科技界一个老生常谈的话题是，工具类产品粘度和活跃度不够，用户停留时长短，迁移成本低，这意味着若你相信“流量”二字的意涵正逐渐变成“用户数X使用时长”，那么工具类产品商业模式的演化速度最好要快一些。毫无疑问，作为过去几年中国工具类产品的范本，猎豹移动自然知晓这个道理。

北京时间8月19日，猎豹移动发布第二季度财报。财报显示，猎豹第二季度总收入为10.467亿元，同比增长18.1%，高于市场预期，算是走出了收入增幅下降通道。

其实连傅盛自己也承认，之前猎豹挣钱太容易了，“整个猎豹都处于一种过分自信的状态中”，于是客观因素之外（Facebook 广告系统算法改变致使猎豹平均获客成本骤增），当风口出现转向，原本能更为迅敏地告别路径依赖的猎豹稍显迟疑。不过好在，经过意料中的波动，猎豹从工具转向“坚定不移做内容”的战略转型看起来初见成效，财报显示，Newsrepublic，Live.me几款内容产品在海外表现都还不错。

从工具到内容——就像女排的胜利不能单靠所谓“女排精神”，除了切换观念与思维模式，猎豹转型其实更需仰仗技术本身，其“豹变”驱动力势必将落在人工智能和深度学习在底层算法的系统升级上。“我们以前把容易做的活都做完了，下一步其实是累活难活，也是需要很多的积累的活儿。”

傅盛这样总结，而“累活难活”需要时间。

“内容为王”

谈技术之前，先得简述下内容之于工具产品的重要性。

新时代的常识是，商业竞争的本质日趋演变成抢夺消费者时间（这当然不是指工具产品的后台驻留时间），一个有趣的脚注是，传统门户产品用户数非常高，但平均使用时长远落后于今日头条——据报道，2016年8月今日头条平均用户每日打开时长已超过70分钟，这是个可怕的数字。

嗯，当卖东西的阿里也开始淡化GMV而谈论“用户停留时间”之时，你就知道，过去集市般的客流生意已有些守旧，因为唯有注意力才是最宝贵的商业资源，尤其当人类迈入内容丰裕时代，稀缺的天平自然倒向用户注意力，也让抢占时间份额成为一切商业竞争的逻辑起点（不妨看看如今火热的直播现象）——正因如此，通过工具抵达用户，用内容留存用户成为猎豹的战略核心。

简要复盘：2015年初，猎豹移动投资被称为“海外小咖秀”的音乐短视频社交应用Musical.ly；今年以5700万美金收购全球移动新闻聚合服务提供商News Republic，后者与今日头条一样主打个性化内容推荐，猎豹也借此拿到包括美联社，路透社，法新社，BBC等数千家新闻机构的正版内容；海外直播领域，猎豹在一季度上线社交直播应用Live.me，在iOS和Google Play社交榜中也都有不错排名。总体来看，以文字作为切入点，同时在视频（直播可被视作视频的一部分）等领域布局——猎豹在内容转型上选择了相对“分散”的打法。

深度学习+内容分配

这需要技术为后盾。

作为一家产品技术驱动型公司，技术永远是猎豹第一生产力，而它首先要做的，即是基于数据优势为不同用户精准推荐长尾内容。于是我们看到，傅盛用被他誉为“计算机历史上出现过的最简单，最美丽东西”——深度学习，重构了公司技术后台，从传统意义上的工具公司转向一个人工智能技术支撑的平台公司，猎豹必须跳跃过去。

事实上，傅盛对深度学习的信赖倒也符合逻辑。至少理论上，“喂养”这种多层神经网络确实为猎豹这种数据海量的公司所擅长。

如你所知，廉价的并行计算，更好的算法，以及这一切的基础——更大的数据量，让六十年来不断幻灭又重燃希望的人工智能时代近在咫尺。深度学习技术的出现降低了某种使用门槛，由于深度神经网络“起点”相对相近，甚至形成特定领域后来者的弯道超车，因为它始于学界，落于企业，尤其是数据海量的大公司，理论上，只要你握有足够多数据，即可实现对事物更准确的判断。用傅盛的话说，“最后变成了拼谁有数据，谁有数据谁运算，谁运算的次数多，谁做的实验多，谁就能看到结果。”而根据收益递增原则，一个以数据为血液的人工智能产品，越多人使用它就越聪明，就有更多人使用。

这也许是猎豹的契机，刚刚公布的财报显示，截止2016年6月30日，猎豹移动产品全球范围内已下载安装到30.99亿台移动设备上，移动端月度活跃用户规模达6.23亿（其中79.4%的移动月度活跃用户来自欧美为主的海外市场）。这确实是个值得炫耀的数字，可以想象，建立起深度学习核心技术能力的猎豹可以向诸多领域扩展，与其他应用结合产生收益。

