9月15日FMI-2018人工智能與大數據高峰論壇圓滿落幕,鄧雄老師從人工智能變革的大時代趨勢與技術本質、AI+零售、繽果盒子新零售AI應用以及對未來應用趨勢的展望四個方面進行了深入的分享。
飛馬網將其內容整理如下：
謝謝大家，我是FMI的常客，去年講過，前年也講過，經常講的是人工智能和大數據一些技術和產品的思維或者實戰案例，今年對於新零售這個行業有了一些新的認識，所以希望把對於新零售行業的認識，以及人工智能在新零售之間怎麼落地，做一些之前探索的分享。新零售這個領域是目前整個互聯網下半場的熱點，而且也是很多人在探索的一個點，還沒有到非常成熟的階段，所以今天的分享也是屬於走到一半，摸著石頭過河的過程中一些小的收穫和想法。
我的題目是《人工智能怎麼驅動零售產業在未來十年的變革》。今天我講的四個話題，第一個是人工智能技術在未來十到二十年的大時代裡大的趨勢認識分享以及人工智能技術本質，我們個人的一些想法。第二，講一下我們對新零售的一點認識，第三，講一下繽果盒子在新零售AI中的應用案例。第四，分享一下我們在新零售AI應用中感覺到的未來三到五年AI可能在哪個方向上有更多實際的結果。
第一部分，關於人工智能這個時代的趨勢和技術本質，我先從更大的方面給大家分享一下，我們的這個想法從哪裡來的，原始想法來自於，我們希望探索一下未來十到二十年AI的本質，特徵到底是什麼，因為大家知道AI已經發展到現在幾十年了，這個過程中經歷了跌宕起伏，目前五到十年我們突然發現人工智能又開始火起來了，會不會未來一段時間又對它冷落，人工智能目前十到二十年有可能是什麼狀態。
第二部分，關於未來十到二十年智能的狀態，我們看了一下世界範圍中的一些比較知名的諮詢機構對於這個技術的認識，這個數據來自於蓋特納，他們會出一張表，技術成熟度模型，這個模型衡量了未來和現在，我們所接觸到的甚至沒聽過技術的發展規律，這個規律大概分成五個階段，第一個叫新技術的產生階段，第二個，新技術的持續成長泡沫化階段，第三，新技術逐步落地以及開始產生實際應用階段，第四，廣泛開始發展影響我們未來生活的方方面面。
在2013年的時候人工智能機器學習技術還沒有產生，當時我們非常火的技術是大數據技術，這個技術在2013年的時候被突然放到這個圖上，而且位於這個圖的最高點，所有人能認為大數據能解決所有的問題。到2014年的時候，大數據開始出現了一些行業的實際落地的結果，到2015年我們發現了一個非常奇怪的現象，大數據從這個圖上消失了，取而代之的是機器學習，機器學習已經在學術圈研究了幾十年，2015年被蓋特納放到了這個表頂端的位置，這個位置取代了2014年大數據的位置。
到了2017年我們發現這個機器學習上有一個新的概念，深度學習，蓋特納認為機器學習在未來一段時間發展的趨勢有可能傾向於深度學習的方向，而機器學習和深度學習又是隨著這個時間發展，源自大數據的概念。我們再看2018年的只剩下深度學習。從這個表裡看到一個趨勢，我們覺得可能未來20年AI的本質特徵是數據互聯融合之後形成的智能化，是基於數據到達了一定的規模和一定的完整性之後，再加上我們現在已經可能達到人工智能和AI的技術狀態，最終形成數據價值體現出來的階段。
詳細來說，未來一段時間人工智能可能還不能取代人，但是他可以對我們的生產生活形成一些輔助和幫助的作用，真正的人工智能是未來20年之後的事，那個時候人工智能對我們來講是真正意義上的機器取代人，從現階段來講有非常實質的侷限性，到未來AI時代，數據是非常亟待開發的，那個時候硬件資源也需要極大的突破，因為GPU的計算能力很難真正應用到關鍵物理世界上，我們更期待量子計算的啟發為AI發展注入新的活力。而目前這個階段，我們經歷的是中間這個階段，機器學習和深度學習的階段，這個階段是我們真正的AI，那麼這個AI是依賴於過去60年算法研究，也依賴數據，有些行業沒有數據，人工智能可能很難落地。
