用 AI 撬動英國巴克萊、迪拜國民銀行、美國神秘大型銀行，這位 26 歲的創業者如何做到的？

來源 | 機器之能

Fluid AI 的創始人 Abhinav 和 Raghav Aggarwal 兄弟倆正在銀行系統中部署人工智慧，讓客戶在使用銀行服務的同時能夠感受到樂趣。當然，他們還有一個更加認真的願景：那就是為全世界打造即插即用的人工智慧引擎。

Abhinav（左）和 Raghav Aggarwal 在暢想一個美好的未來，那時，人們將分不清和他

Abhinav Aggarwal 喜歡描述數十年之前就開發出第一台人工智慧機器的科學家的故事。他們問機器的第一個問題是：「上帝是否存在？」回答是：「現在有了！」這個 26 歲的年輕人有些消瘦，眼鏡後面閃爍著興奮的神情，因為他知道自己處於風口。

我們很容易理解這種奇妙的故事為何讓 Abhinav 念念不忘，作為 Fluid AI 的 CEO，他想重塑機器與人類的交談方式。2012年，21歲的 Abhinav 和他 29 歲的兄長 Raghav Aggarwal （ 現在是 Fluid AI 的總經理）創辦了 Fluid AI ，利用人工智慧提供直觀的用戶體驗和數據分析。

人工智慧和相關領域（如語音識別和圖像識別）的進展，極大提升了計算能力和存儲能力，機器將會替代以往人類的角色。

以印度本土銀行 RBL 銀行為例。當你走近孟買的 RBL 銀行恩海路支行時，替代傳統接待員的是智能屏幕，它使用運動感測器檢測到你的進入，然後對你說「你好，歡迎光臨」。

申請貸款、評估信用卡、獲得最新的費率，只要在虛擬按鈕上面做相應的手勢，這一切就能完成。同時，安裝在信息亭上的相機在捕捉你的面部圖像，Fluid AI 的軟體系統會根據採集到的圖像判斷你的興趣。如果它感知到你渴望獲得一筆住房貸款，它會為你推薦適合的選項和計劃。你還可以對著屏幕講話，或者對著屏幕上的按鍵做手勢，說一聲「 cheese」，照片就會保存在銀行系統。撥打一個免費的電話號碼，照片將通過 WhatsApp 發送到你的智能手機。「這將會吸引新時代的人們」，Abhinav 一邊說，一邊拿起會議桌上的魔方，忘情地玩了起來。

一位顧客正在 RBL 銀行使用 Fluid AI 的手勢識別技術

在未來的幾個月里，RBL 銀行計劃在其他大城市部署 Fluid AI 以體驗為基礎的智能屏幕解決方案。除了吸引客戶，這個解決方案也會收集、分析客戶的相關信息，將其反饋給銀行，銀行再根據這些信息，提供最適合的產品來取悅客戶。

Abhinav 和 Raghav Aggarwal 兄弟倆熱愛編程，自學成才，如今，Fluid AI 具有 50 人的規模，並且已經盈利。Fluid AI 的總部設在孟買，在夏洛特、北卡萊羅納州、荷蘭和模里西斯都有分部，而 Fluid AI 的業務已覆蓋大量金融機構，例如英國巴克萊、中東的阿聯酋迪拜國民銀行，以及美國一家大型銀行，其他客戶還包括軸心銀行（印度），沃達豐印度，晶元製造商 Intel，IT 諮詢公司 Accenture 和 Capgemini，汽車製造商勞斯萊斯、豐田和英雄集團，以及大型後台辦公外包公司 Intelenet。

回溯到 2008 年，那時的 Abhinav 正在讀中學，Raghav 在讀大學，他們首次創業，為中學和大學開發基於雲平台的學習管理系統，將其銷售給教育機構。在當時，將計算機軟體和數據存儲在機房是常態，亞馬遜向企業組織/用戶提供雲計算服務的業務也才剛剛開始兩年時間。

Abhinav 兄弟倆開發的這套名為 TruTech 的學習系統，可以讓學生、老師和家長在任何地點都能訪問出勤、課程進度、筆記等相關信息。最終，全國有 30 萬中學生、大學生使用這個平台，「這給我們帶來了很好的利潤」，Abhinav 拿著他已經完成的魔方，笑著說。

兩個男孩一邊上學，一邊進行這項工作，他們發現這款軟體具有很好的可複製性。2012 年，他們在紐約度假，報名參加了由 TechCrunch Disrupt Hackathon 贊助的全球最大編程競賽。經過 24 小時的連續編程，他們獲得了勝利。他們意識到自己能夠提供「更高級的技術」以及「更出色的服務」，Abhinav 解釋，「從那時起，我們就開始建立基於人工智慧的服務。」

此後，他們沉浸在軟體開發中，在母公司 TruTech 的基礎上創立 Fluid AI 。創立 Fluid AI 的過程中， TruTech 一直擁有良好的收入狀況，這使得他們能夠更好地運營新公司。甚至到今天，95% 的付費學校都仍然是 TruTech 的客戶。