当然目前重中之重仍是内容。在我看来，News Republic将成为猎豹产品矩阵的核心。收购News Republic之后，猎豹把他们的技术人员拉到北京封闭开发，整个体系也都换成了猎豹自己的，傅盛相信，“我们的技术可以帮助它长足的进步，通过智能编辑，数据分析和挖掘等手段向全球用户提供最新锐和广泛的个性化新闻内容推荐。”

嗯，谁都知道，与一百年前“电器化”的过程颇为相似，人工智能将迎来与其他行业井喷式的嫁接与落地，这意味着它将以更为务实的姿态蔓延到一个又一个行当——自然也包括内容层面。目前猎豹就用深度学习模型替代了News Republic原有的专家模型，提高了用户的转换率；而在主播领域，猎豹人工智能的介入大幅降低了审核难度，减少了人力成本。

尤其是技术对内容的“筛选”。如前所述，商业最终瓜分的是用户时长，让用户保持忠诚的关键无疑是提供精确且优质的内容，但当稀缺天平早已倾向于时间（365×24）而非内容一端，应对所谓“信息过剩”就成为必须。

几种信息分发路径倒是非常清晰：专业人士（通常是编辑），社交关系，和机器推荐——现在看来，机器推荐愈加指向未来。第三方监测机构易观不久之前发布了一项颇为惹眼的数据：在2016年资讯信息分发市场上，算法推送的内容将超过50%。人工编辑的角色正走向式微。

不难理解，在愈加嘈杂的互联网环境，人人都无比渴望最大程度降低搜索成本，直接给我最想要的信息才好，这种对机器“你懂我”的无限追求延续了人类在应对“信息过剩”时的两种惯用战术：过滤与搜索。追溯历史，包括印刷媒介，图书分类法，各种推荐系统，维基百科，社交网络，搜索引擎在内，都是这两种力量的变种。正如凯文·凯利所言：“未来很多行业都是过滤器，在海量对象中把无效的选择过滤掉，让人更好利用时间的过滤器。”——而在不少人看来，大数据或者说人工智能才是降低搜索和过滤成本，解决信息之困的不二之选。

事实上，在现阶段，基于深度学习的人工智能本质上就是一个试图用自动化解决问题的工具——这种“自动化”理应包括内容选择。去年3月份，雅虎北京研发中心被裁撤，猎豹挖了一批雅虎研发人才，据说那批人即是为雅虎全球做内容个性化推荐的。看得出来，基于数据优势和研发能力，傅盛对内容“千人千面”这件事把握十足：“我们正致力于成为一家人工智能公司，用深度学习和人工智能重构我们的整个技术后台，实现高维离散特征，真的可以实现每个人看到的内容不一样，千人千面，每个人的兴趣被挖掘出来。而不像以前就是打标签，只有对类目的区分，而不是对兴趣的区分。我们能够通过技术的手段，海量用户的数据去实现非常精准化的个性化的推荐，在全球范围内实现这种内容的连接，这样的话我们的广告模式，才能真正地跑起来。”

当然了，今日头条在先，这倒也不是个新鲜论调。但若进一步说，所谓“千人千面”自有高下之分，KK就认为，一个理想的“过滤器”应该符合如下特征：1，对每个人大量行为汇总分析，及时预测某个人的行为。2，知道朋友们喜欢什么，而那又是我现在不了解的。3，向我建议某些我现在不喜欢，但想尝试着喜欢的东西。

在我个人看来，后两者的相对缺失是现阶段今日头条遭到诟病的原因，这个时代，人们或多或少都会掉入自我编织的“信息茧房” 之中。而你知道，解决技术带来的问题的方式永远都是通过更好的技术——打破“信息茧房”亦如此。“今天如果有Low的内容，说明这个算法还没有做好……我觉得深度学习的聪明是能够超出想象，只是今天还在路上。”傅盛寄望深度学习能发挥作用，“里面其实包括两部分：一个是兴趣，一个是探索。它通过你以前的行为现在知道你有什么兴趣，但给你的内容里面还有探索，但探索也是一个算法，它怎么知道探索得对不对，探索多了会影响你的兴趣，这里面的平衡在哪里。我觉得这个技术的复杂度比当年搜索要复杂，这是肯定的。”

嗯，对于已将底座落于人工智能的猎豹而言，一切尚在模式摸索过程中，谁都知道人工智能会是下一个二十年颠覆人类社会的技术，其力量将堪比电与互联网，但傅盛同样深知，“人工智能就像所有的技术一样，它只有一个红利期。”

毫无疑问，这家从清理手机垃圾起步的中国公司，希望通过技术本身，握住这一轮技术红利。

李北辰/文（知名科技自媒体，致力于为您提供文字优雅的原创科技文章；微信公号：李北辰）