我們在很長一段時間談數據科學，我們希望把目前所有的，不管是學術界研究成果，還是產品研發過程中積累的經驗，把他理論的經驗足夠產品化，工程化，形成一些落地實際的案例，這是我們在目前這個階段很多公司真正做的事情。從目前行業AI大的趨勢來講，AI分成了三大要素，第一是計算力、第二是算法、第三是數據，如果把這些具體的技術到目前為止做一個劃分，分成了平臺級的AI技術，AI芯片硬件級的技術和大數據的技術。在AI芯片裡目前我們實際工作中用到的或者解決一些真實問題的時候，我們會遇到的是視頻圖像問題，語音和語像義的問題，自然語言的問題，預測和決策問題，這是目前AI技術的現狀。
AI技術為什麼我們認為互聯數據驅動的，因為互聯網產業在目前這個階段下其實已經達到了大數據的階段，我們產業的數據在很多領域都發生了噴發的狀態，我們的算力相較於過去而言也有很高的提升，上萬倍的提升。
我們這個產業中關於數據的角度而言，我們在做的一些事情是在所有的行為和工作往數據方向發展，我們叫數據化一切，一切數據化，這個數據包括很多，比如我們企業內部的一些OA系統，ERP系統，CRM系統，再到企業的互聯網的APP，一些網站，甚至到未來硬件互聯得到的數據。這些數據最大的特點是數據的異構和孤島，AI首先要解決的是這個問題。
我們AI智能化的本質是希望達到數據智能化和精細化。比如深度學習用AI降低了谷歌數據中心的智能成本，他深刻的考慮到一些傳統的計算中心沒有考慮的問題，預測的問題，通過這種問題最終實現我們實質的，在這個精細化場景下的機器調節，原理是基於我們的預測，比如環境溫度是30度的時候，冷卻系統是不是要調成20度，這是現階段思維，我們要考慮未來環境在下一秒是不是變到20度，馬上下雨了或者出太陽了，這樣一種預測型的工作直接決定了對數據應用未來智能化的發展，在這個例子裡是智能化發展的例子。現在炒的很火的自動駕駛是在真實世界中非常關鍵的問題，這個問題是影響我們生命的，這個問題是通過自動駕駛的方式來實現我們駕駛工作脫離人的輔助，這個工作現在在谷歌已經實現了部分地區出租車的實際運營，其實內部基於的是650萬公里的數據，而這個在國內，比如我們國內很多的人工智能自動駕駛公司，他們累計的公里數是十分之一的狀態。這就是為什麼谷歌的無人駕駛更好一些。
關於人工智能未來二十年對它的定位，我們不能對它要求太高，我們主要工作是想通過數據更好的價值變現，有了這樣一個人工智能，我們未來十到二十年的認識，我們不會再因為工作跨太大的步子而導致一些問題。第二，在互聯網發展階段過程中，我們處在什麼狀態，這個狀態直接決定我們未來，我們下一個月下三個月工作中的重點，所以我們希望往回看一看互聯網發展是什麼階段，我們提出一個問題，生產力發展的歷史規律到底告訴我互聯網什麼東西，尤其是現階段從業者，我們回過頭看了一下過去三次以及第四次工業革命的時候發現，其實就是一個規律，新的生產力，新的技術，新的產品驅動了我們新的商業模式的變化，比如第一次工業革命核心的生產力，水蒸氣，主要商業模式是機械化，第二次是電，主要是流水線，第三次是電子IT，特徵是自動化，第四次工業革命，2015年是一個元年，因為在2015年之後大家都在紛紛往物聯網、人工智能、大數據的方向看齊，原因不是因為它真的很火，而是他真的能實現商業模式的改變，我們認識的改變，智能化。
