编者按，本文为创业邦原创报道，作者狮刀，未经授权禁止转载。
让机器人“听懂”人类说话，是让科学家们一直沉迷其中的事。语音识别器的鼻祖诞生在计算机还没出生的20年代，它是一个名为RadioRex玩具狗，只要呼唤它的名字，它就能从底座上弹出来。
但近年过去了，机器的“听力水平”仍不尽如人意，大规模的语音识别应用市场尚未形成，商业化落地多半来自于语音合成技术。技术变现困难，让众多科技公司跛足难行。在此环境下，专注自然语言处理和语音识别技术的循环智能（Recurrent）却找到了一条与众不同的道路。
循环智能创始团队，从左到右：
COO揭发、CTO张宇韬、CEO陈麒聪以及AI和产品负责人杨植麟
01技术先行
清华同方科技广场向来被看作是创新与创业的摇篮，循环智能团队刚刚在这里租下了B座10层，隔间里坐满了干劲十足的年轻面庞。“今年以来，随着业务的增长，公司的团队也在不断扩大。”创业邦得知，这家成立于年5月的年轻公司已经凭借技术在国际上享有了知名度。核心技术包括自然语言理解、语音识别、语气识别、声纹识别和推荐系统。其中，自然语言理解来自公司的核心原创算法XLNet，这套算法刷新了18项NLP（自然语言处理）任务。
拥有全世界最领先的自然语言算法，却把落地点放在了销售沟通领域，是否有些“牛刀小试”？
对此，循环智能创始人兼CEO陈麒聪告诉创业邦，之所以选择这个赛道，是因为看到了行业痛点和市场趋势。
首先，在金融、教育等以销售为导向的行业中，其销售部门需要支出大量的成本，如系统成本、通话成本、座席成本等。其中，最大的成本是人，一方面销售流失率高，上岗之前需要重新培训讲话用语；另一方面，在规模扩大之后，还需要安排一定配比的管理人员……可见，对于这些行业，在人力资源方面通常会产生巨大的浪费和低效，痛点十分明显。
其次，销售流程的一切均可以数字化。无论是人力资源、运营、财务、技术管理、行政等工作，均会涉及数字。其实，销售运营部门的管理者首先要学的一门课程就是如何读懂数字背后的含义，在数字的基础上制订出对应的行动计划。在数字化的浪潮中，在获客成本越来越高的情况下，手动采集数据变得不现实，传统企业转型已经是必然趋势。
最后，分析非结构化的数据正是循环智能的擅长之处。
非结构化数据（UnstructuredData）是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。如果把结构化的数据比作菜单，那么非结构化的数据更像是杂货铺。目前，尽管存储数据的设备成本相对来说已微乎其微，数据的体量与多样性却会导致人力成本指数级上升。
当然，相对于传统的关系型数据库，使用非结构化的数据会需要更多数据工程师或高级分析师。对每个新的业务需求，分析师和业务、产品经理都需要花时间来理解所拥有的数据以及如何根据这些数据来作出他们的决断。但这也正是循环智能看到的留给初创公司的市场机会——大公司已经积累了十余年的静态数据，存在一定的先发优势，但是实时动态的数据每天都在更新，循环智能通过分析和沉淀这样的非结构化数据，只需几周的时间，就能够开垦出新的维度。
“前期我们需要人工来给数据打标签，垂直于场景发展，把流程变得更加抽象和高效，这确实比较‘重’。”循环智能联合创始人兼COO揭发告诉创业邦，“但是这件事做完以后，就能带来更大的增量，也可以为我们下一步采集数据做准备。”
陈麒聪表示，做产品与做技术有很大不同，技术上的突破是周期性的。“比如像我们XLNet这样的算法，不可能每个月都会有迭代。在等待技术不断成熟并实现突破的过程中，我们需要用产品验证技术，从而为技术的前进做积累。”
02场景铺路
哥伦比亚大学数据科学研究院（DSI）主任周以真教授认为，“AI投资热情减退，是因为很多人都想要马上得到回报”。确实，AI商业变现已成为AI创业公司们集体面临的严峻课题。8月29日世界人工智能大会(WAIC)上，科大讯飞董事长刘庆峰认为，只有“落地”和“应用”才能推动技术进一步的发展。
这需要满足三个标准：
首先，真实可见的实际应用案例；
其次，能规模化推广的对应产品；
最后，可用统计数据证明的应用成效。
确实，AI公司和互联网公司最大的不同是，前者存活的关键，并非靠一个神奇的算法，而是路径的设计。
循环智能找到的路径是交互场景。
循环智能联合创始人CEO陈麒聪介绍:“国内获客成本开始逐渐上升的趋势，提高销售转化率成为大多数企业的刚需，企业开始非常重视销售管理，采用了很多信息化的手段，包括录音系统，客服系统，甚至是采集