阿里人工智能这五年：天才的野心与自证(9)

「这段经历让我们明白了应该创造和推动什么样的技术，知道哪些技术更有可能落地成为产品，以及如何让一个产品能够有效地支撑业务」，金榕谈道。
可以说，从研发到业务的实战积累正是阿里打造AI 技术落地体系的基石。
如今，这套思想贯彻到阿里大大小小的技术思路中。比如，在语音技术团队今年推出的语音合成技术 KAN-TTS（Knowledge-Aware Neural TTS）中，团队就事先考虑到了不同环境下的模型部署环境，并进行框架设计和效率优化，综合各项需求的关键算法改进多达20余项，最终实现了无论是在云端还是终端，甚至是 CPU 存储有限情况下的最快速度部署。
一项技术能否在设计之初就考虑到项目部署阶段遇到的各种实际问题，正是技术落地体系成熟的重要标志。
3. 中国研究院没有Benchmark
「它是阿里巴巴国际化业务的技术生命线，如果没有这些能力，阿里巴巴很难称之为一家国际化公司」，这段底气十足的话出自司罗。
他是阿里达摩院语言技术实验室负责人，带领百余人的队伍进行自然语言理解、机器翻译、认知智能等底层技术的开发，这些技术被誉为人工智能皇冠上的明珠。

司罗，现达摩院语言技术实验室 负责人
司罗专注于机器学习、NLP 等领域的研究，2012 年成为普渡大学计算机系终身教授后，一举奠定了其在学术圈的地位。同金榕、漆远一批，司罗在 2014 年加入 iDST，是阿里建立人工智能技术体系的早期成员。
相较于视觉、语音更贴近前端用户的技术，语言则更偏向底层，以原子化能力的形式起作用，扮演着赋能和支撑的角色。正因为这个特点，它对于大型互联网技术公司而言往往不可或缺，但技术团队却又是极其分散的。
既然如此，为何不集中力量打通？
于是，语言技术恰好成为了技术平台化的最佳试验场。