當 Fluid AI 開始擴張，引起客戶注意的時候，Raghav 和 Abhinav 分別被印度管理學院及印度商學院錄取，但一個月之後，他們都決定退學。年少時的創業，讓他們積累了豐富的商業經驗，花費兩年時間攻讀 MBA ，再回到此前的業務中，並沒有太大的意義。「在技術上，兩年卻是寶貴的時間」，Raghav 打趣道，「所以我們決定退學，全職發展 Fluid AI」。

Fluid AI 給客戶提供兩種解決方案。一個是體驗類產品，如同 RBL 銀行，在信息亭安裝智能屏幕，吸引客戶，並與客戶交互。智能屏幕嵌入計算機視覺技術，識別客戶身份，理解他們的手勢，聽他們說話，與他們交談。該技術可以完成比目前部署在 RBL 銀行更為豐富的功能，如智能屏幕會提示客戶出示身份證。通過這一步驟，機器可以讀取到所需的數據，並創建和護照一樣大小的圖像，與客戶身份證上的照片進行實施匹配。Abhinav 說，「有了這項功能，你可以在 30 -40 秒內完成開戶過程」。因為嵌入了人臉識別技術，客戶還能與顧問進行實時視頻通話。當客戶下一次走進銀行，機器記得客戶的名字以及此前瀏覽過的產品，並清楚該客戶與銀行的具體關係。

Fluid AI 提供的第二個技術幫助客戶更好地使用數據。Fluid AI 的軟體包以公司的數據為基礎，能夠理解數據的含義，幫助公司做出更好的決策，甚至預測。例如，一家零售商使用 Fluid AI ，可以從數據分析了解到某個具體的客戶將要流失，除此之外，還能更具體地分析如何阻止這種趨勢。

Raghav 說，「我們預測到將要流失的客戶後，可以在最佳的時機，針對性地向他提供商品銷售，以留住他」。埃森哲諮詢公司是 Fluid AI 數據產品的眾多客戶之一。埃森哲諮詢公司經理 Avnish Sabharwal 說，「我們與 Fluid AI 這樣的初創公司合作，針對我們客戶的複雜的業務問題，提供創新的解決方案」。

客戶應用案例還有很多。Abhinav 介紹，2016年11月，高價值貨幣鈔票行情惡化時，使用 Fluid AI 數據解決方案的銀行反而更賺錢。「我們的系統自己學會了已經改變並自動適應的撤銷模式。而使用基於分析的解決方案的很多傳統人士必須進入並重新編碼後端」。

推動這一功能的是 Fluid AI 對深度學習和人工智慧的使用。簡單來說，人工智慧代表一項能夠讓計算機像人類一樣去思考、理解和交流的技術。傳統的技術需要給計算機進行編程，告訴它們如何去做。然而，機器學習是人工智慧的一個子集，通過使用機器學習，計算機能夠從自己的經驗中被教會做一些事情。深度學習又是機器學習的一個子集，它能讓計算機執行類似語音識別和圖像識別的任務。

Raghav 說，「我們在複製最基礎水平的人類智能」。這兩種解決方案都是由「遺傳演化網路」來驅動，他說，這涉及到給深度學習的頂層添加一層「遺傳演化」層。這項技術受人類進化的啟發，它擁有 10 萬個「物種」，每一個物種都被設計成具有一個終端目標，例如理解顧客的情緒或者決定將哪一種商品向上端銷售。Abhinav 解釋道，「我們的演算法建立在 10 萬個類似於人類進化的物種，表現良好的那些種類將會被繼續傳播，表現不好的種類將在這個過程中消失」。這使得他們的軟體可以實時學習，並且在數據端和體驗端都擁有「很高水平的精確度和預測」。

再加上這家公司遵循著的即插即用模型的原則，客戶可以儘可能無縫地設置 Fluid AI 的解決方案。解決方案位於雲端，位於客戶數據之上，在需要的時候就會將數據上傳至雲端。Raghav 說，「我們的大多數客戶，特別是 BFSI 部門的客戶，由於監管的原因，不想將其數據推送到雲端。此外，由於他們擁有如此多的數據，將其帶到雲端將需要幾個月的時間。因此，我們的解決方案部署在他們的環境中」。

風險投資公司 Kalaari Capital 的合伙人 Sumit Jain 表示：「與企業和中小型企業客戶緊密結合，為他們提供易於採用的端到端解決方案，將幫助基於人工智慧的公司創造粘性和可持續發展的業務」。它也有助於 Fluid AI 將銷售周期從之前的六個月縮短到一個月。Abhinav 指出，即使是「規模大，業務複雜的客戶也可以立即啟動運行，讓他們保持敏捷」。Mastercard 將 Fluid AI 加入到其 Start Path Global 計劃中—該計劃是一項支持正在重塑未來商業形態的後階段創業公司的舉措。而市場研究公司 Forrester Research 為大型企業客戶提供技術決策和採購建議，將 Fluid AI 列入其最近的全球 AI 報告中頂級深度學習供應商之一。

