大家好 欢迎来到我们今天的 What's Next 科技早上每一年呢我们其实都会请我们的老朋友 Richard 来聊一聊今年有没有什么出海的一个最火的或者是大家最关心的一个方向那今年他给我提了两个领域啊然后他是额外关注一个就是 AI 出海一个是 AI 加零售特别是后者
他们也是频频出手然后投了不少这个领域的项目我们就来看一看 AI 加零售这个赛道然后有没有什么新的动向当然了我们今天也有请到了另外一个中邦嘉宾 NVIDIA 零售及工业 IBD 的任建斌建斌总然后也邀请他从 NVIDIA 的角度来看一看这个领域 Hello RichardHello Diane 大家好好久没有听到我的声音了对
对虽然楚海林特别活着但是你就忙的一期节目都没有来过这已经是忙的脚都停不下来的感觉也明显能感觉到大家还是在进行全球化的很多尝试所以一会儿可以跟大家聊一聊当然我觉得今天主咖还是建斌总就我们一起跟建斌总探讨
AI 与零售未来这些方向的一些话题我们也就是抛砖引玉一下那建斌总跟大家也打个招呼吧大家好非常高兴有这么一个机会跟大家一起学习交流我是任建斌我在英文英文达中国负责零售方面的一些业务然后其实一直来在国内支持很多的零售的客户他们在人工智能方面一些应用
那么也有一些客户呢也提及到一些出海所以今天特别想跟两位呢一块交流学习一下也看看就是我们的听众那些感兴趣的问题呢我们也可以做一些讨论
我想先抛出来一个观点就是今年我们在聊零售的时候我们跟以往最大的不同是什么然后有了 AI 像 TRADGBT 这样的赋能之后那我们以往所聊的这个零售科技在 2024 年最大的变化是什么 Richard 这边先跟我们先抛一个就为什么你们今年就是 all in AI 零售我不知道算不算 all inall in AI 吧算是
其实是这样的因为也跟大家聊一聊来龙去脉我觉得作为一家投出海的机构甭管说是你是今年开始看出海还是说一直在看出海肯定是跨境电商赛道你是绕不过去的那么我们也是从刚一开始投出海的时候其实就开始看跨境电商赛道但是我们投的时间长了以后我们发现其实不应该光把我们的视角放在电商这样的一个赛道上面实际背后大的一个方向上来说还是全球消费
那么我们看了一段时间全球消费赛道我们时间长了以后发现真正其实对于一个早期机构来说的话很多其实关于品牌大的平台这样子的机会其实是非常难投的你像我在做投资之前我也在一个中国的品牌出海的一个企业做之前在我们节目里面也聊到过像我们当时那个企业也是一个当然是个上市公司了我们在北美做品牌我们一年花销就是几千万美金这样的
所以这个其实对于早期的企业来说的话,初创企业是非常大的一个花销,如果真正做品牌非常难。所以这就促使我们从这个赛道调整上来说的话,从刚开始看跨境电商,全球消费,在消费里面又专门找到了一个赛道,所谓的就是零售科技,还是在赋能这个上下游。真的你要说从早期投资的角度来说,品牌我们极其的少投。
那么我们今天的 topic 是 AI 家零售零售科技是一个已经有很长历史的一个赛道了那么我们在这个赛道上面其实已经看了很多的项目大家如果要是去搜美国的像 Martech 或者是零售科技的这种图谱一搜可以搜到几万家所以这个赛道其实非常的细了
那么今年的大体来说的话大家的一个感触还是说那么 AI 加上了零售科技以后对于传统的我们这些使用零售科技的这种客户一些渠道一些平台到底带来了什么样的一些更多的变化这个我觉得可能是现在大家在过去一两年可能关注最多的也是我们今天讨论的一个算是核心主旨所以我觉得这是我们的一个从投资上面从
从早期一路看过来这样的一个感受建民总这边的感觉是什么有没有一些什么这个底层逻辑上的变化就从刚刚像是 Richard 讲的零售科技已经存在很久了那 AI 加零售它今年有什么样的这个不一样的地方就逻辑上有什么变化吗对我觉得从我的感受来上今年可能比以前忙多了
然后我们做零售的时间其实也快六年的时间了最早可能我觉得分成四个阶段我们自己从我们视角观察到的第一个阶段是就是计算机视觉人工智能开始用计算机视觉然后来解决零售的一些问题第二个阶段就是 LLP 的一些技术开始用起来了比较有典型代表的像智慧公盘就是我们现在线下零售的销售的过程服务的过程其实是个黑箱
就有了智慧公盘以后呢可以记录了这个销售的这个或者服务的过程以后呢可以上传云端的去做一些分析那去知道我们的培训啊我们的这个服务啊销售过程中的一些问题
第三个阶段呢就是源于周啊数字乱升这个阶段那么其实有很多的产品的设计啊展示开始原本来是在线下的半导线上来这是第三个阶段那第四个阶段呢其实就从二三年的三月份开始准确说就是整个大模型生成时代 GPT 火了以后
我们感觉到就是客户的这种对整个人工智能的关注的程度以及其实是投入的一些程度尝试啊包括最后一些应用这个热情就越来越高然后体现在我们这边就是会越来越忙所以这是整个的一个感受如果说底层逻辑呢我是说就是套用我们跟这个零售的一些专家学到的大家都在讲人货厂其实在前面的这一段时间呢其实在人货厂
整个它会形成一个交集就是一个零售事件
这零售事件的这个数字化因为有了这个视觉的一些方案它可以识别人在某些场合里头对某个话发生了什么样一个动作这是个正常的动作还是异常的动作那么这是这一段那么到今天到大模型到这个生存示爱这个节奏你会发现就是人的这种数字化或者智能化它会上升到另外一个高度就是我们在很多很多工作中就是原来是靠人去解决的一些问题
现在靠这个人工智能来解决大模型再去解决所以零售呢你把它看成一个要和给的两个游戏啊的话呢一个是比如说第一个游戏是这个市场客户要然后商家给第二个游戏是老板要员工给或者是供应方给啊就是以房给如果是这一两对游戏的话到了生存时代大模型这个阶段你会发现就
大家可以用自然语言来向一个系统发起这种药它会用自然语言描述自己的需求而不是关键词或者某个商品第二个给的这个过程大模型也可以给你要是要一个图要一个首诗要是音乐还是要一个广告内容就是这个里头大模型会给的非常丰富非常快质量也不错
所以如果是这样的一个变化呢其实是我们觉得就是到了第四个阶段也就是这个大模型生产者来赋能领受的时候这个里头的大家的这个热情就可以理解我们想象空间也可以理解这是为什么我们会变得非常忙的一个比较重要的一个原因吧
嗯我其实是从可能当时是 16 年 17 年看到硅谷其实最开始有很多这种 IoT 的产品出现的这个时代我就感觉从那个时候就包括是像沃尔玛呀还是有很多这种大型的零售商超它比如说是哪个货架它缺货了然后它就有一个自动的这个 robot 然后像刚刚建民总说的大部分其实还是用这个视觉的形式视觉的这种技术然后再去呃
辅助这个员工然后去进行这个降本增效然后在这个时代那其实特别是在 GBT 出来之后那可能很大一部分就怎么样能够是在可能我们在创作一个新的产品的这个宣传话语宣传图片这个方面给大家提供了不少的这个效率然后可能又到了现在是不是又还有比如说是线上和线下相结合的这种包括这种是个数字孪生这样又是一个新的应用了对我觉得这个是特别特别新的
我就不知道大家在看不管是建民总还是在 Richard 就像 2024 年大家看到的更多的可能是线上的 solution 就线上的一些应用还是线下的应用其实在今年是更加爆发了或者更多发挥了大家的想象空间呢
