11月13日，一封离职告别信，刷爆微博、朋友圈。
这封信正是来自微软全球执行副总裁，微软人工智能及微软研究事业部负责人——沈向洋。感恩微软岁月及共事的优秀团队，告别二十三年的工作岗位，沈向洋在告别信中说：“离开微软是我一生中最艰难的决定。”
自1996年11月于雷德蒙德加入微软研究院，沈向洋已在微软度过二十三年，期间参与了微软亚洲研究院的创建，后作为搜索产品研发工程副总裁加入必应团队，掌管包括微软必应 (Bing) 和小娜 (Cortana) 在内的人工智能产品事业群。
对此，竹间智能创始人兼CEO简仁贤评论表示：此前是陆奇，现在是沈向洋，对于微软来说这是一大损失，能够准确的看出微软正在放弃中国。
简仁贤，曾任微软（亚洲）互联网工程院副院长，负责Bing搜索及全球移动应用产品研发，领导微软小冰及小娜(Cortana)、人工智能主导微软开放式搜索平台在亚洲落地，主导小冰成功落地日本并与 LINE结盟。
陆奇和沈向洋相继离开，外界多感慨“美国科技巨头再无华人高管”。简仁贤谈起：“这两位都是领导小冰的，以前推自然语言都是这两位为AI做的贡献。”
从微软到后来创立竹间智能至今，简仁贤一直深耕自然语言理解技术。“做中文的自然语言理解太孤独了， 中文是全球最多人使用的语言，但放眼全世界最顶尖的技术公司，没有几家静心做中文自然语言理解。美国科技巨头的研究、文献、算法都是以英文为中心，就比如Bert模型，放在英文环境非常好用，改成中文就不行了。”简仁贤说，“全球范围AI在进步，自然语言理解也在进步，中文的自然语言更不能落后，这是我们自己的语言，中文NLP产业就是要靠华人自己。”
成立以来，竹间智能一直致力于中文NLP技术发展及落地应用，坚持NLP技术和情感计算，打造人工智能开放平台。
近期，竹间智能宣布完成了4500万美元B+轮融资。创始人兼CEO简仁贤在接受36Kr采访时再次强调竹间核心NLP及情感计算： “将AI技术注入NLP，把NLP AI化再去驱动整个交互系统，之外加上一个‘温度’，这个温度就是情感计算，最终让对话系统变成一个自然的交互过程。”
随着竹间智能逐步商业化落地，简仁贤进一步认识到：NLP技术能解决企业对外对内的自动化问题。比如，对外的客服服务、催收业务、向C端客户提供的语音助手服务；对内的员工报销、班车询问、IT问题咨询等员工服务。这些细分场景的都能借助NLP、AI技术实现自动化。
回顾四年的成长，竹间智能的每一步都有着明确的方向：
一是坚持底层技术的研究和开发。竹间智能从一开始就以情感计算（关于情感、情感产生以及影响情感方面的计算）为核心，研发多模态人机交互技术，此类技术除了算法、机器学习、深度学习之外，还结合语言学、心理学等很多跨学科的应用。
目前，竹间的情感计算已经从研究进化到了工程化成产品阶段，“‘Emotion+’是当前竹间的主要策略，‘情感’的加入可以为客户的产品增加更多附加价值。”简仁贤说，“传统语音厂商不懂语义，文字厂商不懂语音，两者是脱节的，而竹间自研ASR，兼顾图像、语音、语义三种技术，技术栈更为全面。”
二是以提高使用者真实的体验，减少相关成本，提高效率为目标打造标准化产品。竹间成立后的两到三年，发现NLP在B端跟C端的应用市场非常大，开始利用NLP等技术解决具体的场景问题。竹间在百余个标杆客户落地了近300个项目，并且从这些落地项目中总结沉淀经验，逐渐形成了标准化的产品。并将其集成到了全双工全场景AICC解决方案当中，该方案包括八大子功能，涵盖智能客服、智能外呼、坐席辅助、智能质检四大领域，能够从售前、售中、售后、客户关系维护到业务洞察给客户提供全面帮助。
三是将所有产品和技术集成到平台上，赋予它们更多的开放性和延展性，同时保证产品稳定性。“有了标准化的产品之后，我们想的是要让更多企业使用我们的产品，我们有没有足够能力提供支持？于是，去年我们推出了全双工全场景AICC解决方案和具备通用语义推理引擎的人工智能对话AI平台—Bot Factory。”简仁贤说。
