沉寂多年的輸入法賽道，近來(lái)被AI一把點(diǎn)燃。

一邊是老牌玩家加速重構(gòu)：年初，長(zhǎng)期穩(wěn)居頭部的騰訊搜狗輸入法推出20.0AI大版本，用大模型的生成能力重塑輸入法的底層邏輯；訊飛和百度作為國(guó)內(nèi)主流輸入法產(chǎn)品，也在這兩年紛紛引入大模型能力，生怕掉隊(duì)。

另一邊是新起之秀動(dòng)作頻出：剛發(fā)布1.0.0版本的Typeless據(jù)稱“開口即可成文”，這種“僅保留語(yǔ)音交互+生成結(jié)構(gòu)化文本”的模式正在受到行業(yè)追捧，如去年風(fēng)很大的Whisper Flow和智譜、豆包輸入法，都屬這類玩家。最近，微信輸入法在PC版上線了語(yǔ)音輸入功能，用一個(gè)fn鍵系統(tǒng)級(jí)觸達(dá)桌面端。

各大廠商一擁而上，輸入法被AI的巨浪重新推至臺(tái)前，這說(shuō)明什么信號(hào)？回看輸入法的本質(zhì)，答案并不復(fù)雜。穿越多個(gè)互聯(lián)網(wǎng)周期，輸入法始終是底層的人機(jī)交互橋梁，因其高頻、無(wú)感的使用體驗(yàn)，加上能“連接一切”的入口價(jià)值，輸入法的站位在AI時(shí)代正在被重新放大。

但做一個(gè)AI輸入法并沒有想象中的簡(jiǎn)單。在最理想狀態(tài)下，基于大語(yǔ)言模型的輸入法理應(yīng)能理解語(yǔ)言規(guī)律，通過(guò)上下文感知推測(cè)你想輸入什么，變成“懂你”的表達(dá)智能體。誰(shuí)都想這么干。

在模型的上下文能力未能達(dá)到精準(zhǔn)個(gè)性化表達(dá)的當(dāng)下，行業(yè)普遍面臨一個(gè)挑戰(zhàn)：意圖識(shí)別和預(yù)測(cè)的結(jié)果很難滿足每個(gè)個(gè)體對(duì)“輸出準(zhǔn)確”的預(yù)期。如何讓生成式AI的“預(yù)測(cè)”，與數(shù)億用戶長(zhǎng)期形成、分散多變的“個(gè)人習(xí)慣” 無(wú)縫對(duì)齊，很難單憑接入一個(gè)更先進(jìn)的模型來(lái)解決，它更考驗(yàn)團(tuán)隊(duì)基于何種視角和方法訓(xùn)練模型。

這種技術(shù)視角很難憑空產(chǎn)生，它依靠的是長(zhǎng)期的用戶沉淀和工程基建。我們看到，盡管輸入法看似簡(jiǎn)單、誰(shuí)都能做，但在過(guò)去幾十年里，真正實(shí)現(xiàn)規(guī)?；男庐a(chǎn)品其實(shí)很難跑出來(lái)，其一原因是，這些成熟產(chǎn)品無(wú)一不是在長(zhǎng)期的詞庫(kù)積累和算法優(yōu)化之上認(rèn)識(shí)到用戶需要什么。

這些舊時(shí)代的“臟活累活”，反而可能在AI時(shí)代成為輸入法更好理解用戶意圖的關(guān)鍵所在，這些經(jīng)驗(yàn)正在轉(zhuǎn)化為一種新的技術(shù)勢(shì)能。

未來(lái)的可能性，或許并不取決于“新”與“舊”的標(biāo)簽，而在于誰(shuí)能將大模型的技術(shù)張力，真正嵌入到具體的、細(xì)微的用戶需求縫隙里。對(duì)于搜狗輸入法而言，過(guò)去二十年積累的對(duì)六億用戶真實(shí)交互的理解，成為了AI時(shí)代最稀缺的“上下文”資產(chǎn)，這既是讓模型更懂你的基礎(chǔ)，也讓對(duì)用戶意圖的精準(zhǔn)建模變成了一項(xiàng)極為復(fù)雜的系統(tǒng)工程。

我們很好奇，這場(chǎng)全方位的AI底層重構(gòu)，搜狗輸入法的解法是什么？按照什么方向訓(xùn)練模型來(lái)匹配用戶需求？如何在承載數(shù)億用戶既有輸入習(xí)慣的同時(shí)進(jìn)行AI化的交互創(chuàng)新？如何解決AI輸入法在不同場(chǎng)景（如弱網(wǎng)場(chǎng)景）下的時(shí)延性問題？當(dāng)AI語(yǔ)音輸入變成技術(shù)競(jìng)爭(zhēng)主賽道，搜狗輸入法找到的那個(gè)翹板是什么？最終，當(dāng)這場(chǎng)重構(gòu)進(jìn)行得足夠徹底，它將如何定義未來(lái)輸入法的供需關(guān)系？

帶著這些問題，神經(jīng)漫游記采訪到了騰訊搜狗輸入法的產(chǎn)品和技術(shù)團(tuán)隊(duì)，他們分別是來(lái)自搜狗輸入法的AI打字產(chǎn)品負(fù)責(zé)人isla、AI打字算法負(fù)責(zé)人Kimi和AI語(yǔ)音算法負(fù)責(zé)人饒老師。以下是采訪的文字對(duì)話，為保證對(duì)話可讀性，對(duì)話經(jīng)編輯整理：

