摘要： 如馬雲所言，每年雙十一對於中國各個電商的基礎架構、運維體系、倉儲系統、支付系統以及物流環節都是巨大的考驗。毫不誇張地說， 每年的雙十一都是一場中國電商的閱兵禮。
不知不覺，雙十一已經走到了第 8 年。過去的八年裡，中國的零售環境、網際網路環境發生了天翻地覆的變化，商家再也不能僅僅將線上當作一個補充銷售渠道，而消費者也早已不再糾結到底線上還是線下購物。
更重要的是，在整個網際網路行業從 PC 時代進入移動網際網路時代以及中國網際網路人口紅利的逐漸減少的大背景下，雙十一之於各大電商公司的意義，已不再侷限於所謂的銷售額、交易額等這些數字層面，而是有了一層新的含義。
今年雙十一前夕，馬雲在參觀阿里巴巴雙十一晚會籌備時說了這麼一段話：
雙 11，實際上是未來新零售時代的技術準備和大考，我們要做好面向未來和新零售時代的技術升級和準備.....
也正如馬雲所言，每年雙十一對於中國各個電商的基礎架構、運維體系、倉儲系統、支付系統以及物流環節都是巨大的考驗。毫不誇張地說， 每年的雙十一都是一場中國電商的閱兵禮。
前幾年的閱兵禮上，商品數量、交易額、銷售額都是主角，不過或許從今年開始，技術將成為這場閱兵禮的真正主角，比如人工智慧。
在昨晚雙十一晚會上，阿里雲人工智慧 ET 現場表演了一個撲克魔術——現場觀眾從 32 張撲克牌中抽出 5 張，然後讓魔術師( 這裡則是 ET )猜出這五張牌的花色。
當然，這並非什麼高深莫測的新穎魔術，作為一個經典魔術，理論上 32 張撲克牌分到 5 人手裡要全部猜對的機率是 2400 萬分之一，雖然可以透過每位觀眾的洗牌將可能性減少到 32 種，最後，需要魔術師(或者 ET) 利用記憶和推理能力得出結果。
而對以處理資料擅長的人工智慧來說，處理這樣的任務並非難事。
真正的挑戰在於如何應對現場的複雜的環境，ET 在整個表演過程中展現了語音識別、語音合成、自然語言處理、影像/影片識別的超強能力，但要將這些能力在複雜的燈光、音效以及更為複雜的人的環境裡充分展現出來，難度非常大，但 ET 的表演過程非常流暢。
事實上，ET 的人工智慧早已滲入到阿里巴巴旗下各個平臺。比如其支撐了阿里電商大腦，透過對海量資料的實施挖掘，能夠為商家提供精準的客戶需求，也可以為消費者提供差異化的營銷和服務。同樣是28歲的男性，當你搜尋“娃娃”時，單身狗和已婚族看到的結果可能完全不同。
而在客服系統中，無論是阿里巴巴客戶服務體系還是螞蟻金服客服體系以及針對天貓、淘寶客戶的阿里小蜜，人工智慧正在從不同維度影響了阿里巴巴電商業務的變革。這也不禁令人遐想：當人工智慧成為電商平臺的核心競爭力時，其背後的想象空間有多大?
解決資料流動的效率
本質上說，電商是一門如何將線上零售變得有效率的藝術。零售涉及到多個環節，從商家商品上架、描述、推廣到使用者瀏覽、支付再到物流公司的配送，每個環節都在產生海量的資料，而且資料型別多種多樣。大量非結構化資料，如商品頁面的圖片、影片，線下快遞員的感測器資料等等。
另外，到了雙十一這樣的購物高峰期，呈現出高頻、高額、高密度的應用場景 。這也引申出電商的第一個痛點： 如何解決資料流動的效率。
在回答這個問題之前，有必要了解一下人工智慧的現狀。人工智慧自 1956 年被提出來之後，整個行業多次起伏。進入新世紀後，人工智慧在以下幾個領域取得突發猛進的發展：
影像/影片識別
語音識別
自然語言處理
上述三大領域的重要突破幾乎都是在深度神經網路的幫助下實現的，為何這個幾乎和人工智慧一樣「古老」的技術會重新煥發生機呢?