是这样这个就是涉及到我们怎么去看这个市场就是你不管你是什么样的一个蛋糕你总得有一个方法去切对吧你是怎么怎么样去划分这个市场当然这个每家机构或者每家企业大家理解的方式不一样这个没有对与错都可以有些人按规模来算有些人按渠道来算有些人按这个商业逻辑来算如果真的是说零售科技的话我们自己机构基本上是这么分类的
因为零售的本质的话这个还是之前出海同学会我们有一位同学的分享他就讲其实本质是我怎么样更有效的去触达用户然后第二个就是怎么样的有效的触达了以后再提升购买不管是线上还是线下那么都是这样的一个逻辑所以我们其实
在划分的时候有的人是划分的比如说线上线下这样子来划分有的企业是说比如说 marketplace versus branding 就是说如果做平台是一种还是做品牌是一种对吧不同的逻辑那么在我们看来的有这么几类是我们比较关注的我们讲零售科技这块先不说 AI 我们先把 AI 放一边那么零售科技我们会关注的第一个就是比较重要的肯定是新渠道
那么这个是所有的机构都会关注的至于到现在可能大家听到最多的最火的可能就是直播电商一些不管创投圈还是在 CES 还是在不同的这种跟零售相关的场合大家都会提到的放到硅谷这边来说也有一些大型的一些平台或者说是一些比较垂类的平台包括像 Anderson Horowitz 他们之前投了很多在硅谷这边做创业的很多也是华人创始人
做的这个锤类的这个直播电商平台都有所以这一类呢是大家关注的第一个点就是所谓这个新渠道那么无可厚非那我们讲新零售或者是零售科技那肯定第一个是科技能给我们提供什么样的新的渠道吗这个是大家都一定会去找的
第二类其实是我们看的比较多的是跟 C 端可能会产生一些交互的这一类的这种科技所谓的不管是提效还是说是推荐像机器人虚拟人这些都是大家在之前我们讲过的一些非常热的一些创新的一些点大家也能看到很多项目那么 B 端这一端那就更多了后面两类我们看到更多的都是 B 端
首先线上也会有一些相应的比如说像 agent martech 或者是 south tech 这些都是在零售科技长期的时候大家关注
那么在 AI 出来以后呢 SalesTech 就是怎么去卖怎么能卖的更好就是如果你去看 Martech 光是这个市场科技这一类你在美国去找这个 landscape 你就发现这个美国有一张图影响很深就是 Martech landscape 基本上每年都在增加现在可能有几万家企业在这张图上面所以你去找的话你就发现这是非常细的赛道
那么其他的一些体校的你像现在我们 AI 时代讲的比较多的比如说一些 AIGC 怎么样去帮助商家对吧这个就不用多讲了现在大家都已经非常多的在追捧这些最后一类少量的我们也会看一些跟线下相关的在我们这边来说的话线下可能相对来说少一些因为往往是说首先它得是一个巨头它有很多的线下的触角它可能才能做这个事
比如说我知道那个沃尔玛他们这几年一直在做这种线下的智能门店想把这个 2000 家美国的线下门店全部拉出来有机器人在里面对吧有智能的这个货物的管理然后有这种呃线上订单的分发啊做成这种智能的终端啊那因为他非常 powerful 非常有钱啊他他可以进行大量的投入那么对于初上企业来说的话这比较活跃的少一些啊
当然还有一些比如说 AI 的这种边缘部署这些我们今年在贵宫经常见到一些比如端侧的大模型边缘部署的 AI 能力这些也是相对来说比较重要的因为你在很多门店里有的时候你没有办法那么快的接入互联网对吧它需要很强的本地交互包括一些电子支付之类的这些其实都是一些零售科技里面在线下比较受大家关注的所以综合来说我们比较关注的是这么几类
那么如果回答你刚才那个问题的话呢 Echo 回去呢肯定还是比线上居多了啊这当然也是因为我们的这个视角所限啊杰宾总这边呢因为我觉得英伟达这边应该可能是在可能端侧的这边啊或者是智能商店啊这块其实是更多的有一些这个解决方案和一些发力是吗
对的因为业务的一些就是我们自己的负责的范围在国内我们看到的这个线下的零售的升级的这个就会多一些当然也有一些线上像刚才 Richard 讲的
那么我的整体的感觉就是说线下的零售其实大家在这些年的整个过程中都在寻找一些新的一些解决方案然后不管是增销还是降本就是多快好胜哪个方向来帮助它其实大家都在做这件事
那这个时候呢其实我们看到的这零售呢就刚才 Richard 讲其实是有一定规模的企业呢可能会考虑的会更多投资的意向也会更多一些那么在国内呢我们就注意到其实我们刚开始的时候的主要的对我们的产品是一个硬件或者现在很多的一些软件但是我们的真正的最终的客户他要一个解决方案所以呢我们一直在做一些事情呢然后就是从我们的硬件开始
我们的软件出发的怎么然后把它变成一个解决方案然后来帮我们最终的零售的企业包括消费顶的一些企业然后来去赋能他们那么这就有两种可能一种可能是我们的最终的客户自己有自研的团队他们自研团队能够用我们的硬件和软件形成一个自己的解决方案来解决自己的问题这一类我们通常是把它叫做这个灯塔客户 Lighthouse Account
那么还有一类呢实际上是我们在国内的都有在广泛的建立培养我们的这个 ISV 啊就这种生态伙伴的这个体系其实所有这些伙伴我们想做的事情就是本身他们不管是一个 stop 也好呢还是一些这些有历史的一些公司做 SI 的一些公司也好那么想利用一些人工智能的一些新的一些技术啊包括一些产品形成一个解决方案去拓展他自己的这个业务啊
这一类的这些场景
需要用 GPU 加速用人工智能来去做一些解决方案那么其实线下这块其实也有很多那么其实刚才提到的比如前两个阶段就是说我们用视觉的不管是用语音就基本上就是在现场给老板张耳朵张眼睛的事情让整个公司能够真的是看到正在发生的客户的交互客户的一些事件
然后有利于的形成一个闭环的来去做管理那么到今天呢其实是说整体呢我们不管是这个能看得见能听得到那么现在其实也能够比较宏观的做一些这个在线上的一些支持或者甚至呢去做一些业务的决策和判断包括设计的过程所以这个呢看起来就是从呃
当时比方 6 年前到现在就整个的产品的解决方案整个的初级的业务的客户的需求越来越广泛了也越来越多的能够解决到我们零售的很多企业不管线下还是线下他们自己的一些问题然后满足他们的一些需求大概是这么一个规律吧
刚您说到六年前是这个六年前是刚刚开始这个零售的业务 NVIDIA 进入中国吗六年前其实我们零售这个单独作为一个行业来去做那其实是差不多就是六年五年多前吧六年前开始我们以这个方向来说因为再早呢因为其实还没有这方面的一些解决方案计算机视觉的这个解决方案的成熟呢大概差不多就一九年左右的时间啊
这倒是实际上也跟我们开始就是在零售这个方面然后有一些投入发力有关系啊跟我们的节奏有关系倒不是说那市场本来就是这个样子啊嗯嗯嗯
明白明白所以那个就是前段时间我也看到了这个 NVIDIA 它有一个报告就是 2024 年零售与消费品行业 AI 现状与趋势其实大家花钱最多的领域就是企业在 AI 领域花钱最多的是这个商店分析与间接占 53%然后个性化的客户推荐占 47%所以刚刚讲到可能视觉呀然后那个怎么样让这个更多的跟员工之间的这个
交互这些数据能够形成闭环这个就是商店分析与见解是吧对 差不多是这样子因为最终我刚才讲其实企业很难知道
就是客户真正的需求是什么就零售里头有一个很大的问题就是供需错配的问题对吧就是说其实你很难知道在这么大一个规模上知道你的客户特别是未来他可能需求需求是多少然后他的品位应该怎么去做然后什么样定成什么样的一个价格所有这些东西的预测其实是蛮有挑战的所以就会出现了很多的供需错配的问题所以理解整个客户的需求理解客户是一个很重要的事