“大模型也許是顛覆輸入法的核心武器”

問：在公眾的固有印象中，輸入法一直被視為一項(xiàng)傳統(tǒng)的互聯(lián)網(wǎng)業(yè)務(wù)。但是最近市場(chǎng)上涌現(xiàn)了很多AI輸入法的創(chuàng)業(yè)項(xiàng)目，大家都在討論輸入法可能成為AI時(shí)代核心交互入口。作為在該領(lǐng)域深耕多年的資深從業(yè)者，各位如何看待輸入法突然變得很“性感”這件事？

搜狗輸入法團(tuán)隊(duì)：AI時(shí)代的到來(lái)對(duì)于輸入法這一工具的影響，我們整個(gè)團(tuán)隊(duì)感受到的是一種興奮感。過(guò)去，我們可能遵循一些既定的框架和路線來(lái)解決已知的問題，比如我們知道用戶在什么樣的拼音串下容易犯錯(cuò)，基于此我們?nèi)パ芯刻囟ǖ募m錯(cuò)能力。這種研究已知問題的策略優(yōu)化，在一定程度上會(huì)限制產(chǎn)品的想象力。

原來(lái)的輸入法是什么樣的邏輯？最早期，輸入法是基于固定的鍵碼輸出一定的候選詞。再到后來(lái)互聯(lián)網(wǎng)詞庫(kù)的出現(xiàn)，2005年人們能第一次打出“李宇春”，這是因?yàn)榘鸦ヂ?lián)網(wǎng)海量數(shù)據(jù)轉(zhuǎn)化成詞庫(kù)，我們?cè)谶@件事上耕耘了很多年，解決了有些詞打不出來(lái)的問題。

大模型也許是顛覆輸入法的一個(gè)核心武器。從技術(shù)層面來(lái)講，大模型的本質(zhì)是根據(jù)上文預(yù)測(cè)下一個(gè)詞，那么在輸入法的語(yǔ)境下，它也可以通過(guò)各種信號(hào)感知用戶的意圖，并判斷預(yù)測(cè)輸出內(nèi)容。

當(dāng)大模型時(shí)代來(lái)臨，輸入法不再僅僅依賴于從詞庫(kù)中調(diào)取內(nèi)容或通過(guò)網(wǎng)頁(yè)搜索來(lái)提供回答。這次輸入法升級(jí)，思考的核心是必須從以詞庫(kù)為核心的邏輯，升級(jí)成以詞庫(kù)為基礎(chǔ)+以生成為核心的算法邏輯。前期，我們通過(guò)更多的詞庫(kù)和信息整合來(lái)服務(wù)用戶，滿足詞候選的能力，在未來(lái)，輸入法競(jìng)爭(zhēng)的核心在于誰(shuí)能更懂用戶，更準(zhǔn)確地識(shí)別用戶語(yǔ)境和意圖，理解用戶的輸入習(xí)慣和風(fēng)格，幫助用戶做一部分的表達(dá)，這就類似于為每個(gè)用戶做一個(gè)他自己的個(gè)人表達(dá)智能體。隨著交互時(shí)間越長(zhǎng)，輸入法對(duì)用戶的理解就越深，以至于在某些場(chǎng)合，輸入法能夠結(jié)合上下文幫用戶進(jìn)行表達(dá)。當(dāng)然，這是對(duì)輸入法終局的想象。

問：語(yǔ)言構(gòu)成了人的思維方式，或者看待問題的視角。那隨著我不斷輸入，輸入法是不是就會(huì)越像我？

搜狗輸入法團(tuán)隊(duì)：理論上這個(gè)邏輯是存在的，無(wú)非就是能做到多么極致。包括用戶常說(shuō)的人名、語(yǔ)氣詞、語(yǔ)言風(fēng)格等，用得越久，輸入法會(huì)不斷積累這些表達(dá)，可以非常自然快速地幫助用戶完成輸入。這也是我認(rèn)為長(zhǎng)期使用下，個(gè)性化體驗(yàn)?zāi)軌蛑鸩斤@現(xiàn)并真正產(chǎn)生價(jià)值的地方。當(dāng)然，我們想做成這樣，但目前做得還不夠好。

目前我們還是在務(wù)實(shí)地解決用戶具體的問題。也就是在大模型能力的加持下，我們可以解決那些過(guò)去的難題。比如在過(guò)去以詞庫(kù)為核心的產(chǎn)品架構(gòu)下，我們提供的詞庫(kù)雖然海量，但對(duì)部分用戶而言反而構(gòu)成了一種“打擾”，因?yàn)樵~庫(kù)的體量決定了其無(wú)法精準(zhǔn)匹配每個(gè)人的個(gè)性化需求，未來(lái)我們有機(jī)會(huì)在這方面做得更好。

問：我感受到兩種思維在并存，一是以用戶為核心的底色，這是穿越任何時(shí)代都不變的底層邏輯；二是AI時(shí)代的“AI原生”解法，將二者結(jié)合蠻符合大家所說(shuō)的思路。團(tuán)隊(duì)在推進(jìn)AI化的過(guò)程中，這種思維方式的碰撞是什么樣的？