我們進一步看一下工業革命3.0，在IT領域，過去20年經歷了什麼過程，這個過程用一句話解釋，我們經歷了從軟硬件到雲計算、大數據的階段，從最開始信息化的階段，我們當時用的是大型機和數據庫，比如銀行用的技術。到了十年前我們發現移動互聯網，那個時候有了超大規模集成電路和網絡互聯技術的發展，之前有一些零散的數據，慢慢的我們發現這個信息開始共享開放，開始爆炸，然後緊接著我們發現大量信息需要我們把它整理分類，為我們服務，形成了數據化的階段，這個時候數據開始互聯在一起，我們的服務開始專業化垂直化，這是過去20年經歷的狀態，如果以這個為核心，我們看到的是在過去20年因此產生的互聯網公司的發展狀態，這是過去20年中國前三十的互聯網公司，這個數據是某一個階段的前30數據的發展狀態，我們可以看到，從上面看似成立時間，代表了這個模式的一個開始，這個模式已經階段性成功了我們可以發現一些規律，最開始標紅的公司，他們也是首批開始上市的公司，階段性成功的公司，像百度、搜狐、騰訊這樣的公司，他們的技術能力非常強，他們解決了很多技術的問題，他們首先上市了而且是大的平臺，緊接著標黃的公司，比如汽車之家，途牛、唯品會、58同城、人人網，他們是垂直領域公司，他們是一個垂直領域的平臺，他們更注重與在特定領域上的專業化的發展。
這些公司是緊接著上市的公司，再往後出現了一些新的公司，比如2012年出現了滴滴，這個公司未來也會走向成功，他的特點大家應該很清楚，有一些非常重的運營，有非常重的資本驅動，通過這樣一種方式，最終打敗競爭對手，這是我個人看法。這三類公司如果我們做一個總結，對過去工業3.0在互聯網發展做一個總結，我們首先產生的是一些生產力驅動的公司，技術平臺的公司，這些公司的核心是以技術創新為基因，這些公司有一個明顯的特徵，具有一定的行業普適性，他們的機會窗口也是20年，因為他壟斷了過去20年方方面面所有的領域。過了五到十年我們發現產品模式基因的公司，他們在垂直領域做的很成功，這個公司核心特點是產品模式驅動特別有專業性，機會窗口相對晚一些，在垂直領域中達到競爭的白熱化，達到競爭的終點之後，這些公司會尋求新方向的突破，他的機會窗口是五到十年。再往後是運營效率基金驅動公司，也是資本密集型公司，他們需要對運營的執行力有很強的要求，對資本有很大的投入，這種公司需要在短期之內相互競爭，產生勝利方。
隨著我們回到剛才這張圖上，從信息時代，工業3.0的IT階段，過去20年信息時代，逐步發展到未來第四次工業革命，互聯網往哪個方向走，有可能變成數據互聯智能化的時代，這個時代數據價值為王，數據是資源，算法算力是其中的生產力，在這個過程中，我們因此會得到一個新的認識，在未來數據價值化服務的智能化是我們工作的核心重點，我們希望利用的工具是人工智能和物聯網，它的機會窗口期應該在十到二十年。如果用同樣的思路考慮未來十到二十年，商業發展規律應該是這樣，首先產生一些AI技術驅動型的公司，然後這些公司是技術平臺的發展，他們當然是技術創新為主，解決了在這個新的時間段內，核心的各個問題，突破了核心技術，因此構建了自己的平臺。
再往後是AI產品模式創新公司，在特定領域利用相對比較成熟的技術，實現了特定領域競爭優勢。再往後是一些紅海領域的資本大戰，是運營能力大戰，如果按照這個來考慮，我們想問一下生產力發展歷史規律告訴我們，現在這個階段AI技術有可能驅動新一輪互聯網商業模式的創新，因為有了新的生產力出現，在工業革命4.0階段。
我們想從這個大背景來考慮一下新零售是什麼狀態，我們可能認為新零售定義是互聯網下半場的零售，是未來十年的零售，是AI和物聯網加上的零售。所以我們想看看具體到是什麼狀態，我們具體細分一下，互聯網下半場來了，我們看到下半場的背景，互聯網相關的GDP過去20年只佔了中國整個GDP的7%不到，我們互聯網做了過去20年還沒有真正意義上實現翻天覆地的貢獻，這是為什麼？在特定領域，比如零售，獻上電商的零售額不到線下的五分之一。
