俞凯：我们两个英文名字是完全一样的，都是 KAIYU。巧的是，我们两个还是同一年出生的，然后是同一届，而且我们做的领域相对来说又比较近。都是在机器学习，他可能更偏机器学习理论和偏图像一些。我是偏这个语音和语言方面的应用一些。所以在国外的时候，搞混的时候就比较多。比如有一次，有人发给我说有篇论文需要审一下，我审到最后发现论文引的是那个余凯的，我心想一定是弄混了。

　　机器之心：您曾经参与编译了邓力和俞栋老师合作的《语音识别实践》，当时您是怎样参加这个项目计划当中的，您和邓力和俞栋老师有怎样的渊源？

　　俞凯：当时因为他们有这本书，然后就联系了一下我，然后谈下来，我当然是很愿意来帮他们完成。邓力和俞栋这两位老师我一直是比较尊敬的。2009 年深度学习在语音领域成功应用之前，他们就一直在做相关的一些摸索。但当时并没有被大家所认可，但正是因为有了前期这样孜孜不倦的摸索，才使得他们后面有条件有可能实现比较好的技术飞跃。

　　在一项新技术产生的过程中，是需要长期的积累，绝非一蹴而就的。而这种能在一定程度下，耐得住寂寞，能够坚持自己的理想和方向，这样的人都是值得钦佩的。

　　机器之心：您怎么看待近几年来学术产业化或者说产业学术化的趋势？一些学术界的优秀代表们陆续投身到了产业化的实践中。

　　俞凯：这个趋势我觉得挺好的。这个趋势的一个前提是，它说明我们现在的这个高等级的技术研究与产业的结合已经越来越紧了。它不再是一个完全形而上的东西。

　　产业学术化，最典型的例子，现在的机器学习的几大开源软件，其实几乎都不是学术界主动提出来，都是产业界在推，而这些开源软件反过来又推动了产业界内部的一些新兴模型的建立以及学术界的学术研究。这就是产业学术化，它是把产业上的一些东西反过来推动基础问题真正的解决。

　　学术的产业化，因为人工智能时代和之前几个信息发展的时代有个比较大的不同，是它对于这种创新密集方面的需求更强，从我的感觉人工智能这个时代是一个创新密集型。创新它实际上既需要有工程上的强整合能力，这也是集成层面的创新。但它也需要有基础的研究的创新能力，以及不断的从知其所以然的基础架构上，去推动创新可以持续发展的这样一种底层的这样的能力。

　　机器之心：对于思必驰来说，它有一个很大的特点，就是产学研一体，这对思必驰的发展和助益有多大？

　　俞凯：这是非常大的。我刚也提到了，人工智能是一个创新密集型的产业。它未来的发展一方面取决于产品层面的设计是不是合理，以及商业层面的考虑。但思必驰是一个平台，是一个技术驱动型的产品的公司，技术驱动的力量是非常大的，它必须要能够有持续的大规模的创新型的技术研发能力，思必驰一直以来很明显的一个战略，就是要把底层的研究真正和产业问题深度绑定，深度结合在一起。

　　思必驰做这件事，不是简单为了套现走人。在语音这个领域，能够做得比较长久的，都不是靠一时的产业上的机会，或者靠一时的工程化水平比较高做起来的，都需要有一个比较强大的研发团队支撑。

　　机器之心：思必驰要打造一个人工智能技术的平台。不做具体的应用级产品，只做语音技术平台，出发点是为什么？

　　俞凯：我们整个团队相对来说，具有的比较明显的一个能力，就是平台级的技术能力。我们还是一个比较技术驱动的团队，加上我们有基础研发的能力，是最适合做平台的。

　　我经常会把整个的人工智能企业大概分成三类。一类是做模块性技术，一类是做平台型技术，另一类是做人工智能的应用的。这三类里面涨得最快的是做应用的，走的最宽的应该是做平台的，小而美的就是模块型的。能够做平台的，它需要有很多条件。