微软首次公开「龙门计划」！竟要用这个小程序，将 AI 推向产品化？

编者按：本文来自知晓程序（ID：zxcx0101），作者：郑智文 & 李诚慧，36氪经授权转载。

做 PPT，是许多人很头疼的事情。

如果你也有同样的烦恼，不如试试「微软小蜜」小程序。有了它，你只需上传几张图片，就能轻松制作好看的 PPT。

这款看似简单的小程序的背后，隐藏着微软在人工智能和深度学习领域内的大量积累和经验。可以说，「微软小蜜」制作的每一份 PPT 背后，都含有微软工程师的研究成果。

今天，知晓程序邀请到微软 Office 365 中国团队资深产品经理张鹏，让他为我们揭秘在「微软小蜜」背后，到底有什么厉害的地方。

为什么会选择微信，做一个 PPT 小程序？

张鹏介绍，他所在的是微软 Office 365 创新团队，主要面向中国市场进行工作。

他们的目标之一就是将 Office 365 产品在 PC 端的强大生产力，集成到移动端。在中国，几乎所有移动互联网用户都会使用微信，所以，微信自然就成为了这个团队的目标之一。

我们内部的项目开发代号叫「龙门计划」，从名字看你就能明白，这个项目完全是中国创造的。

这个团队对新平台的敏感程度不亚于任何创业团队。在 1 月 9 日微信正式开放小程序平台后不久，「微软小蜜」就成为首批推出的小程序之一。

张鹏告诉我们，之所以这么早进入微信小程序领域，原因有两个。首先是微信平台得天独厚的用户量优势。有数据统计说明，用户每天在微信里的时间要占总手机使用时间的 35%，也就是说，平均一个用户每天有超过三分之一的时间都在微信里面。

你的联系人早就从亲人朋友扩展到公司同事和合作伙伴，群聊已经是不单单是家人之前的沟通，很多群已经是用于办公协作等工作场景。

而小程序天生的优势就是不用下载，可以快速进入应用，并且可以进入微信群聊便于更快更高效的协作。

巨大的用户量和粘性，以及小程序平台的「无需下载」特性，都让 Office 365 进入小程序变得再正常不过。利用 Office 365 生产力平台，通过微信小程序完成一件工作，再直接进入群聊进行必要的沟通和协作，对用户来说是一件非常自然的方式。这也是我们第一时间试水小程序的初衷。

除此之外，张鹏还认为，小程序开发成本和获客成本相对较低，便于类似人工智能等新技术的快速试错和验证。

对于微软内部的创新团队，我们除了 Office 365 这个强大生产力平台之外，还有对人工智能应用的研究。从目前整个行业来看都面临一个难点：技术走的很靠前，但是很零散。如何把人工智能技术推进到产品化这条道路上来，形成一个端到端的产品，需要快速验证和迭代。

决定做小程序之后，「要做什么小程序」也成为了张鹏所在团队需要关心的事情。那为什么会选择做「图片识别文字转 PPT」这种小程序呢？

张鹏给出的答案是：我们是想探索一下未来移动端文档的生成方式。

在 PC 端大家习惯于键盘、鼠标和打印机的文档生成方式，然而在手机端这些就都不灵了，在手机上，我们可以利用的是摄像头、语音输入和多点触控屏幕。

另一方面，张鹏和他的团队认为，大部分对用户有价值的资源，都是在手机端被发现的，类似现场 PPT、创意海报、画在黑板上的流程图，或是微信公众号文章，等等。

用户将这些信息「缝合」进 Office 文档中，往往是比较困难的，也很耗时费力。如果小蜜可以帮助用户快速完成这个动作，用很短的时间提取有价值内容，这本身对用户就是有价值的，因为帮用户节省了时间。

「微软小蜜」小程序的概念，很像微软 Office 的另一款产品：Sway

那为什么是「缝合」，而不是「收藏」呢？

就是因为我们希望这些内容，不管是在移动端还是 PC 端，都是可以编辑的。只有随时可编辑的可加工的内容，才是属于你的知识或者观点。

目前看来，整个团队的投入是非常值得的。张鹏告诉我们，现在，「微软小蜜」累计访问量已经超过了 500 万，并有累计超过 100 万张图片处理量和超过 40 万份 PPT 制作量。