中國線上購物規模也逐年放緩，每年雙十一可能都在增加，但是增加的幅度沒有那麼大了。以這個背景為例，我們看到了互聯網下半場，我們經常看到一些新的模式，比如我們看到單車，我們看到了咖啡機，看到了經常在小區附近或者商場看到的可以K歌的小盒子，我們也看到電影院裡擺放的按摩椅。這是一個智能垃圾處理的應用，擺在我們小區門口，你把垃圾丟進去，自動識別垃圾是什麼，比如它告訴你這是塑料，這是一個金屬。智能的垃圾處理。這是一個亞馬遜的智能音箱。
現在問題來了，到底互聯網下半場是一個什麼樣的東西，我們看到互聯網上半場的時候，我們的線上包括零售佔到零售額的五分之一，線上產生的GDP不到7%，而線下又出現一些新的創新形式，有些甚至非常有意思，互聯網下半場是什麼，有人說互聯網下半場是上天入地全球化，有人說互聯網下半場是連接賦能破界，有人說是OMO，線上和線下，我說互聯網下半場是產品模式的創新，是一種新的產品模式，是軟硬一體的新的流量和內容模式。前三個你可能聽不懂也看不懂，但是我告訴你這一點，有可能好像懂了，但是為什麼得出這個結論，因為剛才我們看到了在工業革命的4.0的時候，AI和物聯網技術作為新的核心生產力的時候，他代表一個未來十到二十年的大的變革，這個大的變革，互聯網領域是第四次工業革命在這個技術的體現，這個體現從2015年開始出現了一些很清楚的AI平臺型創新公司，比如某AI公司融了8億美金，到現在這個階段，我們發現一些產品模式創新型的公司開始出現，並且被接受，這就是互聯網下半場的模式。
互聯網下半場的模式代表在目前垂直領域的產品模式創新，這個創新有十年，剛才看到所有形形色色的東西都是在互聯網下半場十年時間，我們可能迎來了新的產品模式創新階段，這個是AI的產品模式創新。所以說新零售我認為也是這樣一個產品模式創新的具體例子。新零售，我們認為是第四次工業革命在互聯網領域中的中前期，我們AI以及平臺技術相對比較成熟的情況下，產生了一種在零售垂直領域的產品模式創新的一種新零售的模式，新零售我們認為是互聯網下半場的零售+AI和物聯網，這個新的零售有什麼特點，因為有一些新的需求，我們希望看到的是遇見既消費，就像騎單車一樣，我們看到單車騎單車，零售一樣，看到一個門店，我們進去消費，而不是通過APP導入進去的。我們希望提供的是高效的低成本的這樣一種零售的模式，這也是所有用戶需要的。這個成本包括什麼，我們需要把零售中間的房租人力物流推廣成本，通過互聯網下半場這個新零售降的很低，當然在這樣新零售階段，第三個特點肯定是在場景足夠的精細化，購物體驗足夠智能化，當然直接體現在個性化的商品上，這是互聯網下半場對於購買體驗，對於商品對於整個成本的要求，這是電商達不到的狀況。
所以他要求我們在技術上必須做到軟硬件一體化，比如要有IOT，必須有全流程AI賦能，必須有全流程數據化支撐。下面是新零售的需求，中間是新零售的生產力，最終構建了我們新零售的產品模式。
在目前新零售有些主要細分領域，比如新零售技術服務商，這有可能是我們提到的AI平臺級的公司，他們在某些特定的領域，比如零售領域可以提供技術支撐，還有垂直品類平臺，比如做生鮮的公司，比如有人的實體門店，京東便利店，還有無人貨架，還有最有前景的模式，在實踐中很成功的模式，無人小便利店。
第三個話題，在繽果這樣一個大的場景下，我們新零售AI有哪些應用。繽果盒子提供的是怎麼高效低成本的遇見即消費的個性化商品，智能化購物體驗的這樣一種解決方案，這個中間最大的點是我們把新的技術怎麼解決新的需求。掃碼進來，人臉識別。掃碼過程是基於頭像識別，現在繽果盒子在北京門頭溝已經開始大範圍部署了。