搜狗輸入法團(tuán)隊(duì)：在技術(shù)和產(chǎn)品團(tuán)隊(duì)的“PK”中，技術(shù)可能會(huì)認(rèn)為，對(duì)于一些用戶反饋的問題，可以等厲害的新技術(shù)、新引擎上線后直接解決，這是一種以技術(shù)為核心驅(qū)動(dòng)的思考方式。但最后發(fā)現(xiàn)，在服務(wù)上線后，原先那些問題好像不是算法可以解決的，而是在技術(shù)框架之外增加一個(gè)新的指標(biāo)體系才能cover住。

在產(chǎn)品看來(lái)，在AI重構(gòu)的過(guò)程中，需要考慮的是如何在那么多的用戶需求里排出優(yōu)先級(jí)。從分人群的需求滿足度上看，此刻我們還沒有做到那么精細(xì)化，這不是一個(gè)能一舉兼得的東西，需要考慮優(yōu)先級(jí)的抉擇，比如這次就針對(duì)醫(yī)生和律師人群做了個(gè)性化定制。

問：具體到這次AI重構(gòu)打字上，我理解有兩個(gè)方向，一類是讓輸入法更理解語(yǔ)境，另一個(gè)方向是改善弱網(wǎng)打字體驗(yàn)?？梢赃@么理解嗎？

搜狗輸入法團(tuán)隊(duì)：這次升級(jí)是相對(duì)底層且全方位的。關(guān)于弱網(wǎng)打字這個(gè)話題，其實(shí)大多數(shù)友商都是以云側(cè)為主，那一旦在飛機(jī)上這種沒有云覆蓋的情況下，離線端側(cè)的準(zhǔn)確率就是一個(gè)不可回避的問題。

離線的限制很多，包括內(nèi)存小、沒有特別復(fù)雜的模型支持，對(duì)用戶來(lái)講，相當(dāng)于把詞庫(kù)裸著放在那兒。那我們?nèi)绾谓鉀Q弱網(wǎng)時(shí)延性的問題？能否把端側(cè)打字的體驗(yàn)提升到——起碼不讓用戶有這么強(qiáng)的感知？

我們?cè)谒伎颊麄€(gè)用戶痛點(diǎn)和需求的視角下，做出了一個(gè)端和云聯(lián)合的生成架構(gòu)去針對(duì)性地解決這個(gè)問題。這次新的離線端側(cè)模型出來(lái)后，弱網(wǎng)場(chǎng)景的缺詞率下降了大概30%，首選準(zhǔn)確率可以達(dá)到5%的提升，在主場(chǎng)景上，可以說(shuō)端側(cè)和云側(cè)的差距已經(jīng)變得很小了。

AI語(yǔ)音輸入，“聽懂”的前提是“聽準(zhǔn)”

問：我關(guān)注到一組相關(guān)數(shù)據(jù)，當(dāng)前搜狗輸入法語(yǔ)音大概日均有20億次的請(qǐng)求量?；谶@樣的用戶需求，之前團(tuán)隊(duì)有過(guò)怎樣的洞察？大概是什么時(shí)候開始決定投入做AI語(yǔ)音的？

搜狗輸入法團(tuán)隊(duì)：大模型爆發(fā)給這個(gè)行業(yè)帶來(lái)了很多想象力。而語(yǔ)音識(shí)別很大程度上是種模型驅(qū)動(dòng)能力，它在技術(shù)主賽道上的PK會(huì)更加直接，因?yàn)檎Z(yǔ)音識(shí)別并不只服務(wù)于輸入法場(chǎng)景，還廣泛應(yīng)用于機(jī)器人、云廠商等多個(gè)領(lǐng)域，幾乎所有相關(guān)玩家都在布局。

整體來(lái)看，語(yǔ)音識(shí)別大致經(jīng)歷了三個(gè)技術(shù)階段：最早是以統(tǒng)計(jì)學(xué)方法為主的階段，核心模型是混合高斯模型，這一技術(shù)路徑從上世紀(jì)80年代中期一直延續(xù)到2007年左右。隨后隨著深度學(xué)習(xí)興起，語(yǔ)音識(shí)別開始進(jìn)入新一輪演進(jìn)，國(guó)內(nèi)稍晚，大約從2011年開始逐步在各類場(chǎng)景中落地應(yīng)用。

大概在2011年左右，搜狗輸入法就已經(jīng)在手機(jī)端推出了語(yǔ)音輸入功能，當(dāng)時(shí)才剛進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代，團(tuán)隊(duì)非常早就捕捉到在手機(jī)端打字可能不是那么方便的問題，語(yǔ)音輸入會(huì)是一個(gè)用戶需求點(diǎn)。只不過(guò)當(dāng)時(shí)采用的還是傳統(tǒng)語(yǔ)音識(shí)別技術(shù)。后來(lái)語(yǔ)音識(shí)別技術(shù)不斷迭代，到了2013年，搜狗輸入法就在做深度學(xué)習(xí)了，這是國(guó)內(nèi)比較早的一批。再往后演進(jìn)到transformer模型，我們一直是以最快的速度緊跟最前沿的技術(shù)，把最好的體驗(yàn)給到用戶。

