2017
年
8
月
15
日，北京搜狗信息服务有限公司与上海佑译信息科技有限公司（
UTH
国际）的战略投资签约仪式在上海举行。搜狗公司搜索事业部总经理许静芳女士与
UTH
国际董事长兼首席执行官杜金林先生正式签约，共同宣布
UTH
国际完成
B
轮
4200
万元人民币融资。本次投资由北京搜狗信息服务有限公司战略领投，杭州海沣投资管理有限公司等机构跟投。
这则新闻引起了我很大关注。我热烈祝贺
UTH
国际和搜狗之间的战略投资，它将加强人工智能与跨语言大数据的融合应用，扩展跨语言大数据的应用场景，促进跨语言跨文化交流。抛开行业职业因素，我积极关注这则新闻的另一个重要原因是个人原因。杜金林先生是我的老同事和老朋友，我们
10
年前机缘巧合走到一起，
10
年后还在彼此密切交流。多年来，他对事业的无限热情、敏锐前瞻、高效执行、锐意进取的职业态度深深影响着我，成为激励我不断学习的榜样。
2007
年
3
月的一个普通夜晚，杜总约我在
MSN
上在线聊天（那时还没有出现微信）。我此前不认识杜总，本地化行业的前辈告诉我，杜总是国内本地化行业的资深人士，
20
世纪
90
年代初期进入本地化外企工作，其中包括著名的
ALPNET
（现在的
SDL
）、
Lionbridge
等企业，并在多家公司担任高级管理岗位。那晚的聊天改变了我的职业发展轨迹，我决定从北京莱博智公司（
Lionbridge
）辞职，
2
个月后与杜总等开始成立昱达公司，走上创业之路。
经历了创业的艰辛，才能体会到人生的色彩。
5
年后的昱达公司已经走上了健康发展的道路。后来杜总加入华为全球化部门，担任本地化高级顾问。
2012
年的春天，机器翻译行业应用的曙光初放，杜总跟我说他要到上海二次创业，我知道杜总志向远大，昱达无法实现他的梦想，我鼓励他继续追随梦想。我选择继续坚守昱达，并开始投身中国高校的本地化人才教育工作，这也是我多年的兴趣所在。
此后，我每次到上海出差，只要有时间，我都到
UTH
国际公司参观，与杜总和他的同事们交流。每次都能看到
UTH
国际的快速发展，特别在跨语言大数据方向上的持续努力和取得的一系列成就，
UTH
国际在跨语言大数据领域的深耕细作，从成立之初就收到资本的青睐，从初期的天使投资，到鼎晖资本、老板实业集团的多轮投资，以及本次搜狗的战略投资，我感到欢欣鼓舞。我也感受到杜总从创业初期的激情澎湃，转为现在的淡定从容，这
5
年改变的不仅是岁月，还有他对人生事业的思考。
2012
年到
2017
年，是人工智能和大数据领域快速发展的
5
年。有人在时代大潮冲击下茫然失措，找不到前进的方向。有人拥抱变化，激流勇进，成为时代弄潮儿，笑傲江湖。
互联网、大数据、全球化、走出去是当前全球和中国发展的社会现实。随着各国经济、贸易、文化、科技等领域的深度交流，跨语言交流成为阻碍人们自由交流的障碍。发展一带一路构想，实现政策沟通、设施联通、贸易畅通、资金融通、民心相通，关键和难点在于民心相通，阻碍民心相同的是不同国家和民族的语言，语言是文化和文明的载体。
在突破跨语言交流的各种努力中，互联网
+
跨语言大数据已经实现了突破，并且还将在快速发展中，显示跨语言大数据的巨大力量。马云开始提出当前已经从信息技术时代进入数据时代，谁拥有数据，谁就拥有未来。上周在成都召开的语言服务行业大会上，多位行业专家提出人工智能语言服务技术的发展速度，影响着一带一路构想的实施广度。
在跨语言人工智能领域，特别是自然语言处理领域，机器翻译是此领域最活跃的分支，被称为自然语言处理皇冠上的明珠，其对人类语言、文化、文明交流的巨大作用，引来科技界、学术界、投资界、政府的积极投入。
2016
年
9
月，谷歌公司发布了神经机器翻译系统，以良好的译文质量、快速的翻译能力，成为当今机器翻译研究和应用领域的新方向。国内外此领域的领导企业都在积极推动机器翻译的发展，搜狗、百度、阿里、腾讯、讯飞、微软、脸书等公司都加速研发投入，进行战略布局。
数据、算法、模型是决定机器翻译系统译文质量的三个核心因素。问渠哪得清如许
?
