正文
王守崑给出的答案是：“
直接把技术扔给客户是不行的
，必须为特定的场景做设计，然后抽象出可通用化的部分，这样才算是一个可落地应用的产品。”
他希望是Chatbot是由技术、产品双向驱动，
其实产品将是决定能否落地的关键，技术只负责支撑产品。
同样是算法驱动型产品，CV（计算机视觉）有着明确的评价标准，如识别率、动态状况下的识别率，光线不好的条件下的识别率等硬性的要求，
但对话机器人的标准十分模糊。
“轮数没有多大意义，尽管业界部分人士一直在强调对话的轮数达到20轮、30轮，但是20轮就一定比10轮好吗？并不见得。再比如回答问题的召回率或者准确率，也未必是完全能衡量的，在不同的场合下有不一样的要求。”王守崑介绍。
显然，在未明朗的标准下，产品经理、设计师的发挥空间非常大。产品经理
、产品设计师
能够真正了解客户的需求，引导技术方向，真正地让技术落地。
因此，王守崑非常重视产品经理和产品设计师的作用，在爱因互动创立之初，只有十几位员工的时候，爱因互动就设立了产品经理的岗位。
在投身创业之前，前文已经提到，王守崑有着丰实的工作履历。
早年在长江商学院当项目经理和RA（教研助理）时，王守崑潜心研究制造业和零售业的供应链建模，彼时，他常挽起袖子到业界进行实习的调研，也因此形成实干的思想和踏实的作风。
王守崑在供应链研发以及应用领域有着丰富的实战经验。他介绍，供应链的优化是数量化的事情。比如制造企业的产品，通常涉及多个零部件，而供应链涉及渠道端、销售端等方面。王守崑所参与的供应链包括推式供应链和拉式供应链：推式供应链从源头开始定计划、一层一层拆解；拉式供应链就是从市场出发，一层一层传递需求。由此涉及的面多且广，他对供应链形成了深厚的了解。
“供应链建模，大部分用到的是优化的技术。”当时，美的和TCL找到了王守崑，希望他能够提供供应链建模的技术和咨询服务，供应链建模完成以后，帮助客户节省了
20%~30%的
年物流成本。
正值他在供应链管理做得风生水起之际，2006年刚刚完成了一轮融资的豆瓣创始人阿北找到了王守崑，希望他能够加盟豆瓣，做”个性化推荐”相关的事情。同时，阿北也给他带来了两篇关于亚马逊关于个性化推荐的论文——正是这两篇论文，彻底改变了王守崑的人生轨迹。
根据亚马逊资料显示，
自从使用了个性化推荐以后，亚马逊的销售额增加了30%。
彼时，个性化推荐还是一件新鲜的事，“当时我还不知道什么是个性化推荐呢”，王守崑笑称。
最原始的个性化推荐的思想（也就是协同过滤）非常朴素——如果两个人的口味相同，都喜欢看某一类的电影和书，对方都有可能看过的没看过的、符合各自口味的电影或书籍。“这个简单的思想，用数学的方式表达出来之后就显得非常简洁而且效果非常好。我觉得这个东西很有意思，并且，当时国内几乎没有做这方面研究和实践的人。”
经过再三的考虑，他答应阿北，
应邀到豆瓣任职首席科学家，做第一个吃螃蟹的人。
王守崑生活照
凭借着一股对技术的好奇和憨气，王守崑来到了彼时尚未壮大的豆瓣。放眼全球，个性化推荐的技术也只有亚马逊运用得比较成熟，这个领域的应用在国内仍是一块待开发的处女地，王守崑决定拿下来。
八年的攻坚，王守崑对豆瓣在个性化推荐技术的迭代升级功不可没。由于一开始完全不了解个性化推荐，王守崑一点一滴参照亚马逊的论文，在零的基础，凭借着两篇论文和一些其他学术资源的支撑，王守崑搭建和亚马逊的一模一样的个性化推荐框架。随着对技术的不断摄入和理解，在后续的八年时间里，王守崑不断对豆瓣的个性化推荐进行升级迭代。
王守崑在豆瓣时的工作照
如今的豆瓣个性化推荐页面，仍保留着一些王守崑任职时期的痕迹。
他给Xtecher演示了最新的豆瓣页面上的个性化推荐技术，在搜索栏输入《光荣与梦想》，喜欢《光荣与梦想》的读者，有可能也是《隐蔽的秩序》和《中国农民调查》、《第三帝国兴亡》、《潜规则》的潜在读者。
“虽然从效果上看，推荐的结果跟主题是相关度比较高，基本方法是‘我们同时会喜欢同一样东西，有可能也喜欢另外一个东西’，说起来简单，但实际上非常多坑。” 王守崑向Xtecher透露，个性化推荐在技术层面操作起来并不简单。
比如，书籍量是百万量级，豆瓣用户有数亿，活跃用户超过一亿。因此，需要相关推荐数量大约是几亿的量级。2006年，王守崑刚到豆瓣任职的时候，豆瓣的用户是几十万，书籍也是百万级的量级。当时，没有大规模的运算平台和相应的基础设施。面临的第一个问题是：推荐模型所需要的数据量大到单机内存装不下该怎么办？当时王守崑和豆瓣的团队用了很多工程化的方法解决这个问题。