在我的理解上可能这个不仅仅只是在商店里发生它可能更多是在仓库里或者甚至是在生产端这个就需要有很多的预测
然后这个是 NVIDIA 在全渠道管理上面的一个解决方案吗对 您如果说到了供应侧就不光是对客户这一端就理解客户的需求那整个你把供应链整个考虑进来的时候你会发现在每个环节上可能都有这样的一些需求预测要整体的一些规划然后做一些这个就偶尔方面的一些东西然后其实我们 NVIDIA 在这个方向其实是有自己的一些产品也有自己的一些伙伴
核心实际上是来科学化的去解决供需错配的问题其实我们自己像 QOP 的这样的一些产品其实就在帮类似的 Domina Pizza 这样的一些公司然后来去解决它配送的问题多美乐多美乐 Pizza
就是实际上这是在美国做的他们不是要尽量的在多长时间半个小时内要送达吗但是如果你要考虑就是说如果你的订单量很大然后你的便量很多约束条件很多有各种加班有些人到时候要请假
就在绝对复杂变化的一种情况下然后你怎么去计算出来最好的路径和这个策略还能保证最大可能性的每一个订单能够按照你约定的一些时间预期的时间然后来送达是这样蛮挑战的一件事所以像这一类的事情其实都是在
就是我们的视野里头然后来看怎么用什么样的一些技术手段用加速计算的方式呢然后来去解决这个问题然后来满足客户和市场的需求我还想再回到就比如说是在 AI 的不同的这个用的这个领域里面刚刚讲到了最大的大家的投入是在商店分析与见解这个里面然后其实第二个就是个性化的客户的这个推荐那这个可能就更多的像是这个其实是一个线上的这事了
我就不知道这一块大家有没有看到一些比较好的案例或者是 Richer 有看到一些好的创业公司在做这个领域刚才我们讲我们怎么样能够更有效的触达用户然后怎么样的提高购买那么其实个性化推荐就你讲的这一类的科技其实在里面扮演着很重要的角色因为如果你要是从真正最理想的状态就是我有一个 AI 助手就人变成神了我不用跟他讲我需要什么
然后他就会把我需要的东西都给我买过来商店也是一个 AI 的一个终端对吧到最后就是这个 AI 和 AI 交互这是一个理想状态我们目前肯定是从这个应用层面现在很难达到这样的一点这可能是未来可能比如说 50 年的一个愿景但是我们现在在很多的这种具体的细节上面我们已经能看到一些出厂企业在做像硅谷这边我们有几家企业就做的还比较好的
那么你像虚拟人这块是很多人在做的或者是虚拟人结合真实的人其实有一个很重要的购物逻辑就是说我们如果比如说到线下一个牛仔裤的商店我们进去了以后这时候会有一个店员过来问我说 Richard 你要买点什么呀
裤子的还是买个夹克还是买一个帽子对吧有什么我可以帮你的你的号大概是多少那么我们在线上去购物的时候其实大部分情况下没有这个体验相当于我进到了一个线上门店但是我是奔着我需要的东西去找的
所以这个购物逻辑是完全不一样的那么这个时候能不能有一个虚拟人蹦出来了以后呢跟你提一提就跟这个线下的这个这个店员一样啊问一问你你需要什么呀啊如果说是有一些你自己都不太清楚的我的一些想法他能不能给你一些精准的推荐
所以我们现在有很多企业其实在做这样的一些事情今年也有一些企业像 Newcastle,Vigo,Firework 这些企业参与过我们的讨论像 Firework 他们现在做了一个就是有真人和虚拟人结合的这样的一个助手在独立站的主页上面进到他独立站里头这个虚拟人就会蹦出来
啊就给你进行一些导购上面的一些指引那么这一块呢就是更多的一个这个帮助你去出大用户在 AI 出来以后其实我觉得大家已经在就刚才建民总其实也提到了就是大家试图去各个维度的去寻找数据不管是用视觉的数据还是购买的信息还是各种各样的数据我们怎么样的去呃更好的理解你的用户然后呢让让这些数据更好的呃
增加推荐那么这一块呢其实也是我们在上一个时代能看到很多的这种创业者也有一些这个之前大家讲比如说这个用户画像怎么样更好 dynamic 的去提升这个提取出来用户画像然后用户画像完了可能还有用户人设对吧这不同的这个概念就用户画像是一个被动的
然后用户人设是一个你想成为的一个人设这个是这个梁宁老师之前也多次在不同场合分享过的他创造的这个概念所以呢就是明显是有很多的这种 AI 企业其实在这个方面呢也进行过一些尝试另外就是说这个提高购买这一块
提高购买的话呢就是刚才我们讲了一些这个怎么样触达一些用户那么提高购买这一块我们能见到的就是之前在线上电商的时候有一个很大的一个痛点是什么呢就是我没有办法试衣服我线上我去买衣服的时候经常是说我这个
我可能买回来是不准的买回来不准我就不会去买它所以这个购买是有问题的那么在过去 5 到 10 年就有很多的企业进行过一些像 VR 像这个计算机视觉这样的一些尝试非常多但是在 AI 时代这个东西的门槛被极大的降低所以我们训练师能见到很多当然没投这个方向的项目因为为什么呢就是我们现在已经发现一些很小的
网上开店的一些企业或者是一些平台他们完全可以用自有的技术能力在他们的独立站里面为大家达到这样子的一个效果而且效果都做的不差就几个人的技术团队就完全可以把过去可能是一个听起来很 amazing 的一个项目在一个小型的门店或者平台里面就可以实现
我们今年见到好几个这样的情况可能这个公司就三五个人如果开发出来一个虚拟示意以前都得大厂才能做的一个事情我现在就接上了一些大模型直接就可以在他们的平台上实现了
对 我刚才 Richard 说得特别好我们也观察了很多的类似的这样一些案例然后用不管是赋能的方式还是一定成为替代的方式然后来赋能零售包括线下和线上
刚才我们说第一个就是说第一个挑战是供需作配其实我们的第一个挑战就是在哪开店开多大的店选什么样的商品定什么价格促销政策这是第一个挑战所以理解了消费者这件事就能做到了所以很多很多我们看到就是人工智能数字化这个方向包括人工智能这个方向有很多的技术是在理解预测未来的需求然后来指导后面的经营这是一个方向
那么
那么这是一个在零售里头传统上都会有挑战的一件事先上和先下是一样的所以有时候你会用标准化替代掉这个个性化的服务对吧然后有时候你可以把它这个探索在一个拐角就说我做高定制的服务但是就放弃了规模化有的时候我把成本放弃了我可以贵一点这样
但实际上就是说前一个问题是你瞄准哪个赛道对哪个市场然后形成你的商业后一个是你内部的管理的运营的时候即使在任何一个场景你都可能会有竞争所以其实快就是个性化然后多就是规模好品质省就是成本所以
所以其实我们看到就是说在零售的企业遇到的第二个问题就是四格迷途怎么走得出来就这个四格面积做到怎么做到最大化不可能能实现所以其实我们看到了很多的一些解决方案都是在解决这个问题就同时让四个方向有个性化的服务有规模化的交付同时在品质和成本上能受控那么这个里头其实刚才就像线上的就是互联网的这种推荐系统
商家也开心用户也开心因为推荐的不是广告你不是在骚扰我你给我正确的东西那这个平台也很高兴因为他俩高兴平台也很高兴我觉得这个呢其实线上已经有比较好的案例其实从他们的这个关于应用场景里头包括一些技术的使用上面都有些观察
那么线下有很多的人在尝试做同样的事情就像刚才容律师讲线下的挑战是说它其实不是在一个屏幕上所以你的广告或者这些推荐的内容怎么去到达这个人是一个具有挑战的事情所以有人在做类似的一个尝试有些是在购物车上的一些场景有些时候电子加签然后变成广告店内的一个零售的广告联盟
