新零售效率未来的三个识别点
新零售效率未来的三个识别点
　　在行业中，每天总有海量的时代新词，乱花迷眼：数字化、体验、新业种、餐饮化、智慧零售、赋能、零售资本、无界零售、场景、沉浸式、大数据、人工智能、LOT、柔性供应链、升级、重塑、模式、整合、产业链、价值链、心零售、算法、流量、内容、破界……
　　我们其实总想，商业的世界，也应该有两到三条不变的公理，让我们能够识别未来，可能企业各有术差，但核心应有道同。
　　2018C-star 上海国际零售业设计与设备展引领零售行业最新趋势，带您见证中国零售巨大变革，上海零售展欢迎您的到来。
　　有人说，商业最后一定是哲学的问题，就像我们是谁一样重大?
　　(1)是消费者为中心吗?有企业在创造引领消费，所以这不能解释一切。
　　(2)是价值吗?入行的企业都有价值，我们无法说明企业的差别。
　　(3)是专业吗?我们无法解释蛇吞象的故事。
　　那核心，我认为是效率!
　　罗振宇在跨年演讲中说，的核心应该是“用一切手段全方位无死角的提高效率”!为了简化，我们姑且称之为效率模型，所有商业的效率内涵，应该建立在三个工具、价值爆点和标准化三个基石上。下面就一起和零售营销展一起来看看新零售的核心建立在什么上吧。
　　一、工具革命
　　回顾商业的发展历程，我们从商业的形式演变中，可以看到五种要素的演变：场所形式、交易内容、交易媒介、交易组织及交易领域的变化，从简单到复杂，从初级到高级，从人控到技控，从近时空到远时空、从实体到虚拟，而其中最为核心的，是信息工具。
　　1、古代商业在纸媒技术上演化升级
　　古代商业信奉“一手交钱，一手交货”，后来，商业的人财物分实物流和账务流进行演变和升级，实物流是生产效率的提升，而账务流是逻辑体系的时代变化，两者共通点是纸媒工具的承载，纸媒工具的局限决定了商业自身的局限。
　　2、近现代商业在信息化技术上演化升级
　　我们很难划清这个时代标志性的事件是什么，从穿孔片计算机、电子管计算机、晶体管计算机、集成电路和大规模集成电路计算机，随着计算机技术逐步升级，商业的时空跨度和连锁化程度出现适配性提升，实物、服务、虚拟产品、多业态、多业种、层级市场、跨国贸易也出现了应用性的繁荣，商用电脑、个人电脑技术迭代，MIS是时代核心思维，FMS、OA、HR、WMS、CRM、BI等管理系统不断丰富，相对纸媒，信息化成为具有革命性的工具;但在这一时代，信息孤岛、连接、时效性仍有着巨大的鸿沟。
　　数字化，是信息化的进一步深入，它对很多企业来说是变革，但对时代来说，可能只是基础。
　　3、未来商业是在超级智能化技术上演化升级
　　互联网特别是移动互联网时代，真正开创了提升数字化革命性效率，一是链接产生的网络效应，全要素入网，超时空互通;二是零边际成本效应，基于厂、链、路、端、人、货、场全息互通及智慧运用成为主流，马云说，数据是新能源，本质是工具化最精准的认识。而这个时候，大数据、LOT、人工智能、无人工具等各方面的应用，只是这个时代表象的工具定义，就像马车、汽车、火车、磁悬浮一样，这个时代的主题，应该是将企业内外各种生产要素锻造成数字化基础原料，投入生产、加工、交易、配送、销售各个环节，打造出新的产品和服务，实物流成为基础的基础。
　　所以，大时间尺度的检索商业技术的发展，我们可以鲜明的看到，技术不断在精进对商业要素的定义、获取、管理和运用能力，要素自身因技术得到更加精细的理解，要素与要素之间的互通更加高效，然后是要素的资源属性更加无价。
　　基于这一角度，我们可以判断，我们当下所有技术角度谈的问题，一定只是个时代性的问题，在行业里，谈论的周期和应用周期会有滞后性错位，也会有周期性复盘和概念化递进，但本质，还是工具论，而工具论的底层，是效率论。
　　所以，一家公司对工具技术的理解和应用，一定会涉及到这家公司寿命的问题，所有在努力实践成为科技性公司的企业都应该是好企业，而鄙视、避让、旁观者，最终都会远离时代!今天，我们可以给企业传不传统再贴上一个简单的标签：
　　1)落后性企业：数字化基础薄弱，数据非移动化、未联网、孤岛、断点;
　　2)时代性企业：实现全息数字化，具有一定的智慧化、智能化基础;
　　3)未来性企业：全要素数字化、智慧化互通，高效的数据运用及价值开发能力。
　　从这些角度，我们也将更加能够理解现在许多企业的站队，可能是单个企业品牌的悲哀，但却是这个时代的胜利;我们也更加期待更多的企业加快这一进程，我们也会发现，因为智慧技术的不断进步，商业还有巨大的释放空间。
　　二、价值爆点
　　我们一直在想，今天，对零售企业来说，最重要的风向标是什么?
　　是消费者为中心吗?可能不是，因为有些现象还需要更高的解释，比如黑科技、游戏、娱乐、视频、服务等，只看消费者是出不来的;生鲜传奇可以说顾客不是上帝;如果是以顾客为中心，企业应该全场景满足，但现实是越来越多的企业选择有限服务;所谓用户满意，很多时候只是后评价而已。当然，我不是说顾客不重要，而是说因智慧化，你要比用户更懂用户，引领比顺从更关键。如果非要找一个点说明这一现象，我认为是价值爆点，你要有惊爆价值才能脱颖而出。
　　行业里，胖东来、香江百货，极致优秀的是服务;生鲜传奇、名创优品优秀的是好货不贵;盒马鲜生、永辉有生鲜之利……这里有层级、幅度和频率的定义，做到平庸不行，做到基本面不行，相对优秀可能也不行。
　　这可能是核心竞争力另一种说法，但我们更想强调一家企业的极点价值性，对社会、对资本市场、对消费者、对股东，而不是针对竞争对手。一样的业务，为什么有的企业可以PS5倍而有的只1-2倍，极致点不同而已。
　　而回到价值点本身，今天企业的价值创造还是有生命周期阶段性的问题。
　　(1)产品价值阶段：模式价值
　　(2)规模价值阶段：速度价值
　　(3)财务价值阶段：自由现金流价值
　　(4)整合价值阶段：生态圈价值
　　姚劲波说，每个行业都值得重做一遍，商品、服务、组织、供应链、氛围等等都有巨量空间，所以，不管用何种方式，也不管在何种阶段，你能形成自己的价值爆点，结合资本、技术和产业的推动，他能引爆，可能你的企业就能更加优秀。
　　所以，不管站没站队，不管新旧零售，拿着个标准我们再去评价，谁的未来会更优秀呢?
