赤子城刘春河：用AI为全球用户提供移动生活的智能内容体验

曾以三人团队打造惊艳硅谷的极简桌面产品的赤子城，如今致力于用人工智能技术赋能产品，服务用户。

从第一款产品Solo Launcher，到如今的Solo X系列产品矩阵，赤子城打造的产品已涵盖个性化、安全、杀毒、资讯、音乐、健身、美容、摄影、休闲游戏等各个类别，用户量级达到6亿以上。

之所以能不断推出风靡全球的产品，与其人工智能引擎Solo Aware对产品的战略规划、优化迭代、运营推广、内容推荐等方面的驱动密不可分。

创始人刘春河说，赤子城是一家技术驱动的产品公司，这一点从未改变，我们所做的事情，是用AI为全球用户提供移动生活的场景化智能内容体验。

从顶级开发者到AI信徒

2013年，Solo桌面问世，迅速占据了过亿用户的手机“入口”，随之占据了数据与流量高地，也为Solo Aware引擎积累了最初的数据源。

刘春河把launcher比作手机的“客厅”：“PC端的浏览器是有‘HOME’的概念的，用户能够长时间停留，而移动端的浏览器不能。那么用户按HOME键返回到哪里去了？是桌面。Launcher就是这个‘家’的客厅。”

通过这个“客厅”，可以获取各个维度的行为数据，知道用户什么时候在聊天，聊了多久；什么时候看电视，什么时候看新闻；哪些用户是音乐爱好者，哪些用户常常出差或旅行。

Facebook通过填写资料获取用户的年龄、性别、位置，launcher则通过真实的使用行为获知用户的基本属性信息以及更重要的兴趣、偏好、习惯。

赤子城旗下Solo X 产品矩阵

对于用内容服务用户这件事来说，立体的兴趣标签和动态的场景标签反而是更加重要的。刘春河举例说，现在欧美部分地区的年轻男性，购买化妆品的越来越多，有些购物网站男性的购买力甚至超过女性。

显然，仅从性别判断用户是否喜爱购物显然是不准确的，但从兴趣标签入手就不会出现这种偏差。

赤子城从最初就对数据非常敏感。随后，在推出不同类型的新产品以及帮助其他产品推广与变现的过程中，赤子城获得了更多类型、更多维度、更加颗粒化的数据，同时也更加感知到数据分析、用户画像、模型搭建的迫切性。

“因为我们要服务用户，就一定要了解用户，而更高效地了解和服务用户，就要依靠人工智能。”

刘春河从大学时代就接触人工智能，研究机器学习和模式识别这些方向。在他的带领下，赤子城开始搭建团队，研发Solo Aware引擎。

到2016年，赤子城已诞生了多个被谷歌认证的“顶级开发者”团队。与此同时，Solo Aware也在来自卡耐基梅隆大学团队的努力下初步搭建成型。

用AI技术为全球用户带来更美好的内容体验，成为赤子城未来数年的核心目标。

从海量数据到精准定向

赤子城首先开发了高效稳定的数据采集系统、大规模的数据存储结构和支持高并发的数据访问层，为Solo Aware的数据供应、数据整合与挖掘、数据应用等环节提供了稳定坚实的基础。

因为数据量级大，并且处于动态变化之中，对保证数据的真实性、完整性，避免重复、丢失提出了很高要求。

对此，赤子城突破了存储格式、存储结构、以及分布式存储等核心技术点，利用可伸缩的数据采集框架，每个节点每秒处理上百万个元组，提供任务处理保证，满足海量数据吞吐需求。

数据访问方面，实现了让Solo Aware技术层能够快速及时的获取所需数据，如解决了最核心负载均衡问题，以及数据访问中的大数据并发、网络负荷过重等问题。

对于算法模型组件，赤子城在经典的基础算法层之上结合不同内容推荐场景的特点，借助自身的强大数据处理能力、大规模分布式训练框架和高性能在线预测平台，分阶段研究并优化了多个高效的算法模型组件。包括经典的FTRL、DeepFM、LR+GBDT算法模型等，可直接服务于多类型的个性化内容排序。在对的时间，对的场景，对用户推荐对的内容。

基于海量数据分析用户历史行为数据，可精确划分用户标签属性，建立丰富的基础标签和个性化标签体系。并使用精准算法构建的个性化模型，准确预估用户偏好程度和行为轨迹，从不同的角度去定义和刻画一个用户。

Solo Aware引擎的用户标签体系

同时，从丰富的内容信息中，通过离线训练的过程，为内容建立丰富的标签体系，结合用户行为，优化出最优的模型。

例如用户在某一类信息上停留的时间足够长，就会触发在线模型修正机制，在不足1秒钟的时间内完成在线模型的更新，在用户浏览更多内容时，将用户真正感兴趣的信息，推荐给用户。

用AI打造移动生活的智能内容体验