李笛说，有外在实体的机器人的提供商，如果他的主要目的是因为要销售硬件，或者是对于某些固定的线下场合占据了商业模式上的需求，那可以。如果没有这些，它想要做一个硬件实体就没道理，因为那样的话，用量才是重点，而不是销量。

　　李笛说：“能够摆脱束缚是最好的。对于很多生物人来讲，形体是我们的束缚。 ”

　　他说，你的目的就是为了卖机器人，那么有外形实体就是可以理解的。但是，互联网企业去做这个，就是不太能让人理解。“因为互联网企业追求的是用量”。

　　一个不能回避的问题是，聊天机器人在使用上的体验与各公司所描述的还是有一些差距，为什么？

　　李笛认为，这可以归纳为”学术的游戏”，因为大家想要把Chatbot 描述得显得自己的技术非常深，这才是问题所在。人们特别希望说，j2直播，我做一个东西，然后证明给你看，我这个最深、最好，这个是学术的游戏。但是，如果天天谈很多名词，说有没有用DNN，说用了多少层神经网络，这个没有意义。但是整个行业就是在往这个方向在发展，所以大家在交流的时候就会这样。

　　他补充说：“在具体的产品上体现的也是这样。现在言必谈能不能让计算机、人工智能系统三年之内就能够商业化，机器人上路了。然后，实际上呢，你看波士顿，最后不是被卖了。 DeepMind也站出来说，我以后不会再在下围棋上下功夫了， 你说你不下围棋，那你干嘛？他们做了大量的基础研究，是全球最好的研究机构。但是，科研和工程整合在一起才是产品的未来。”

　　小冰最核心技术：情感计算框架

　　“ 国内有很多号称上下文的产品，实际做的是 Top 的上下文，用 Rule Base 的方法，人工写大量规则。但是这除了可用于 Demo，在实际产品化时很难真正产生用处。”

　　小冰的技术核心围绕“情感计算框架”展开。

　　李笛介绍说，这一套框架最主要的特征是：怎么能够从大量数据中还原人际间的情感反应，再通过一套专门的排序方法，去拟合近似于人的对话过程，让机器人在某种程度上拥有对话过程中的主动权。AlphaGo下棋是一个博弈过程，小冰的对话也是一个博弈过程，微软工程院所关注的关键，是如何使小冰能够在这个博弈过程中做出越来越好的判断，从而实现对话型AI的自我进化。

　　小冰的 Framework 不是孤立的技术，而是一套包括多重感官、深度问答、跨平台部署在内的完整体系。无论是前端的感官，比如说，文本的、基于图像的、语音、Video 以及 Streaming，这几个部分全部都已经产品化了。例如图像识别感官，去年，微软执行副总裁沈向洋在中国人工智能大会上表示，微软已经 Ship 了小冰的基于图像的感官，并且超越了图灵测试。

　　在语义理解部分，对话情景和上下文关系的处理是人所共知的技术难点，关于小冰的上下文技术，李笛介绍说，小冰的上下文是覆盖了 Long-tail 的，70% 的对话 Session 都会涉及到上下文。他说：“这个是目前为止行业内产品化的最好水平。”

　　李笛说：“ 国内有很多号称上下文的产品，实际做的是 Top 的上下文，用 Rule Base的方法，人工写大量规则。但是这除了可用于Demo，在实际产品化时很难真正产生用处。”

　　小冰背后的技术是情感计算，而微软的情感计算最核心的技术其实是一套框架，而不是某一个具体的技术场景。不过，对于具体应用场景的技术指标，李笛也给出了被他称为“一家之言”的描述。

　　李笛说：“具体的技术场景中，比如语音，文本转语音（TTS）声音的质量最基础的衡量指标叫Naturalness MOS，就是自然度的评价指标，满分是5分，人一般是4.7分。国内的主要同行业者，全部在3分的区间内，而小冰是 4.38分。我们的确在技术上有很大的领先，但是这里面有一个很重要的倒挂现象：比如一家国内语音技术非常领先的企业，得分只有3.5分，为什么？因为它数据不够。人工智能的未来拼的是数据，而不仅仅是技术。”

　　从竞争对手看情感计算框架：一个只是管道，一个没有用户量