我们观察来看就是零售人工智能去赋能零售的时候其实是有两个途径一个途径其实是开玩笑说不一定类比的对而且是个补丁节就有一个窟窿就上一个补丁大家去看这个补丁的时候是不是堵住了窟窿那么直接开 RY 就可以这是对的这是从甲方的角度去看乙方这个对的但是
但有时候也会有些挑战是说其实零售的企业的整个运营效能的改善包括商业的提升它不光是一个就问题有时候可能会有些系统的解决方案出来所以我们其实觉得就是说到在未来有可能我们也其实观察到了一些尝试其实说我有可能原来靠人的成分会很多
为什么供需错配这件事难解决为什么这个四个迷途走不出来其实最大的原因其实是说因为它的变量太多预设条件太多然后我们的又是一个多目标任务有鸡要有海要所以这个时候呢其实解这样的一些问题的时候呢是实际上技术上当时没什么好的手段那就靠人的直觉经验包括有时候是靠人的这个勇气来解决这些方面的问题啊
那么现在有了我们这样的一些人工智能的解决方案有这种加速计算的一些方案的时候其实在每个领域都有些变化这个变化是说有没有一种可能就是说我们不要把马车给装上一表盘
然后我们要给把马车变成一辆汽车变成一个自动驾驶的汽车有没有可能用这种人工智能计算的这种超加速计算的方式然后在某些商业场景里头比较大的一个方式的改变这个其实我们也非常愿意去观察这方面的一些可能性我们现在看到的一些就是从我们的甲方客户就是零售的最终的企业正在做的一些尝试上面我觉得他们有的有可能是在往这个方向走
服务是要有温度的服务室需要有这样的一些感性的东西在里头的但是越来越多需要理性的这个过程中是靠数据 靠算法靠人工智能来去解决这样的一些问题因为整个 IoT 的成本越来越低然后视觉的成本越来越低你获得的数据的规模
的效率然后都会变得越来越好所以数据会大量的出现第二就是技术成熟了以后有很多外部的一些变量有可能在某种程度上是可以去被预测的比如说像我们做的 S2 这样的一个平台可以就气候甚至是某些局部的天气在未来多长时间内去做比较准确的一个预测
那你想在零售这个企业包括在 supply chainlogistic 的方向如果天气是一个可预测的这样的一个变量的时候你会发现其实有可能会有很多新的做法然后跟你以前是不太一样的所以其实用计算的方式我们稍微看一下就是算到拿到用越来越多依赖于比如算力算法数据这样的方式然后来去在很多场景里头去解决掉一些
前面需要人的直觉经验甚至用气来解决了一些问题的时候那这个时候可能你的整个的商业模式或者玩法都会发生一些变化所以我们实际上非常非常期待有类似的这样的一些新的创新出现对社会也好
对我们的这个企业也好对我们参与的所有的人也好都有帮助啊这可能也是一种可能性吧其实我们刚刚讲到其实这个客户的体验这块它是需要非常的这个个性化的而且它同时需要非常的这个 affordable 然后是这个成本是要低的对 然后我记得其实咱们上次在聊的时候这个我们聊到了一个案例就是呃
永辉超市然后现在是需要胖东来来帮他调一些他的比如说是要进什么样的货呀然后要怎么样这个去摆放他的货品呢然后比如他自营的一些这个产品需要生产多少啊这种规模当时您给我讲了一个事情其实我是觉得还是蛮有意思的就是胖东来和永辉虽然他都是做零售超市的但他们归根结底不是一个商业逻辑您能帮我们再扩展一下吗我觉得这个可能不代表公司了
就是我个人的一个观察我觉得整体上来看就是说你从商业上如果去看这样的一个特别在经营活动的时候我们跟客户的这个关系我们觉得是有三层的关系其实就是两个漏斗一个抽屉
第一个漏斗是流量的漏斗那这个时候是把消费者看成 no body 每个人都是 no body 然后呢他最后成交了以后他就 sample day 所以你在经营这样一个漏斗不管是出达到任何的领域线上线下都是 no body 然后把它变成 sample day 就这过程中就刚刚 Richard 讲的他们在出来同学会就是出达和转化这两个大家考
讨论最多的东西对对对这是第一个楼斗第二个楼斗呢是 sample day 到 miss right 的一个阶段就是说其实每个人都是一个独立的然后特别需要尊重的一个人这个逻辑是个连接的逻辑我要找对象我可能会认识很多的
但是好感的一部分但是我每个人都记得他然后我们开始建立关系就结婚生孩子这种逻辑这个连接的逻辑是第二个逻辑看似是一样但其实是不一样的其实这是从 some body 到 miss right 所以他的核心是在经营的信任和连接
就是信任和共同利益就这两个东西要不断的共同化就往下走一层你买我的会员普通会员深度会员的时候代表了共同的利益加了一层甚至你买到更高的会员的时候我会给你一个 2%的返回对吧所以这是每一层是在经营这样一个漏斗来经营这个客户连接的这个层次然后逐渐去加深但最后是说我们信任越来越强
然后连接越来越深的时候那是最好的一个状态所以这是另外一个进行的逻辑但还有一个逻辑呢就是我们叫做这个抽屉逻辑实际上就变成了一个大众情人的一个逻辑就这个人实际上他去经营他的这个这个品牌也好形象也好这两个阶段都过了所以他的品质是被广泛的认可的
有些很多不认识的人也流传着他的一些故事讲的是说他是一个好人他是一个值得信任的人
所以你新的策略进来是说我是先开一个抽屉还是把它颠覆掉
那其实这是第三个阶段所以我觉得零售的我们观察到的企业其实就是这三个都同时在做一个逻辑其实我们做流量的逻辑就是把 noble 变成 sample 做转化的一件事第二件事其实很多人在做连接的生意但是连接到找对的方向一定要找共同的利益和信任层次的不断的递进要一层一层的让它更越来越有信任那这个时候就会有复购有大量的信任
当然你的美度做得足够高的时候你就是那个大众情人谁都会愿意来找你你的品牌是立在那当然这里头必须是有一个抽屉你才能进得去或者已经有个抽屉你占了别人的抽屉的时候你的品牌形象才能立得住就是我们观察到这个商业里头
其实都是在做这个事情就是说如果你做得好运气也不错的时候你真的有可能占了一个抽屉或者把别人的抽屉打开旁边形成一个新的抽屉颠覆掉一些东西然后你就会成为抽屉的受益者一旦到那个层级的时候就生意完全是跟不一样了
所以用流量去玩用连接去玩还是用这个品牌去玩的这个思路是不太一样的就我们可以观察说就是会员制的本质到底在哪里然后最后品牌是怎么去建立的
但是在这个里头科技就是技术会起非常重要的作用流量这个漏斗你到底怎么去玩对吧然后连接的这个游戏怎么去玩到最后它都是个公式那最后又都走到一个算到拿到的逻辑里头因为这么多的变量这么多的条件有这么多的数据包括你的目标任务是多个目标任务的时候怎么确定现在拿到结果的时候就有可能要从现在去找
在人工智能这个方向上是不是有新的一些解决方式这样我觉得再回到了零售的最本质的一些东西上来对我觉得建民总总结的这三个特别的好这三个点是我们之前没有想到的一个划分维度我们发现有很多的项目或者说是很多创业者他们在研究的这个方向其实都是能对得上的对吧但是确实是我觉得这几个点现在我们都能见到海量的项目
对这个逻辑我也是一直在想因为我们自己也是在做这个内容创业虽然不能说是零售但也是一个 2C 的产品所以这不用再讲了我一直在想那我们怎么样从这个很多的内容里面跟大家建立关系其实我们有会员制然后后面这个抽屉的这个问题就是我们在早上的这个时间大家在通勤在刷牙的时候确实是需要听点什么东西的所以我们有很好的这个早咖啡这样的一个产品然后去
Feed 到这个抽屉里面所以说建民总在聊的时候我们怎么怎么在想呢我们能持续的跟我们的这个用户能持续的增加我们这个粘性和这个信任度对对对引起了我们这个各个角度的一些思考我也是在我也是在想感谢感谢希望丁教将来分享一下这边的经验如果是这边类似的
类似的思路用人工智能去解决了以后我觉得是一个挺好的这个尝试对我们确实也一直在想因为我们的节目还是这个标准化的如果真的未来能够有 AI 帮助我们然后把我们的这个内容能够很个性化的推送给大家那当然是这个最好的一个用力了那我们最后再聊一下生成室在零售里面然后有没有一些什么样的爆发型的这样应用或者创业公司那这个建斌总先来聊一下吧
我们在生殖室这个方向观察到的这种尝试会非常非常的多我刚才说零售其实就是要和给的游戏这和要和给在人工智能里头去体现的比较明确的或者非常明显的一个方向其实就是生殖室 AI 生殖室 AI 其实就是要和给的一个技术性的体现它不是一个就是你的艺术它是个技术就现在我们的大模型生殖室 AI 的这个能力完全可以听懂
你不管是用什么自然语言不管是用什么样的方式去把文字语音这些东西都听得懂你要讲的事这是个巨大的飞跃因为你以前要想要一个东西的时候你是不能用自然语言比如说我过生日对吧
我必须说我要蜡烛我要蛋糕我然后再去买这个东西比如到春节了我要给我的朋友去送一个礼物希望是跟他相关的跟这个季节相关的比如跟他的产地什么是相关的这些信息不能告诉电脑不能告诉搜索引擎给我出个方案
但是现在我们可以用自然语言去表达然后他给我生成一个画面我要过生日的一个画面我可以告诉他目的然后告诉他一个我的 context 然后最后给我出一个画面然后不断地告诉他这个不是我想要的那个不是我想要的那个我想要成另外一个样子然后预算高点低点然后最后可以给你 finalize 这个画面 finalize 这个画面最后会变成一个 shopping list 就是变成一个购物清单你就可以这么来去做了
所以你会发现只要是药和给的这种游戏因为最后大摩星不仅能听得清楚你听得懂你用自然表达的这种药的这个需求同时
同时能够给出来这个结果那么技术越来越成熟的时候听得越来越清楚越来越容易听明白你在要什么东西而且给的越来越迅速越来越准确所以在零售里头有很多这种要和给的这样的一对比如说你消费者你会去要商家要去给对吧
就是上级要下级给然后这个供应链之间的所有的这些关系包括公司内部里头你做客户支持的对吧做各种各样的一些配合的律师啊财务啊所有这些人员这本质上都是你都是在
要么就是向别人要别人给要么就是反过来所以它应用非常非常的广泛其实包括比如说我们广告内容的生成刚才 Richard 讲试衣的这个过程其实有客户就是在全球做生意他们真的是需要有一个商品以后在当地的环境里头按照一个当地的模特特征去生成一个当地的广告
甚至希望在一个市场都验证的某一类特征的客户对这样的一个广告会更明观转化率会更高的时候我是不是换了一个场景也能生成一个同样调性的背景所以在每个小的环节都是要和给那么这个时候很有耐心的对吧随时可以给就是整个这次大摩西生尸癌来了以后在人或厂这三个要素里头是最对最本质的那个要素的能力的一种
所以它带来了商业上的想象的空间会非常非常的大所以这是为什么我们也收到了非常多的一些客户的人需要我们配合的一些地方然后来去看是不是有些新的机会能够用生存时安安对面的打磨型在原有的零售的业务里头形成一种新的打法或者形成新的一个解决方案或者甚至一个新的商业模式出来所以这个我们非常非常期待
我觉得刚才建民总其实分享的特别好尤其是从底层从技术层面上面结合他长时间的观察一些方向上的一些看法那么站在我们的角度我觉得可能有两个我可能想补充的我刚才讲了就是文生图这一块其实我们见到很多小型的企业已经开始自行使用了自行的开发所以其实大模型的技术让这一些需求它的门槛极度的降低
那么大家可以自己做那么另一个方面呢反向虽然说门槛的极度的降低但是在一些具体的应用场景上面我们还是能看到有很多的机会那么我们现在最看好的一个还是相关于视频视频人物虚拟人物那么还有一块呢就是其实我刚才挺想聊一聊的那么就是整个创作圈还是在寻找一些 AI 原生的一些应用场景那么我们今天可能聊的比较少就是这个 agent 这一块
因为 agent 这一块其实是过去争议比较大的一个方向因为在很多的这种零售或者是线上的这种平台不管是 SaaS 还是 2B 我们讲的时候 agent 可能是目前来说比较能挣钱的一个细分赛道然后 agent 在处理整个的工作流程的时候也是它其实是基于对于人类过去传统的这种工序的理解然后进一些 AI 和自动化方面的一些尝试有没有可能在未来
因为 AI 我们的工序我们的整个的工作流程完全是跟过去不一样的我们买东西的流程也是完全不一样的这就跟过去大家都是小卖部最后转到超市一样原来是一个中心化的导购员给你去分派各种物品到最后是大家自己去货架上选未来一定还会有新的这种零售的形式
那么 AI 在里面到底要扮演一个什么样的角色这个时候就是我们在找的所谓的 AI 原生这样子的一些企业我觉得这个是真正大家比较激动聊起来就会比较关心的那么在零售方面其实也是有很多企业在寻找这样的方向最终的最理想的状态就是 AI 能在这未来的几十年内能帮助我们做到什么样的程度
我们也都拭目以待然后也有 NVIDIA 这些大厂给我们的底层上面的这么大的 booster 和帮助对吧我就听起来作为一个女生喜欢 shopping 的人我就感觉好无聊对 point 就是在这想做的事情都做了如果你要是从不同的角度去理解零售科技的话有的时候是
会有不同的我们讲科技线或者是发展的方向我只举一个例子因为时间关系我只说一个比如说品牌品牌大家基本上有一个共识就是品牌应用零售科技最好越少越好如果你要是想讲出来爱马仕这样子的故事你需要长时间的投入你尽可能的少去干那种特别快提升效率四处乱扑品牌反而是你需要耐心
女孩子我还是希望有一个东西是不是说那么批量化我希望一个个性化的东西 made by hand 其实零售是一个巨大的话题那么 AI 可能它的角色又不一样了它就不是啼笑不是我们现在去讨论的这一些作用它可能是另外的一些作用
对我会想比如说是如果家家家里这个又缺这个厕纸或者是这一些我不太需要花时间我不太想花时间的这种东西我希望这个我的 agent 帮我买了但是其他的嗯我还是希望我有自己的主观的这个能动性在里面是的是的嗯
我们好像没有聊的一个地方是这个数字孪生然后这个怎么是在 AI 里面的这样的一个应用作为我们最后一个分析的一个案例吧让我们再摸到下一个话题我稍微的这个补充一下就是我觉得整个这里头有一个价值实现和这个价值形成的这样一个过程啊
那么价值实现呢其实是你真的富了能了那么但是呢是有没有被人认可是一件事所以这个是两个不同的问题回到咱们讲到说的数字乱升这里头从我的视角看零售的这里头将来呢可有两个比较重要的场景是我们作为零售这个领域的人需要去重视的啊
实际上是两个关系第一个关系就是说我们都要去重新去梳理建立和管理跟人工智能特别是大模型生存实验这种新的这种技术生产力的关系
我们每一个企业都要去做因为刚才我们讲到了就它不管是这种会负能人或者这个加速当然有些空间价值情绪价值它不一定去不是它的合成但是它有可能是去观察然后量化这件事帮你做得更好你到线下零售的时候女孩子到那边其实寻求的不光是这个物品的这个价值其实还有一些空间价值和情绪价值在里头的那
