播客類今日頭條誕生記：TensorFlow成共享秘方？

文 | geekerdeng

Castbox 的創始人王小雨最近很忙，雖然公司在國內，但她近期基本都泡在美國洽談音頻版權合作事宜，希望能夠進一步推進付費業務的開展。

瞄準海外市場的 Castbox 是一款音頻類聚合應用，可以對標國內的喜馬拉雅 FM 和荔枝 FM。從 2016 年創立到現在，Castbox 已經連續兩年在谷歌開發者大會中被評為音頻聚合類的最佳應用。

然而，儘管在兩年間，Castbox 在全球 135 個國家的訂閱用戶已經超過了 700 萬，是目前 Google Play 上排名第一的音頻應用，但王小雨始終對開啟付費模式保持謹慎態度。

如果半年前沒有選擇使用 TensorFlow，王小雨大概不會這麼早就下決心到美國洽談音樂版權問題，並推進音頻收費項目。

變成播客類今日頭條的 Castbox

（Castbox目前使用的是和今日頭條相似的AI內容推薦 圖|Castbox官網截圖）

此前阻止王小雨開展收費項目的正是對用戶粘性的憂慮。即使是在比國外音頻類聚合應用市場更為成熟的國內市場，在付費閱讀上依然仍處於探索階段，尚未完全伸展拳腳。

這樣的現狀正是考慮到，在對平台產生認同和依賴前，為免費內容而來的遊客，很可能因為付費模式而選擇逃離。但如果用戶能夠形成對平台的使用習慣，併產生強烈的認同感，其付費訂閱意願提升，便會更加有利於付費模式的推進。

但如何讓遊客變成住民，對一個平台形成依賴呢？作為谷歌前員工，王小雨很自然地想到了用谷歌的開源工具 TensorFlow來為 Castbox 留下更多住民。

在使用 TensorFlow 之前，王小雨使用的是傳統的協同過濾，可以根據用戶訂閱推薦相似內容，但這種基於用戶訂閱所得到的推介結果的相似性和準確度不高，推薦內容不夠貼合用戶需求，用戶訂閱轉化率不夠高，不足以形成Castbox推進付費模式的環境。

而通過利用 TensorFlow 提供的框架，Castbox 的開發人員開發出一款擁有內容推薦功能的 AI 系統，解決了推薦內容的不貼合。

這一藉由 TensorFlow 開發的 AI 系統選擇關注用戶的點擊通過率，而非單純的訂閱狀況，並通過機器演算法，將 CTR（Click-Through-Rate 點擊通過率）高的音頻內容推薦給用戶。這種演算法的好處在於，它不需要考慮不同國家語言的差別，只要根據大數據就可以掌握用戶興趣點並加以推薦，這和今日頭條的原理是相似的。

這款內容推薦應用上線半年多後，Castbox 的用戶數量由 500 萬提升到 700 萬，用戶內容訂閱轉化率提升了一倍，用戶平均訂閱音頻節目從3個增長到 6 個左右。「Castbox 要針對全球 135 個國家的用戶，從 5000 萬個內容中給用戶推薦……而 Castbox 給我(用戶)推薦的都是很符合我（用戶）心意的內容。」對於王小雨而言，內容訂閱轉化率的提高證明了用戶對平台的粘性正在加強，用戶留存率也隨著提高，而這正是王小雨現在忙著購買版權的底氣之一。

像王小雨這樣利用 TensorFlow 開發自己應用的人並不少。比如，國內的遊戲廠商《列王的紛爭》也接入了 TensorFlow 中谷歌翻譯的 API，能夠讓中外遊戲玩家進行溝通。而清華大學自然語言處理與社會人文計算實驗室的學者也在使用 TensorFlow 加深對語言的理解。

想做 AI 時代的「安卓系統」，從為企業節省博士開始

（安卓系統在全球擁有超過20億使用者 圖視覺中國）

2005 年，安卓系統母公司被谷歌收購時還名不見經傳，但 12 年後的今天，它在全球已經擁有 20 億用戶。谷歌開發出來的原生安卓系統，無論哪國的開發者都可以使用，開發者更可以在原始版本中進行自己的更新。像國內的小米 MIUI、魅族 flyme都是在原生的安卓系統上進行加工的。

