本报记者 孙斌 北京报道
从中央到地方，发展新能源汽车的网联化，智能化已成为上下的共识。
当下，在新能源汽车内部，一部能从事简单人机对话的智能机器人已成为多数车企的标配，但在无数个场景运用中，机器人对于人类语言的理解如何从千人一面发展到千人千面，将决定未来汽车的标签属性，这究竟是一台宝马还是奔驰，内燃机时代看功耗，电动机时代看物联网整合。
一句“我知道了”，在人类语言的演进中，可能释放出多种语义，而由此演进的人车交互，汽车金融，以及周边衍生态市场的挖掘，才是真正被投资圈看好的行业真相，11月6日，主打自然语言理解（NLP/NLU）落地方案的竹间智能科技（上海）有限公司宣布完成2亿元人民币C轮融资。本轮由中银国际领投，交银国际跟投、领沨资本再次追投。
资本追投自然语言处理成因
作为站在无数新能源汽车对话机器人背后的教父，前微软（亚洲）互联网工程院副院长，竹间智能CEO&创始人简仁贤在自然语义理解方案上拥有足够的发言权，听这位微软小冰，小娜之父谈对人类自然语义的识别，会突然让人对日常的对话产生全新的认知。
简仁贤举例：上海话中“我不要太喜欢你这双鞋子”一般的分词或者是翻译器都会翻译成I don't like this shoe too much。但这句话的正确含义其实是：我太喜欢这双鞋子了，这就是为什么机器无法理解语言的真正含义进行翻译，这样的语料没有办法产生一个非常精确的可解释的路径。
而类似这条最简单的人类自然语义理解，竹间智能内部的工程师可以依据人的语气回复，现场语境得出更精准的结论，而客户所面对的人机对话系统因此也变得更像一个人。
“交互不仅是触屏这么简单，语音的交互只是一个感官的交互，眼睛看到图像也是感官的交互，图片并不会跟你对话。真正的交互应该是相互的过程，是动态的。人类的大脑里面在想的，当他讲一句话的时候，他的context是什么？他的情绪是什么？这是非常重要的，所以需要把计算机语言、自然语言处理跟心理学融合在一起，才有办法达到真正的交互。”简仁贤称。
如果小看了语言，当下的智能汽车就更像聋子，瞎子，它对车主的回复更像是一幅幅冷冰冰的机器，而缺少温度。据简仁贤透露，竹间智能目前已参与到宝马，华为等车企或产业链企业的下一阶段人机研发中，而相关企业为什么要与竹间智能合作，最重要的原因还是在于面对人工智能三大技术领域：语音识别，图像识别、自然语言处理，竹间智能给出了足够多和好的场景化协同解决方案。
“宝马为什么要选择下一代车型与我们合作，重要的原因就在于未来的车型属性同样需要AI标签的贴合，而无论是豪华车企，或是正在成长的造车新势力，都已经越来越关注到数字化进程中首先要确立的人工智能技术标签底层优势。”简仁贤说。
对此，作为B+轮的领投方、本轮跟投方，领沨资本合伙人舒明博认为，自然语言已成为物联网时代日益重要的流量入口，其影响力会是跨行业、综合、且持续的。
竹间在语义理解领域确立的优势，不仅是在车企合作间，同时覆盖了金融，房地产，医疗，保险等更广阔的空间。参与竹间本轮领投方的中银国际直接投资部董事总经理王立新表示：“语义理解是人工智能领域一条比较难的赛道，应用非常广泛，竹间智能专注于以中文为主线的语义理解板块，创始人团队在该行业持续耕耘多年，掌握及不间断研发开拓底层技术和应用，走出了独特的模式。”
从客户投射到客户的价值
简仁贤透露，5年来竹间做了300多个核心标杆客户，其中不乏恒大，华为，京东，万达这样的大型客户，在For B的服务中，“别人对你的咨询，恰恰很重要。”他认为，帮助客户发展自己的客户，让客户的用户更贴近他们，这是竹间的行业增长之道。
据竹间智能首席运营官孙彬介绍，经过了2年半的市场打磨和验证，竹间至今已形成四大标准化平台——全栈式的机器人应用开放平台，全业务场景打通的客户服务中心智能系统，知识工程平台 Knowledge Engineering，可跨行业赋能于合作伙伴做二次开发的NLPaaS（NLP-As-A-Service)平台，并通过四大平台形成了独特的协同优势。
在为某物流巨头提供（AICC+）智能客服的平台以及解决方案中，竹间的业务覆盖了其售前售中售后全链路多场景，智能服务机器人累计承担多个“中秋”“双十一”高峰，日会话量60万+，高峰QPS（每秒查询次数）达300+，综合拦截率达到了87.6%。
而竹间在为某全国著名电商巨头提供近三年的定制化开发服务中，已承接其100%客服流量；真实业务请求拦截率，售前场景可达87%，售后达73%，为该企业节省巨大客服人工成本。
本轮跟投方交银国际副首席执行官席绚桦表示：“人工智能产业在新基建带动下增长非常迅速，竹间智能坚持以NLP技术为核心，情感计算为特色，自主研发底层技术并推出多款平台型产品，已在多个行业场景落地并积累了丰富的经验。交银国际会持续关注AI产业内的投资机会，并期待竹间智能在新一轮融资助力下，未来可以有更大的突破。”
编辑：于建平 主编：赵云
