【業界】在 NLP 領域創業，真的很難

• 2020 年 2 月 21 日
• 筆記

來源公眾號：公子龍

2015 年開始，在 AI 領域創業的公司如雨後春筍一般林立而起。如果細分的話，可以分為機器學習ML，影像視覺CV，和自然語言處理NLP。當然，理論上來說，CV 和 NLP 也是屬於 ML 範圍的。

市面上，這幾個領域的創業公司都有不少，相對而言，CV 領域的公司數目和規模是較大的。我從事 NLP 行業，在相關的創業公司待過一段時間，所以對該領域的公司較為關注。今天，可以來簡單聊聊 CV 和 NLP 領域創業公司的情況，重點是要回答一個問題：同樣是 AI 創業，為什麼 NLP 領域明顯弱於 CV 領域。

我們先來看看 CV 領域的創業公司們。在該領域，頭部的創業公司有個響亮的名號，叫做 CV 四小龍，分別為：商湯、曠視、依圖、雲從，他們的融資金額都非常高。以商湯為例，成立了近六年，融資總額達到 30 億美元，它的估值超過了 75 億美元。

這幾家公司的特點是，在後面幾輪融資，動輒數億甚至十億美元的巨額融資，在資金逐漸緊縮的投資市場，的確讓很多創業公司眼紅。

相比之下，NLP 領域的創業公司的發展速度和融資規模，略顯遜色。目前，與 NLP 有關的創業公司，發展勢頭不錯的有：出門問問，追一科技，竹間智慧等。列出這些公司的名字，很多讀者可能感覺較為生疏，沒有聽過或者不怎麼了解。的確，就名氣上而言，也比 CV 四小龍弱了不少。其中，出門問問在2017 年的 D 輪融資中表現優異，獲得了 1.8 億美元融資，但之後再也沒有新的融資消息傳出。其他的公司數千萬美元融資的情況較多，從融資規模上來看，和 CV 界相差甚多。

對了，這裡多說一句，科大訊飛是一家很成熟的 NLP 公司，已經不算這幾年新興的 AI 創業公司了。

透過現象看本質，同樣是機器學習領域，同樣是頂著人工智慧的創業光環，為什麼現狀差了這麼多，難道是優秀人才都跑到 CV 領域去了嗎？當然不是，接下來，我想從技術方面和市場方面，來分析一下背後的原因。

首先，從技術角度出發，自然語言處理的技術難度很大，儘管應用場景很多，但做好任何一項都不容易。自然語言處理的任務，基本都離開不了語義理解，任何事情，涉及到「理解」二字，就變得艱難很多。

影像處理的任務通常屬於感知智慧，所看即所得。例如識別出物體是一隻貓，還是一輛車。但對語言來說，大部分問題是認知智慧，需要考慮更多理解認知的因素。

因為視覺是人一出生就能夠獲取的，但語言是需要通過不斷學習才能得到的，它是成千上萬年以來，經過不斷總結提煉後的高度抽象化的符號集合，組合起來可以千變萬化。一段簡單的文字，其含義很容易能超過數張圖片所能承載的資訊。舉些簡單的例子，我們現在還很難通過影片展示出《三體》中宏大的宇宙場景；寥寥幾句唐詩，所涵蓋的意境，可以宏偉至極。

現在很多論文中的研究成果，從實驗室走向實際應用，最大的阻礙是魯棒性。在寬鬆的實驗條件下，得到的亮眼分數，往往在實際應用場景中一觸即潰。其中，目前較為成熟的是文本翻譯，但想必我們還不敢信任模型直接翻譯的結果。

分析完了技術角度，既然是創業，我們再來看看商業中最終要的市場因素，在日常生活中，CV 最直接的應用是人臉識別，它已經融入了很多場景，小到手機的刷臉解鎖，大到火車站的影片監控，罪犯查找。這裡面是有著很多較為成熟的商機的。CV 四小龍就和很多手機廠商合作，讓刷臉解鎖、支付更為便捷，同時也可以和很多官方部門進行安防方面的合作。簡而言之，有了較為成熟的市場需求。

如果提到 NLP 呢，生活中的應用我們比較容易聯想到手機或者音箱上各式各樣的智慧語音助手。但我相信，大家一定很少去打開它們，因為無一例外，它們都太不智慧了，與之對話會非常無聊。

這就引出了一個簡單的結論，相對於 CV ，NLP 可單獨拎出來的應用場景太窄了。雖說文本理解技術廣泛應用於搜索、推薦、翻譯等任務中，但這些方面的需求，通常是被大廠緊緊抓在手裡，創業公司很難獲取這些資源。為什麼這麼多 NLP 企業選擇去做智慧客服，還不是因為這個任務可以更好的 toB （ to Business），服務於各種企業，可以快速賺取現金流。

所以，技術上的巨大應用難度，雞肋的市場需求，讓 NLP 創業者很容易陷入窘境。這也就解釋了，為什麼市面上，鮮有比肩 CV 四小龍的 NLP 創業公司。當然，目前來看，四小龍的日子過得也並不舒適。畢竟，創業是一種九敗一勝的搏命嘗試。