撰文 | 宇多田
「這是阿里整個技術團隊的創新，即便在雙十一度的交易洪峰中，使用者體驗也如絲般順滑。」
在上海媒體中心的大螢幕上，當雙十一銷售額停格在 1682 億後，張勇上臺的第一句話，不是談論成績，而是向這場戰鬥背後的所有技術人員們致敬。
很大程度上，對於新技術給零售帶來的改革，應用者是興奮和忐忑不安的，而消費者，卻是後知後覺的。在整個鏈條中，他們是最後一群被新技術所觸及到的人。
多數時候，他們可能首先驚喜於「支付怎麼突然不卡了」，或者是「這一次的物流竟然變快了」，而不是輕易去認同和接受科技公司或者媒體刻意鼓吹的「技術改變世界，人工智慧改變世界」。
確切地說，不是技術，而是技術在傳統行業裡潛移默化的滲透，才能改變世界。但現實就是，一邊是人工智慧的「自吹自擂」，一邊卻是普通人的「無動於衷」。
這也恰好應了一段當下較為時髦的說法：
「都說現在進入 AI 時代了？其實還早。因為大多普通人一聽到人工智慧，臉上還是會露出崇拜、懵懂、興奮亦或是恐懼的表情；但相對的，當我們看到一個螢幕，手指卻常常會不由自主地想去觸碰或者滑動它。這是我們被移動時代『教育』和『同化』的標記。而 AI，並沒有這種影響。」
但在這一點上，阿里的這個「雙十一」，卻有點讓消費者們刮目相看。
實體店裡的「智慧產品」，是新零售的噱頭還是真功夫？
在「新零售」概念裡，線下實體店大概被教育最多的一個詞就是「體驗」。這正如新媒體「42 章經」對新零售的總結：新零售的極致，就在於每一家實體店，既是庫存外包和線上售賣的區域分揀中心，又是具備基本銷售能力的體驗中心和品牌養成館。
因此，阿里將技術的落腳點之一放在了這個關鍵問題上：「怎樣利用人工智慧吸引更多人進店消費」。換句話說，就是大幅提高店鋪的獲客能力。
因此，那些所謂的導購機器人、智慧導購機，還有擺在化妝品店裡的智慧試妝鏡，以及服裝店裡的智慧試衣鏡，是當下吸引使用者最直接，也是看起來最不復雜的技術應用手段。
是的，這沒什麼稀奇的，產品誰都會做，而且推出市場的速度快得出奇：美妝零售店絲芙蘭、化妝品巨頭歐萊雅，包括阿里、美的以及很多創業公司，都推出了一系列智慧試妝產品。
然而，這種「智慧」真的能幫店面留住客戶，甚至讓我們多買幾支口紅嗎？機器之能曾在法國召開的一個科技大會上，試用過某著名化妝品品牌研發的化妝鏡。這個化妝鏡產品，曾被諸多媒體譽為「顛覆化妝品體驗的劃時代產品」。
然而，「非常幸運」的是，在試用了這個鏡子後，我們便陷入了對智慧產品長時間不能自拔的懷疑及排斥情緒。
沒錯，通過影象識別技術，這個鏡子完全可以對你的眼睛、鼻子和嘴巴進行建模，在你選中某項彩妝產品後，在五官處疊加化妝品的試裝效果……然而，效果，一言難盡（有圖有真相，簡直是照妖鏡）。
小編親自上陣……這張圖絕對沒有 P 過，真實效果如此，將就看
很難想象，在試用效果不佳，或者在使用者覺得自己在試妝後變得更醜以後，他們會不會願意繼續在店裡逛下去；而即便是作為單純的營銷手段，也難免讓顧客產生一些壞情緒。
總之，看到這麼醜的自己……購物慾望還是要保持下去的。
沒有對比就沒有傷害。在雙十一當天天貓新零售線下走訪的幾個小時裡，智慧美妝鏡幾乎黏住了女孩子們的腿。然而，的確還是同一個人，效果是這樣的：
沒有經過任何 P 圖，反正就是在鏡子前面照了半個小時吧
「影象識別，3D 建模，AR，基本市面上大多數美妝鏡都用到了這些技術，」一位工作人員簡單地講了一下，「但是，目標檢測的精度和臉部取樣點的數量是不一樣的。捕捉的面部特徵越多，它針對你的輪廓特徵疊加的位置就越精準。」
如果單純從消費者一面來看，更加精準的色塊對位，更讓人接受的色彩濃度，沒有誇張的「網紅臉 style」微整容效果……雖然鏡子裡呈現出的產品效果與現實中我們親自試用的效果仍然有差距，但是，作為潛在使用者，我們的確被取悅到了。
「鏡子肯定要讓你試妝後更美，但它絕對不是美圖修圖 app。魔鏡是為了讓你開心買東西，幫店家提升營業額而存在的，所以在做這面鏡子時，『真實性』與『讓你更漂亮』之間，需要把握一個平衡。」他表示。
你不得不承認，阿里的電商屬性，讓它對「如何去認真取悅使用者」這個操作顯得輕駕就熟。而做技術，特別是零售場景中的技術，也是如此。