在这段时间，我们并没有主动去运营和推广，我们更多是关注现有用户数据和反馈。在用户量背后，我们更关注产品的核心用户，他们的需求是否被满足。

让我们感到高兴的是，我们看到小程序有很多忠实用户。小蜜每天有超过 70% 都是老用户，也收到了他们很多好的建议，这对产品初期是非常重要的。

在「微软小蜜」背后，有微软这些技术支持

作为一款以 OCR（即类似识别图片中文字）功能为主的小程序，里面当然有微软自家的技术存在。

在采访中，张鹏就向我们介绍微软在计算机视觉领域的研究成果。

微软在研究计算机视觉这个领域还是非常给力的，在我们前不久的计算机视觉方面的大赛也得了很多一等奖，不管是能够识别出来的物体的种类，还是坐标值、位置等等，精确率都非常高。

光有研究成果当然不行。如何在实际中，利用好这些技术成果，也是让科技走进千家万户的重要步骤。

将图片、印刷品中的文字，变成在电脑、手机上可编辑的文本，就需要用到 OCR 功能。

我们的产品相对来讲是属于从技术上比较成熟，也比较适用一些实际的场景，我们会逐步通过产品给大家分享。

比如，计算机图像识别要对图像里面的基本特征值的抽取。例如，我们刚刚增加了对图像里面的物体识别，打标签的功能，目前可以识别 2000 多种物体，我们识图接口在你的图片里看到一种物体，就会标注一种物体。

张鹏还介绍，目前微软的光学识别技术，可以识别来自全球跨商界、体育界、文娱界等超过几十万人的名人。

而「微软小蜜」小程序，也是利用了微软计算机视觉方面的研究成果，这也是计算机视觉实际应用的一个例子。

张鹏介绍，计算机视觉能够实际被应用，离不开最近热门的「深度学习」。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度神经网络是按层排布的，每一层都运行着不同的数学运算（算法）。

举个例子，一个针对图像识别的深度神经网络，其中有一个层用于搜索图像中的一组特征（如：图片的边缘，形状等），后面的运算层用于搜索其他特征，那么这个神经网络的深度越深，他的学习能力越强，对图片的表达越清晰和智能。

深度学习原理图

微软在深度学习领域的研究，也有非常好的成果。

目前典型的神经网络设计一般包含 6~7 层，部分可以达到 20 到 30 层，而微软亚洲研究院一种被称为「深度残差网络」（deep residual network）的新技术，可以进行多达 152 层的复杂数学运算。

这意味着，在不远的将来，微软可以使用 GPU 和其他专用芯片的庞大集群，提升人工智能的各式各样服务能力，其中就包括今天介绍的「微软小蜜」小程序。

未来，微软还打算这样做小程序

在采访中，张鹏也向我们透露，他们团队接下来的计划。首要之事，就是为小蜜增加新功能。

小蜜有一双眼睛，他现在可以看懂图片中的文字和表格，下一步我们会让他看到更多的东西，比如流程图，信息图表，图标等等。

除了「看见」，我们还希望小蜜能「听到」，即用户可以直接通过自然语言让小蜜产生内容。最后，我们希望小蜜可以去设计，用户只要关心内容输入就可以了，将演示效果交给小蜜来完成。

我们前一段时间为「微软小蜜」小程序增加了表格识别功能，你用手机拍照一张表格图片，我们可以识别图片中的表格坐标，在 PPT 中将表格还原出来，你可以很轻松的对表格进行各种操作。从识别效果上，我认为在市场上还是领先的。

当然，这个小程序还有很多要改进的地方，如刚才提到的，如何更好的将微软在计算机视觉和深度学习领域的研究产品化，我们还有一段路要走。

当被问及是否还有其他小程序推出，张鹏的回答是「当然」，而且方向也是以生产力为主。然后对我们卖了个关子，「这里先不透露太多，希望早点儿和用户见面。」

我们也期待「微软小蜜」和微软 Office 365 团队，能够用新技术，帮助我们更快、更好地完成工作。