　　三、标准化
　　1913年，亨利福特发明了流水线生产技术，其思想影响了全球的生产和制造领域;上世纪二十年代，诞生于Westinghouse实验室里的条码技术，带来了全世界物料和生产管理的效率革命;上世纪五六十年代，马尔科姆·麦克莱恩发明了集装箱，提升了全球的物流效率;中国1949年就设立了中央人民政府政务院财政经济委员会标准规格处……我们可见，从全球到国家到企业，标准化的力量。
　　但过去很长一段时间，因为强调个性化消费，我一直认为标准化是过时的提法，直到有幸去生鲜传奇学习之后，我才意识到，标准化与我们现在讲的千人千面、个性化一点都不矛盾，而且需要完美互补，我们可以称之为数字后标准化。
　　在零售业，我们一直在搅局的是数字化和实物流的问题，数字化讲逻辑，在bit 的世界，所有要素可以快速迭代，顾客标签、货品图片、物流追踪、供应商信息、商品周期等，但那件货，从厂家到顾客手里，在没有完全3D 生产之前，一定需要一个时空过程，这就带来信息迭代、体验预期与实物交互的巨大落差。所有的实务链，杂乱无序肯定很难解决效率问题，在数字智能化之后，一定需要极致的标准化，看京东、看盒马，服装、仓储、载具、包装等，全链条是无缝标准化的。
　　举例来说：
　　A、过去生鲜电商，很多死在实物供应链和品质管控端;
　　B、无人零售要抄到小路，也是希望在实物交付端突破;
　　C、京东拼命的投建物流，不仅是实物交互的价值爆点，更加成为其平台化的起点，为什么京东平台化的产品做不过自营，很多可能就是实物效率问题;
　　D、盒马前阵子一些差评文章，许多落点在现场管理端;为什么未来盒马可能会比较恐怖，数字化基础上，他以店为仓30分钟快配的实物链威力无穷;
　　E、乐大嘴零食公园，它是学习无锡一家叫周茉的零食超市生长出来的，而乐城王卫总的能力，在于可以将其进行标准化复制，而周茉不能，所以周茉现在还只是比较赚钱的几家店;乐城生鲜传奇更是这方面的典范。
　　所以，在零售变革实务的当下，在企业需要新颜值、新内容、新技术、新供应链、新能源的今天，“数字化+标准化”一定需要比翼双飞，才能保障企业做大。
　　在标准化这个方面，企业有几个层级：
　　(1)伪标准化或浅标准化
　　(2)实务标准化
　　(3)实务标准化+数字化
　　(4)实务标准化+智能化+极致个性化
　　就现实来讲，今天标准化这事很难，因为资讯发达，行业不停有更好的方案，企业永远面临别人老婆比较好的问题，心关难过，这时企业必须有自己的定力和选择：
　　(1)严格确定自己的价值宗旨：我有我风格，我有我效率!
　　(2)实体的项目，在美学再设计后，一旦有效，用代级进行沉淀;
　　(3)依照成本效率，软件的体系快速迭代，硬体内容保持风格内的升级，同时注重硬软件的切合;
　　(4)硬件最终选择用软件标准化进行闭环控制;
　　(5)顾客端的个性化必须用技术标准化或成本效率进行平衡，最终也转变为交付链条的标准化。
　　我们只谈思想，具体的落位，有赖每家企业依照自己的商品和服务现实去设计，你总想一件事，标准、标准、再标准，然后每个环节简单、简单、再简单。
　　2018年，我们仍将看到各种各样的零售资讯，笔者祈愿从这三个层级浓缩零售的丰富内涵，站队的企业在解决了时代性的工具革命问题，企业的腾飞，要靠价值爆点，而企业优异，一定要数字后标准化;而对其他企业来说，不站队也需要新技术运用，价值爆点需要你ALL IN，极致标准化，则可以保证你时代性的起飞，可以在简单的赛道保证有一定的进入切口。
　　当然，也许我过于简单狭隘了，零售，跟上时代，本就该是缤纷的世界!