儘管勸說他們的第一大客戶 Vodafone India 正在繼續，然而對話的內容已經改變。Abhinav 說，「現在已經不是最好能夠使用，而是必須使用」，當他們在 2012 年開發基於人工智慧的解決方案時，沒人習慣談論人工智慧。後來隨著計算能力的增加和存儲成本的降低，以及大量的標註數據的出現，這一現狀有了改變。

沃達豐從 Fluid AI 基於智能屏幕的體驗側解決方案中獲益良多，電信專業人員已經部署在孟買、Gurugram 以及 Pune 的顧客體驗中心（CEC），以更好地吸引客戶。新產品和 CEC 的高級經理 Rutvij Gupte 說：「挑戰在於，有時候客戶不能很快明白他們需要使用手勢與屏幕通話」。「Abhinav 和 Raghav 正在努力」，他補充道。

全自動化機器驅動的交互，遇到的明確挑戰就是離線互動。Jain 說，「絕大多數離線交互場景都由客戶與真實人類的交互需求驅動。改變客戶的行為需要時間，爭論只能通過實驗性的部署以及關於客戶採納和使用的數據來解決」。

然而，Raghav 指出，對於那些擁有實體門店的客戶而言，保證每一個客戶在每一個店鋪得到同質量的體驗是一個挑戰。「你需要一個可擴展的質量體驗」，他說。Raghav 甚至相信，隨著人力成本的上升以及顧客注意力的提高，Fluid AI 的體驗解決方案在吸引客戶方面會呈現出一個「更加動態的水平」。儘管像 Vodafone 一樣的客戶，對這些挑戰心知肚明，但是它們更加清楚地意識到利潤差別所在。

在沃達豐的用戶體驗中心，Fluid AI 的解決方案旁邊是其他交互系統，由其他供應商提供的觸摸屏電腦也有助於以一種有趣的方式呈現信息。Abhinav 說，「在用戶體驗方面，我們認為做互動式觸摸屏的商家、基於投影的產品以及像亞馬遜這樣做語音交互的公司才是我們的競爭對手。但是沒人能夠像我們一樣在現實應用中將手勢、語音和人臉識別結合起來。」然而，在數據產品方面，他把 IBM 的認知人工智慧平台 Waston 作為競爭對手；但他同時表示，兩者存在根本的不同。他解釋道，「如果你讓機器來閱讀論文或者法律，Watson 會做得更棒，但是我們的 Fluid AI 在抽象大數據方面做得更好，基於大數據做出微觀決策，然後在實時的學習中進行遺傳演化」。

如今，人工智慧已經成為一個熱點話題。據 Kalaari Capital 分析，自 2014 年以來，全球共有 25 億美元的私人資金被投入到人工智慧初創公司，在未來幾年這個數字還有望增長。Jain 說，在印度，自 2014 年以來人工智慧方面共有超過 5000 萬美元的投資金額。

Fluid AI 的收入和利潤也遵循這一趨勢。自從 2008 年建立學習管理平台開始，Aggarwal 兄弟倆就沒有在投資上發過愁。Abhinav 說，「我們從第一天起就開始盈利」。他們的商業模式很直接：在數據端，他們的客戶付年費，而對於更大的合同，他們從 Fluid AI 給客戶帶來的收益中抽成。這意味著，如果一家大型國際銀行在它的 ATM 上部署了 Fluid AI 的解決方案，然後可以更好地預測現金流，比如銀行以此減少了 10% 的浮動。假設在 ATM 維護上花費了 2 億美元，那麼就相當於節省了 2000 萬美元的成本；Fluid AI 收取 10%-15% 的手續費。Raghav 說，「當然這個結果也和我們系統的性能相關，這會讓客戶確信我們能夠達到他們期望的性能，讓他們感受到在 Fluid AI 解決方案上的投資是值得的」。

這類利潤份額佔到了 Fluid AI 利潤的很大部分。另外，用戶體驗類產品與數據類的年度許可授權一起，客戶可以在一個信息亭得到一整套硬體單元，然後在部署硬體單元的每一個地方付一次費。Abhinav 說，客戶部署的時候需要提前支付 50%，所以資金流向來都不是問題。

Fluid AI 創始人並未披露他們的具體收益，只是說該公司在上一財年（2016.4.1—2017.3.3）的增長率為 300%。Abhinav 說，「過去幾個月中我們在迅猛擴張，完成了與幾個國際客戶的交易，並且我們已經在和其他五家美國銀行進行商務接觸」。針對目前的財務狀況，我們的收入增長預計可以保持在 250％。

Aggarwals 仍然懷揣更長遠的願景，那時，人們將無法區分他們是否與人類同伴或機器交談。兄弟倆說，「我們想為這個世界打造即插即用的人工智慧引擎」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！