與原生的安卓系統相比，谷歌開源TensorFlow平台還不到兩年，但谷歌對它的期許卻更高，希望它能變成 AI 時代的「安卓系統」，這也是谷歌從mobile first 到 AI first 轉向的重要一環。

儘管看起來不為人所知，但我們在日常生活中使用谷歌產品時早已和 TensorFlow 打過交道。當你使用谷歌翻譯、搜索、地圖、YouTube 時，TensorFlow 貢獻的底層架構一直在默默工作。

在谷歌的官方介紹中，TensorFlow 是採用數據流圖（data flow graphs）、用於數值計算的開源軟體庫。這個軟體庫提供包括圖像識別、語音識別等神經網路學習的數據基礎架構，是專門為系統開發人員準備的深度學習開源工具。

不過，TensorFlow 提供的系統庫並不是一個嚴格的「神經網路」庫。只要開發者能夠將計算表示為一個數據流圖，就可以使用 Tensorflow。這也被很多行業人士吐槽，認為 TensorFlow 開源的底層應用太過基礎。但對 Castbox 這樣的初創企業來說，基礎性的架構至少已經幫助他們解決了一個極為關鍵的問題——減少開發 AI使用的技術人員數量。

（谷歌官網對TensorFlow框架的介紹 圖|谷歌）

Castbox 的 CTO 賀曉聰告訴極客公園，他們目前真正負責內容推薦 AI 開發的只有一個員工。而按王小雨的說法，如果不依靠 TensorFlow，要開發出同樣的應用，可能需要用到十幾個成熟的技術人員，而這樣的技術人員，在王小雨看來，最少也得是博士水平。

尚且不論十幾個擁有成熟技術的博士的招募成本，對於一個初創公司而言，在目前成熟技術人員都集中在谷歌、微軟、蘋果等大公司的情況下，能不能招到都是一個問題。TensorFlow 顯然為這些初創公司解決了這個大問題。

普適法則，TensorFlow 的差異化競爭路線

（外媒對目前各大公司開源平台的形象性介紹 圖|bonkersworld）

事實上，現在的開源系統不止谷歌的 TensorFlow，蘋果、微軟、甲骨文在內的大公司都在開源自己的系統。上圖是外媒對各家平台做的一次總結，雖然未必完全準確，但從某種程度上，的確反應了目前開源平台的現狀。

相比競爭對手，TensorFlow 更注重拓展技術覆蓋面，以更大的普適性搶佔優勢地位。TensorFlow 所使用的底層技術更加註重對不同技術的優化結合，目前在專業領域的深度學習項目都可以使用 TensorFlow 平台，規模在同類中可以達到最大。而且其靈活性也比其他的平台更好，即使是新的研發項目也可以輕易接入到 TensorFlow。

除此之外，TensorFlow 還支持異構設備分散式計算，這意味著它能夠在各個平台上運行模型，從電話、單個 CPU / GPU 到成百上千 GPU 卡組成的分散式系統，適用性和實用性非常強。

正是由於這種普適性，雖然起步較晚，但TensorFlow 已經擁有超過 500 位代碼貢獻者，共有超過 12000 次的代碼提交和超過 100 萬次的代碼庫下載。TensorFlow 在教程、資源、開發者和社區貢獻者的數量上均處於領先地位。

（36dsj對目前各大開源工具的橫向比較 圖|36dsj）

谷歌也很重視與使用 TensorFlow 的開發者的溝通。王小雨在開發 Castbox 的時候，就會經常和谷歌內部開發人員溝通，「我們會發郵件給他們，一般都在 24 小時內回復。」王小雨說。在谷歌內部設立有Newsletter，可以和企業開發人員進行溝通，除了在郵件中告知團隊的新進展和動態，還會針對外部開發人員發來的郵件中的問題進行釋疑。

責任編輯：雙筒獵槍

頭圖來源：視覺中國

原文鏈接 → 只為商業新變數