　　来源：联商网小POS机里的大动作 新零售智慧商场这么玩
　　光明网讯 （记者张琳）新零售时代，数据资产和智能硬件无比重要。这一点，实体商业中的佼佼者早已洞察。借助智慧商业系统，依托完整大会员闭环，北京朝阳大悦城通过智能硬件升级推进数据资产化的进程。这个创新探索，在线上线下融合的当下，意义非凡。
北京朝阳大悦城
智能硬件优化大会员闭环
互联网时代，数据资产曾是线上对垒线下最坚实的城墙：基于大数据对用户行为的深入观察，撑起了互联网商业模式的半边天。所以，在线上线下融合的新零售时代，线下实体商业的数据资产空前重要。截止2017年底，朝阳大悦城利用自有客流探针系统收集线下消费者数据和消费偏好，可触达会员已超过100万。对于作为线下流量入口的购物中心来说，庞大的数据积累如何变成有效的数据资产？
朝阳大悦城大数据创新部总监孙芸芸接受记者采访时介绍说，经过多年摸索与实践，朝阳大悦城在行业内首次提出完整的大会员闭环概念，包括感知、转化、活跃、社群四个阶段。这四个环节无一不与数据资产有关。记录并分析线下消费者的消费行为和习惯并转为数据，再对数据进行不断加工、利用，从数据中挖掘商业价值并反哺消费者，使其成为具有竞争价值的长期稳健资产。
朝阳大悦城会员闭环概念
特别是今年投入使用的智能POS系统，更是方便地打通了会员“感知—转化”的渠道，实现线下消费行为和习惯向线上大数据资源的快速转换，大为优化了大会员闭环的实现。朝阳大悦城日店庆日当天，首次场内100家商户配备了智能POS系统，消费者在支付时即可完成线上会员注册，流程大为简化，当日新办卡会员有近40%是通过智能POS进行的发卡。智能POS系统不仅接入了多种现行支付，更可以实现主流团购渠道的卡券核销，而且，还可以不断升级迭代，接入新功能，提升了顾客消费体验，也方便了会员感知、转化。
朝阳大悦城智能POS终端
数据资产反哺会员社群
基于会员标签的数据库营销是朝阳大悦城会员活跃提升的主要手段之一。朝阳大悦城基于百万级会员消费记录，构建会员消费标签体系，对会员消费偏好进行标签化定义。而智能硬件的尝试则拓展了会员营销功能。同样以朝阳大悦城七周年店庆为例，当天使用智能POS系统的商户中，超过3/4的会员销售占比高于80%。
朝阳大悦城大数据创新部总监助理唐喆表示：“单纯发卡量的增加并非智能POS功能的最终目的，能让消费者形成"办卡—消费—积分—再消费"这一积分营销闭环才是智能POS系统的目标。”
2017年10月，朝阳大悦城推出针对会员的“积分抵现日”活动，当月每周二、五，以100积分=1元的比例，供消费者在智能POS商户消费时直接折现使用。7个抵现日累计消耗积分11.6万元，撬动了将近60万元的销售，而智能POS商户销售同比亦出现10%的大幅上涨。
智能POS系统在数据库营销方面也大有可为
孙芸芸介绍，智能POS系统另一个亮点就是全面整合了多维数据，使得数据价值更高、使用更便捷，消费者画像更全面和准确。未来，借助大数据分析的结果，朝阳大悦城还会通过智能POS进行精准的卡券营销、个性化会员权益发放等会员社群营销。而另一方面，“我们还能更加清楚地看到不同人群对营销的反应程度，不同品牌的营销效用等深度数据，形成良性的数据滚动。”
智能硬件的升级只是手段，做数据资产和会员资产的滚动增值才是目的。新零售时代，线下智慧商业怎么做，朝阳大悦城或许提供了一个样本。
作者：张琳
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点新消费下商业模式新突破 打造智能硬件免费新时代
　　第四届互联网大会闭幕时，有关乌镇饭局的照片刷爆社交网络，网友戏称这是&中国互联网半壁江山聚会&、&东半球价值最贵的饭局&。多家中国顶尖互联网公司负责人，各家公司市值（或估值）总和超过5万亿元，说它是&最贵饭局&一点都不为过。
　　你以为大佬们的饭局只是普通的饭局吗？他们其实正在大谈物联网、数字经济、前沿技术、人工智能、共享经济&&创新是互联网的天性，以&新&开头的名词也一定是互联网最为关注的内容。这两届互联网大会，刚好有一组&新&名词引爆了整个互联网的站队。
　　消费趋势变化新洞察新消费VS新零售
　　去年互联网大会，&新零售&成为关键词，强调对商品生产、流通与销售的全过程进行改造，以互联网为依托，对线上服务、线下体验以及现代物流进行深度融合的零售新模式。互联网时代的新经济，总能让人嗅出新零售的味道。新零售时代，货、人、场景不再是以往的单向独立存在。这时候，人和服务智慧连接，&消费场景&无处不在。
　　新零售的核心是从向消费者销售商品转向服务消费者，对于规模超千亿元的智能家居市场，需要从&制造&转向&智造&。一款优秀的智能硬件必须是在以消费者为中心的导向下，实现硬件、软件与内容的完美结合，将产品独特的价值观呈现给世人，并形成一整套智慧家庭整体解决方案。
　　新零售概念该如何指引国内智能硬件企业的发展方向？今年互联网大会前夕，网易丁磊又提出了一个&新消费&概念，他指出：零售离不开人这个基本核心，所有零售形式的演变，都源于对用户需求的理解。以前大家追求怎么能买得到，现在大家追求怎么买得更好、更有品，这个现象叫做&新消费&。&新消费&的践行者网易考拉海购，其核心正是精选、高品质、会员制，为用户提供美好生活，并且拉拢了如中信银行、中国移动、什么值得买、花间堂、小猪短租等盟友，将想象力延展至金融、通信、旅游、内容等各个层面。
　　&新零售&和&新消费&尽管有交集，但一边是&人、货、场景&，另一边是&真、善、美&。不管是新零售，还是新消费，都是消费升级带来的结果，对无论新兴行业还是传统产业，蕴藏着巨大商业机会的同时，也有着诸多挑战。拥抱并找到新运营模式、新生产方式、新零售通路，对于实体经济和智能家居企业来说，才能在不断探索中，更可知、可管、可控。
　　商业新模式：硬件免费+互联网运营+大数据服务