繽果的模式，我們總結一下剛才幾種比較特別的，比如京東，京便利這種比較大的門店的方式，還有偏智能貨架的模式全AI的比較，繽果盒子是相對比較通用的，購物體驗相對比較好，商品品類是比較多的，而且它的人力成本低，因為沒有人，房租成本也非常低，因為沒有房租，它的複製成本也非常低，因為盒子可以隨便拆卸搭裝，貨損和故障也能夠控制在一定範圍之內，通過AI的技術，同時它的技術門檻相對比較高。
在繽果這個裡面，我們發現有很多事兒可以做，比如在繽果有全零售產業鏈的智能化，第一大特徵，繽果智能終端管理，盒子或者收銀臺，我們會出現智能的防盜防損技術，智能結算技術，我們通過圖像識別達到這個目標，智能身份的認證以及正在研發的智能語音助手以及多維效果廣告，包括我們智能節能能耗控制，另外是繽果供應鏈平臺，是商品補貨和更新功能，可以提前預測哪些商品需要補充，比如智能補貨，智能選取，庫存優化，我們正在研發無人倉和無人車。
在數據方面，我們希望通過對消費者的智能進行大數據智能管理實現我們APP的推薦，實現消費數據的可視化，這三大部分對終端、供應鏈和消費者進行全方位智能化。另外，在軟硬一體上軟硬結合的平臺，在目前所有互聯網上半場公司不具備，因為大家都在強調一個點，APP，數字化沒有進入到真實世界，比如雲+IOT整套技術，我們在終端佈置了新的線下流量，獲取了各種盒子或者各種收銀臺，他們的理念是具備了邊緣計算能力，同時在雲端有新零售的，很多更大量的計算在雲端完成，最終跟APP和開店寶結合在一起，形成雲+邊緣+APP同時加硬件控制IOT整套平臺，這個新零售平臺是開放智能平臺，右邊是IOT開放生態，最右邊是燈控，我們通過遠端直接控制電源的燈光，而且是智能化的。
我們有電源管理，還有有wifi的，有收銀臺的，有視頻圖像的，包括溫控，這是面向B的，面向C可能會想到米+，米+很多硬件設備在繽果B端控制檯上看到跟門店管理和倉儲管理相關的很多硬件可以智能控制。在大數據生態，面向整個消費者智能，我們把繽果大數據生態鏈精準無偏的支持，我有很多數據，我數據很有價值，我想傳達一個理念，數據多不是最重要的，數據必須要相對乾淨，相對準確的反應我們想要反應的東西，而且數據希望儘量是連續的才更有價值，所以有一句話叫繽果大數據生態是準確且聯繫的數據生態。我們認為準確且有聯繫的數據更有價值，簡單來講，樓下的繽果盒子有可能全天24小時購買商品，可能在這個範圍內具備連續反映購物體驗的數據積累。不會是雙十一的時候大量的買，我們得出的結果是偏的。從技術角度來講這是乾淨且無偏的數據，同時有多維度閉環的數據，商品、物流、用戶、合夥人，這是一個全鏈條的閉環數據生態，我們大數據業務架構從大數據智能產品後臺引擎到業務算法到後臺管理整套體系。具體的有一個案例。
繽果的智能結算，我們具備基於場景驅動的智能收銀硬件，中間這個叫Mini，你把商品放上去，它知道這是可樂或者礦泉水，識別出來自動收銀，這是相對比較立式的，能夠結算更大商品的，這個是為超市設計的，一段時間之後，很多超市從之前的有人變成完全無人，至少在結算上無人，而且是24小時，因為他們可能採用了繽果全無人結算平臺，這是硬件平臺。這是真實的，有興趣可以體驗一下，掃碼進去以後，用戶隨便挑選商品，隨意扔到這個盒子裡，自動識別出來商品的類型，然後它的價格直接出來帳單，用微信掃碼可以完成結算。然後拿著商品離開，這個過程中會有人臉識別。