那有可能我们技术的确提供不了这种价值但有可能我们可以去观察它然后去量化它然后去管理它这是有可能能去做到的所以第一个关系就是跟人工智能和生存神爱大模型这样的一些关系在英伟达这边我们叫 NVAE 实际上是给你的一个这样的一个工具让你帮助你然后在这个时刻梳理建立和管理跟人工智能大模型生存神爱这种这样的一些技术之间的这种关系这是第一个第二
第二个呢重要的关系就是我们的每个组织也包括每个人跟物理世界的关系因为对于零售而言呢就是说的确 on the channel 这种就是说有很多都挪到线上了那么但是呢还是有很多的工作是要在线下的你门店是在线下的刚才空间价值 行业价值然后你的供应链有可能是在线下仓储在线下对吧各种各样的东西都在线下
所以这一部分是需要特别去做做好这样的一些规划管理的这一部分你没管好的话你整个零售的四个密度才是走不出来供需错配还是一大堆的问题最后会做成什么东西呢其实就是要做成数字万生就是你要去做成比如门店的数字万生仓库的数字万生然后制造的这个数字万生那么
那么让他知道你当下正在发生的事要去做可视化对吧要可协同可管理很重要的一个是可预测就是说你行政事务完身以后你有机会根据不管是历史的数据就当下其他的外部的一些数据你能预测未来发生什么然后实时的做一些调整
其实很多时候有时候在产品或者空间的设计上你怎么去设计我们有客户就提出来说我有几千个店我要开下一个店但我知道我开这个店的时候它的目的就是为了销售额为了客户的体验
那为了这种情绪价值和空间价值包括我又没有可能用这几千个店的数据然后来去生成一个新的门店布局啊方案啊然后能够让我借助这六千个店的数据呢去做好最好的一个新的店
那么其实就各种各样的这种需求会出来所以可预测变成非常非常关键那么这个时候呢其实就让你原来是在线下的物理世界的这部分的业务呢进入数字化的通道因为本身你去用视觉也好语音也好 IOT 的设备也好你把它本身的这个实时全量准确的数据拿过来这件事是成长的因为成本越来越低嘛
那么然后你把它分析出来数字乱生出来以后那你后面的管理就会有很大的改善那么英伟达在这个方向呢有一个产品叫 Oniverse 在我理解就是帮我们零售的企业去梳理建立和管理跟物理世界的关系然后让他们能够把自己物理世界的这些东西可预测 可管理 可协同然后甚至可视化我们最后做成一个比较好的一个解决方案
这两个关系梳理好建立好管理好的时候那零售就会是上新的一个台阶会有个新的变化您刚刚讲到其实需要物理世界的很多这个数据的收集然后再形成这个数字孪生然后我们可以再去做一些预测未来的这个门店会是什么样子但是在这个数据的这个质量上面会不会有一些现在的瓶颈啊或者是我们还没有达到的一些这个准确性啊这个会是一个很大的风险吗嗯
您说的特别对,就是说数字全不全,数字质量够不够,然后时不时及时,这些其实对于后面形成整体的解决方案是特别关键的一件事。我整体的感觉是,你要知道我们数据收集的方式越来越多,技术越来越先进,然后我们外部数据获得的规模也来变得越来越大。
所以其实还有一些技术是可以把一些数据全心做事做清晰然后让它能为我们所用我觉得这个方向是没有问题的只是说在操作的过程中你本身也是一个四格迷途的过程你需要对这个场景做得特别定制好你又想做规模化但成本和品质总是会有问题的但没关系
因为随着技术的发展成本一定会降低的然后质量一定有办法去改进的所以我如果看长期看未来我们不觉得有什么特别大的问题但短期就像您说的其实并不是每个方案立刻就能形成一个很好的闭环最后能达到大家每个人在每个领域里头期望的那个好爱我觉得这个是不现实但是
我们都要去看长期这样的一些技术会带来的一些变化对 它的准确性也是会迭代的我就突然想到这个应该是在可能七八月份吧发现 OpenAI 它的这个语音对话的那部分功能然后回到它的文字的记录的时候它总会最后一句话叫做谢谢您的观看
训练的数据可能是来自于某一些的这个视频平台对所以他这个就总会带一句这个视频平台经常会在结尾谢谢您对今天的这个视频的观看或者谢谢您今天的关注对就到现在就已经大半年过去了这个他们到现在还是没有把这个 fix 好对但是我们也不能说 Tri-GPT 不是一个好用的不是一个很跨时代的这样的一个产品对我们总是需要有一部分的这个是迭代的空间在
因为我记得在元宇宙创新的那一波 VR 元宇宙那一波其实就有很多企业他们想在这个方面发力尤其是跟电商相关的家居电商这些方面今年我们能看到其实像很多的这种 3D 模型或者说是相应的这种数据它的成本其实是显著的下降今年我们已经能看到在一些具体的赛道上面
现在生成的成本是过去的可能 1%甚至千分之一这种比例数字斗篮生这样的一个概念有更多产业化上面可以接受的这种在一些具体的一些像游戏像电影我觉得也会有更多的机会出现我们能看到很多企业其实他们的成本非常低了其实我们刚刚聊到了数据质量 AI 模型的准确性这样的一个挑战
我不知道在人才这一块然后特别是在零售领域可能传统来说它并不是一个这个人才特别密集的行业怎么样培训员工使用很多的 AI 工具啊或者是怎么样帮助很多企业的一些软件顺利的这个部署啊这硬件的部署上面会不会有一些什么样的挑战和风险在我的感觉是有的我觉得如果你让我现在给
零售的这个企业家一些建议或者这个创业者一些建议呢我觉得三个边界需要重新梳理一下就第一个边界是我们的环境边界变了今天就是我们环境里头有新的物种出现了所以
所以这个货多货少会影响我们这是第一个边界第二叫客商边界客商边界是说我的客户或者我潜在的客户和我的边界在发生变化因为他有可能会在知乎里头在问一些问题微博里头在抱怨我们在朋友圈里头在说我的好或者说我的坏如果我原来认为都是线下门店或者呼叫中心是我跟客户的边界你会发现这个边界已经错了
大环境边界已经变了第二就是说你自己科商的边界已经变了你需要把关注度放在你的客户边界的每个地方你要做一些管理你有可能在线上线下但是第三个最重要的是往内看是你的人机边界就在这个组织里头要重新看一下哪些事情机器来做人工智能来做哪些机器是需要人来做的
那么这是人机边界所以有的时候是人进机退有的时候机进人退就是机器一定要去做机器最擅长的那件事人呢需要做人最擅长的那件事所以这个里头要重新思考就说你的商业模式就会变因为环境变你有可能我也成为一个新物种对吧然后如果我科商变了以后呢我是不是要拓展到小红书上也去做运营然后到那边去种草对吧所以这种新的东西出现科商环境变了以后呢我马上就要做调整
那回到我的内部的时候就是说我的人到底干什么那人呢我们分成五个角色的话比如说你直接的客户是一个角色他在你的这个事业里头第二就是说你的服务者或者销售就这个服务者第三个服务管理者然后你的支持者比如市场包括你的这个后面的财务行政人士这一套的人马那么还有一些就合规的管理者这五个角色呢其实在这个时候都分别有可能不同程度的被
人工智能大模型生成还去做一定的赋能或者替代所以在这种情况下什么工作室应该是被赋能然后什么时候应该去放大的就刚才这次讲到比如在呼叫中心
有可能你需要的是有温度的服务这里头的这个情绪价值会非常但是你又不需要每个人精通到对你每个产品每个销售策略几百个策略导到一个产品上最后价格是多少你怎么可能让人记得住呢但是人是有情绪价值他可以去安抚人所以人做人该做的事剩下让机器来去赋能他让他变得更好不管是在工作前工作中和工作后管理前管理后你做指件所以这些东西其实都有可能会发生变化
