论文部分内容阅读
“作为第三方无倾向平台型技术企业，我们主要负责给线下零售企业提供AI技术支持。如果把AI+零售比作一个淘金浪潮的话，那我们就是这个淘金浪潮里卖铲子的那个人。”
“潮水退去，才知道谁在裸泳”，今年以来，随着资本回归理性，无人零售行业也进入泡沫破灭期，“潮起潮落，短暂波动对我们影响不大，我们从来不赶风口”。YI Tunnel（图灵通诺）创始人吴一黎本周对《红周刊》记者表示。
一直希望将自己所掌握的视觉识别、图形图像技术与零售业相结合的吴一黎，在2016年创办了YI Tunnel。“我们只负责提供技术，不负责运营，和客户之间并不存在竞争关系。”吴一黎介绍说，作为第三方无倾向平台型技术企业，YI Tunnel主要负责给线下零售企业提供AI技术赋能，帮助零售企业解决“不懂”消费者的行业痛点。目前可落地的AI方案，如AI自助售货机、AI无人结算台、无人店等都主打纯视觉技术，其中无人店落地成本仅为亚马逊Amazon Go无人店的8%，“我们技术上也比他们更先进”。当前AI仍处于前期领军客户培养阶段，不过吴一黎认为，AI赋能零售未来存在的市场空间非常巨大，尤其是视觉技术和大数据技术与零售的融合颇具看点。
《红周刊》：当前AI已经赋能了很多领域，例如安防、金融等，您为何选择聚焦零售行业？
吴一黎：“用AI赋能零售业”等于是把我自己最擅长做的事情融合在一起。我曾供职甲骨文和IBM的电子商务部门，也自己创业做过3D煎饼，有着10多年的零售行业经验，对零售行业的痛点也有所了解。
例如，相较于电商知道自己的消费者是谁、知道用户在PC或APP端每个商品上停留了多长时间、把什么商品放进了购物车、最后怎么结账等所有的交易环节，线下零售企业对此了解的很少。因此，将消费者的交易行为数字化，这对线下企业而言就显得十分重要。此外，当前线下零售企业需要招聘大量员工来完成收银、导购等工作，但该行业人员流失率非常高，这导致线下零售企业的管理成本很高，影响企业运营效率，而AI赋能下的零售则能很好地解决这些问题。
就技术环境而言，AI处于技术成熟的早期，本身存在巨大的机会，AI+零售则是一个更大的刚需市场。
《红周刊》：AI相较于其他技术，将给零售领域带来怎样的变革？
吴一黎：目前在零售领域的主要技术分别为条形码、RFID（射频识别）技术和AI。从技术角度看，诞生于100年前的条形码技术，使得所有商品被标准化，沃尔玛等世界零售巨头正是在此轮技术浪潮中崛起。不过，虽然如今条形码技术已经非常成熟，但仍存在一些限制。例如，对于生鲜品类的非标品，仍需要人工来称重计量。同时，扫码结算商品对于收银员而言，也是个巨大的体力劳动。
40年前被发明出来的RFID，至今仍未在零售领域大规模推广应用。主要因为RFID识别的前提是将芯片标签贴到商品上，而目前理货环节只能靠人工来粘贴，这将增加零售企业人工成本。其次，RFID技术应用成本太高，假设每件物品芯片标签和人工粘贴的成本为0.6元，一天卖100件商品，一年就需增加成本2万多元，对于大型商超而言，一天可能售卖上万件商品，那运营成本将更高。此外，可乐等金属易拉罐商品、锡箔纸包装的鸭脖、鸡爪等熟食制品对RFID芯片是有屏蔽作用的，存在识别难题。另外，人工粘贴的芯片标签容易被撕掉，如果消费者将商品芯片粘贴到货架上的其他物品上，然后带走该商品，理论上RFID技术也是无法识别的。
AI则可能将有效解决前两种技术存在的难题。例如，对于生鲜等非标品，AI大概在几年前的的技术就已经验证，机器识别生鲜物品的能力已经超越了人类，因此技术上已经具备了代替条形码的基础。此外，当零售领域用到AI视觉相关技术的时候，是不需要额外增加人力和物力成本的，是对原有零售业态技术的飞跃式提升。此外，除了视觉技术在结算端的应用，AI的预测技术也将对零售行业带来更长远的影响。