這也是為什麼，除了淘寶能成為把「猜你喜歡」功能做的最好的電商之一，而在針對零售業的智慧產品研發方面，讓技術與零售場景無縫對接的實力也讓人有了期待。
如果說在傳統電商時代，阿里用價格成功驅使大量女性消費者向線上轉移；而現在，阿里又在用技術把宅在家裡的我們，逐漸拐入線下。
智慧物流，效果不會說謊
就在 4 個小時前，編輯部的小夥伴突然在群裡發了一張圖：一個裝了生鮮產品的箱子，還有一個被拿出來的冰袋。
「物流真的挺快的，你看冰袋基本沒化。」
雖然現在正是大冬天，冰袋不化其實也蠻正常。但是，如果你在微博上輸入「雙十一」和「物流」這兩個關鍵字，按照「實時」搜出來的結果有點出乎意料——竟然有大量對這次雙十一物流的好評是什麼鬼？
確切地說，當聽到菜鳥網路總裁萬霖在臺上講物流數字的變化時，我們對於此次雙十一在物流方面取得的成績基本無感，甚至還在擔心自己的包裹會卡在義烏小商品城 N 天以上。
但來自微博網友們的大量好評，卻能證明一些東西。
我們很清楚，大幅提升菜鳥物流網路的覆蓋範圍與密集度（增加了更多倉庫、快遞網點及驛站，召集了更多快遞員）只是「物流速度終於讓我們有了實感」的重要因素之一。
只靠增加量，是無論如何都承載不了散落在中國和海外各個角落的上億份訂單的。
「根據歷年雙 11 的經驗，今天的峰值就是明天的常態。截止雙十一晚上 21 點，就已經有 7 億訂單。在這種趨勢下，未來每天 10 億個包裹很快會成為現實。這麼大的物流體量是全世界都沒有遇到過的，配送難度非常大，純粹增加倉庫和分撥點是難以應付這個量級的。」萬霖表示。
因此，人工智慧，演算法，才是本次這次克服億級配送難度的關鍵。
這就和滴滴的拼車是一個道理，只要有演算法規劃好的路線（運送路線），和一定數量的司機（快遞員和網店），就可以滿足更大範圍內的使用者叫車需求（訂單）。
因此，如何規劃運送路線，如何最高效地利用各個倉庫與快遞人員，以及如何在最短時間內從倉庫挑揀出貨物，決定了這次你的雙十一訂單，到底在路上停留幾天。
好吧，我們想說的就是大資料、智慧分單以及機器人在這次雙十一物流作戰中起到的作用。
剛才提到，菜鳥的智慧物流路線規劃與滴滴利用智慧演算法來分配拼車線路的道理是基本一致的。
但這並不是今年的首次應用，早在 2015 年，菜鳥網路就推出了大資料智慧分單專案，讓大資料分單逐漸替代了人工分單。
但是隻靠阿里一家肯定不夠。因此，這種通過演算法來分配線路的應用，又在過去兩年逐漸滲透到了中通、圓通、申通等物流企業的訂單分配管理中，直到今年，才得到了全面應用，也因此讓揀貨和送貨效率有了質變。
3 年前，在快遞公司的分撥中心流水線上，還存在大量的分揀員。他們的工作是要親自檢視包裹上的地址資訊，憑記憶確定包裹下一站到達哪個網點。
靠人工記憶分揀，可想而知，除了要培訓上崗，你在雙十一前後能否及時招聘到大量的分揀員？但平時你又不需要這麼多怎麼辦？
在不能按照物流峰值靈活調配的限制下，每逢大促，快遞企業就會因為人手不足導致快遞大量積壓。如果你經歷過 2015 年前的雙十一，就應該對自己的快遞深有感觸。
而現在的分單環節，徹底被演算法改變了。
通過演算法自動生成包裹路徑後，訂單資訊可以直接被列印成電子面單，完全省掉了人工環節。根據阿里的測算，如果這是一家日均包裹量 1000 萬的快遞公司，僅這一項，除了效率提升 50% 以上，節省的成本每年可達到 8000 萬。
與此同時，分單錯誤率，也從過去人工時代最少 5%，提升到當下的 99.9%。如果按照每單快遞 2 元的失誤成本來算，一家日均包裹量 1000 萬的快遞公司，要每天承擔 100 萬的損失。也就是說，僅從失誤成本來考慮，演算法可以每天為這個體量的公司節省 100 萬。
而你今年對「送貨速度好像提高了一丟丟」的感受，就有著智慧分單系統在菜鳥網路中徹底普及化的一份功勞。當然，還有那些倉庫裡的機器人、機械臂以及全自動的流水線……都是阿里「智慧倉」戰略的一部分，只是未能親眼所見，略有遺憾。
一位網友表示，雙十一當天的數字，僅僅是一個數字；而使用者的物流體驗、線下實體店體驗、產品體驗，才是檢驗阿里雙十一成績的最好證據。
現在來看，起碼已經過了部分人的關。