解读百度智能对话平台UNIT 7.0，5年7次迭代，3大引擎构建全新对话式AI

智东西5月18日报道，刚刚，百度发布了新一代智能对话平台能力全景图，UNIT 7.0技术底座从全链路升级为跨模态对话引擎，其次在知识引擎和洞察引擎中同样进行了智能化升级，并结合其智能语音、数字人技术实现视觉、语音、语言一体化的机器人构建系统。

利用百度升级后的智能对话平台UNIT 7.0，与之合作的企业就可以不仅在业务中实现语音对话的目的，还能对自己业务中的数据做更有效的挖掘和利用。

基于百度智能对话平台UNIT 7.0的应用产品形态也进行了升级，包括智能视频客服、智能培训、智能客服一体机等创新形态，使得智能对话产品形态从在线客服、语音客服向数字人客服等新形式扩展。

数字经济、技术发展助推企业智能化升级，对话式AI成为企业智能化升级的首选产品。数据调研机构艾瑞咨询的数据显示，2021年国内对话式AI的市场规模为45亿元，带动规模126亿元。预计2026年，对话式AI的市场规模将达到108亿元，带动规模将超385亿元。

自百度2017年首次推出智能对话平台，这是其第七次对该平台进行重大的版本升级。围绕着企业用户降低人工成本、提升客服对话效率、挖掘潜在数据价值的需求，该平台的布局思路围绕着更先进、更开放、更低门槛展开。

从企业智能化升级需求出发，智东西和百度智能云AI及应用产品中心副总经理刘倩进行了深入交流，剖析百度新一代智能对话平台迭代的核心逻辑，以及企业为什么需要智能对话？智能对话平台能为企业带来什么？

人工智能技术的发展不断驱动产业数字化、智能化发展，同时数字经济发展的外部动能，同样使得智能化成为企业数字化发展的下一阶段。

全球数据调研公司麦肯锡于2021年底发布了AI市场调研报告，数据显示AI在企业中的应用场景覆盖服务运营、产品开发、营销和销售、人力资源管理等领域，其中，服务运营则是应用最广泛且增长最快的领域。

同时，“对话式AI成为企业智能化升级所采纳的首选批次的产品。”刘倩说。

她谈道，这背后的原因有以下3个方面：

首先从企业本身来说，企业客服人员有流动率高、培训成本高的特点，但这两点要求无法有效避免，客服人员的服务质量对企业的运营、业务等都有关键影响。

其次从外部环境来说，对话式AI技术的发展，已经逐渐落地到相关应用中，进一步推动企业智能化升级。

除此之外，机器人24小时在线和人机协同的服务模式，已经逐渐被用户广泛接受，这也在一定程度上加速了企业智能化升级的步伐。

在实际应用中，不同客户、不同行业的特点不同，因此基于其全渠道智能客服解决方案，其落地场景包括语音导航、在线客服、视频客服、智能外呼等，能够满足不同行业、不同业务的企业实际需求。

在近5年的研发历程中，该平台从任务式对话、FAQ问答对话到表格、图谱问答，再到FAQ自动挖掘、泛化，不断基于语音对话技术提升在线客服等的综合理解能力。

7.0的核心升级要点包括跨模态对话引擎、知识引擎和洞察引擎。刘倩提到，跨模态对话引擎能够将复杂场景下的对话轮次平均降低15%。任务式对话中，UNIT 7.0已升级至PLATO-XL模型，该模型是百度推出的全球首个百亿级参数规模的深层次对话模型，能接近真人对话能力。

其次，基于对话场景的知识引擎同样进行了迭代，其自动化FAQ挖掘、自动纠错能力，可以降低人工采编和审核成本。

最后，基于UNIT 7.0的洞察引擎，刘倩告诉智东西：“洞察引擎可以挖掘企业沉淀的各类数据，比如营销客服场景下，能挖掘用户特征偏好和进行行为预测，进一步提高企业转化率。”

