在过去的一周，AlphaGo与柯洁的人机大战持续吸引行业关注。5月22日，在与AlphaGo对决的前一夜，柯洁在他的微博上发表了《最后的对决》一文，并表示：“现在的A I进步之快远超我们的想象。”诸如此类，人工智能（AI）无疑是今年整个国内互联网产业中最热闹的戏码。随之人才大战也在不断升级，比如5月初腾讯直接宣布在美国西雅图建立A I实验室。

　　不过，无论技术如何进步、人才多么走俏，但最终还是要落地在行业应用和实际价值上。

　　继金融和教育领域之后，将继续走访行业专家和企业，关注人工智能落地零售业。本期将了解人工智能对“平台型”零售商的作用，国内外的差距以及他们所遇到的困难。

　　2016年底，亚马逊发布了线下实体便利超市AmazonGo，消费者用手机扫码进入其中，并登录自己的ID，就可以选择商品，选购结束直接在手机APP上结算，“即拿即走”。整个消费过程实现了人工智能自动化管理，无需人工干预。但记者走访国内零售业发现，这样科技感十足的全自动智能便利店或许离实际落地还有很长一段距离。

　　记者采访发现AI落地零售业过程中，相比线下实体行业，线上的平台型零售业更易突破。其中快消品等领域因为产品标准程度高又没有售后服务等因素是最好的场景之一。不过依然面临着数据联通和成本控制等现实问题。

　　切入

　　AI落地零售业三场景

　　聚焦到零售行业，粗略将人工智能落地线下平台型零售业的重要场景，分为以下几类：采销系统、仓储系统、店内运营等。

　　首先看采销系统。百联咨询创始人庄帅以采购荔枝为例向记者介绍：“以前采购人员需要先考察果农，了解产量，结合店内销售数据，下订单。如果能够利用人工智能相关技术，对接门店销售数据、天气数据、汽车交通数据、种植数据，系统实现自动采购，采购后物流部门自动拉货、自动销售，机器担任了机器买手的角色。”

　　据了解，以上这样的采购系统已经在国外一些大型线下超市上应用，中国的一些大型超市在近年来开始实施。

　　A I以“买手角色”完成采销环节后，智能仓储也是人工智能切入零售行业的重要场景。据介绍，如今亚马逊、天猫、京东都已经实施了无人工化分拣系统，所有商品由机器分拣，分拣完后放在传送带上打包，最后发货。

　　人工智能不仅在后端的供应链有着广泛应用空间，在前端运营方面也有机会大显身手。主要分为线上平台和线下平台两个类目。以线下平台来说：目前主要的做法是，通过摄像头进行识别，自动计算人流量，反馈至前台做人流量调配。电子价签的应用还能捕捉顾客表情，判断顾客对于价格的反应，适时作出价格调整。

　　相比线下平台，庄帅表示：“线上的人工智能应用更多，因为线上的数据维度和数据连接更容易些。”比如，“顾客想要什么”、“给顾客推荐什么”，了解消费者行为，根据用户浏览轨迹、社交媒体等数据捕捉消费者行为，实现精准营销，辅助购买决策是人工智能运用于电商的典型。

　　普及

　　前途光明、路途障碍不少

　　以上似乎是勾勒了一个理想型的零售场景。但这些技术全面应用需要多久呢？记者采访发现，相比于人工智能在金融和教育领域，“零售+人工智能”似乎更为乐观。

　　此前记者采访时发现，人工智能在金融和教育领域主要担当“辅助角色”。其中关键壁垒和难点便是数据采集。事实上，现在使用的人工智能并不需要多高精尖的技术，而是去看数据连接的效率和数据维度，以及获取的能力。作为人工智能与教育结合领域的领航者科大讯飞就向记者反映，人工智能应用于教育最难点便在教育大数据，而教育大数据最困难的是数据采集。

　　相比于教育和金融行业，人工智能在零售行业的应用智能化程度更高，替代人的场景也更多，数据也更易得。庄帅解释：“零售业是高度系统化的行业，这个行业最喜欢用各种各样的技术，例如摄像头技术，热感应技术，Pos机、在线支付，应用速度非常快。因此数据维度更大更多。”

　　不过乐观中也不乏问题和阻碍因素。

　　零售业涉及环节和品类众多，品类之间性质差别很大。庄帅举例称：“家居行业属于高服务、低频消费、高客单价、决策链长、决策人数众多的行业。相比而言，比如超市的一瓶水，客单价极低、一个人即可决策，没有服务，甚至连售后都没有。两者都属于零售业，但差异很大。”所以在他看来：“如今采购系统可以实现人工智能自采，但是品类只局限于快消品等领域，这些品类高度标准化又没有售后服务等附加因素。”

　　除了跟零售本身具备的“品类多、行业差距大”等特性有关外，也跟不少主观因素有关。这在一定程度上，决定了对于全行业的技术普及或许还需要一些时间。

　　以收银环节为例，一位在线下大型零售平台工作多年的工作人员告诉记者：“收银环节的智能化从技术上来说其实是可以实现的，像A m azonG o里面运作一样。但是地区不同，经济发展和素质发展也有差异，可能实现的难度不一样。”

　　困难

　　数据联通和成本控制

　　人工智能的基础主要是大数据和算法。基于大数据，机器进行深度学习最终实现智能。事实上，相比其它行业，零售行业的各类数据维度更多，数据量更大，获取的及时性也更强。但其中，数据联通更应该是行业关注的焦点。

　　事实上，这更像是一场拉锯战。据了解，由于零售行业环节众多，产业链上上下游不同的公司之间存在数据壁垒。数据作为一个公司财富，在看不到既得利益时，许多公司不愿意公开自身数据。庄帅介绍：“作为零售商，为什么要把数据给制造商，那作为物流商为什么把数据给零售商。这个谈判对接存在很长的周期。”

　　除了数据之外，成本控制也是零售业重点考虑的要素。

　　当技术已经具备，但是机器成本比人力成本还高时，零售业往往采用后者。射频识别（RFID）是产品电子代码（EPC）的物理载体，附着于可跟踪的物品上，可全球流通并对其进行识别和读写。RFID技术作为构建“物联网”的关键技术近年来受到人们的关注。业内人士介绍：“这个系统基本可以代替人工实现智能盘点货物。但是由于成本过高，许多线下大型超市都放弃应用。”庄帅介绍：“R FID运用最成熟的是烟草行业，整个仓库都是这个设备。因为利润高用得起。零售业最大的考虑是规模化太大。线上仓库有几千万商品，每个都用RFID，哪怕只要一毛钱，成本都很大。”

　　机会

　　聚焦产业链各细分环节

　　记者了解到，许多零售行业使用的技术服务主要来自亚马逊、IBM等科技巨头，然而人工智能的创业者在整场愈演愈烈的赛道中，是否还有机会？

　　事实上，创业者可以从服务细分领域切入。例如有些创业公司打造的电子价签，在价签上加入针孔摄像头，通过情绪识别，了解客户对于商品的情绪，对应进行调价。

　　创业者手持这些技术，去拥抱零售市场时，可能性有多大呢？庄帅认为：“这些只要做出来，大型的平台商就会向他采购。很多大型平台商不会自己研发数量很多涉及环节很多的人工智能设备和系统，基本运用成熟的创业公司创新出来的落地实施应用的系统。”