姚順雨在關(guān)于“AI下半場(chǎng)”的文章中講到他對(duì)強(qiáng)化學(xué)習(xí)的未來(lái)展望，將大模型能力融入產(chǎn)品對(duì)所有技術(shù)團(tuán)隊(duì)來(lái)說(shuō)都是挑戰(zhàn)。對(duì)語(yǔ)音技術(shù)團(tuán)隊(duì)而言，核心命題在于如何利用大模型本身或其訓(xùn)練思路（如強(qiáng)化學(xué)習(xí)）來(lái)提升現(xiàn)有模型能力。

問：在大語(yǔ)言模型深度介入之后，自動(dòng)語(yǔ)音識(shí)別技術(shù)本身會(huì)被重塑嗎，還是更多是一種能力層面的增強(qiáng)？它所解決的本質(zhì)問題是什么？只是“聽得更準(zhǔn)”，還是正在從“聽見”走向“聽懂”？

搜狗輸入法團(tuán)隊(duì)：整體來(lái)看，如果仍然把討論限定在自動(dòng)語(yǔ)音識(shí)別這個(gè)層面，大模型的介入更多是一種能力增強(qiáng)，而不是完全意義上的重塑，本質(zhì)上是在推動(dòng)語(yǔ)音從“聽見”走向“聽懂”。

語(yǔ)音識(shí)別一個(gè)非常核心的挑戰(zhàn)在于語(yǔ)義層面的模糊性。用戶的發(fā)音可能不標(biāo)準(zhǔn)，或者本身就存在大量同音詞、近音詞的情況，它并不是一一對(duì)應(yīng)地記錄，而往往是從多個(gè)可能結(jié)果中選擇一個(gè)最合適的輸出。最終呈現(xiàn)哪個(gè)字、哪種表達(dá)，很大程度上依賴于當(dāng)下的使用場(chǎng)景和語(yǔ)境。大語(yǔ)言模型在上下文理解、語(yǔ)義建模以及預(yù)測(cè)、補(bǔ)全和糾錯(cuò)方面具備更強(qiáng)能力，因此可以讓整體識(shí)別結(jié)果在語(yǔ)義層面更加合理，輸出更接近用戶真正想表達(dá)的內(nèi)容。

另外，語(yǔ)音輸入在交互層面也存在天然挑戰(zhàn)。它通常只有一次性輸出，不像鍵盤那樣可以給出多個(gè)候選供用戶選擇，而是直接將一句話上屏，這對(duì)準(zhǔn)確率和語(yǔ)義判斷提出了更高要求?；谶@些，其實(shí)在大模型能力加入后，我們第一要解決的是準(zhǔn)確率的問題，讓識(shí)別結(jié)果在語(yǔ)義上更順暢、更符合語(yǔ)境，也更貼近用戶原本想說(shuō)的話。

問：這次重新升級(jí)AI語(yǔ)音上，你們覺得還有什么難點(diǎn)嗎？

搜狗輸入法團(tuán)隊(duì)：一個(gè)難點(diǎn)在于方向選擇。我們更希望聚焦具體場(chǎng)景，而不是做一個(gè)特別泛化、完全開放的語(yǔ)音能力升級(jí)，因?yàn)椴煌瑘?chǎng)景對(duì)語(yǔ)音識(shí)別的要求其實(shí)差異很大。

比如“輕聲”這個(gè)非常高頻的使用場(chǎng)景，我們觀察到，用戶更傾向于用非常輕的方式對(duì)著手機(jī)說(shuō)話，這背后是非常真實(shí)的用戶心理和使用需求，在當(dāng)前的社會(huì)環(huán)境中，很多人會(huì)擔(dān)心打擾他人，甚至在工位或公共場(chǎng)合大聲說(shuō)話本身就會(huì)帶來(lái)壓力，這也是語(yǔ)音輸入被一部分人放棄的重要原因。

那在技術(shù)實(shí)現(xiàn)上，語(yǔ)音本質(zhì)是由頻率構(gòu)成的，輕聲并不是沒有信息，而是在基頻和響度都非常低的情況下，仍然存在可識(shí)別的頻率變化。這類聲音往往只能在很小范圍內(nèi)傳播，幾米之外幾乎就聽不到，有時(shí)連自己都未必聽得清。

模型訓(xùn)練的關(guān)鍵不在規(guī)模

而在于是否緊貼用戶

問：我覺得在輸入法這樣一個(gè)垂直領(lǐng)域可能有兩個(gè)事情很關(guān)鍵，第一是技術(shù)能做什么，技術(shù)的邊界和想象力；第二是對(duì)所謂用戶需求的理解，這也是很重要的。在過(guò)去一年，對(duì)打字來(lái)說(shuō)，團(tuán)隊(duì)怎么去做這二者的交匯？

搜狗輸入法團(tuán)隊(duì)：相比起語(yǔ)音，打字不在技術(shù)的“主賽道”。我們?cè)谏墒教剿髦胁]有直接依賴一個(gè)外部通用的大模型，因?yàn)槲覀儗?duì)用戶的理解、沉淀的數(shù)據(jù)是無(wú)法開放到外部大模型的。我們需要迅速把這些沉淀融入全鏈路的訓(xùn)練體系里，包括基礎(chǔ)的預(yù)訓(xùn)練、后訓(xùn)練、強(qiáng)化學(xué)習(xí)、SFT（Supervised Fine-Tuning，即大模型的監(jiān)督微調(diào)）等，基于我們的數(shù)據(jù)不斷強(qiáng)化，通過(guò)擴(kuò)展數(shù)據(jù)的知識(shí)邊界來(lái)提升我們的模型能力。

