对于一个曾经视“人工智能威胁论”为笑话的人，突然间发现，机器人已经侵入到自己所擅长的领域，内心多少有些惊讶和恐慌。不过，人工智能的更大价值还在于了解之后为人类所用。“我个人偏向中性的认知，机器写稿的确能够取代一部分人力，但只是冗余的、低技术门槛的人力”，腾讯财经副总监刘康认为。

　　在与第一财经汤开智博士的交流中，他认为机器写作的研究主要围绕三种典型模式，“逻辑由浅入深，从精确到模糊”：

　　1）第一类是基于数字进行事实陈述，并进行简单逻辑分析的文章，比如二级市场的监控、体育赛事的简讯；

　　2）第二类是根据每类稿件的信息要点，对信息源进行针对性的信息提取，把非结构化的文本转为结构化及半结构化的数据，再根据不同的规则把信息要点组合写成单点内容；

　　3）第三类是单点内容的关联生成，此类稿件能弥补单点内容信息量单一的缺点，并为受众尤其是投资者，及时关联专家对基本数据的解读及评论，生成更有深度、更立体、更综合的稿件。

　　在写稿机器人产品中，背后技术支持最为明确和清晰的是今日头条的“xiaomingbot”，它是由头条实验室与北京大学计算所（万小军团队）联合研发而成。今年2月今日头条还挖走了前微软亚洲研究院副院长马维英，担任其负责人。

　　在抽取式文本生成研究领域，北大万小军老师于关于采用特征工程抽取句子的论文《Towards Constructing Sports News from Live Text Commentary》在ACL2016引起了广泛关注。今年初，万小军老师还以技术开发团队负责人的身份，帮助南方都市报完成了写稿机器人“小南”的研发。

　　从产品演进路径来看，一代写稿机器人语言偏向生硬，句式较为单一。在优化后的产品中，具备更高的语言表达和逻辑思维能力，以及图文信息处理能力。以下是写稿机器人的信息采集模块的流程：

　　“现在大家都还处于技术过渡的过程”，业内人士表述。前期产品以简单的结构化自动生成为主，将一些数据嵌入进去，利用人工模板。因为机器学习和数据库的完善，大家希望能够借助机器的自主学习功能，“比如，跑一百万篇文章，机器自建模板”。

　　但在现实应用中，因为垂直、专业领域的文章具备鲜明特点。自然语言理解技术有局限，目前机器读取数据填充格式化模板是最成熟但也是最没有技术水平的方案，写稿机器人产品仍主要用于体育和财经类资讯 。

　　体育和财经文本信息较少，数据信息多，“每周几十场NBA、足球赛、棒球赛等，以及每天全球主要市场上万家上市公司的各种披露信息和股票涨跌”，从这个角度上说，人群结构化程度较高，垂直化需求强烈。

　　四、商业价值所在：以一当十五

　　技术落地的最终诉求来自产业所向和商业价值。“多、快、好、省”，是腾讯财经总监刘康对于机器人写稿红利的提炼。

　　他并未给出写稿机器人准确的产出效益比。“一般来说，机器产出的稿件30-50%，会各个频道的采用，最终呈现在页面端”。实际上，写稿机器人的成效容易量化，基于其产出的稿件量或者字数，以量化成普通人力的规模。其核心的“快”，包含两个层面，一是响应速度，写稿机器人平均可达到1分钟甚至更快产出快讯；二是分发速度快，与后台无缝衔接，缩短至各平台中间流程。

　　作为技术输出的第三方，面向B端的服务集成是另一种可循的商业模式。面向媒体企业收费，“例如某科技媒体平台一年人工费用为900万，采用自动写作或者辅助写作的产品，可以提高员工绩效和产出，减少其人力成本”，从业人士介绍，写稿机器人可以24小时在线，而人工还需要轮班和调休。

　　在与阿里巴巴驻第一财经首席科学家汤开智的交流中，他更为系统地介绍了写稿机器人所产生的效益提升，主要包含以下三个方面：