Alpha GO可以用来下围棋 有人说也可以用来卖东西

　　原标题：Alpha GO可以用来下围棋，这位创业者说也可以用来卖东西

　　无论开什么店，如果购物体验太复杂，都会降低用户的购物兴趣和体验。两年前我们就做了一个判断，即“C端不管B端的痛，C端不管B端的美”。我们一直将此作为我们从事无人零售技术研发的理论基础。

　　C端不管B端的痛，就是说企业不能因为自己人力成本高，为了降低成本，就要求用户自己去遵循复杂的流程结账，去代替营业员自己结账。因为从用户的心理出发，用户并不是企业的收银员，大家仅仅是来买东西，没有义务去配合企业。

　　C端不管B端的美，就是说不论企业打着什么样的高科技概念标签，用户都不会因为这些看上去很美的标签而增加购物需求或是妥协购物流程。不管企业有什么样的高科技手段，到了用户的维度，大家是来买东西的，核心目的是满足消费需求。

　　无人零售别把用户当收银员

　　人的需求可以划分为两大类，一类是计划性需求，一类是即时性需求。一个月带家人去一次购物中心采购或每个月线上采购一次卷纸这属于计划性需求。而即时性需求每天都会产生，占据了人每天需求的70%以上。

　　对于即时性需求而言，便利性是一个内在要求。一方面，要求零售场景就在你身边：无论是一家传统商店，还是一台自动售卖机，距离消费者不能太远。另一方面，要求购物步骤简单快捷，简单来说就是购物结算步骤越少越好。

　　基于以上的认知，我们判断，便利店和自动售卖机能够最好地满足用户的即时需求。即时需求的满足，要求零售场景无处不在。目前市场上有很多无人零售的尝试，但都存在一些问题。对于一家无人店来说，如果用户在消费的时候，需要下载APP，进出商店都需要扫码，还必须自己将商品放到特定位置去扫码结账，这个流程无疑比有人店还要麻烦。不管无人店怎么发展，首先要解决C端购物的便捷问题。

　　现有的无人零售有三个流派。第一个流派是物联网流派，采用RFID技术，用感应天线识别电子标签，缺点在于识别效果极不稳定和成本随销量正向增加。第二个流派是互联网流派，技术含量并不高，无需粘贴电子标签，但要求用户下载APP，自己对商品扫码结账。第三个流派就是人工智能流派，即以我们深兰科技为代表，致力于让是的拥有自己的大脑，眼睛，耳朵和嘴巴，实现基于对用户、商品、需求、习惯的精准识别而完成的精准零售和客服。

　　对于无人零售的物联网和互联网流派来说，本质上是加重了C端顾客购物的复杂性，让用户消费变得更麻烦，并没有让用户体验变得更简洁。正如我们之前的判断，C端不管B端的痛，C端不管B端的美。用户是上帝，不是奴隶。既然用户是上帝，零售企业就不能要求用户自己去当收银员。不管采用什么科技手段，如果不能让原有的消费体验更简单方便，用户也不会为了看上去很美的概念去买单。

　　最安全快捷的支付工具是人

　　2014年10月，我从澳大利亚回到了国内开始创业。在此之前，我已经在澳大利亚待了十年，有过连续创业经历。我们用一个月筹备，在上海开了一场发布会，推出了facepay　生物支付解决方案，公布了我们将在“其后的六个月内，陆续推出24小时无人值守智能门店和旨在实现人店对话的智能零售客服系统”。简言之，即根据人脸和手掌的皮下血管结构的特征值，用算法给出人的终身ID绑定支付方式，用人自己验证自己，完成无人零售和人店对话。

　　我们认为“能够证明你是你自己的就是你自己，最安全最快捷的支付工具就是人本身”。但国内的支付牌照发放非常严格，我们一直没有拿到牌照，所以我们的生物支付目前在与无人零售相结合使用。

　　我们一直专注于人工智能领域的视觉识别技术，坚持用机器视觉解决商品和用户的识别问题。理论上，企业没有权利要求用户进店时不戴口罩、墨镜、帽子、围巾，所以我们认为体态识别优于人脸识别。我们只要求用户注册，绑定支付方式，然后提示用户将手掌放置在特定位置，识别皮下血管结构，系统会自动生成一串数字符，这就是用户的终身ID。只需要注册一次，然后就可以全球通用。下次进店的时候，只需要一伸手就能确定身份。

　　确定进店身份只是第一步。接下来，还要解决用户在进店后的消费行为识别。我们采取的解决方案是识别用户的体态。机器视觉会识别特定身份在进店时的体态、轮廓，进而让用户在进店后的每一个消费行为都与用户的终身ID自动绑定。也就是说，无论用户的高矮胖瘦，只要进店时通过手掌确定了身份，进店后的所有行为都会被机器视觉自动锁定，从而确保用户拿起和放下的每一个商品都被自动记录，然后系统会在用户携带选中商品出门的时候自动扣款。