在产品形态上，UNIT 7.0在升级现有的全渠道智能客服解决方案基础上，推出智能客服一体机、智能视频客服、智能培训等多种落地场景。

其中，智能视频客服是百度智能对话平台的全新实践，融合数字人形态，动态生成富文本回复，呈现更多元化的对话场景。

金融、能源、交通、城市领域的很多企业都是以对话为核心，这些行业往往面临着人工培训成本高、对话数据庞大等共同特点，如何在智能对话领域实现降本增效，有效利用隐藏数据价值，正是这些行业面临的痛点。因此，越来越多的企业开启智能化升级，并将对话式AI作为其主要切入口之一。

事实上，智能化升级在企业中的渗透率仍然不是很高，其全面普及仍需要AI应用产品的进一步成熟和企业接受程度的进一步提高。刘倩说：“企业的智能化升级需要百度和企业客户共同推进，但目前AI技术下沉的企业应用仍处于相对早期的阶段。”

1、能源领域：从0到1助力传统行业转型升级

在能源行业，百度智能对话平台为铁塔能源打造了换电智能客服，在该领域实现了从0到1的突破，还为浙江浙达能源科技打造了电力调度机器人。

中国铁塔集团平台创新中心能源业务支撑室总监贾军伟说，他们的业务场景下，相比传统运营商，现在用户侧包括用户、平台、设备等多个场景，其业务运营布局更加复杂。

基于智能对话平台，换电智能客服将一问一答的对话形式演变为多轮次对话，智能客服可以自主提取对话中的有效信息进行综合计算推理，例如电池上报数据、用户身份、校验数据等，大大降低了人工成本并提高了工作效率。再加上在AI检修调度领域，依托百度智能对话引擎，电力调度机器人可以支持故障AI处置、影响AI监护等其他电网应用。

在用户层面，贾军伟说：“我们最大的挑战是对于大数据的应用。”百度智能对话平台能对数据资产进行有效利用，帮助企业依托数据分析将其拓展到新的业务场景。

2、金融领域：构建2大平台，打造首个数字培训师

针对于金融行业，百度智能对话平台构建了2大平台，分别是数字员工运营平台和智能对话平台，满足不同企业的个性化需求。

2021年，百度和浦发银行共同启动了以智能技术和支持管理技术为核心的统一协同办公平台新“call浦”平台。

值得一提的是，上海疫情期间，依托新“call浦”平台，浦发银行全行平均每天约4.2万人在线协同办公，每天召开约1.2万场内外部视频会议。 

同样，银行的理财经理是用户办理业务场景下的重要角色，为此，浦发银行和百度合作打造了业内首个数字培训师，上海浦东发展银行总行信息科技部创新实验室副处长张琛说：“通过AI培训的理财经理，比未通过培训的销售人员在开单率和销售额这两个指标上得到有效提升。”

3、汽车、城市领域：降低人工成本，挖掘数据价值

企业智能化升级加快，车企越来越关注客户服务质量，同时面临工单量大、投诉预警处理慢、人工成本高、大量潜在需求未被挖掘等挑战。

基于上述问题，UNIT 7.0推出面向汽车行业的客户支撑VOC解决方案。百度智能云智能客服产品业务负责人侯浩说：“依托百度智能对话平台，客户可以从对话记录工单信息中自动挖掘信息，通过标签进行分析，进而从中可以抽取和归类问题，识别线索风险等。”

除此之外，在更为广泛的城市管理领域，便民热线对接听的快速、及时，回复准确以及回访追踪提出了更高要求，UNIT 7.0推出智能公众服务热线解决方案，客户可以在服务接入环节提供辅助坐席的智能辅助和数字人形象。