目前，我們是基于自研模型訓(xùn)練。但往前走，總有一天我們要實(shí)現(xiàn)“行業(yè)合流”，把行業(yè)的訓(xùn)練方式融入自身訓(xùn)練體系，否則單靠團(tuán)隊(duì)力量難以對(duì)抗整個(gè)行業(yè)技術(shù)的發(fā)展。

另外，打字與語(yǔ)音場(chǎng)景存在差異：語(yǔ)音更多是單次輸出并可通過(guò)后鏈路輔助表達(dá)，而打字的觸點(diǎn)非常多——每次按鍵都有一個(gè)反饋，用戶可能在短時(shí)間內(nèi)進(jìn)行各種按鍵操作，他不僅在意“準(zhǔn)不準(zhǔn)”，還要看“快不快”。對(duì)于打字來(lái)說(shuō)，時(shí)延性是需要重點(diǎn)考慮的事情。

那在云和端上要做多大模型？會(huì)不會(huì)造成卡頓？會(huì)不會(huì)耗電？這都必須去考慮。我們（打字）是在夾縫中不斷尋求自己位置的存在。

我們提到強(qiáng)化學(xué)習(xí)很重要，那打字的觸點(diǎn)和需求這么多，我們要怎么去建模？這里，reward model（獎(jiǎng)勵(lì)模型）的設(shè)計(jì)非常關(guān)鍵，這不是一個(gè)“講規(guī)模”的邏輯，而是要看這個(gè)reward model是不是跟用戶貼得足夠緊密，要確保模型和用戶體驗(yàn)高度對(duì)齊，這樣才能在強(qiáng)化學(xué)習(xí)模式下輔助我們的模型走得更快。也許一個(gè)規(guī)模小、但貼近用戶需求的模型，比規(guī)模大、但遠(yuǎn)離用戶的模型更占優(yōu)勢(shì)。

問：人們?cè)絹?lái)越適應(yīng)語(yǔ)音成為一種很主要的交互方式，會(huì)給輸入法這個(gè)產(chǎn)品帶來(lái)什么不一樣的理解嗎？未來(lái)鍵盤會(huì)消失嗎？

搜狗輸入法團(tuán)隊(duì)：這是一件值得期待的事情，回看小靈通時(shí)代，很難想象手機(jī)有一天會(huì)發(fā)展到完全沒有實(shí)體鍵盤的形態(tài)。所以當(dāng)今天討論是否有一天輸入法可以不再依賴鍵盤，而是以語(yǔ)音交互為主時(shí)，確實(shí)讓人展開想象空間。

當(dāng)然存在一些垂直人群，他們主要在用語(yǔ)音，不太需要鍵盤。比如在一些游戲場(chǎng)景中，實(shí)際上之前搜狗輸入法推出過(guò)一種游戲鍵盤，它就有一個(gè)大的語(yǔ)音輸入按鍵，這樣的交互形態(tài)對(duì)于特定群體就蠻清晰、干凈的。

但當(dāng)產(chǎn)品面向所有用戶時(shí)，就會(huì)發(fā)現(xiàn)不同人群在輸入方式和表達(dá)習(xí)慣上的差異非常大。有些用戶以語(yǔ)音為主，但也有大量用戶因?yàn)楣ぷ餍枰騻€(gè)人習(xí)慣，并不希望語(yǔ)音占據(jù)主導(dǎo)，讓鍵盤消失。

在這種意義上，“鍵盤的消失”或許并不是一個(gè)統(tǒng)一答案，而是一種可選的定制模式，對(duì)于那種只想用語(yǔ)音的用戶，他可以擁有完全屬于自己的形態(tài)。輸入法的演進(jìn)一定是順勢(shì)而為的，它不會(huì)教育用戶應(yīng)該怎么輸入，也不是把某種新潮理念強(qiáng)推給用戶，而是順著真實(shí)的使用習(xí)慣自然生長(zhǎng)。

問：我最近有一次很直接的體驗(yàn)，前一天晚上用語(yǔ)音輸入法寫提綱，我就嘗試一邊說(shuō)一邊寫，但真正用下來(lái)會(huì)發(fā)現(xiàn)，寫到一定程度后還是會(huì)講不下去。當(dāng)我回到打字狀態(tài)時(shí)，其實(shí)是一個(gè)自己跟自己交流的過(guò)程，我每打一個(gè)字，都會(huì)在大腦中形成一次信息輸入和緩存，從而不斷推動(dòng)思路向前。我感覺打字本身還是有它的魅力的，這是一個(gè)更加復(fù)雜的思維過(guò)程。

搜狗輸入法團(tuán)隊(duì)：這里面其實(shí)存在一個(gè)很大的差異：語(yǔ)音更多是一個(gè)直接輸出的過(guò)程，需要用戶在發(fā)送前再做一定加工；而打字本身包含了一個(gè)在腦中加工信息的過(guò)程。進(jìn)一步說(shuō)，打字和語(yǔ)音本質(zhì)上對(duì)應(yīng)了不同的腦與身體的配合模式——語(yǔ)音是腦與嘴的配合，打字是腦與手的配合。