所以回到这里来我觉得其实是一把手或者管理团队重新的对这三个环境的思考和重新的规划和梳理非常关键然后之后再形成解决方案用大模型人工制有可能视觉用传统的一些语音方案去替代到一些然后把人解放到最应该干的那个事情里头去让
然后让他干得最开心成本最低然后让他付出最小然后最顺滑的把事做好这个时候呢一方面呢就形成一些工具第二个呢建立他使用这种工具的习惯然后让他能够在工具或者机器的配合下呢表现得更好那我觉得这是应该是未来所以其实先要把业务的东西想清楚然后自己最后你的工作的岗位是什么然后呢再最后思考这些人的能力应该怎么重新规划和培养
那么其实说到培养的时候你就会发现我们以前的培训都是三规定规定时间规定地点规定内容那个太低效了现在我们已经看到太多的解决方案就是问答式的甚至用 XR 的方式 AI 的方式去做这样的培训对吧就是说你任何时间你都可以问然后这样让培训的这样的一些排班都变得非常的智能化人性化然后让人工作的更加方便然后让他的培训的周期相提的能力是可以被
大模型的赋能替代然后让每个人变得更高效然后创造更多的一些价值所以我觉得这个是后面我们看到的一些变化
对刚刚您讲的激进人退我突然想到了一个这个前两年其实亚马逊的无人零售店其实是特别火的然后包括其实是在前些年国内也是兴起了一波这种无人商店的这样的一股浪潮吧但是其实后面有一些这个媒体报道出来是说亚马逊虽然说是在商店里就是无人的在卖货品但是每一笔交易它后面都要需要几十个后台的服务人员在何时到底卖出了多少东西然后
需要核实很多东西吧对其实它就符合了您刚刚讲的其实激进人退但是人退的不是在现场退的反而是在这个远程还是需要很多人在辅助的我不知道这些年是不是可能有了这一波的人工智能的进展可能在后台其实也不太需要这么多人了
然后另外一个问题就是说那零售的这个智能化是不是未来的一个趋势因为现在我们确实是有很多的这种社会化的问题包括全球的人口的老龄化然后包括可能像特别是在北美这个用工男这种问题就是经常是顾不到人特别是像加州然后这个每小时的这个最低人工成本都已经应该是到二十几刀了对对对所以这个是非常
现实的问题对我不知道这个无人店现在的情况怎么样了然后我不知道这个 NVIDIA 这边有没有一些这个观察有没有一些观察我觉得正经常在讲特别好就是说怎么样去思考就是将来这个比如一些业务的方向
以及包括我们的社会的一些责任或者社会价值对吧就人都不工作了怎么可以这是个问题所以我觉得整体上来看这件事就是说其实资格的这个迷途被解了以后最终究的一个结果是让越来越多的每个人的个性化的需求会被这个针对性的解决而且在一定合理的品质和成本上去解决而且是可以规模化
所以其实是你要说个性化的需求的时候它是无穷大的规模很多时候我们只是因为做了让步做了取舍我本来想找个人花五块钱在我们家窗帘那个打个孔 45 度口径是比较一英寸
但就没有人能够赚着钱提供这种规模化 个性化的服务所以我只好买了一堆的工具嘛就是我要的是个窟窿我要的不是那套工具 对吧但是人本质上用到的还是服务所以其实我觉得第一个就是需求是无穷的不用担心第二个呢 在这个需求里头有很多的这个是需要由人来完成的这些这种情绪价值啊这种个性化这种东西其实是每个人都需要的
只是说有可能经济价值太贵或者你没办法保证品质保持规模但是人的服务是需要的对 人的需求是无穷尽的无穷的 无穷的对对对最后当然你必须在合理的成本上对吧合理的规模上品质能保证这才是一个生意这才是一个大家协作的一个前提我觉得这是第二点第三点我是觉得其实好多工作刚刚开始如果我们把人尽机推这想清楚了以后
那我们中国呢其实在无人零售里头如果你只是为了满足一个功能性的需求啊其实你就到那儿就买东西你不需要情绪加持你不需要谁跟你说哈喽是这杯不用我在国内看到的情况比如说无人零售柜就是一个柜子啊它原来呢是用特别笨重的机械
来保证你买了东西真的付了钱他又给了一个货然后你能拿走这台货你还不会多拿走不会偷到所以很机械现在我们的解决方案是什么呢其实就是基于人工智能机视觉的我那个门上面呢对角有两个摄像头我们在本地呢有一个 Invidia GPU 在计算在计算什么呢就是说你刷信卡或者刷二维码开门最后是我来计算你真的拿走了什么东西然后我把这段的视频给留下来
然后你关门的时候张单就来了那么这个的好处就显而易见成本这么又低又智能然后又轻然后又小的这么一个东西可以补到全世界任何地方你的办公室里头的任何机场码头所有地方都可以去补然后你卖的商品还不只是原来机械产品你还能去做各种不同的产品调整所以这个产品就会做得非常好我们有伙伴在这方面的产品
我们一伙伴也正在做购物车的这个场景就在购物车里头其实很有可能就是我做一个屏做一个视觉的方案然后我识别你扔到购物车里头的这个商品到底是什么样的商品如果我足够及时准确的话其实你推出去的那一刻只要你在车上的屏上刷一下卡
那个车就亮一个绿灯你亮绿灯你就可以走对吧所以这个叫不叫无人灵手可能不一定但是呢其实是它就一样你去任何一个卖场里头你任何东西扔进去它都可以识别出来它都可以给你计价拿走又减掉一个然后最后准确地告诉你你框里头买了什么东西走的时候你刷完卡你直接走就行你也不用排队
也可以防损也可以知道你的需求甚至你可能会在就是出门前就计划好我这次来买什么东西我甚至计划一个礼拜我用自然语言告诉他然后他会先成一个购物清单我调整调整完了同步到那个瓶上面然后他再给我 rotate 到那些货架然后把它就变成非常流畅我觉得在这里头就会有很多轻量化的有新的一些方案去在做这方面的一些尝试
我这次在北京其实还包括在深圳其实也看到了这种就是在游客比较密集的地方会有一些这种可以自动走的一些无人的小车然后就小车里面自己就会有一些不管是面包呀水呀还有一些可能是纪念品呀然后他都会在有外面的那个屏上面然后不断地在变化他的广告然后他看你来了然后他就停下来然后你走了他就会继续再开然后这样的一个场区里面我记得当时应该是在 798 吧在北京
这样的车有很多很多我感觉我可能每走三五步就会遇到一个这样的新车对我觉得这种之前其实是比较少的然后就是在过去的可能是半年的时间突然好像就爆发了一样很多地方都有在北美你有看到吗你说的这种直接买东西的我没看到但是这个送货的这种机器人这种还是很多的我觉得如果我们聊 AI 与人力的话
归根到底不管是零售数字化还是讲现在的 AI 其实首先第一点就是大家都会用脚投票这是一个商业的一个话题只要你的 ROI 能变得更好你能挣更多的钱你能花更少的钱那么一定会大势会 push 大家往那个方向去走但是我们讲零售科技用更便宜的人或者是科技来替代原有的业态这个是
几十年甚至上百年或者是人类社会上一直在发展的避不开的我们在纽约的一家背头企业它跟无人售货商店不太一样它是无人点餐的餐厅蛮有意思的一点是它其实并不是无人它是用 Zoom 接了一个菲律宾的人因为菲律宾那边的人它的成本非常低你相比于纽约曼哈顿的成本那简直是低太多了它要用 Zoom 来做一个炸鸡店的一个点餐员
这种情况其实只是一个缩影就是说我们的零售科技其实在过去的一个长时间的历史中间一直是在往前走的
所以你不能说我们因缘废时或者怎么样的,你蒸汽机上来的时候还会有很多人去砸蒸汽机呢,对吧?但是好处是什么呢?就是我蒸汽机上来了以后,我马上会有新的职业会诞生。完全有几个 AI 的机器人的咖啡店,然后我都有关注过,然后最早像有 X 咖啡,然后 Artly,然后都是。