除了包括 Geoffrey Hinton、Yann LeCun 以及 Yoshua Bengio 等人在學術領域的多年苦心研究。還要歸功於網際網路提供了海量資料「餵養」的能力，基於深度學習的人工智慧程式需要海量資料的輸入，才能在結果輸出時呈現好的結果，網際網路公司天然就是個大資料公司，這也是為何當下全球人工智慧主要參與者都是網際網路公司(而且是大公司)的主要原因。
其次，則是計算能力的提升，特別是計算的成本大幅下降。過去訓練神經網路的計算機受限於效能，制約了深度學習的研究進展，但隨著雲端計算的發展，基於雲端的海量資料能力變成了隨時可取的服務，比如 Google 的 TensorFlow 以及阿里雲上包括Maxcompute在內的多個內建深度學習的模組，開發者可以非常方便地將這些服務融入到自身產品中。
一方面，電商迫切需要解決資料流動效率的問題，另一方面，當下以深度學習為側重的人工智慧在資料處理方面有天然的優勢，兩者結合帶來了效率的巨大提升。
比如影像識別，從商家上傳影像直到使用者最終買下這個商品，影像識別技術貫穿始終，以下是一個非常簡單的流程：
商戶端：商家上傳影像時自動檢測影像是否侵權、是否合法;
平臺端：商家廣告投放或推廣時的影像自動匹配;
使用者端：根據使用者搜尋關鍵詞自動推薦相似的商品圖片;
這還僅僅是影像識別技術的簡單流程，就可以明顯感覺到，依託基於雲端的機器學習、深度學習所帶來的資料處理優勢，可以大幅提升電商平臺的資料流動效率，而人工智慧其他成熟的領域，如語音識別、自然語言處理，則從另一個角度改變著電商平臺的遊戲規則。
解決人溝通的效率
電商平臺流動的資料中，有一部分資料很特殊卻又很重要，那就是消費者與商家的溝通資料，比如使用者在淘寶、天貓與商家的客服人員諮詢具體商品(服務)資訊，這些資料構成了線上銷售的核心環節——互動。
但隨著人力成本的上升，客服人員的成本也開始大幅上漲，更重要的是，作為客服的人類，無法完全實現標準化作業和無間歇工作，這也是當前電商所遇到的第二個痛點：溝通的效率。
從去年開始，聊天機器人(Chatbot)逐漸成為矽谷創業和巨頭關注的熱點。之所以如此火熱，離不開語音識別和自然語言處理技術的快速發展。
以語音識別為例，自動語音識別(Automatic Speech Recognition ，簡稱ASR)其中的一個重要分支，很長一段時間裡，ASR 在準確度上都無法與人類識別相媲美，而在 2010 年，ASR 在識別準確度上迎來一個拐點。
從上圖的變化可以看出，2010—2015 的五年時間，ASR 準確度得到大幅提升，這種變化超過了過去 30 年到 40 年的變化。事實上，我們現在已經接近一個時刻：機器對於語音的識別能力即將超過人類。這種變化對於電商平臺的最深刻影響就是或徹底改變客服的工作模式。
基於電商平臺海量資料的「協同工作」 ，由此「孕育」的聊天機器人或許比你還更懂你自己，它或許能提前預知你可能遇到的問題，在沒有你發起諮詢時就把答案推到了你面前.....
再比如聊天機器人也可以介入售後交易處理，藉助於機器學習，聊天機器人能夠快速學習過去成千上萬的售後服務案例，結合使用者與商家的行為記錄、信用記錄，讓機器像人一樣去做複雜糾紛的準確判決將會成為現實。
對中小賣家而言，聊天機器人的誘惑力著實不小。如上文所言，聊天機器人能夠減少甚至代替客服人員，這在人力成本持續走高的背景下意義重大，可以極大地節約人力成本。另外，基於智慧化的客戶服務體系，能夠大幅提升中小企業的資訊化、資料化、智慧化的能力。
未來的贏家在哪裡?
全球範圍來看，電子商務經過 20 多年的發展，已步入一個新的十字路口。過往的 PC 網際網路、移動網際網路帶來的紅利早已結束，未來，電商平臺的紅利必然是技術紅利，而人工智慧是重中之重。
在與時俱進的演算法、海量的資料以及廉價又強大的計算能力幫助下，當下以深度學習為側重點的人工智慧正走向一個新的階段：基於雲端的資料智慧。
換句話說，「資料+雲+智慧」才是電商平臺乃至網際網路公司的未來，以這個角度來衡量當下的電商平臺甚至網際網路公司，基本也能知曉接下來 5 到 10 年的行業走勢。
比如阿里巴巴，馬雲今年在多個場合表示，明年起不再提「電子商務」，這並非說明阿里巴巴不再重視電商業務，而是要從電商的基礎層面重新出發。馬雲的新王牌就是阿里雲。
事實上，過去幾年阿里雲已經成功支撐了天貓雙十一購物節，從可用性和靈活性上得以充分展示，尤其在雙十一晚會上，阿里雲 ET 所展現的語音識別、自然語言處理以及影像識別能力令人印象深刻。這些基於雲端的資料處理能力和資料智慧，隨著阿里雲的快速發展會繼續釋放。
再比如亞馬遜，過去幾年，亞馬遜一方面深耕雲端計算領域，另一方面又依靠機器學習、深度學習，繼續完善線上購物的使用者體驗。更重要的是，亞馬遜押寶 Echo ——這個基於語音識別、自然語言處理的家用助理性產品，所有這些技術佈局和產品都在不斷擴充套件亞馬遜電商的邊界，並構築新的護城河。
寫在最後
雙十一固然是一場電商的狂歡：於消費者，海量低價商品滿足了買買買的內心慾望：於商家，海量的潛在銷售機會不僅帶來銷售額，更是品牌營銷的好機會。
但對電商平臺來說，交易額、銷售額的數字遊戲之外，真實環境裡的技術測試、升級才是重中之重。一如雲端計算當初帶來的變革一樣，人工智慧從此之後也將成為電商競爭的新戰場，重新定義電子商務的各個環節。畢竟，電商公司從來都應該是技術驅動的網際網路公司，而絕不是銷售驅動的線上商店。