　　与消费升级相对应的，是近些年来呼声很高的硬件免费。伴随着智能硬件、物联网和云计算技术的发展革新以及智能互联网的深度渗透，互联网服务形态不 断丰富，免费以及补贴不绝于耳。当年，360在PC杀毒红海市场里掀起免费杀毒的血雨腥风，把老一代的江民、瑞星、卡巴斯基直接拍死在沙滩上。如今，滴滴打车补贴等为移动支付造生态、共享单车免费是加速IoT的布局、双十一又成为AI的练兵场，不管是互联网巨头还是创业公司，编织生态的技术越来越高超，也越来越有耐心，收归更多流量，收网时也就更加收放自如。
　　今年，百度联合中国联通、爱奇艺推出&百度圣卡&，正式进入了流量卡市场。百度为这些流量卡制定了相同的权益：手机百度、爱奇艺、百度地图以及百度贴吧这四个App流量免费。前不久，首次进入智能硬件的钉钉，在发布钉钉M2智能前台后，直接推出了&酷公司钉钉0元购&计划，只要公司对产品的使用频率达到一定程度，即可返还购机款。
　　智能产品免费得，手机流量随便用，硬件免费时代似乎早已到来。不论是打车补贴，还是共享单车；不管是免费流量卡，抑或是产品0元购，不难看出，都是所属平台利用价格诱饵，共同把企业理念灌输给用户，把需求市场做大。另一方面，也通过价格战，把没有实力的竞争者挤出去，让有能力的平台一步一步做大自己的品牌和知名度，在市场竞争中占得先机。
　　通过&免费&策略达到用户阶段性获利或者因为价格感知的营销手段产生心理获利，实则成就企业成为长久的、最终获利方的情况，在最新的互联网案例里，已经出现了更强大、科学的&多赢&局面。其中，斐讯路由器的&免费&策略就是非常典型的案例。作为智慧家庭定义者与践行者的斐讯，以0元购打破硬件免费局面，形成企业、用户、合作伙伴&三赢&局面。
　　早在2015年，斐讯就践行起&普惠科技&理念，引入作为第三方的新金融平台，推出&0元购&活动，在家用路由器市场带了一波节奏（购买路由器可获得现金返还），为此后K2、K3的销售跃进进行了市场方面的试水。斐讯&0元购&模式正式上线以来，已有数百万用户从中获益。这些年来，斐讯&0元购&模式运行平稳，线上线下全面布局，让&智能&得到真正落地普及。
　　在智能硬件免费之外，斐讯聚焦智慧家庭领域，通过自身研发创新，视用户需求和体验为第一核心价值，陆续推出除智能路由器之外包括智能体脂秤、智能空气检测仪、智能血压计、智能运动手环等智能产品，向用户传递着智能硬件的独特价值观，以高性价比让科技为用户带去智慧健康生活。并整合自身优势、明确定位，在智慧家庭构想之外，又延伸出对斐讯发展之路更加清晰的规划，确定金三角战略：Smart Home, Smart Data, Smart Life。
　　互联网与实体经济的深度融合，会使得每个行业都会形成一个新型产业生态，而将产业生态中各类异质联系在一起的是数据。斐讯本身便拥有足够强大的数据处理与分析能力，智慧工厂、大数据中心、研发中心遍布全球，通过最新的科技手段去收集、分析用户的喜好以及社会的发展方向，以智能网络设备、智能硬件、APP及互联网传播渠道为运营载体，开展用户运营、内容运营与流量运营三大核心业务，实现用户汇聚，为用户提供丰富的内容与服务。
　　产品是道，营销是术，斐讯智慧家庭战略、高质量产品服务、0元购模式收获了众多消费者的口碑和信赖。目前，斐讯正以月新增400万用户速度扩张，用户数量超越五千万大关，预计斐讯&橙汁&粉丝数量将迅速突破亿级大关。
　　在国人物质生活水平日益提高的情况下，在新零售、新消费的时代背景下，智能硬件要及时深入挖掘用户的需求，并根据用户的反馈，不断做出更新迭代，以满足日益增长的用户体验。斐讯以智能硬件为基础，在新消费和互联网下对商业模式进行突破，利用核心智能制造根基和全国大数据云计算中心的布局，正在积极打造硬件免费+互联网运营+大数据服务的商业新模式。
责编：王晓飞
环球时报系产品
扫描关注环球网官方微信
扫描关注 这里是美国微信公众号
扫描关注更多环球微信公众号2018年中国人工智能行业发展现状及发展前景分析【图】_中国产业信息网
欢迎来到中国产业信息网||||
2018年中国人工智能行业发展现状及发展前景分析【图】
& & 深度学习的突破将人工智能带进全新阶段。 2006 年-2015 年是人工智能崛起的黄金十年。 2006 年 Hinton 提出&深度学习& 神经网络（深度臵信网络， DBN）使得人工智能的性能获得了突破性进展， 2006 年成为人工智能发展史上一个重要的分界点。 近年来，随着深度学习算法的逐步成熟， AI 相关的应用也在近年加速落地。 谷歌的&AlphaGo&的围棋算法是其中一个典型成功的应用。目前图像和语音识别研究也取得了很大突破，并逐步进行探索性的应用。AI 2.0 是人工智能崛起的黄金十年数据来源：公开资料整理& & 中国 AI 市场规模增速高于全球增速： 2015 年国内人工智能市场为 12 亿元，其中语音识别占 60%，计算机视觉占据 12.5%，其他识别部分为 27.5%。在只考虑语音识别、计算机视觉，不包括硬件产品销售收入(如机器人、无人机、智能家居等销售)、信息搜索、资讯分发、精准广告推送等的情况下， BBC 预计全球人工智能总体市场规模 2020 年将达到 1190 亿元，复合增长率约为 19.7%；预测国内人工智能市场规模 2020 年将达到 91 亿，年复合增长率约 50%。全球人工智能市场规模快速增长数据来源：公开资料整理国内人工智能市场规模快速增长数据来源：公开资料整理& & 人工智能上升为国家战略，并明确了阶段性发展目标： 7 月 20 日，新华社2报道了国务院关于印发3《新一代人工智能规划》 4的通知， 提出了面向 2030 年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。 本次《规划》的印发意义重大。