我们可以看到，企业智能化升级是无法逆转的浪潮，如何最大程度发挥智能对话平台的应用价值是百度和企业客户的共同愿景。

智能对话实际上是人机协同、人机交互的核心产品之一，在辅助人完成一些任务的基础上，进一步提升以人为中心的智能交互能力。

从2017年发布UNIT 1.0至今，百度智能对话平台围绕着多元的对话任务类型、对话理解和生成的核心算法效果、低成本的训练工具、闭环运营工具等不断迭代。

相比前几代，UNIT 7.0在产品形态和技术上实现了跨越。

1、跨模态对话引擎：构建业界首个大规模对话语料

UNIT7.0中，百度智能对话平台从全链路升级为跨模态对话引擎，支持语音、文字、图片、视频等多媒体输入，让机器人综合理解对话内容。

百度智能云自然语言处理部主任研发架构师孙叔琦解释道，跨模态技术的难点在于多种模态特征如何进行有效结合。百度构建了业界首个大规模跨模态对话语料，结合百度PLATO大模型和预训练的图文匹配模型，实现端到端的跨模态对话训练。

举个例子来说，某个视频中某一设备红灯突然亮起，智能对话平台就可以通过视频数据进行识别监测，迅速理解该设备已产生故障，并依托企业现有产品和智能推理计算，进一步推荐处理策略，并且在这一过程中减少外部环境的干扰。

值得一提的是，他谈到，PLATO-XL在对话体验的知识性、逻辑性和对话体验上相比同类模型都有显著提升，其中PLATO在逻辑、情感、连贯性等体验要素上可以很好地契合拟人对话的体验诉求。 

2、知识引擎：动态更新企业多类型知识

刘倩说：“企业的产品在持续更新换代，服务内容和标准也在演进，对于知识的有效利用和动态更新就更加重要了。”

基于百度知识中台构建的面向对话场景的UNIT知识引擎，可以大幅地提升知识生产、组织和应用的效率，帮助企业客户自动化形成文档、FAQ、知识图谱，甚至是多模态的知识内容。 

例如，人工采编一篇平均长度3万字的文档，需要大约3个小时，知识引擎的自动化FAQ挖掘，能将其缩短到2个小时左右，简化企业运作过程中的人工处理工作，提升审核效率。

3、洞察引擎：挖掘企业“沉睡”数据

上文提到，很多企业客户的挑战在于沉淀数据的有效利用，以对话为核心的数据往往每天都会产生大量数据，但企业传统的运营流程往往会忽略对话过程中产生的关键信息。

“很多信息都是沉睡的，洞察引擎就是帮助企业挖掘运营管理，提质增效。”刘倩说。

洞察引擎可以帮助企业分流人工的问题，从短期、长期视角来挖掘对话数据里的数据，帮助企业进行决策。

在营销场景下， 百度的数据显示，洞察引擎帮助企业挖掘、推荐优秀话术，使得单通电话的通话时长增加1.62倍。

4、语音对话：一个识别模型复用多个场景

智能对话应用中最核心的的是语音技术，包括语音识别和语音合成。

首先，百度实现了流式端到端建模，百度智能云语音技术部杰出研发架构师康永国说：“客户在使用过程中并不是把整句话听完后再进行识别，而是需要流式、动态的识别。”因此，百度建立了流式、多级、阶段的识别模型，也就是SMLTA。与第一代相比，全新的SMLTA2在多个识别场景下的识别效果不会受影响，企业客户可以用一个模型训练多个不同场景。

值得一提的是，方言识别一直是语音识别的一个难点，百度也对不同地区的客户解决方案进行了优化，例如，百度使用同一模型，为联通提供了31个省的10010智能客服，大大提高了其部署效率。

事实上，百度面向企业的智能对话平台只是其AI赋能企业的开始，以云智一体为核心，百度将围绕着平台赋能、场景赋能、人才赋能展开企业AI赋能，进一步发挥AI在企业中的应用价值。

视频客服、来电秘书、智能助手……越来越多的基于智能对话的应用广泛应用到了金融、能源、交通等多个行业，智能对话不断深入各行各业，不过要实现AI在各行业的全面落地与普及还需要产品进一步成熟，以及AI人才的培养，让AI真正在企业智能化升级中发挥作用。

随着用户需求迭代以及企业智能升级意识觉醒，客户服务智能化将进入业务价值发掘的新阶段，如何进一步促进AI普惠，让更多企业迈入“智能对话+”时代，正是百度智能对话平台未来将继续探索的方向。