2007年，系统运行了一段时间之后，王守崑发现个性化推荐需要人与人之间建立强关联。以电影为例，最热的电影所有人都看，因此把所有人都联系在一起，但运算结果是无效的，以《金刚》为例，《金刚》的庞大观众群之间品位有可能完全不一样，无法建立人与人之间的强关联。
为了攻克以上难题，王守崑和豆瓣团队，采用的是SVD分解——一种降维的方法，相当于把人和电影置换成一个一个的主题，收窄热门电影的影响力，比如《金刚》是惊悚的主题，但是金刚的影响力只局限于惊悚的主题，不会扩散开来。
对于“个性化推荐”的技术的应用，王守崑摸索出一套自己的方法。他介绍，在豆瓣期间，个性化推荐广义的范围，其实相当于是无监督学习，因为没有明确的目标，所以要从海量的数据里发掘出有价值的信息。后来，在做实际推荐的时候，王守崑也用到了很多监督的方法，比如根据用户记录并标注了用户最喜爱的100部电影，把90部作为训练集，10部作为测试集，更能做到精准推送。
在豆瓣期间，王守崑除了做书籍、电影的推荐以外，还做了另一个尝试就是豆瓣FM 。王守崑认为豆瓣FM是一个算法驱动的产品，豆瓣FM主打的功能之一就是音乐的个性化推荐，猜测用户喜欢收听什么样的歌曲，但音乐跟环境紧密相关，会发生动态变化的——不同于喜欢电影的明确倾向性以及稳定性，歌曲跟人的状态和所在的环境紧密相关，比如用户睡觉前喜欢柔和的音乐；热闹的时候喜欢热情的音乐等。场景的变化增加了个性化推荐的复杂程度。
除此之外，王守崑当时还做了很多场景的建模，包括：用强化学习的方式奖励反应比较快的算法；后来还利用了豆瓣大量的评论、标签、个人发表的各种帖子等等大量的、丰富的语料场景建立和自然语义相关的算法。
这些对于个性化推荐的应用实战经验，亦成为了他后来转型的积淀，比如如今他所从事的对话机器人技术，能够根据用户的需求进行个性化的推荐。这亦是他在豆瓣里在吃“螃蟹”的历程当中所完成的技术积累。
眼前，除了要畅想“对话”领域的未来，王守崑更注重脚踏实地把自己的事业做好。
“人们探索科技，不断革新技术，一直在突破技术的边界”，王守崑希望能够寻求到更好的人与机器沟通方式，甚至探索一种人机交互方式。
从Windows系统的鼠标、键盘交互方式，变革到以屏幕触摸为主的移动交互。技术的流变证明了自由和便利，一直是人类的终极需求。
而“对话”将是下一代有可能产生颠覆式影响的界面交互，王守崑和他的爱因互动一起奔赴，下一代更好、更自然的交互方式，奔赴未来的星辰大海。
Xtecher：做爱因互动和做豆瓣首席科学家，还有做微学明日等的体验、难度感受会有什么不一样？
王守崑：这个事的挑战肯定更大，因为自己创业而且又是在一个比较新鲜的技术领域，面临的东西更复杂，不确定性更高，比如说做豆瓣这件事情确定性会比较高一些，你知道你今天的付出未来肯定会有回报的。
Xtecher：未知性太高了。
王守崑：对。比如我们比较两种职业，农民和一个股票交易员这两种职业，农民这个职业确定性非常高。但相对来说，春天种下种子，我知道秋天会有收获，或者反过来说，如果我今天不努力明天一定没收获。但是股票交易员这个事我今天可能做了100笔交易，但有可能是亏的，我今天可能只做了一笔交易，但有可能是赚的。创业就是各种不确定性，你需要在不确定性的情况下去做决定，作为创始人来讲，你要承担这个决定的后果，就是这样。
Xtecher：那目前它的发展符不符合你的预期？
王守崑：我觉得大致还是符合的。因为我们现在还是验证产品的价值，为客户提供更好的服务。因为我觉得对话这个事情是一个表现，背后其实我们期待的是一个能够学习、能够进化、能够自我推理的一个机器，我们期待的是这个。
Xtecher：它能够自我学习？
王守崑：对，它能够学习，它能够自我进化。我们是在往这个方向上走，往这个目标迈进。如果有一天我们在爱因这家公司把这个东西做出来对我来说就是很有成就感的事情。
Xtecher：一年多您有没有特别感慨的事。或特别开心的事？
王守崑：开心当然有，有进步的时候就会开心。我觉得这一年焦虑的时候会更多一些，因为刚才说了，不确定性非常强。
Xtecher：那你现在创业的重心在哪里？最关心的是什么？
王守崑：资金，人才，技术，这三件事，在不同时间段，不同程度上、哪一个更重要？以上是我思考的重点。
第一个是钱，钱包括融资、找客户，因为找客户才能挣到钱；第二个是人，要找到合适的人才，以及内部人的培养、管理、协调，把这个东西理顺；第三个是核心的技术，这一点他更为看重，他觉得这个行业甚至自己的公司发展的空间，其实主要在于技术能提升到什么程度。
