)里的佼佼者,金庫資本作為產(chǎn)業(yè)資本,在本輪投資后也會與竹間深度攜手,助力竹間快速拓展出行服務(wù)領(lǐng)域。”
江蘇文投資本副總經(jīng)理王旭原先生表示:“自然語言處理作為被譽(yù)為‘人工智能皇冠上的明珠’的底層技術(shù),在文旅產(chǎn)業(yè)中可以對所有客端及數(shù)據(jù)分析端數(shù)據(jù)進(jìn)行個性化處理和反饋,在整個智慧文旅產(chǎn)業(yè)中將扮演‘大腦’的核心角色,不僅可以大大提升服務(wù)人效及內(nèi)容質(zhì)量,更重要的是可以通過對客戶數(shù)據(jù)的識別與分析,為定制化旅游和沉浸式旅游提供技術(shù)保障,是實(shí)現(xiàn)旅游‘千人千面’的必備一環(huán)。竹間智能是國內(nèi)NLP細(xì)分賽道同時具備技術(shù)與商業(yè)化‘雙領(lǐng)先’的頭部企業(yè)之一,已在多個行業(yè)內(nèi)得到客戶的廣泛驗證與認(rèn)可。作為一家兼具市場化投資職能與文化旅游產(chǎn)業(yè)背景的股權(quán)投資基金,文投資本堅定看好竹間智能在文旅產(chǎn)業(yè)智慧化升級中將發(fā)揮的重要作用,并將從投資、業(yè)務(wù)等多個維度與公司保持長期緊密的合作關(guān)系。”
上海雋賜投資合伙人姜冰表示:“在第四次工業(yè)革命中加快腳步,用大數(shù)據(jù)、人工智能(AI)、云計算等創(chuàng)新技術(shù)提升企業(yè)生產(chǎn)效率、推動產(chǎn)業(yè)變革是中國企業(yè)下一階段的必修課。在NLP賽道,我們接觸到了竹間,我們非常認(rèn)同竹間簡先生的理念,也非常看重竹間作為一家擁有底層AI技術(shù)的平臺型企業(yè)所蘊(yùn)含的潛力,既能快速、低成本為企業(yè)客戶部署AI解決方案,又能與企業(yè)客戶共同創(chuàng)新、加速企業(yè)業(yè)務(wù)變革,同時還能穿越行業(yè)壁壘、服務(wù)多個領(lǐng)域。未來雋賜投資將與竹間一起,共同為中國企業(yè)從卓越走向世界一流貢獻(xiàn)力量。
(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實(shí),并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )