支付寶所用的新一代機器人只是起步階段，還主要應用在花唄、餘額寶、招財寶、密碼等幾項業務上，後續很快會應用到其他業務領域，覆蓋所有的客服領域，最終成為金融顧問。

　　從昔日的雲裏霧裏，到如今的逸興雲飛，雲計算已成為支撐資訊化産業發展的中堅力量。從最初的青澀與被忽視攀登至令全行業景仰的至高殿堂，相信“雲”要感謝的人一定很多，除了要感謝“父母”(研發者)、“老師”(實踐推動者)以及“粉絲”(用戶)之外，更應該感謝一位與它相見恨晚的至交——SDN。可以説直到雲遇到了SDN，雲的發展道路才迎來了真正的輝煌轉折。

　　雲計算早在1983年即由SUN提出，但受限于當年的網路環境以及各方面IT技術的制約，這個概念一直是模模糊糊難以落地，同時也並沒有受到行業太多的重視，發展之路格外低調而崎嶇。而雲計算在經歷了多年邊界概念後，終於遇到了SDN這位命中註定的朋友，從此一發不可收拾，綻放出了勃勃生機。

　　SDN是一種可從數據流和物理基礎設施中分離出控制權的網路方法，對虛擬化交換以及其他的網路功能使用了網路功能虛擬化(NFV)。SDN和NFV可避免讓雲管理員使用腳本程式語言來開發VLAN架構，通過使用簡化VLAN配置和減少錯誤的模板，SDN可實現基於策略的運作。總而言之，SDN能做而傳統網路設備做不了的，可以為管理員們節省下大量的時間與精力，從而讓雲充分發揮蘊含的潛力。

　　如今，隨著應用交付的迅猛發展，已經讓雲和SDN、NFV結合得更加緊密，感情更加濃厚,且釋放的活力也越來越大。2015年年初，由太一星晨推出的TOMP平臺(開放式多業務平臺)，就是將SDN與NFV雙劍合璧，順應雲計算趨勢，旨在顛覆數據中心出口網路的各種需求，讓雲計算更具穩定性、彈性和開放性。

更健壯的優越性能

　　太一星晨TOMP平臺具備單板120G的業務處理能力，最大支援10槽業務擴展以及雙主控設計，整機1.2T的處理能力，可以幫助各類型大吞吐量的雲計算更加從容穩定。另外，基於標準KVM虛擬化、SDN交換晶片，以及基於OPENSTACK的業務管理，都與上層業務系統耦合，讓適配更輕鬆得體。

　　更貼心的應用需求結合

　　傳統的安全産品，始終面臨平臺性能的巨大瓶頸，尤其在高頻寬環境的部署，一直困擾著用戶。通過內置SDN晶片，太一星晨TOMP將應用內容分類傳遞給不同的業務模組處理。並如同貼身管家一般，通過各種監控技術，始終如一的守護業務模組的“身體健康”，或增加資源、或重啟業務、或備份、或略過，與應用需求結合的更加細膩。

　　更Open的開放態度

　　對於用戶來説，多業務需求是無法避免的。而要想獲得高性能、高密度的處理能力，只有數通廠商的交換架構才能滿足。不過數通廠商在安全以及七層業務處理的專業性上一直被人質疑，其産品也多為封閉結構。雖然他們對自身業務有多年積累，但面對高端交換架構卻一籌莫展，始終無法推出自己的産品。

　　太一星晨TOMP實現了更佳的開放性，任何一家産品只要支援KVM平臺，都可以無需修改，即可直接在上面運作，可以讓用戶有更多的選擇權，實現更大的拓展性和彈性。

　　更全面的功能部署

　　從核心功能來看，太一星晨TOMP是一款應用交付産品，但基於應用交付的核心能力，TOMP還具備了更多的功能部署。在SDN和NFV的雙輪驅動下，TOMP可以是高性能防火牆、IPS、流控、WAF……同時，採用TOMP構建的應用層網路不再有單點故障、性能瓶頸以及擴容風險。這無疑讓眾多用戶期盼的低成本、高性能、多功能、無限擴展的應用網路解決方案變得水到渠成。

　　顯然，如果説雲和SDN是相見恨晚的知己，那麼雲和應用交付則更可以説是天生的絕配。尤其是以TOMP所引領的應用交付新時代，SDN攜NFV與雲的集合已不只是心有靈犀，更可以説是臻入化境，幾乎只要動一動手指，就可以讓數據中心獲得更大的自由度和更多的選擇權，讓應用變得更加簡單。

　　對於全國龐大的客服群體來説，這恐怕是一個“不幸”的消息。

　　近日，支付寶宣佈推出智慧客服，相較于傳統的機器人客服而言，智慧客服不僅能理解客戶説話的上下文，還具備自我學習能力，變得越來越聰明，其專業能力相當於一個普通大學生接受了數個小時專業培訓。

　　智慧機器人的研發者是螞蟻金服旗下的智慧服務技術部，該團隊包含10余人，專注於人工智慧研發。而據了解，支付寶所用的新一代機器人只是起步階段，還主要應用在花唄、餘額寶、招財寶、密碼等幾項業務上，後續很快會應用到其他業務領域，覆蓋所有的客服領域，最終成為金融顧問。

　　重要的是，智慧客服不用領工資、不用吃飯、不用睡覺、7×24工作，如果智慧客戶廣泛推廣開來，恐怕全國的客服群體都將哭暈在辦公桌上。

　　媲美大學生

　　在不久前上線的支付寶9.0“我的客服”內，入駐的小俊、糖糖和安娜，就是支付寶自己研發的新一代智慧機器人客服。

　　而目前市面上存在的傳統機器人客服實際上只是一個比較特別的搜索引擎，建立一個常見問題解答的數據庫，用戶有疑問時，輸入關鍵詞去庫中匹配。

　　這樣的機器人往往只能回答一些正兒八經的查詢，比如“餘額寶收益計算公式”，但是沒有辦法處理一些更像日常對話的提問，如“餘額寶是怎麼賺錢的”。實際使用中，用戶提問往往較口語化，且一個問題分成幾句表達，如此，以前的機器人客服不僅解答不了疑問，甚至連用戶在問什麼都搞不明白。

　　相比起來，智慧客服不僅能理解非常口語化的問題，能理解特殊的問題焦點，能根據上文資訊推斷用戶問題的真正涵義，甚至能明白某個用戶問題不夠完整，再反問用戶、要求用戶提供更多資訊。它還會自我學習，通過學習讓自己變得越來越聰明。

　　螞蟻金服稱，智慧機器人客服推出後，對用戶提問的匹配程度相比上一代傳統機器人客服提升了20多個百分點。

　　另外，效率也有所提升。據測算，普通支付寶雲客服要完成5輪問答，大概需要30-60秒，而智慧機器人客服完成5輪問答所需時間大概為1秒鐘。這就意味著智慧機器人跟普通人的效率比在1:30—1:60。

　　螞蟻金服認為，智慧機器人客服解答問題的能力，跟支付寶外包的普通“雲客服”(一些人利用閒置時間，經過專業培訓後來擔任客服的任務，叫雲客服)水準相當。而要成為支付寶的雲客服，則需要經過一週的培訓，然後再通過一系列的考試。

　　負責該項目的科學家李智灝説，目前的智慧客戶機器人，專業能力相當於一個普通大學生接受了數個小時專業培訓。

　　機器學習模擬人腦

　　那麼，這些是如何做到的？

　　李智灝説，答案是讓機器人向真實的客服小二學習。

　　跟人腦相比，電腦擅長歸納、綜合，不擅長演繹。對大數據進行歸納後，可以讓機器部分模擬人類的思維。與之相關的機器學習和人工智慧技術，是目前最前沿的學科之一。

　　還記得那個可以對話的“小賤雞”嗎，以及微軟推出的跨平臺人工智慧機器人“微軟小冰”，與支付寶智慧客服原理相同，其背後均基於機器學習。

　　李智灝介紹：“支付寶每天都有數以萬計的對話，這些對話記錄告訴我們用戶在問什麼，怎麼提問，也告訴了我們什麼樣的回答讓用戶滿意，這些數據成了機器人的最佳學習素材。”

　　技術人員先要梳理出真實的客服人員與用戶的會話結構，找出每一句話的對話意圖，對會話結構進行標注。有了會話結構標準，機器人就可以從服務記錄裏學到不少知識，它會知道用戶的某一個問題需要再追問用戶更多資訊才能回答，知道用戶的問題再某種狀態下對應什麼答案，知道用戶反饋之後該怎麼應對，如此等等。

　　當然，為了讓機器人學到最好的對話、問答策略，技術人員會通過用戶滿意度模型來過濾掉現實中一些服務品質欠佳的客服記錄。同時，與用戶的一次完整交互其實更像一個劇本而不是零散的問答對。一般而言，一通會話中第一輪的問題會比較完整，接下來的話往往會省略掉很多成分，這就需要機器人能主動去理解上下文，否則都不知道用戶到底在説什麼。為解決這個問題， 技術人員為機器人設計了一個公式，通過這個公式，機器人會結合上下文自動去判斷補充哪個詞更合適。

　　通過這些，機器人成了一個很好的聊天對象，而不是一個機械地、笨笨的搜索引擎了。