《红周刊》：在AI的预测技术赋能下，未来的零售业将是什么样子的？
吴一黎：AI的预测技术可以帮助线下零售企业，通过对消费者的动作、语义、消费时间、消费商品、购买态度等交易数据的分析，做出有针对性的分析和预测，例如，明天店铺卖什么商品会更好，针对不同的消费者，给出不同的折扣和商品推荐。
举例来说，现在逛超市在结账区域都会有加价换购的环节，但所有换购都是千篇一律的，例如加10元换购一袋洗衣粉。但对于部分平时不洗衣服的消费者而言，吸引力并不大。而如果最终换购区是消费者之前想买而又因各种理由没有购买的商品，那消费者加价换购的意愿会更强。
目前大数据和AI处于早期萌芽破土向成熟发展的阶段，技术上暂时还做不到这种智能化的推荐，但依托AI和视觉的结合进行一些预测，未来AI将使得整个零售环节变得不一样。如供应链方面，每天需要补几次货，一个店铺到底是需要摆放1000個SKU还是3000个SKU，每个SKU数量是10个还是15个，这些都可以通过大数据和AI的结合分析做出调整。
《红周刊》：从服务对象来看，公司似乎更专注服务线下零售企业？
吴一黎：的确，一方面，互联网巨头今天体量都已经非常大，自己也有很强的研发扩展能力，如果我们往线上发展跟互联网巨头正面PK，坦白讲胜算不大。但另一方面，线下零售企业都很需要AI来提升运营效率，但是自身缺乏AI技术研发的能力。线下零售本身的毛利率、净利润率就决定了，其资金一定是投向基础设施的拓展，商业回报率会更高。而这中间，我们的发展空间就逐步展现出来了，作为第三方无倾向平台型技术企业，我们主要负责给零售企业提供AI技术支持。
《红周刊》：目前AI和零售企业融合的应用场景主要体现在哪些方面？ 吴一黎：目前我们主要给零售企业提供三种AI解决方案。第一个方案是纯视觉的无人店，消费者刷脸进门自助选购产品，全程无人介入，通过摄像头对消费者消费行为进行识别，消费者离开无人店门的一瞬间自动结算并收到消费的账单。技术角度看，我们的无人店比亚马逊的Amazon Go要先进，成本也仅为其8%，主要用于小型的便利店或者小面积的场景。
纯视觉无人店技术相当于把AI和零售结合的最复杂场景给解决了，在这之后我们也衍生出客流分析、货架监控等业务，可以将应用场景扩展到很多大的场景应用，从而实现零售企业的门店数字化。例如，通过货架监控解决大型超市中对乱拿乱放物品的归位问题。
第二个方案是AI自助售货机，原理很简单，就是给普通货柜增加摄像头和GPU计算卡，消费者扫码开启柜子，选购商品，关闭柜子自动扣费，消费者不需要再扫码支付。AI自助售货机相比带蛇形货道或自动升降机的传统自助售货机成本降低50%以上。就应用场景而言，地铁、机场、写字楼以及大街小巷的基础零售单元都已有落地。
第三个方案是AI无人自助结算台，目前我们已经在餐饮领域投入使用，取得比较不错的效果。例如，在食堂选餐的时候，会有西红柿炒鸡蛋、宫保鸡丁等各式菜品，消费者自助挑选，挑选结束后可以直接将盘子往结算台上一放，结算台一拍照，直接就可以知道盘子中的菜品是什么，总共消费多少钱，消费者直接结算即可，成本可以降到原来的40%以下。除餐饮行业，我们也正在试验超市的场景，希望推出比目前的扫码成本更低的AI自助结算台。
《红周刊》：您刚谈到公司的纯视觉无人店技术上较Amazon Go更先进，成本更低，您是如何做到的？