另一方面，打字通常是一個(gè)邊想邊修改的過(guò)程，輸入法如果能理解用戶的每一次光標(biāo)移動(dòng)、退格和修改意圖，就能預(yù)測(cè)和優(yōu)化輸出結(jié)果，例如用戶輸入“結(jié)婚”時(shí)實(shí)際想表達(dá)的是“結(jié)果”，在退格的過(guò)程中系統(tǒng)就可能預(yù)測(cè)到用戶選錯(cuò)了，這需要基于整體語(yǔ)境去判斷意圖。

問：AI能夠幫忙糾錯(cuò)和聯(lián)想，有些人覺得AI會(huì)過(guò)度理解、自作聰明，如果聯(lián)想過(guò)于豐富，用戶可能反而難以接受。這個(gè)度需要怎么去把握？

搜狗輸入法團(tuán)隊(duì)：從技術(shù)原理上看，打字的拼音輸入和聯(lián)想存在一個(gè)很大的區(qū)別，那就是概率。假如打字的首選命中率達(dá)到80%左右，那絕大概率展現(xiàn)給用戶的候選對(duì)他們來(lái)講是合理的；但聯(lián)想天然的技術(shù)瓶頸在于，它遵循的是一個(gè)普適的概率邏輯，概率分布呈現(xiàn)為平緩的曲線，它可能出現(xiàn)一萬(wàn)個(gè)候選，每個(gè)候選都分了一點(diǎn)點(diǎn)的概率，那在這種情況下，它必定很難滿足所有用戶。而未來(lái)的聯(lián)想，一定是把它的基礎(chǔ)條件概率增高，也就是得在更多信息的基礎(chǔ)上了解用戶、場(chǎng)景和上下文。

要想讓聯(lián)想達(dá)到輸入效率這條路徑上的質(zhì)變點(diǎn)，那它一定要達(dá)到極高的準(zhǔn)確率，盡管豐富性也很重要。但如果不準(zhǔn)確的話，它就喪失了這個(gè)功能的天然定位。其實(shí)我們也看到，如果所有的輸入都要靠聯(lián)想預(yù)測(cè)幫你完成，那時(shí)間效率可能是更慢的。

這背后其實(shí)是一個(gè)關(guān)于個(gè)性化的問題。當(dāng)我們接觸打字的邏輯時(shí)，會(huì)發(fā)現(xiàn)至少打字不是一個(gè)可以被激進(jìn)個(gè)性化的工具，它不像內(nèi)容推薦：當(dāng)你在短視頻平臺(tái)搜一個(gè)美食教程時(shí)，你對(duì)內(nèi)容推薦是可以沒有預(yù)期的；但打字的時(shí)候，你對(duì)要打什么字會(huì)有非常明確的預(yù)期，那只有在技術(shù)更有把握的情況下，才能做得更準(zhǔn)，否則強(qiáng)調(diào)輸出內(nèi)容的豐富性對(duì)打字用戶來(lái)說(shuō)是沒有意義的。

在這一點(diǎn)上，產(chǎn)品在大模型時(shí)代是比較有預(yù)期的。過(guò)去以詞庫(kù)為核心構(gòu)建輸入法時(shí)，很難做到個(gè)性化，因?yàn)樵~庫(kù)本身是統(tǒng)一的公共詞庫(kù)。這就意味著，當(dāng)用戶輸入一個(gè)自己從未輸入過(guò)的拼音時(shí)，大概率看到的是一組高度相似的候選結(jié)果，最多只是疊加一些場(chǎng)景上的不同。我們期待在大模型能力的加持下，輸入法至少能夠在個(gè)性化這條路徑上往前走幾步。

誰(shuí)能用大模型定義泛化的供需關(guān)系

誰(shuí)就掌握了輸入法的未來(lái)

問：當(dāng)前業(yè)界對(duì)于“原生AI”與“產(chǎn)品AI化”存在一些固有印象。一種觀點(diǎn)認(rèn)為，像OpenAI這樣的原生AI公司終將占據(jù)主導(dǎo)，他們認(rèn)為一切要圍繞革命性技術(shù)來(lái)構(gòu)建，傳統(tǒng)產(chǎn)品缺乏想象力，只能在原有架構(gòu)上疊加AI功能。另一種觀點(diǎn)則認(rèn)為，擁有成熟產(chǎn)品的公司更具優(yōu)勢(shì)，只有回到用戶、回到場(chǎng)景，才能讓AI改造更直接、更高效地觸達(dá)用戶。對(duì)于輸入法而言，徹底的重構(gòu)還是功能的疊加，是一個(gè)重大抉擇。當(dāng)時(shí)內(nèi)部經(jīng)歷了怎樣的討論？

搜狗輸入法團(tuán)隊(duì)：問題的本質(zhì)不在于我們要選擇疊加還是重構(gòu)，這不是站在“工具擁有者”的角度去自我定義，而是回歸用戶需求的本質(zhì)，選擇最契合的解決方案。以此次推出的AI翻譯為例，它直接調(diào)用了公司內(nèi)部成熟的大模型能力，我們可以認(rèn)為這是一種疊加邏輯。

但落在打字業(yè)務(wù)上，我們?nèi)绾伟炎陨?0年的沉淀和模型能力結(jié)合起來(lái)，為用戶提供更好的打字體驗(yàn)，從這點(diǎn)出發(fā)它必然是用AI重構(gòu)的邏輯，而不是一個(gè)AI疊加的邏輯。這是因?yàn)?，單純搬運(yùn)或者疊加（模型）是解決不了輸入這件事情的難題的。

反過(guò)來(lái)說(shuō)，即便OpenAI擁有領(lǐng)先的技術(shù)，它也未必就能做好一個(gè)輸入法。這是因?yàn)橛脩粜枨蠖嘣?，?chǎng)景也很復(fù)雜，想通過(guò)完全AI原生的模式來(lái)做輸入法難度非常大。就算我們做了很多AI重構(gòu)，也很難說(shuō)純AI零基思維出發(fā)能做到這件事。對(duì)輸入法來(lái)說(shuō)，積累是非常重要的。

在打字這件事上，從上文預(yù)測(cè)下文的這種模式，其實(shí)并不是大模型來(lái)了之后大家才意識(shí)到的。之前國(guó)內(nèi)外做神經(jīng)網(wǎng)絡(luò)和語(yǔ)言模型的團(tuán)隊(duì)也一直在推進(jìn)研發(fā)，但實(shí)際上他們都沒有做起來(lái)。那為什么沒有做起來(lái)呢？我覺得是現(xiàn)在的技術(shù)沒有達(dá)到臨界點(diǎn)——足以讓業(yè)務(wù)的沉淀、用戶的需求在強(qiáng)大的技術(shù)能力上“不堪一擊”。

現(xiàn)在受到大模型時(shí)代的沖擊，輸入法的框架思考邏輯可能會(huì)有一些變化，但也不是說(shuō)就能夠拋棄原來(lái)的詞庫(kù)檢索邏輯。除非未來(lái)出現(xiàn)這樣的技術(shù)拐點(diǎn)，即一個(gè)大模型輸入法可以短時(shí)間內(nèi)把我們20年累積的經(jīng)驗(yàn)像核彈一樣瞬間秒掉，但到那個(gè)時(shí)代的話，被瞬秒的業(yè)務(wù)應(yīng)該就不只是打字，而應(yīng)該是各行各業(yè)都會(huì)被顛覆。

問：目前來(lái)看，這一重構(gòu)的工程量和挑戰(zhàn)都極為艱巨，那么團(tuán)隊(duì)現(xiàn)在究竟處于這一進(jìn)程的哪個(gè)階段？

搜狗輸入法團(tuán)隊(duì)：我覺得我們大概還處在長(zhǎng)征路上大約剛走到貴州的階段。是否已完成徹底重構(gòu)？其實(shí)沒有，我們距離精準(zhǔn)建模還有差距。

另一個(gè)點(diǎn)在于，這不是一款新產(chǎn)品，用戶存在使用慣性。對(duì)于打字這個(gè)高頻使用場(chǎng)景，我們無(wú)法一夜之間徹底改變——不能自詡提供了更好的模式便強(qiáng)制推行，因?yàn)橛脩粑幢刭I賬。

問：能舉個(gè)例子嗎？就是這個(gè)技術(shù)能夠做到，但最后考慮用戶可能覺得太超前而克制住的某個(gè)功能。

搜狗輸入法團(tuán)隊(duì)：這種情況在打字場(chǎng)景中非常多。比如，輸入法可以按全拼或者混輸去理解，用戶按全拼輸入一個(gè)“晚上”的“wan”，系統(tǒng)也可以按混輸識(shí)別出“我愛你”。那要不要把“我愛你”提示給用戶？這究竟是驚喜，還是驚嚇？在這里，我們需要考慮用戶預(yù)期是什么？從模型的概率統(tǒng)計(jì)上來(lái)講，它可能會(huì)是怎樣的結(jié)果？

對(duì)每個(gè)個(gè)體來(lái)講，他其實(shí)一定程度上是在對(duì)抗統(tǒng)計(jì)學(xué)的。就像通用語(yǔ)音識(shí)別模型給出的“ta”都是男的“他”，那女的“她”誰(shuí)來(lái)保障？如果把男的“他”做得不可撼動(dòng)，用戶怎么都改不回來(lái)，那這種邏輯的技術(shù)增強(qiáng)對(duì)用戶是有損害的。我們對(duì)于預(yù)測(cè)這種能力，其實(shí)在這次AI升級(jí)上是非?？酥频摹?/p>

問：你會(huì)發(fā)現(xiàn)那些原生AI產(chǎn)品為什么那么大膽，可能也是因?yàn)橛脩籼倭耍钥梢杂煤芨叩哪Ｐ团渲?，反正也花不了多少錢。但對(duì)于我們這樣擁有龐大用戶體量的產(chǎn)品來(lái)說(shuō)，面對(duì)這么大的難題，我們有什么解法？