其一，本次《规划》的印发由国务院主导，意味着人工智能正式成为国家战略。其二，本次《规划》明确提出了&三步走&的战略：第一步，我国人工智能产业到 2020 前与世界先进水平同步，重点发展领域为大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等， AI 核心产业 1500 亿，拉动 1 万亿；第二步，到 2025 部分技术与应用达到世界领先水平，重点领域为智能制造、智能医疗、智慧城市、智能农业、国防建设等， AI 核心产业 4000 亿拉动 5 万亿；第三步到 2030 年达到世界先进水平，重点领域为类脑智能、自主智能、混合智能和群体智能等， AI 核心产业 1 万亿拉动 10 万亿。三步走的战略将《规划》进行了细化，并给出了具体量化的发展目标，有望推动人工智能的快速发展逐步实现。其三，本次《规划》不仅对人工智能的基础硬件、算法框架等内容提出了要求，同时对软件、下游应用、生态，以及人才培养体系等、相关配套政策均提出了要求，有望使人工智能作为生态型重点发展产业扶持。其四，《规划》提出了要给予充分的财政和政策支持，并鼓励成立人工智能发展基金，政策和资金上的支持对新兴产业的发展至关重要，将成为行业发展的基石。& & 发展人工智能，芯片先行。 深度学习通过构建很多隐层的机器学习模型和海量的数据来训练机器，使机器去学习更有用的特征，从而最终提升分类和推理的准确性，引领当今人工智能算法方向。深度学习需要进行大量的并行计算，而传统的 CPU 往往需要数百甚至成千上万条指令才能完成一个神经单元的处理，无法支撑深度学习大规模数据的并行计算，深度学习需要新的芯片来对大规模的并行计算进行加速。目前常用的加速深度学习并行计算的人工智能芯片有 GPU、 FPGA、ASIC 和处于理论阶段的类脑芯片。深度学习的训练需要强大的计算能力：人工智能因其自身神经网络模型结构的复杂性，以及训练深度神经网络需要大量的高阶统计数据，对于计算能力的需求非常大。 与李世乭对弈的谷歌 ALPHAGO 有 1920 个 CPU 加 280 个 GPU，而这只是比赛时执行深度学习算法的计算机系统。训练这个深度学习算法的计算机网络规模至少要提高一个数量级，而这个提供训练计算能力的计算机网络才是ALPHAGO 持续进化的原动力。& & 人工智能芯片&云+端& 高速发展： 未来人工智能芯片的应用大体有两个方向：其一是用于云端服务器的的芯片，对于云端的高运算需求来说，预计将以CPU+GPU 搭配为主， 主要特点是高功耗、 高计算能力以及通用性，云端人工智能运算对于具体应用场景的要求较少，通用芯片即可满足要求；其二是用于终端（例如手机及其他智能硬件） 的人工智能芯片，由于终端运算空间有限，所以对于芯片的要求主要在于其低功耗，并针对不同场景有所区分，因此定制及半定制化的 FPGA、 ASIC 及类脑芯片有望成为主流。&CPU+GPU 并行& 在人工智能云端中被广泛运用： 计算能力的限制曾经是人工智能研究跌入低谷的原因。随着摩尔定律的发展，计算能力逐步得到解放。CPU 性能飞速提升，被最初用来训练深度学习。但不久发现拥有出色的浮点计算性能的 GPU 更适合做深度学习训练。提高了深度学习两大关键活动：分类和卷积的性能，同时又达到所需的精准度，相对传统 CPU 的方式， GPU 拥有更快的处理速度、更少的服务器投入和更低的功耗。现在文本处理、语音和图像识别上，CPU+GPU 并行不仅被 Google、 Facebook、百度、微软等巨头采用，也成为猿题库、旷视科技这类初创公司训练人工智能深度神经网络的选择。GPU 相比 CPU 拥有更高的训练速度
批处理大小 CPU 训练时间 GPU 训练时间 GPU 加速
64 images 64s 7.5s 8.5x
128 images 124s 14.5s 8.5x
256 images 257s 28.5s 9.0x 数据来源：公开资料整理& & 基于 FPGA 的半定制芯片在终端深度学习中的应用值得期待： FPGA（Field－Programmable Gate Array），即现场可编程门阵列，是一种半定制的集成电路，百度就采用了 FPGA 打造百度大脑专用 AI 芯片。全球 FPGA 市场有三大产商，Xilinx 和 Altera 长期稳坐第一和第二的位臵，两者占据了市场约 90%的份额，是市场和技术的领头羊。剩余的份额被 Lattice 占据。其中， Altera2015 年被英特尔以 167 亿美元收购，收购的原因之一就是看中 FPGA 的专用计算能力在人工智能领域的发展。 Xilinx 与 IBM 也进行了战略合作加速数据中心应用。 FPGA 突出优势是能够根据应用的特征来定制计算和存储结构，达到硬件结构与深度学习算法的最优匹配，获得更高的性能功耗比；并且， FPGA 灵活的重构功能也方便了算法的微调和优化，能够大大缩短开发周期，所以基于 FPGA 的半定制芯片在深度学习中的未来非常值得期待。FPGA 的结构决定其能够根据编好的固定模式处理输入数据来源：公开资料整理& & 万物互联的背景下， AI 芯片的应用拥有广阔的想象空间：未来每一个机器人、每一辆无人驾驶汽车、每一个摄像头甚至绝大多数硬件都将具有智能，而这其中充当其大脑的就是芯片。 X86 架构和 ARM 分别在互联网和移动互联网时代充当了霸主， Intel 收购 FPGA 公司，英伟达专门针对人工智能的深度学习开发了TeslaP100，国内中科院的寒武纪公司以及地平线机器人也正在发力人工智能芯片，充分说明了 AI 芯片领域被产业界看好，在新的智能时代， AI 芯片作为人工智能底层的核心基础无疑将拥有非常广阔的应用空间。& & 智能硬件抢占 C 端入口，数据端入口打通，为算法奠定基础： 智能硬件是继智能手机之后的一个科技概念，通过软硬件结合的方式，对传统设备进行改造，进而让其拥有智能化的功能。