在新零售有一個很大的主題，智能防損防盜，實現單人管理10到20個盒子，這是傳統的系統很難達到的，因為我們有一套智能視頻識別系統對你的動作狀態進行監控。第三個在軟件層面上，我們在繽果為了實現各種場景應用有自己的AI平臺，這個AI平臺核心是軟件平臺，使人工智能研發效率得到提升，讓人工智能研發更流水線，你可以看到在這個真實場景中AI需求太多了，我們儘可能實現自動化的建模深刻改變研發模式，否則很難達到產能要求，通過人工智能平臺實現全流程的深度學習的支撐，這個傳統優勢很明顯，可以改變我們對人才的依賴，降低研發成本，加快系統落地的速度。目前做到萬億級商品品類的深度學習。
這是一些例子，我們在這個過程中持續投入更多的關注，讓我們零售各個產品最終降低成本提高效率。未來有哪些趨勢，我們做了一些簡單的思考。我們認為新零售AI發展趨勢第一個點是場景驅動智能化，在新零售六大智能場景群裡，購物、配送、倉儲、廣告、門店管理、客服，是最需要解決的問題，用戶進入以後購物就是購物場景，這個過程中有很多需要優化的還有很多AI技術滲透進去實現更高效的。六大新零售智能是未來全行業要持續關注的。解決這些問題的時候，我們應該把它變成一種系統化的解決方案，這種方案仍然優於AI的方案，因為對未來十年AI的認識不是一個真正意義上的人工智能，是基於數據智能化，數據互聯的智能時代，算法本身沒有達到那麼好的狀態，這樣我們會把一個具體的場景問題變成一個系統化的解決方案，通過對業務邏輯的梳理彌補算法不足，通過數據收集實現算法提升。
第二大趨勢，全零售生態鏈數據化，我們知道為什麼新零售AI是能快速落地的行業，因為零售行業本身具有較好的基礎，以這個為基礎，我們可以在未來擁有全鏈條無偏的數據，至少在特定領域決定新零售的未來。有相關的研究，深度學習的性能巨大的隨著數據量的增加明顯的提升，數據的要求是非常重要的，第三個發展趨勢，無人門店對於我們計算圖象和人工智能中間的自然語言處理的要求變的越來越高，在人工智能應用的四大分類裡，我們可以看到，如果把AI發展的規律做一個簡單的總結，就是從數字世界非關鍵場景到物理世界關鍵場景的轉化，對數字世界，APP，網站，這樣一些數字世界中非關鍵性的問題，比如數字世界關鍵的結論，比如金融風控，因為風控做不好發現我們錢少了，這在數字世界是關鍵性的問題，再往後，我們把人工智能從數字世界轉到真實世界，比如自動駕駛，無人門店也是真實世界裡相對比較關鍵的問題，因為他直接涉及到錢，它的挑戰更高一些，也更實際，作用更大一些。
在這個領域中間，我們自然而然的可以知道這個圖像和視頻一個自然語言的處理，在未來十年有更多的機會，這個不僅在零售領域，全領域都一樣。第四大趨勢，在智能客服場景裡，將為未來新零售提升購物體驗是非常關鍵的場景，大家應該知道了美國智能音箱的用戶在2017年已經佔到整個人口的六分之一，而在國內這個音箱比較少，音箱不是重點，重點是智能助手，蓋特納說到2020年之後智能助手，不管是軟件還是硬件，將佔30%的網絡流量，很大一部分用戶將慢慢不適用APP，而通過AI新的交互方式實現信息獲取，實現生活服務。新零售領域裡智能客服將是提升客戶體驗的關鍵作用。
第五，供應鏈智能化將決定商品競爭能力，因為在零售領域商品的便宜實惠是大家喜聞樂見的。無人盒子將成為新零售領域中脫穎而出的模式，它是無房租，無人工，低廉的供應鏈，最終導致低廉的商品。在智能供應鏈體系裡我們至少把價格庫存計劃和商品做智能化的管理，這是未來得趨勢，通過好的價格定價助力庫存優化，通過好的庫存計劃驅動庫存管理，通過好的商品的理解來實時定價進行算法建模實現價格最優化，通過商品指導庫存的計劃和策略。
總結來講，我們認為AI在新零售領域，在未來大有可為。
想要獲取大會PPT的朋友可以關注公眾號【FMI飛馬網】。獲取方式：掃碼進入公眾號——底部導航欄回覆關鍵詞"ppt"進行查閱哦！
閱讀更多 飛馬網FMI 的文章