　　基于生物支付与机器视觉技术的结合，我们把购物的流程缩短为两步。第一步是用户扫描手掌进入店铺；第二步是用户拿了商品直接离开。这就是深兰科技的与众不同之处。

　　我们现有团队共100多人，其中技术团队就有70多人，而技术团队当中，博士硕士超过40位，大部分是海归的深度学习领域的算法工程师。目前在中国将人工智能应用于零售的企业中，在商品的动态识别方面，我们走在了最前列。

　　机器视觉识别有三个难度层级。最简单的一层是固定背景、固定商品。第二层是固定背景、移动商品。第三层是移动背景、移动商品，技术最难实现。在全世界范围内，在移动背景、移动商品的机器视觉识别上，单机识别精准度只有50%到70%。微软最近的比赛中，最好成绩是81%。我们能做到97%，因为我们有自己的核心算法。

　　然而，即使能达到97%的精准度也不能商业化。如果100个消费者到无人店内消费，有3个人的消费行为无法识别，就不是一个正向的商业逻辑了。但是，我们推出了多机多帧纠错的联动算法。一秒是120帧。一个无人店至少有4个摄像头。假设4个摄像头同时工作，由于角度不同，每个摄像头识别的商品对应不同的特征。有的摄像头能看到商品的身份标志，但有的摄像头只能看到身份特征不明显的部位。如果要精确识别出商品的身份，需要智能化地调整不同摄像头的识别权重，而不是四个摄像头各占25%权重。

　　就识别一瓶可乐而言，用户将瓶子拿在手中，用户的身体和手掌都会遮挡一部分商品特征。四个摄像头当中，能直接看到商品Logo的摄像头可能会被分配50%以上的权重，而只看到瓶盖的摄像头所分配的权重不到5%。分配机器视觉识别权重的工作由一个大脑来完成。这个大脑系统最初是一个250层的卷积神经网络，与Alpha　Go的系统很像。但为了减少对硬件的依赖，我们后来又将其压缩到了100多层。基于多级多帧纠错的联动算法，通过对硬件的不断优化，我们最终将机器视觉识别的精准度提高到了99%以上，基本可以实现商用。

　　高失窃率是无人零售所面临的最大问题之一。技术可以解决身份锁定的问题，但解决不了偷盗问题，偷盗问题只能由法律来解决。理论上，每秒120帧，机器视觉完全可以识别出任何的偷窃行为，除非有人为的举动故意干涉到摄像头的工作。

　　用人工智能颠覆自动售卖

　　在中国，零售增长最快的领域有两个，一个是便利店，一个是自动售卖机。便利店的存量很大，但我认为中国的商业面积不是太少，而是太多，并不需要新增更多。对于传统便利店而言，当下更迫切的需求是在原有商业的基础上进行升级。现在，我们的商业模式是推出to　B端的人工智能无人零售整体解决方案。我们会给每一家合作的无人店安装我们自己的硬件和系统。

　　我们一直在思考如何用人工智能颠覆掉传统的自动售卖机。Alpha　Go可以下围棋，也可以卖东西。我们的机器视觉识别技术可以应用于便利店，自然也可以应用于自动售卖机。

　　我认为，购物行为就是人走到特定的地方拿起并挑选商品。自动售卖机的问题在于机器设备的封闭性特点割裂了消费者与商品的联系。隔着铁皮和玻璃，消费者不能触碰到商品，而且支付流程复杂，购买商品之后，还没有退货的途径。

　　我们的技术应用并不局限于无人店，还包括自动售卖机。我们为自动售卖机安装了大脑和眼睛，我们无需给每一个商品粘贴电子标签，而是通过机器视觉来识别不同商品。用户只需要走到自动售卖机旁边，通过手掌识别身份，门就会解锁，然后就可以根据自己的需求拿走自己想要的商品，关上门之后，自动付费。

　　现在，我们已经收获了近6亿人民币的企业订单。设备既可以直接售卖给零售企业，也可以通过租赁方式。

　　日本的自动售卖机数量约580万台，对应1.2亿人口，约24人对应一台；而美国的自动售卖机数量是691万台，对应3.1亿人口，约44人拥有一台。中国有接近14亿人口，但自动售卖机的数量只有20万台。然而，现有的大多数自动售卖机都在卖饮料，客单价低，毛利低，人工补货成本高。如果自动售卖机没有革命性的改变，从业者不挣钱，增长就会有限。我认为，如果自动售卖机不能给予消费者在零售店一样的体验，并且具备高坪效和高客单价，自动售卖机就没有前途。所以深兰改造了自贩机，让它们开门售货，让顾客扫手开门，挑选商品关门自动扣款，还原购物本来场景。

　　（作者系深兰科技创始人兼CEO，本报记者高阳采访整理）