智能化之后，硬件具备连接的能力，实现互联网服务的加载，形成&云+端&的典型架构，具备了大数据等附加价值。 智能硬件已经从可穿戴设备延伸到智能电视、智能家居、智能汽车、医疗健康、智能玩具、机器人等领域。比较典型的智能硬件包括 Google Glass、三星 Gear、 FitBit、麦开水杯、咕咚手环、 Tesla、乐视电视等。 智能硬件对于整个人工智能产业而言，其功能除了打开 C 端消费市场之外，更为重要的是通过智能硬件以及加载其中的软件，抢占 C 端入口可以进行终端数据的采集，为后续的算法完善及商业模式推进奠定良好基础。智能音箱产品亚马逊 Echo 在美国越来越受欢迎：目前亚马逊 Echo 在美国的认知率已经从 2015 年的 20%提升到了 2016 年的 61%，在所有美国亚马逊客户当中， Echo 的拥有率已经从 2%提升到了 5%，相比于其他的亚马逊设备的拥有率，未来的销量前景非常可观。& & 机器人按照应用领域的不同分为工业机器人、服务机器人、特种机器人： 由于传感器、人工智能、大数据、物联网等技术的运用，机器人产业中涌现出新的制造模式和商业模式&&服务型机器人出现了。相较于工业机器人，它与个人、家庭生活联系更为紧密，
年，个人及家庭用服务机器人全球销量将达到 2,590 万台，市场规模将达到 122 亿美元。目前我国服务机器人需求领域包括：养老、监护等社会需求；国防、公共安全、救援抢险、科学考查等国家重大需求；在智能家居、教育、保洁等个人及家庭消费需求。服务机器人的重点在于服务，基于特殊场景应用的服务及 AI 的建设是重点，各行业 AI化将是未来的发展方向。到 2020 年，我国服务机器人年销售收入超过 300 亿元：在助老助残、医疗康复等领域实现小批量生产及应用。围绕助老助残、家庭服务、医疗康复、救援救灾、能源安全、公共安全、重大科学研究等领域，培育智慧生活、现代服务、特殊作业等方面的需求，重点发展消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等四种标志性产品，推进专业服务机器人实现系列化，个人及家庭服务机器人实现商品化。重点突破人机协同与安全、产品创意与性能优化设计、模块化/标准化体系结构设计、信息技术融合、影像定位与导航、生肌电感知与融合等关键技术。& & 多层次特征提取提升计算机视觉识别效果： 计算机视觉领域主要包括图片/视频识别与分析、人像与物体识别、生物特征识别、手势控制、体感识别、环境识别。计算机视觉的识别效果的提升，是通过引入卷积操作，将深度模型的处理对 象 从 之 前 的 小 尺 度 图 像 （32pixel&32pixel ） 扩 展 到 大 尺 度 图 像 上（200pixel&200pixel），提出了卷积深度臵信网（Convolutional DBN），通过可视化每层学习到的特征，演示了低层特征不断被复合生成高层抽象特征的过程。深度结构模型具有从数据中学习多层次特征表示的特点，这与人脑的基本结构和处理感知信息的过程很相似，如视觉系统识别外界信息时，包含一系列连续的多阶段处理过程，首先检测边缘信息，然后是基本的形状信息，再逐渐地上升为更复杂的视觉目标信息，依次递进。图像识别过程 数据来源：公开资料整理特征提取借鉴了人脑信息处理过程数据来源：公开资料整理& & 深度学习研究的初衷主要就是应用于图像识别： 迄今为止，尽管深度学习已经被应用到语音、图像、文字等方面，但深度学习领域发表的论文中大约 70%是关于图像识别的。从 2012 年的 ImageNet 竞赛开始，深度学习在图像识别领域发挥出较大威力，在通用图像分类、图像检测、光学字符识别(Optical CharacterRecognition, OCR)、人脸识别等领域，最好的系统都是基于深度学习的。生物识别技术市场规模不断增大。 生物识别不仅是目前正进行的如火如荼的行业，同时也是在未来五年具有发展潜力的市场。预计 2020 年生物识别技术全球市场规模将达到 250 亿美元。 国内生物识别技术市场规模有望从 2015 年 100 亿元上升至 2020 年的 300 亿元。 2013 年的统计数据显示，人脸识别占比 23%。同时国际生物识别小组于 2009 年的研究结果表明指纹识别占据生物识别的 50%市场，人脸识别紧随其后占据 13%的份额。预计到 2020 年，人脸识别市场空间预计超过 40 亿元人民币。中国生物识别市场规模与预测（亿元） 数据来源：公开资料整理我国人脸识别市场规模预测（亿元）数据来源：公开资料整理& & 语音逐渐成为人机交互的新范式，产品及商业模式成为盈利的关键： 过去 200年左右时间里，基本的人机交互形式不断进化，在过去的 75 年当中几乎每隔 10年，交互方式就有一个大的创新，现在语音已成为人机交互的新范式。 语音技术逐步通用化、基础化，预计未来将面临免费提供的局面。 例如，百度就在 11 月30 日宣布其语音技术全系列接口永久免费开放，提供语音识别、语音合成、语音唤醒多平台 SDK(软件开发工具包)。通用算法技术成为免费平台的趋势已经呈现，行业需要商业模式的创新，如何将技术转换成产品及流量、数据等，才是真正实现盈利的关键。& & 技术进步与市场需求推动语音识别快速发展： 狭义的语音识别就是让机器能够明白你说的是什么，广义的语音识别是机器不仅能理解语音含义，而且能把语音转化为文字、另一种语言或者命令。语音识别能够在社交娱乐、搜索、虚拟机器人中大规模应用主要得益于以下两个原因。其一是技术进步：语音识别算法模型的改进及训练效果的提升使得语音识别错误率不断降低。其二是市场需求：个人消费层面的社交娱乐需求催化行业热情，作为重要的人机交互方式应用场景广阔。& & 语音识别效果不断提升，国内语音识别与合成研究领先国际： 自 2009 年把深度神经网络用于语音识别研究，相关研究突飞猛进，这一事件重新点燃了对语音识别的热情。 2010 年深度神经网络 DCNN 使语音识别错误率降低了 20%， 2011年微软用 DCNN 彻底改变了语音识别原有技术框架，2012 年又公开演示了其全自动同声传译系统。国内， 科大讯飞是语音识别研究的龙头， 公司改进了 RNN 模型，使语音识别效果获得 40%的性能提升。公司于 2016 年在国际重要比赛 CHiME中包揽三项冠军，并在 2017 年语音合成大赛中获得第一名。语音识别发展逐步领先数据来源：公开资料整理& & 语音识别技术逐步开放，数据及场景成为竞争关键： 截止 2017 年三季度，科大讯飞自身的开放平台累计终端数增长 87%至 15.9亿，第三方创业团队增长 123%到 45 万，日均使用次数增长 56%到 40 亿次。开放平台的大数据广告业务继续保持快速增长，前三季度收入同比增长 241%。 从国际大型互联网企业角度看， 2017年 3 月，谷歌和亚马逊先后宣布旗下的语音技术对大众开放。国内， 腾讯和阿里已在早前先后开放其语音平台， 就在 2017 年 11 月 30 日，百度宣布语音技术全系列接口永久免费开放，为平台用户提供语音识别、语音合成、语音唤醒多平台 SDK等。目前语音识别正在逐步成为开放平台，未来从语音输入端获取数据并基于具体场景的行业应用和商业模式创新成为厂商盈利的关键。科大讯飞目前主要精力已经逐步转移到对赛道的开发，包括对接教育、法律、医疗、汽车等行业客户。阿里目前已经在智能电视、智能汽车、智能法庭、智能客服领域应用其语音技术进行行业深度下沉。& & 智能制造成为各国转型升级的核心战略。 2012 年，美国率先提出&先进制造业国家战略计划&，随后德国、日本、英国分别提出&工业 4.0&、 &科技工业联盟&、&工业 2050 战略&。对比各国关于制造业转型升级的战略规划，尽管各个国家侧重有所不同，但均是以智能制造作为其战略核心，不断推动制造业向数字化、网络化、智能化发展。2015 年，我国发布制造强国中长期发展战略规划《中国制造 2025》，力争通过&三步走&实现制造强国的战略目标， 1、力争用十年时间，迈入制造强国行列； 2、到 2035 年，我国制造业整体达到世界制造强国阵营中等水平； 3、新中国成立一百年时，制造业大国地位更加巩固，综合实力进入世界制造强国前列。因此，我们认为制造业转型升级是我国长期工程，围绕此战略开展的业务将得到政策、产业、资金等多重支持。车间层的智能化生产是智能制造的核心。 根据中国电子技术标准化研究院对智能制造系统的 5 层分级，一定程度可窥见智能制造的产业链情况，主要包括设备层、控制层、车间层、企业层、协同层。 1、设备层： 是制造的物质技术基础，它包括传感器、仪器仪表、条码、射频识别等。2、控制层： 包括各类控制系统，如可编程逻辑控制器 PLC、监视控制与数据采集系统 SCADA（对现场运行设备监视和控制，涉及组态软件、数据传输链路、工业隔离安全网关等）、分布式控制系统 DCS、现场总线控制系统 FCS（将最底层的现场控制器和现场智能仪表设备互连的实时网络控制系统）等。 3、车间层： 面向工厂和车间的生产管理，包括制造执行系统 MES 等，其中 MES 又包括工厂信息管理系统 PIMS、先进控制系统APC、历史数据库、计划排产、仓储管理等，是智能制造的核心。 4、企业层： 面向企业的经营管理，包括企业资源计划系统 ERP、产品生命周期管理 PLM、供应链管理系统 SCM、客户关系管理系统 CRM 等。 5、协同层： 体现企业之间的协作过程，它是由产业链上不同企业通过互联网进行全方位的协同和信息分享，实现协同研发、智能生产、精准物流和智能服务等。 我们看好， 工业软件和工业互联网平台的发展前景。智能制造系统层级数据来源：公开资料整理& & 2022 年我国工业大数据有望突破 1200 亿元， 复合增速 42%。 工业大数据是提升制造智能化水平，推动中国制造业转型升级的关键动力，具体包括企业信息化数据、工业物联网数据，以及外部跨界数据。其中，企业信息化和工业物联网中机器产生的海量时序数据是工业数据的主要来源。 工业大数据不仅可以优化现有业务，实现提质增效，而且还有望推动企业业务定位和盈利模式发生重大改变，向个性化定制、智能化生产、网络化协同、服务化延伸等智能化场景转型。预计到 2022 年，中国工业大数据市场规模有望突破 1200亿元，年复合增速 42%。中国工业大数据市场规模（亿元）数据来源：公开资料整理& & 我国 MES 2018 年市场规模有望突破百亿元，未来年复合增速约 40%。 工业软件主要包括运营管理类（ERP、 CRM 等）、设计研发类（PLM、 CAD 等）、生产控制类（MES 等），我们认为 MES 软件未来发展弹性更大。 2014 年全球 MES 行业市场规模约为 416 亿元，过去 5 年保持年均 21.65%的高速增长，到 2020 年， MES 行业市场规模有望达到 931 亿元，未来保持年均18%的复合增速。而 MES 在中国的需求更为旺盛， 2014 年我国 MES 行业市场规模约为 26 亿元，同比增长 24%，预计到 2018 年市场规模将达到 100 亿元，未来平均增幅保持在 40%左右，远高于国际市场增速（预计 年全球复合增速 13.6%）。中国 MES 市场规模数据来源：公开资料整理& & 2025 年形成 3-5 个国家级工业互联网平台。 被誉为工业互联网平台操作系统的 PaaS 正逐渐成为工业互联网发展的聚焦点和关键突破口，目前由于平台标准体系尚未建立，商业模式尚不清晰，因此商业价值仍处于探索阶段。 2017 年 11 月，国务院发布《关于深化&互联网+先进制造业&发展工业互联网的指导意见》，强调到 2020 年，工业互联网平台体系初步形成，支持建设 10 个左右跨行业、跨领域平台，建成一批支撑企业数字化、网络化、智能化转型的企业级平台； 到 2025年，工业互联网平台体系基本完善，形成 3-5 个具有国际竞争力的工业互联网平台。可以预见，未来工业互联网平台发展前景广阔。& & 自动驾驶掌控权主要在算法： 自动驾驶（autonomous drivng）是一个宽泛的概念，涵盖智能辅助驾驶系统（Advanced driving assistance system, ADAS）和无人驾驶。 智能辅助驾驶系统中驾驶员可以对汽车进行控制，其智能体现在对环境的感知，并适时预警（如车道偏离预警）。无人驾驶是自动驾驶发展的高级阶段，除了对环境的智能感知，还加入了规划、 决策和控制。 智能辅助驾驶系统中最终的决策和控制权掌握在驾驶员手中，而无人驾驶对汽车的控制权由计算机掌握。无人驾驶从技术角度来看可以分为感知、决策和执行。其中决策层主要包括计算平台（芯片）及算法。目前在算法方面深度学习成为主流。深度学习强调的是端到端的学习，其优势在于对于非结构化数据的识别、判断和分类，并把复杂信息精简地表达出来。因此深度学习对感知有非常强的能力，可以理解各种复杂图像的含义，十分适合自动驾驶复杂的环境。深度学习通过与增强学习相结合，可以将感知和执行紧密地结合在一起，构成一个完整的自动驾驶系统。无人驾驶汽车结构图 数据来源：公开资料整理无人驾驶汽车预计趋势数据来源：公开资料整理& & 智能感知系统和智能控制系统是产业链核心环节：无人驾驶汽车主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶， 主要包括智能感知系统和智能控制系统。智能感知系统包括环境感知、速度感知等。智能控制系统主要包括自动泊车、自动刹车、智能巡航等。无人驾驶涉及到的硬件核心是传感器，传感器包括激光测距仪、摄像头等。软件核心就是高精度地图，无人驾驶汽车需要将实时将感知到的数据与地图数据比较，来识别周边环境。& & 互联网公司与传统车厂引领智能驾驶浪潮：参与无人驾驶盛宴的企业可以分为两类，一类是互联网企业如百度、谷歌，一步到位直接切入到全自动驾驶，另一类是传统的汽车企业，从辅助驾驶一步步升级。随着 CPU/GPU 并行计算能力的提升，海量地图数据为人工智能的训练提供基础，加之高速网络、云计算的结合，汽车智能化已经进入了实质性阶段。主要车厂智能化汽车量产时间
公司 百度 谷歌 Uber Mobileye 福特 丰田 本田
商用/量产目标时间 2018 年商用， 2020年量产 2020 年量产 2017年底 2019 年 2019 年 2019 年 2020 年 数据来源：公开资料整理& & 智能驾驶市场渗透率有望持续提升： 2015年 5月，国务院印发《中国制造 2025》，将无人驾驶汽车作为汽车产业未来转型升级的重要方向之一。&十三五&规划也提出要积极发展智能网联汽车的目标，相关法律法规已经提上日程。 智能汽车市场增长空间可期，中国智能驾驶产业市场规模预计 2020年有望达到 1214元人民币。从渗透率看，截止 2015 年，智能驾驶乘用车渗透率已经达到 15%左右，未来预计有望进一步实现提升，并带动车载软硬件设施产业的发展。中国乘用车销量 数据来源：公开资料整理智能驾驶乘用车渗透率数据来源：公开资料整理& & 人工智能开始用于医疗诊断： 医疗诊断领域最重要的是药品、病情特征、病人情况数据信息。对于机器训练而言，需要海量的数据信息才能让机器学会获得医疗诊断的能力。 辅助诊断领域的代表是 IBM 沃森系统。 截至 2015 年 5 月，Watson 已收录了肿瘤学研究领域的 42 种医学期刊、临床试验的 60 多万条医疗证据和 200 万页文本资料。之后， IBM&沃森健康部门&又陆续与数家医院、诊所公司、 14 家肿瘤研究中心、连锁药品零售商展开了深度合作。通过沃森，帮助护士快速完成复杂的病历检索；审查医疗服务提供者的医疗请求；为癌症患者诊断配药，为医药专家提供更多疾病考量因素等。& & 图像识别与庞大的医疗影像数据为智能医疗影像奠定基础： 目前医疗数据中有超过 90%来自医疗影像，这些数据大多要进行人工分析，如果能够运用算法自动分析影像，再将影像与其它病例记录进行对比，就能极大降低医学误诊，帮助做出准诊断。医疗影像智能分析是指运用人工智能技术识别及分析医疗影像，帮助医生定位病症分析病情，辅助做出诊断。人工智能与医疗影像的结合最关键有三个点：第一是数据，第二个是算法，第三临床的证明，其中数据与算法是基础。数据方面，全国 X 光设备保有量超过 3 万台， CT 设备保有量超过 2 万台，基层医院已大部分配备了 DR 等设备。图像识别是深度学习等人工智能技术最先突破的领域，已经广泛用于图片搜索、自动驾驶、人脸识别。由于数据与算法已经具备，在医疗健康领域，医疗影像有望成为人工智能与医疗结合中，最可能先发展起来的领域。数据、算法、临床是发展智能医疗影像最关键的三个点数据来源：公开资料整理& & 物联网在医疗领域的市场价值逐年增加：到 2020年，物联网在医疗领域的市场价值有望达到 1630 亿美元， 2015 年到 2020 年间复合增长率为 38.1%，预计医疗机构对于医疗信息化的投入会随着 IT 预算的总体规模增加而增加。物联网在医疗领域投资额数据来源：公开资料整理& & 相关报告：智研咨询发布的《》
中国产业信息网微信公众号
中国产业信息网微信服务号
过去一年,中国的农村发生了翻天覆地的变化。作为重要生…
全国咨询热线：400-700-小时） 业务咨询电话：010-0-600-8596 传真：010- 客服QQ： 客服电邮：
chyxx.com, All Rights Reserved 产业信息网 版权所有 运营公司：智研咨询集团