搜狗輸入法團(tuán)隊(duì)：確實(shí)，因?yàn)橛脩趔w量可能相差數(shù)百倍，從AI的角度看，成本同樣會(huì)放大到數(shù)百倍。對(duì)我們來(lái)說(shuō)，在面對(duì)很多看起來(lái)很fashion的新技術(shù)方案時(shí)，保持克制反而尤為重要，要在工程優(yōu)化的前提下保證我們的成本是可以長(zhǎng)期cover住的。那對(duì)一個(gè)擁有6億用戶的產(chǎn)品來(lái)說(shuō)，上線一項(xiàng)能力，意味著要做好持續(xù)服務(wù)的準(zhǔn)備——一年、兩年，甚至十年、二十年，而不是先試一試，不行再撤。這本身也是對(duì)用戶的尊重。

對(duì)于大模型的到來(lái)，團(tuán)隊(duì)也曾有一些發(fā)散性的想象：既然輸入法擁有強(qiáng)大的入口價(jià)值，是否可以幫用戶打車、點(diǎn)外賣，甚至把大模型能力在各類場(chǎng)景中全面聯(lián)動(dòng)？這些想法很有創(chuàng)意，但冷靜下來(lái)后，我們給自己制定了兩條核心產(chǎn)品原則，明確至少在當(dāng)下這個(gè)階段，我們應(yīng)該做什么、不做什么。

第一，我們不可以為了做AI而做AI，不要為了展示我有AI能力，就急于包裝和推出一些功能或產(chǎn)品，這是我們堅(jiān)決避免的。第二，專注于輸入法的本職工作，用戶選擇你的產(chǎn)品，是希望在輸入法范疇內(nèi)獲得價(jià)值，而不是在廣泛、無(wú)邊界的功能堆砌中尋找體驗(yàn)。

問：這一次的新版本被我們定義為全面AI化的起點(diǎn)。如果從更長(zhǎng)遠(yuǎn)的視角來(lái)暢想，在未來(lái)三到五年內(nèi)，你們認(rèn)為輸入法的整體形態(tài)可能會(huì)發(fā)生哪些關(guān)鍵變化？

搜狗輸入法團(tuán)隊(duì)：當(dāng)下用戶對(duì)輸入法的感知并不是那么強(qiáng)烈，是相對(duì)隱形的存在，他可能清楚自己在刷短視頻、點(diǎn)外賣、用某個(gè)App，但并不會(huì)意識(shí)到我正在使用某一個(gè)輸入法。但從未來(lái)的角度看，輸入法作為一種工具的價(jià)值和屬性，會(huì)被持續(xù)放大。

比如這次我們面向醫(yī)生、律師等專業(yè)人群，打通專業(yè)數(shù)據(jù)庫(kù)所提供的能力，本質(zhì)上是圍繞用戶場(chǎng)景展開的，借助輸入法這個(gè)工具拉通各個(gè)垂類應(yīng)用，讓用戶在需要某類內(nèi)容時(shí)能夠直接完成內(nèi)容級(jí)的調(diào)用，而不必頻繁切換應(yīng)用、反復(fù)查找。

類似的探索也在入口層持續(xù)推進(jìn)，比如我們最近在內(nèi)部進(jìn)行的一些測(cè)試，通過(guò)整合公司級(jí)內(nèi)網(wǎng)入口，讓用戶可以自定義自己的輸入鍵盤，把常用鏈接和入口統(tǒng)一收斂到輸入法中。這樣一來(lái)，無(wú)論用戶身處哪個(gè)應(yīng)用、什么場(chǎng)景，都可以一鍵調(diào)起所需內(nèi)容。

我們可以預(yù)期，會(huì)出現(xiàn)大量面向高度垂直場(chǎng)景的智能體用來(lái)解決日常生活的具體問題，但這些智能體無(wú)論能力多強(qiáng)，最終都需要一個(gè)被用戶高頻觸達(dá)、自然調(diào)起的承載入口。如果用戶需要在不同應(yīng)用之間反復(fù)切換，去逐個(gè)打開和調(diào)用這些智能體，這個(gè)過(guò)程本身就會(huì)變得非常繁瑣。這也是為什么越來(lái)越多公司入局這一賽道。

問：雖然很多人入局搶奪入口，但從歷史發(fā)展來(lái)看，入口往往不是搶奪來(lái)的，而是自己長(zhǎng)出來(lái)的，取決于用戶是不是需要你，你們?cè)趺纯催@個(gè)問題？

搜狗輸入法團(tuán)隊(duì)：一直以來(lái)，我們不會(huì)強(qiáng)調(diào)要去“做一個(gè)入口”?；乜椿ヂ?lián)網(wǎng)這么多年，很少有宣稱要做入口的產(chǎn)品最終是做成的，更多的情況是，把產(chǎn)品的能力和體驗(yàn)做好，用戶愿意留在這里，到一定程度它自然變成一個(gè)入口。

最終回到我們?nèi)绾味x輸入法的供需關(guān)系，需求是一個(gè)直接的需求，還是一個(gè)泛化的需求？未來(lái)，輸入法泛化的需求空間是更大的，這是我們的入口邏輯。這個(gè)供需的底層邏輯是更好地理解用戶場(chǎng)景和意圖，通過(guò)更自由地調(diào)用大模型，我們能先人一步地捕捉并滿足用戶個(gè)性化的意圖，強(qiáng)化這一供需關(guān)系。這是未來(lái)大模型和輸入法結(jié)合所帶來(lái)的機(jī)會(huì)。