吴一黎：亚马逊作为零售界非常具有创新能力的巨头，我们一直在向他们学习。大概在五六年前，亚马逊开始做无人便利店，但当时计算机视觉和AI的结合技术还不够成熟，难以支撑亚马逊做无人店或者纯无人店的场景。所以亚马逊被迫采取了多传感器融合的技术路线，比如，消费者进店以后，靠摄像头来追踪消费者，但是对于商品的识别，亚马逊则是将所有的货架改造成了称重传感器，简单理解就是所有的货架都具有“称”的功能，消费者拿了什么东西，它就按照少了多少克来结算。但这种结算方式存在一种问题，如果消费者把可乐、雪碧等一样沉的东西，互相混着放在货架上，那它就错乱了，因为它们重量一样，货架称重传感器无法分辨，这将影响识别的准确率。其次，因为需要把所有的货架改成带称重传感器的货架，亚马逊Amazon Go的成本很高。
面对亚马逊遇到的问题，我们就思考有没有可能只用纯视觉普通摄像头来解决这些问题。经过团队成员的集体努力，我们识别储备了三万种商品，同时对近一万小时的商超购物市场进行动作行为分析，最终实现只用了普通摄像头、普通货柜就完成了无人店内消费者的追踪、商品的识别、人与商品的匹配问题，同时有效解决了Amazon Go存在的商品识别率和成本问题。
《红周刊》：很好奇，您刚提到的AI无人自助结算台是如何“看图识菜”的。
吴一黎：AI无人自助结算台由显示屏、5个摄像头、称重装置以及1个服务器构成，其认识和识别商品的能力，所依靠的卷积神经网络类似于人类的大脑，我们25位数据标注人员通过8个月时间完成200万张照片的标注，在此基础上，通过对5个摄像头的投票进行无数次的训练，反复调试、调整，让机器不断学习，从而达到识别自助餐的菜品、随意摆放的衣服、水果等，甚至可以区别红心火龙果和白心火龙果。
《红周刊》：近期阿里宣布盒马鲜生首款AI驱动的收银设备ReXPOS将对零售行业开放，盒马的AI智能收银机和YI TUNNEL有何异同？
吴一黎：主要谈下不同吧，从产品技术上来看，盒马ReXPOS主要是一个自助扫码设备，用AI的摄像头加入一些防盗的功能，比如消费者结算时故意没往上放，就会触发报警。从应用的角度来讲，因为阿里系有协同性的要求，所以盒马的ReXPOS其实更多地将服务阿里集团或相关赋能企业。我们则是完全中立的第三方技术企业。
《红周刊》：无人店的崛起，将对传统便利店带来哪些挑战？
吴一黎：无人店对便利店的挑战显现的应该不会很快。因为便利店有自己的核心竞争力，一个是技术信息化的能力，这取决于企业管理连锁的能力，另外一个是供应链的能力，也就是自有品类占比。打个比方，两家便利店，都买矿泉水，一家卖农夫山泉，一家卖自有品牌矿泉水，那农夫山泉的毛利可能只有8%，但自有品牌的毛利直接就可能是60%，这两家便利店的竞争能力肯定就是不一样的。我们目前只是从信息化或者AI化来赋能便利店，供应链端目前还没有涉及。
《红周刊》：在AI自动获取数据的过程中，该如何保护用户的数据安全和用户隐私？
吴一黎：首先是要考虑客户的隐私，然后遵循当地的法律。比如在欧盟的规定是，企业要使用消費者的数据，必须要经过消费者的同意。当消费者要删掉自己的数据，企业必须要能把关于消费者的所有数据都删掉。就企业而言，态度也是非常明确，要百分之百尊重消费者的隐私，同时完全严格按照这个法律规定来做。
《红周刊》：从行业发展角度来看，未来能够继续往下走的企业一定都是落地能力很强的企业，在您看来，目前AI大规模商用的难点是什么？
吴一黎：我觉得有两点，一是AI技术所处的时代阶段，二是人的认知。首先无论哪个行业从萌发到商用成熟真正落地都需要时间，AI现在正处在非常前期的商业爆发的时间点上，成熟还需时日。其次，我们做技术的常挂在嘴边的一句话是“你总是会高估未来一年技术带来的影响，却低估未来十年带来的影响。”个人认为，人们对于AI短期期待过高，但长期认识又不足。
人物简介：
吴一黎：YITunnel（图灵通诺）的创始人，有着10多年的零售经验。
