2年前，鄭瑋賣過一次車。從開始尋找買家到最后成交，他花了整整一個月時間。“有太多不清楚的情況，身邊每個人給出的建議都不一樣。”

　　這次經歷讓他切身體會到汽車場景下，C端知識孤島化嚴重，大量普通人不了解的問題，其實存在可數據化的答案。他開始考慮，如果用自然語義的方式將其梳理，進行數據算法推理，并從語音交互入口切入，將是很大一塊市場。

　　為此，去年2月，他創立品智能量，專注人工智能的自然語義在汽車垂直領域的具體應用。 一年半努力之后，品智能量基于知識圖譜自然語義分析的AutoAI平臺已經基本架構完成，并為國內知名汽車主機廠和車聯網服務等B端平臺提供語音人機交互產品開發。未來品智能量也將以此為載體，打通車載機器人、4S店客服機器人等硬件產品入口。

　　沒有辦法方便解決車主們經常冒出來的疑問嗎？

　　在騰訊任職期間，鄭瑋接觸了很多中小創業者。 有個小伙子做了一款菜場比價系統：他們每天早早跑到城市的各個農貿市場，將當天的菜價更新到系統中。用戶買菜時可根據系統給出的價格來比價還價。“還有很多類似的創業者。”

　　這使鄭瑋意識到，創業的需求和靈感就在身邊，不是非要追求一個自己不了解的行業，或者重新創造一個生活中沒有的東西。他的創業念頭就此萌發。

　　2015年，鄭瑋進入中馳車福任CMO，負責集團旗下B2C業務線的開展。不久之后，他和同事們目睹了一批020養車平臺在燒光幾億資金后無奈倒閉。

　　他和同事分析其中原因：汽車后市場低頻、高客單價，靠燒錢補貼來獲取用戶不是長久之計。想真正留住用戶，必須找到一個高頻入口，或是內容，或是服務。

　　此外，他們還發現了一個新情況：身邊突然出現了大量車輛問答類微信公眾號。 這些公眾號主要通過人工答疑的方式為用戶解答關于車輛使用過程中的一些問題。當車輛出現故障時，很多人在實地維修前會選擇上網搜索具體原因，但常常得到千奇百怪的答案。這些公眾號便應運而生。

　　而這些答案相對標準化。在他們看來， 如果基于大量數據的積累，通過人工智能的方式將其梳理應用，可以更方便地解決車主的問題。

　　以一個自然語義分析核心為基礎，根據需求定制出多種Chatbot（聊天機器人）,并將其應用在各種場景。 項目核心就這樣浮現在鄭瑋腦海中，至于具體使用形式，車主的最明顯的痛點之一不就是開車的時候希望解放雙手嗎?語音交互是最恰當的接入方式了。意識到其中的機會后，去年2月，鄭瑋創立品智能量，全心投入到產品研發上來。

　　梳理數據，建立一個行業未見過的先進的知識圖譜

　　項目啟動初期，團隊采用Magic模式（私人助理模式）來打造產品形態： 將前端的Chatbot連接后臺人工客服，機器人與用戶對話后，可以為用戶連接到修理、保險等第三方服務。

　　但他們很快便否定了這個模式。 因為，Magic模式要基于智能助理形態，高頻和計劃性是助理工具產品的特點，而低頻的汽車行業除了保養和保險外，其他服務幾乎都沒有任何計劃性。

　　之前獲取的千萬數據告訴鄭瑋，車主最關心的內容在汽車故障方面，“占到整體數據的50%。”團隊隨即將知識圖譜核心的構建入口轉到汽車故障板塊方面。

　　而這其中非結構化數據眾多，配件SKU的匹配、經驗描述等各個方面很難標準化。團隊將獲取到的千萬數據拆分標注，建立規則算法和推理，構建專業的知識圖譜。

　　2015年8月，在自然語言分析和機器學習基礎上，品智能量的人工智能核心AutoAI基本完成。團隊開始在汽車垂直領域尋找產品的具體場景應用。同月，他們獲得1000萬元天使輪投資。

　　首先，一款demo化App“上道”在10月上線。它采用Bot聊天機器人的形態。 機器人“小道”可通過語音多輪對話的方式為車主提供用車應急解決辦法、常見故障維修方法等汽車故障類服務。同時，團隊還推出了配套的微信問答類產品——上道題。

　　從上線至今，App已有5萬用戶，但鄭瑋沒有對App做任何主動推廣。在他看來，在現有人工智能的技術條件下，單純的C端產品無法滿足用戶的高標準體驗。

　　現階段，上道App一是充當B端定制化產品的demo架構，二是為AutoAI和用戶之間提供交互入口。App積累的用戶問答數據，可以更好地反饋給AutoAi底層進行機器學習，使其越來越智能。

　　今年二季度，AutoAi與汽車主機廠及車聯網服務商之間的合作迅速打開局面。就目前而言，其合作方式主要以汽車專業領域自然語義為核心，為B端提供人機交互產品。