Poly AI

定义

Poly AI 是一个面向企业的语音人工智能平台,由英国公司 PolyAI 开发,正式名称为 Agentic Dialog Platform(智能体对话平台)^[2]。它并非单一软件,而是一套让企业搭建、部署、监测对话式语音智能体的工具集合,智能体以接听电话和在线文字对话的方式直接与终端客户交流^[3]。

与仅把文字聊天机器人接上语音合成的方案不同,Poly AI 的定位是从电话对话出发设计的对话优先系统,强调低延迟、口音与方言适应、打断处理以及必要时转接人工客服的能力^[4]。平台主要面向具有高通话量与复杂业务流程的大型组织,部署环境涵盖银行、酒店、医疗健康与物流等行业^[2]。

原理

Poly AI 的智能体按统一的循环处理对话:先听取用户语句,依据配置与知识库判断意图,再给出回应,整个过程在 300 毫秒以内完成,并可用 24 种以上语言进行^[3]。开发者或业务人员可以从行为、知识、流程、语音四个维度塑造智能体的表现:行为决定语气、规则与限制条件,知识提供可检索的常见问题与资料以避免模型凭空作答,流程负责预订、支付、身份验证等多步骤任务的逻辑,语音则决定音色与朗读方式^[3]。

支撑单轮对话的核心模型是 PolyAI 自研的 Raven,该模型在超过 10 亿条企业对话数据上训练,专门针对实时语音与文字客服场景^[5]。在对话管理层面,平台同时采用机器学习与确定性逻辑的混合结构:意图分类与实体识别由监督学习模型完成,业务规则、合规要求与升级逻辑则写进编排层,以保证流程可控^[6]。知识问答环节使用检索增强生成,把回答限定在给定的常见问题与资料来源范围内^[2]。

发展历程

PolyAI 由 Nikola Mrkšić、Tsung-Hsien Wen 与 Pei-Hao Su 于 2017 年在伦敦创立,三人是在剑桥大学机器智能实验室的对话系统研究小组相识的研究者^[7]。公司最初脱胎于剑桥大学的语音助手研究项目,创始团队此前有语音技术公司的从业经历^[8]。

平台早期采用基于意图的对话系统,随后转向以大语言模型为核心的系统。据该公司首席执行官介绍,其对太平洋煤气电力公司部署的完全由语言模型驱动的语音智能体于 2024 年 2 月上线,这是较早的大规模语言模型语音客服案例之一^[9]。

2025 年 12 月,PolyAI 完成 8600 万美元的 D 轮融资,由 Georgian、Hedosophia 与 Khosla Ventures 共同领投,英伟达旗下投资部门 NVentures、花旗创投、英国商业银行等参投,公司累计融资超过 2 亿美元^[1]。据该公司 2026 年公开信息,其企业客户数量超过 200 家,分布于 25 个以上国家^[10]。

应用

Poly AI 的智能体主要部署在客户联络场景,可完成的任务包括查询与预订、修改或取消预约、在通话中收款与退款、提交理赔、查询余额、变更账户资料,以及在无法解决时连同完整上下文转交人工坐席^[3]。该平台也支持文字聊天、短信与网页聊件等渠道,同一套对话逻辑可跨渠道复用^[11]。

公开的客户案例包括万豪酒店、凯撒娱乐、太平洋煤气电力公司、联合信贷银行、Foot Locker 与联邦快递等^[1]。英国商业、能源与工业战略部(Ministry of Justice)在其算法透明度记录中披露了采用该平台构建意图识别与实体抽取系统的技术细节,说明此类系统亦被用于公共部门的服务流程^[6]。

局限

语音对话对实时性要求高,一旦语音识别出现偏差,后续判断与回应都会连带出错;在企业大规模部署中,测试阶段不易出现的模型幻觉与不当行为会随通话量上升而显现,平台通过约束规则与知识检索来降低这类风险,但据其官方说明,完全消除风险超出了现有对话式人工智能平台的能力范围^[12]。

企业级部署还面临成本与实施周期的问题。有用户在评测中提到,该产品整体费用较高,部分业务流程难以论证采购的合理性,变更上线的时间安排也缺乏可预见性,不同请求的响应时间存在波动^[13]。另有使用方反映,姓名拼写识别等具体环节仍会出现错误,需要后续调整优化^[13]。

从行业角度看,语音模型能力趋于同质化、大型科技公司与传统呼叫中心厂商的竞争压力,以及面向金融与医疗等受监管行业的合规要求,都构成这类平台的持续挑战^[14]。在实际部署中,系统对敏感信息的处理需要依托脱敏、加密、角色权限控制与审计日志等机制,而历史对话数据的获取与使用还受到数据保护法规的约束^[6]。

参见

• 大语言模型 —— Poly AI 的对话能力建立在此类模型之上,其自研模型 Raven 即属此类。

• 检索增强生成 —— 平台用它把回答限定在给定知识范围内,以减少凭空作答。

• 语音识别 —— 语音智能体理解用户语句的前置环节。

• 文本转语音 —— 决定智能体声音自然度与通话体验的关键技术。

• 呼叫中心 —— Poly AI 主要替代与改造的传统客户联络场景。

• 自然语言处理 —— 意图分类与实体识别等任务的学科基础。