“潮水退去，才知道谁在裸泳”，今年以来，随着资本回归理性，无人零售行业也进入泡沫破灭期，“潮起潮落，短暂波动对我们影响不大，我们从来不赶风口”。YI Tunnel（图灵通诺）创始人吴一黎本周对《红周刊》记者表示。
一直希望将自己所掌握的视觉识别、图形图像技术与零售业相结合的吴一黎，在2016年创办了YI Tunnel。“我们只负责提供技术，不负责运营，和客户之间并不存在竞争关系。”吴一黎介绍说，作为第三方无倾向平台型技术企业，YI Tunnel主要负责给线下零售企业提供AI技术赋能，帮助零售企业解决“不懂”消费者的行业痛点。目前可落地的AI方案，如AI自助售货机、AI无人结算台、无人店等都主打纯视觉技术，其中无人店落地成本仅为亚马逊Amazon Go无人店的8%，“我们技术上也比他们更先进”。当前AI仍处于前期领军客户培养阶段，不过吴一黎认为，AI赋能零售未来存在的市场空间非常巨大，尤其是视觉技术和大数据技术与零售的融合颇具看点。
AI赋能下的零售商将更“懂”消费者
《红周刊》：当前AI已经赋能了很多领域，例如安防、金融等，您为何选择聚焦零售行业？
吴一黎：“用AI赋能零售业”等于是把我自己最擅长做的事情融合在一起。我曾供职甲骨文和IBM的电子商务部门，也自己创业做过3D煎饼，有着10多年的零售行业经验，对零售行业的痛点也有所了解。
例如，相较于电商知道自己的消费者是谁、知道用户在PC或APP端每个商品上停留了多长时间、把什么商品放进了购物车、最后怎么结账等所有的交易环节，线下零售企业对此了解的很少。因此，将消费者的交易行为数字化，这对线下企业而言就显得十分重要。此外，当前线下零售企业需要招聘大量员工来完成收银、导购等工作，但该行业人员流失率非常高，这导致线下零售企业的管理成本很高，影响企业运营效率，而AI赋能下的零售则能很好地解决这些问题。
就技术环境而言，AI处于技术成熟的早期，本身存在巨大的机会，AI+零售则是一个更大的刚需市场。
《红周刊》：AI相较于其他技术，将给零售领域带来怎样的变革？
吴一黎：目前在零售领域的主要技术分别为条形码、RFID（射频识别）技术和AI。从技术角度看，诞生于100年前的条形码技术，使得所有商品被标准化，沃尔玛等世界零售巨头正是在此轮技术浪潮中崛起。不过，虽然如今条形码技术已经非常成熟，但仍存在一些限制。例如，对于生鲜品类的非标品，仍需要人工来称重计量。同时，扫码结算商品对于收银员而言，也是个巨大的体力劳动。
40年前被发明出来的RFID，至今仍未在零售领域大规模推广应用。主要因为RFID识别的前提是将芯片标签贴到商品上，而目前理货环节只能靠人工来粘贴，这将增加零售企业人工成本。其次，RFID技术应用成本太高，假设每件物品芯片标签和人工粘贴的成本为0.6元，一天卖100件商品，一年就需增加成本2万多元，对于大型商超而言，一天可能售卖上万件商品，那运营成本将更高。此外，可乐等金属易拉罐商品、锡箔纸包装的鸭脖、鸡爪等熟食制品对RFID芯片是有屏蔽作用的，存在识别难题。另外，人工粘贴的芯片标签容易被撕掉，如果消费者将商品芯片粘贴到货架上的其他物品上，然后带走该商品，理论上RFID技术也是无法识别的。
AI则可能将有效解决前两种技术存在的难题。例如，对于生鲜等非标品，AI大概在几年前的的技术就已经验证，机器识别生鲜物品的能力已经超越了人类，因此技术上已经具备了代替条形码的基础。此外，当零售领域用到AI视觉相关技术的时候，是不需要额外增加人力和物力成本的，是对原有零售业态技术的飞跃式提升。此外，除了视觉技术在结算端的应用，AI的预测技术也将对零售行业带来更长远的影响。
