此文不涉及技术，主要是一些观点，从以下几个角度讲述了对话系统的现状（1）B/C端市场（2）闲聊、问答、任务型对话（3）学术界和工业界的gap。
原文链接：https://mp.weixin.qq.com/s/d7Bt1gHIP_LXmMJuIKUL-A
C端市场，对话产品成本巨大、盈利空间不明朗、市场竞争激烈；
B端市场，传统行业都需要客服，客服是天然的对话场景，如果用对话技术替代掉人工坐席，不仅降低人力成本而且提升服务效率，况且传统企业面临技术更新转型，纷纷想踏上AI这趟快车，所以智能客服的前景一片春天呐。
SOTA模型放在业务数据中翻车的情况太常见了，所以脱离了业务的模型不算好模型
学术界的问答系统的研究重点普遍聚焦在开放域问答和阅读理解问题上，所谓迁移学习、domain adaption、预训练、小样本学习等技术，还不足以经受的住现实的考验，撑不起一个通用和垂直兼备的问答引擎，依然免不了要一个行业一个行业的做，一份数据一份数据的标。用一个模型去精准的覆盖多个场景和行业是非常不现实的。
工业界的对话管理的第一要义是绝对可控性，所以技术选型上都是pipeline系统，而非端到端系统（尽管学术界从2015年就有了端到端任务式对话相关的研究工作[5]）。
对话领域要迎来颠覆，必须有超脱于单纯的炼丹技术和预训练范式之外的突破。