在竹间Bot Factory平台上，用户都能够自主创建机器人程序，也可以搭建复合性的产品。AI、机器学习等技术融合在整个平台里，透过平台实现应用。相对于学术届的一些机器学习自动化框架，竹间Bot Factory是一个随时能投入应用的平台，企业无需雇佣大量程序员，无需写代码，即可在平台上操作搭建产品。该平台不仅为竹间带来了盈利，更降低了企业客户的AI应用门槛，节约企业的时间、人力和物力资源。
除了业务层面的总结和思考， 简仁贤也分享了他对人工智能行业发展动向的见解：
1. AI将完全取代人类职位？
不相信AI会完全取代人类
面对社会上流传已久的“AI威胁人类说”，简仁贤说：“我想推动的是实用性的AI，就是说在我们现在的环境里面加上AI的元素，再根据场景去迭代。而不是没有基础地“幻想AI”，把人类的职业都颠覆掉的AI。”他认为，AI是在尊重实际需求的基础上去创造“和谐的人机协作”，实用性AI最终能推动整个的工业、商业、产业向前走。
2. 多轮对话，越多轮次越好吗？
Chatbot能够谈几轮不是一个衡量标准。
简仁贤认为，聊天的轮次并不重要，只要机器人够智能，可以无限地聊下去。然而“瞎聊”并不是真正的聊天，对话型机器人更重要的是从聊天目的出发，识别意图，处理问题。在特定领域里，竹间多轮对话能轻松实现无限轮，且多轮对话跟上下文理解准确率已达到95%。“机器人熟悉、理解领域内所有知识，这才是理想、高级的对话机器人。 ”简仁贤说。
3. 语音质检中如何识别人的情绪和意图？
将语音转成文字后分析对话内容和意图。
“市面上有个误区，就是‘AI是通过语音的语气来辨别情感的’，实际上并不是这样。”简仁贤说，“竹间会将语音转成文字后分析对话内容和意图，考验的是AI对转化语意的上下文连贯性的理解。举例来说，上海话说‘不要太喜欢’，如果按照传统的语气词或关键词标注，很可能被误判为消极情绪，但竹间的模型能准确判断出‘喜欢’的真正情绪。”
4. 语音识别需要全面考虑方言吗？
有口音的普通话需要仔细考虑，方言不需要全盘考虑。其他语种将是未来发展趋势。
简仁贤告诉36氪，处理有口音普通话一直是竹间的研究方向，同样也是结合NLP技术在做。理解有口音的普通话更重要的是从语意方面理解，无需把每一个字都听懂。“全方言的部分我们选择不做，因为全方言的部分其实再过五年就不太需要。”简仁贤说，“未来的消费主体90年后、00后中，只会讲方言的比例会非常低。因为那个市场太小，用人做就可以了，不需要用人工智能。而多语种才是更值得研发的方向，因为这是实现国际化布局的必须。竹间希望在中文自然语言理解技术的优势和架构上，继续往国际去拓展英语、法语、泰语等多语种。”
5. NLP还可以做什么？
NLP的技术还能够在一定程度上帮助企业处理文档，协助实现流程自动化。用NLP的技术去解读文件信息，读完以后再用chatbot去对话，沟通处理信息及处理状态，如此可以替代人工的繁复工作，减少处理流程中的摩擦点，实现自动化智能操作。
6. AI企业要打开市场，长远发展需要具备的特质是什么？
自建底层基础架构，工程化、产品化的能力是最重要的。
“拿竹间的经验来说，基础架构、产品化、工程化三者都很重要。”简仁贤说，“我们不是只做工具的公司，而是能够把这些能力结合起来的公司。”底层架构和工程化的有效加持，使得竹间产品能够支持不同场景的庞大需求，而且能够提供面向客户的多种服务形态。
放眼宏观经济，中国的企业服务正在崛起，整个中美的博弈当中，底层技术逐渐受到重视。“如果只顾商务而不重核心技术的话，我们会落后，只重核心技术，但没有商务机会，企业也存活不了多久。”简仁贤说分析到。
7. 未来企业将会朝什么方向发展？
‘ 多分天下，合纵连横’才是行业的未来态势。
展望未来，简仁贤认为：“未来的企业肯定是一个合作的形态，‘ 多分天下，合纵连横’才是行业的未来态势。”他不期待竹间成为NLP领域的独霸，但希望竹间能够把这个技术推广出去，快速落地，加速共享。“竹间愿意在良好生态中与合作伙伴一道打造解决方案。”