随着技术日渐成熟，人们的生活方式也在逐步智能化。根据Research and Markets公司研究，预计在2020年人工智能全球市场规模将逐渐超过5000亿美元。但当前的AI以及Robot却普遍存在两个问题，其一是本地终端无“人工智能大脑”，依赖云服务端运算 ；其二是基于深度学习的算法模型在终端运算性能不高，严重依赖在线服务端运算性能，实时性差。为此，深思考人工智也给出了自己的解决方案。

深思考人工智能，成立于2015年8月，是一家专注于人工智能核心算法及专用芯片的科技公司。目前主要产品为ideepwise AI Robot Service底层服务系统、基于该底层服务系统的IDeepwise人工智能“医疗大脑”和二代人工智能机器人系统及FPGA AI加速芯片。2015年11月，深思考曾获昕朴投资160万天使投资，继而今年2月份获九阳股份1000万的Pre－A投资。

FPGA AI深度学习加速芯片

提及AI领域的创业，最重要的是在于如何解决从技术到产品的商业化落地问题，深思考也不例外。创始人杨志明表示，跟很多AI创业公司一样，深思考在过去这段时间里也做了很多方面的探索，商业模式也从原有的2C模式转向2B方向，从起初的多场景覆盖到聚焦于特定垂直领域。在这过程中，深思考也逐渐找到一条自己最擅长以及最适合落地场景的市场道路。目前，公司主要面向医疗、汽车及智能家居三大领域提供人工智能产品及服务解决方案。

产品层面，深思考人工智能的核心技术主要体现在三方面，即基于深度学习的中文自然语言处理／语义识别（NLP／NLU）实现垂直领域的多轮多任务语义交互与中文校对、基于机器视觉与文本语义的多模态情感计算以及基于FPGA的深度学习性能优化与加速。

目前，在医疗领域，深思考基于提供了基于IDeepwise人工智能“医疗大脑”的两款产品，其一是Ideepwise人工智能辅助问诊系统，即利用人工智能来实现患者诊前的多轮咨询问诊，并根据患者问题自动给出回复内容及建议，医生确认人工智能给出的回复内容及建议后回复患者，大大提高了医院及医生问诊的工作效率；其二是TCT宫颈癌人工智能辅助阅片系统，帮助阅片医生实现了TCT宫颈癌筛查的阅片，目前敏感性和特异性已经无限接近95％，超过人类阅片的65％敏感性和92％的特异性。相比新柏氏的阅片系统只给出22个视野区域，深思考的阅片系统则可以直接给出TBS最终分级报告，更加减轻阅片医生的工作量及阅片效率。在汽车领域，则通过与OEM厂商合作将产品与车内中控实现结合，提供二代人工智能机器人系统，该系统能实现驾驶场景下自然语言人机交互、路况提醒、车况及故障提醒与问诊、根据驾驶员习惯的个性化推荐服务。在智能家居领域，则通过跟智能家居厂商合作，提供基于ideepwise二代人工智能机器人的“深思慧眼”Service产品，并以Service授权方式与智能家居产品结合，通过使用人工智能代替说明书、故障问诊、自然语言控制等功能，以简化家居设备操作。

汽车、医疗、智能家居领域应用场景

而之所以能够做到这些，杨志明也告诉36氪，深思考不仅在关键技术上做了深入研发，在数据积累方面也做了深度的积累。领域的本体知识库容量现已包含了音乐、医疗、汽车、智能家居及养生食谱在内近亿条本体知识，中文校对、语义识别方面也已积累了5百万的用户。

在市场推广上，深思考现阶段在汽车、智能家居、医疗领域的产品与服务采用由深思考营销商务团队自行开拓与代理商合作相结合的方式来推广。从盈利模式来看，目前主要提供机器人大脑人工智能软件saas服务及软件及AI加速芯片all in one一体化的解决方案服务。据悉，公司已实现接近千万级的营收。

谈及市场，目前基于语音语义提供相关产品服务的公司并不在少数，典型的如亚马逊的Echo、微软小冰、出门问问等。相比之下，杨志明表示，深思考在定位上有一定的区别，且公司的核心优势在于Ideepwise人工智能系统聚焦于医疗垂直场景下实现多轮多任务语义交互，可以实现以完成任务目标为驱动的深层多轮自然语言人机交互和深度语义理解与识别，实现了上下文场景识别、意图识别、语义补全、语义纠错、语义容错，支持平均8轮连续人机对话和6种复杂场景任务，并且多轮交互中加入了情感计算，情感计算方面则涵盖了7种视觉表情分类和25种文本情绪倾向；此外，基于FPGA的AI加速芯片，具备终端的人工智能运算能力。

团队方面，公司整体规模近40人，核心成员均来自于中科院自动化所、软件所、计算所、半导体所等中科院院所人工智能、机器学习方向的资深科学家。创始人杨志明，是中科院软件所机器学习、NLP、DL人工智能方向博士、中科院大学管理学院MBA，作为连续成功创业者，具有16年的一线研发及运营经验。

目前，深思考正处于A轮融资阶段，将主要用于产品研发及市场推广方面，预计今年实现3000到5000万的营收目标。