为有源头活水来。机器翻译引擎的训练需要大量的高质量的语料数据，特别是垂直领域的标记化、结构化、标准化的平行语料数据。
UTH
国际从成立之初，就把获取和处理高质量的垂直领域的多语言语料作为重点业务领域，并以此为基础，研发适合企业、高校、个人的跨语言产品和解决方案，凭借创业者和优秀行业团队的不懈努力，已经取得了多项成果，获得了多项专利技术。
在互联网时代，科技界和学术界密切交流，机器翻译的算法和模型基本公开透明，短期内无法实现创新性重大突破，数据最有可能成为提高机器翻译译文质量的要素。但是，由于平行语料都散落在不同机构和个人的电脑中，使得海量多语言数据收集成为世界难题。
UTH
国际正式看到这个现状，才持续努力改善现状，成为全球多语言数据收集和处理的领先者。
根据
UTH
国际提供的数据，
UTH
国际与全球上万家机构、组织和个人建立合作伙伴关系，
UTH
国际现有的语料
85%
来源于从全球专业机构进行采购，
15%
由
UTH
国际专职信息工程师和语料专员，通过对开源信息的整理加工对齐后获得。至今已经积累了
87
亿句对的双语语料库（全球最大的垂直多语大数据库），覆盖“一带一路”沿线国家官方语言中的
33
种语言，覆盖法律、金融、生命科学、制造业、航空航天、交通运输、信息通讯、政府
/
非政府组织、教育等
15
个一级领域，
41
个二级领域，
178
个三级领域。
实际上，
UTH
国际从成立之初就制定了“三步走”的发展战略。第一步，构建几十亿句对的高质量语料库作为公司发展的基础设施，努力成为全球领先的多语言大数据提供商。将这项工作从
2012
年起步，
2014
年快速发展，
2016
年提前超额完成计划。第二步，加快语言应用技术创新和科技成果转化，为国家
“
一带一路
”
构想服务，
服务省市“智慧城市”信息化建设，
为推动企业“走出去
”
服务
，推动高等院校翻译与外语人才培养
。
UTH
国际从
2014
年开始
以语言大数据构建的基础设施为基础，凭借独有的语言处理专利技术，加强语言人工智能技术研发，加强应用型产品研发，与多个自然语言处理实验室加强技术合作，发布了“芝麻”系列语言大数据产品，包括芝麻翻译、芝麻搜索、芝麻译库、芝麻秘语、芝麻发布，为高等教育、科研院所、语言服务提供商、语言服务需求方、跨境电商、影视传媒、文化旅游、人工智能等多个方向和领域提供高端应用和服务。第三步，将服务领域向语言大数据产业上游发展，以专门用途语料数据库为依托，开发多语垂直信息内容设计与编辑的开放式、智能化和交互式平台。当前已经发布了涉外法律文本写作与翻译平行语料库、“一带一路”旅游与酒店管理多语种语料库等。
搜狗公司是中国互联网领先的搜索、输入法、浏览器和其它互联网产品及服务提供商。
2016
年，搜狗研发出国际领先的搜狗机器翻译系统。该系统运用了最前沿的基于深度学习的神经网络机器翻译框架，可通过理解上下文语境给出精准的翻译结果。
2017
年