《红周刊》：在AI的预测技术赋能下，未来的零售业将是什么样子的？
吴一黎：AI的预测技术可以帮助线下零售企业，通过对消费者的动作、语义、消费时间、消费商品、购买态度等交易数据的分析，做出有针对性的分析和预测，例如，明天店铺卖什么商品会更好，针对不同的消费者，给出不同的折扣和商品推荐。
举例来说，现在逛超市在结账区域都会有加价换购的环节，但所有换购都是千篇一律的，例如加10元换购一袋洗衣粉。但对于部分平时不洗衣服的消费者而言，吸引力并不大。而如果最终换购区是消费者之前想买而又因各种理由没有购买的商品，那消费者加价换购的意愿会更强。
目前大数据和AI处于早期萌芽破土向成熟发展的阶段，技术上暂时还做不到这种智能化的推荐，但依托AI和视觉的结合进行一些预测，未来AI将使得整个零售环节变得不一样。如供应链方面，每天需要补几次货，一个店铺到底是需要摆放1000個SKU还是3000个SKU，每个SKU数量是10个还是15个，这些都可以通过大数据和AI的结合分析做出调整。
纯视觉无人店落地 成本仅为Amazon Go的8%
《红周刊》：从服务对象来看，公司似乎更专注服务线下零售企业？
吴一黎：的确，一方面，互联网巨头今天体量都已经非常大，自己也有很强的研发扩展能力，如果我们往线上发展跟互联网巨头正面PK，坦白讲胜算不大。但另一方面，线下零售企业都很需要AI来提升运营效率，但是自身缺乏AI技术研发的能力。线下零售本身的毛利率、净利润率就决定了，其资金一定是投向基础设施的拓展，商业回报率会更高。而这中间，我们的发展空间就逐步展现出来了，作为第三方无倾向平台型技术企业，我们主要负责给零售企业提供AI技术支持。
《红周刊》：目前AI和零售企业融合的应用场景主要体现在哪些方面？ 吴一黎：目前我们主要给零售企业提供三种AI解决方案。第一个方案是纯视觉的无人店，消费者刷脸进门自助选购产品，全程无人介入，通过摄像头对消费者消费行为进行识别，消费者离开无人店门的一瞬间自动结算并收到消费的账单。技术角度看，我们的无人店比亚马逊的Amazon Go要先进，成本也仅为其8%，主要用于小型的便利店或者小面积的场景。
纯视觉无人店技术相当于把AI和零售结合的最复杂场景给解决了，在这之后我们也衍生出客流分析、货架监控等业务，可以将应用场景扩展到很多大的场景应用，从而实现零售企业的门店数字化。例如，通过货架监控解决大型超市中对乱拿乱放物品的归位问题。
第二个方案是AI自助售货机，原理很简单，就是给普通货柜增加摄像头和GPU计算卡，消费者扫码开启柜子，选购商品，关闭柜子自动扣费，消费者不需要再扫码支付。AI自助售货机相比带蛇形货道或自动升降机的传统自助售货机成本降低50%以上。就应用场景而言，地铁、机场、写字楼以及大街小巷的基础零售单元都已有落地。
第三个方案是AI无人自助结算台，目前我们已经在餐饮领域投入使用，取得比较不错的效果。例如，在食堂选餐的时候，会有西红柿炒鸡蛋、宫保鸡丁等各式菜品，消费者自助挑选，挑选结束后可以直接将盘子往结算台上一放，结算台一拍照，直接就可以知道盘子中的菜品是什么，总共消费多少钱，消费者直接结算即可，成本可以降到原来的40%以下。除餐饮行业，我们也正在试验超市的场景，希望推出比目前的扫码成本更低的AI自助结算台。
《红周刊》：您刚谈到公司的纯视觉无人店技术上较Amazon Go更先进，成本更低，您是如何做到的？
吴一黎：亚马逊作为零售界非常具有创新能力的巨头，我们一直在向他们学习。大概在五六年前，亚马逊开始做无人便利店，但当时计算机视觉和AI的结合技术还不够成熟，难以支撑亚马逊做无人店或者纯无人店的场景。所以亚马逊被迫采取了多传感器融合的技术路线，比如，消费者进店以后，靠摄像头来追踪消费者，但是对于商品的识别，亚马逊则是将所有的货架改造成了称重传感器，简单理解就是所有的货架都具有“称”的功能，消费者拿了什么东西，它就按照少了多少克来结算。但这种结算方式存在一种问题，如果消费者把可乐、雪碧等一样沉的东西，互相混着放在货架上，那它就错乱了，因为它们重量一样，货架称重传感器无法分辨，这将影响识别的准确率。其次，因为需要把所有的货架改成带称重传感器的货架，亚马逊Amazon Go的成本很高。
面对亚马逊遇到的问题，我们就思考有没有可能只用纯视觉普通摄像头来解决这些问题。经过团队成员的集体努力，我们识别储备了三万种商品，同时对近一万小时的商超购物市场进行动作行为分析，最终实现只用了普通摄像头、普通货柜就完成了无人店内消费者的追踪、商品的识别、人与商品的匹配问题，同时有效解决了Amazon Go存在的商品识别率和成本问题。
《红周刊》：很好奇，您刚提到的AI无人自助结算台是如何“看图识菜”的。
吴一黎：AI无人自助结算台由显示屏、5个摄像头、称重装置以及1个服务器构成，其认识和识别商品的能力，所依靠的卷积神经网络类似于人类的大脑，我们25位数据标注人员通过8个月时间完成200万张照片的标注，在此基础上，通过对5个摄像头的投票进行无数次的训练，反复调试、调整，让机器不断学习，从而达到识别自助餐的菜品、随意摆放的衣服、水果等，甚至可以区别红心火龙果和白心火龙果。
《红周刊》：近期阿里宣布盒马鲜生首款AI驱动的收银设备ReXPOS将对零售行业开放，盒马的AI智能收银机和YI TUNNEL有何异同？
吴一黎：主要谈下不同吧，从产品技术上来看，盒马ReXPOS主要是一个自助扫码设备，用AI的摄像头加入一些防盗的功能，比如消费者结算时故意没往上放，就会触发报警。从应用的角度来讲，因为阿里系有协同性的要求，所以盒马的ReXPOS其实更多地将服务阿里集团或相关赋能企业。我们则是完全中立的第三方技术企业。
对AI短期不要期待过高 长期要给予足够的信任
《红周刊》：无人店的崛起，将对传统便利店带来哪些挑战？
吴一黎：无人店对便利店的挑战显现的应该不会很快。因为便利店有自己的核心竞争力，一个是技术信息化的能力，这取决于企业管理连锁的能力，另外一个是供应链的能力，也就是自有品类占比。打个比方，两家便利店，都买矿泉水，一家卖农夫山泉，一家卖自有品牌矿泉水，那农夫山泉的毛利可能只有8%，但自有品牌的毛利直接就可能是60%，这两家便利店的竞争能力肯定就是不一样的。我们目前只是从信息化或者AI化来赋能便利店，供应链端目前还没有涉及。
《红周刊》：在AI自动获取数据的过程中，该如何保护用户的数据安全和用户隐私？
吴一黎：首先是要考虑客户的隐私，然后遵循当地的法律。比如在欧盟的规定是，企业要使用消費者的数据，必须要经过消费者的同意。当消费者要删掉自己的数据，企业必须要能把关于消费者的所有数据都删掉。就企业而言，态度也是非常明确，要百分之百尊重消费者的隐私，同时完全严格按照这个法律规定来做。
《红周刊》：从行业发展角度来看，未来能够继续往下走的企业一定都是落地能力很强的企业，在您看来，目前AI大规模商用的难点是什么？
吴一黎：我觉得有两点，一是AI技术所处的时代阶段，二是人的认知。首先无论哪个行业从萌发到商用成熟真正落地都需要时间，AI现在正处在非常前期的商业爆发的时间点上，成熟还需时日。其次，我们做技术的常挂在嘴边的一句话是“你总是会高估未来一年技术带来的影响，却低估未来十年带来的影响。”个人认为，人们对于AI短期期待过高，但长期认识又不足。
人物简介：
吴一黎：YITunnel（图灵通诺）的创始人，有着10多年的零售经验。