积极手臂然后帮着冲咖啡然后其实还是有人在里面然后帮着你可能有的时候就接个单啊然后跟大家这个招呼两声啊对我觉得这个情绪价值还是需要给到的嗯
我们再看一下就我们刚刚其实聊到了 AI 领域的这种新物种然后我不知道两位能不能帮我们再预测一下就可能从瑞士角度是预测一下这个 AI 零售的投资热点就今年其实像你们投了很多可能 AI 领域的这样的 SaaS 的工具然后下一个独角兽可能会从哪一个领域爆发出来从 NVIDIA 的角度会不会有一些不同的一些看法这个话题刚才我已经基本上讲了就是一个就是说我们会关注视频端的
跟视频相关的不管是线上线下的解决方案还是独立站的平台不管是 AI 相关的还是说其他零售科技相关的然后还有一块就是就是在提效之外的这种 AI 的创新逻辑所谓的 AI 原生啊
这个当然也是所有的投资机构和所有的创业者他们在寻找的我可以举一个例子是我们在招聘领域找到过这样的一个项目因为你像招聘之前大家是一定要有简历就有点像证人买驴我一定得量一个尺子出来这个简历就是我的尺子
其实你真正我们要的是这个脚和这个鞋那其实 AI 出来了以后我们并不一定需要简历见到一个企业就是他用这个解决方案就是他是用虚拟人或者是这个 Chatbot 他跟你对话对话完了以后呢这个 Hiring Manager 雇员的这个公司他也是去聊天对话
然后他两边的数据进行匹配那更合适的人直接出来了其实你不需要去填什么简历就是都是在对话中间就完成了那么其实同样逻辑是可以应用在零售里面的对大家就是每个人一个 agent 就是每个人是一个钢铁侠的 charles 然后你每个企业又有一个自己的 charles 然后大家到时候就这些人对话就可以了机器人对话就可以了就不需要我们再进到超市里面去说我要买什么东西了
所有的东西他都替我解决了嗯所以其实你的角度还是看一些这个比较新奇的怎么样颠覆我们已有的工作流的这样的一些 AI 原生当然当然我觉得这个是早期投资因为工作所限啊就是我们的这个这个工作所限所比较关注的但是你说文生图的这个潜力大不大我我
我们当然承认文生图的潜力是很大的虽然有的时候大家有一些 debate 但是总的来说我们看到的是普遍还是比较繁荣的一个景象当然最后真正终局谁能跑得出来这是一个巨大的问号其实在应用层大厂稍微动一动出厂企业很多就受很多的影响这也是常有的事所以其实我们就比较关心 NVIDIA
建民总他们那边有什么样的动作对建民总这边呢因为从 NVIDIA 的角度会不会有一些什么觉得市场上面还是蛮有机会的一些这个应用角度啊或者是产品
嗯我们是个平台性的公司但我们客户要的是方案最后市场需要的是方案所以其实在我们看来呢还是比较关注新的一些软件平台然后能够对未来的形成新的解决方案所贡献的力量那以及因为这个而要构成的新的生态啊
那么其实刚才就说两个方向一个地方就是 NVIE 这个方向以及 Oniverse 这个方向所以还是帮我们的最终这两个方向就是利用我们现在最新的这些能力技术然后来帮我们的客户去建立树立管理和人工智能这种新的生产力之间的关系
以及跟物理世界的这个关系所以大的方向来看我们越来越乐观地看到很多很多的不管是我们的伙伴还是我们的最终的客户都在有这方面的需求有很多尝试有很多创新在里头在去做大家都是要去想新的发展新的机会新的生态是什么样子自己去占那个生态位
所以我觉得这是我们未来要去花更多的时间关注然后呢去工作的一些方向吧对 NVIDIA 其实在生态上面做得非常的好特别是也有这个初创生态的一些这个扶植的项目
我不知道最后大家还有没有可能对零售行业的从业者有没有什么最最后的一些建议其实刚才建民总其实建议了蛮多这个零售的企业主应该从什么角度来思考问题然后从一些底层逻辑上怎么来布局自己的这个 AI 的这个策略其实聊了蛮多我不知道最后建民总还有没有最后想叮嘱大家一下的从长期来看从宏观上来看我觉得其实对这个方向还是非常非常乐观的
然后可能遇到的这种各种各样的一些问题和挑战其实都是暂时的所以我们自己去观察那就是我们做不管是人工智能赋能或者说是做数字化我们
我们其实是有五个要素是一个组织能够成功的一个前提第一个要素实际上你必须要有场景因为有了 IoT 有了视觉以后这个场景就代表着数据你有多少个电对吧你多少个场这些都是你的数据的来源所以第一个是有场景
第二个你一定要有资源其实就有预算你必须给人工智能这个方向去做预算的准备然后因为所有的人都在往这方向第三个你要有团队你自己要有 inhouse 的一些人在你的公司里头对你的业务流程对你的产品都非常非常熟悉但是又能从技术的角度从人工智能角度向外提出来需求最起码是代表你能正确地提出需求来
但是如果你能自研那就更好了所以第三个你要有自己的团队第四个你要有伙伴因为你这就是一个生态的社会不是每件事都要自己去做而且有时候做的也不擅长成本会很高所以必须要有好的伙伴那么英伟达是愿意成为你的一个底层的伙伴当然你可能需要更多的伙伴是我们英伟达的生态伙伴里的伙伴我们会推荐过来第五个是最重要最重要就是 18 社会高官团队的认知和决心
这次的变化其实跟以前是不一样的其实对零售历史上有多少次的局部的或者甚至是一定程度上的改变但我觉得如果人机料法还是制造业那么人货厂是零售的话人是核心
而这次我们的人工智能的技术发展到今天的时候它是在人的这个能力上的一定程度上的平移替代比如说制造业是原来我们体的这一部分的能力被替代这次我们的脑子很多的能力是会被替代的
所以在这个上面我觉得一把手要重视这样的一个潮流重视这个方向然后真正认可了以后要去在这个地方有实践精力的投入甚至自己下场要做一些事情这五个要素有了以后我们才能看到不管在每个领域里头都有可能在自己的这个业务实践过程中局部的创新还是整体的商业
商业模式的改变上面就会有新的一些机会所以我非常期待有这五个都准备好的国内一些零售的企业跟我们一起做一些交流我们也有各种各样的技术的团队 Inception 的计划我们做 Hackson 做各种各样的一些市场的活动然后包括计划的一些支持来帮助我们的中国的零售企业走这一步的一个飞跃所以很期待跟大家做进一步的交流和学习
其实我们今天聊了很多从零售科技讲到 AI 我也想两位学习到很多我记得大模型这一波起来了之后那么现在这个时代 CEO 一定会被问到的一个问题就是 What's your AI strategy 那么零售企业其实很多大家会自己觉得自己跟 AI 好像离得会比较远
但是事实上最后发现所有的企业其实都绕不开这样的一个话题所以我们现在见到的这个趋势是不管是大的企业小的企业你是做独立站的还是做大型的连锁的那么可能你都要去思考未来你的企业里面怎么样去应用 AI 那么应用 AI 并不是说我自己非得要雇多少 AI 的人才或者说我自己去开发一个大模型对吧我更多的是说我怎么样去应用整个市场上面已经有的软件硬件这些资源
所以今天正好我们也在这样的一个对话场合那么大家怎么样去利用好像 Media 像其他的一些这种大厂他们给我们提供的一些资源然后达到一个自己的 AI strategy 我觉得这个其实是所有零售企业的未来非常需要去思考的一个很重要的话题当然很多的机会也会因缘而生
不管是什么行业可能在工作流上面都有或多或少的角度或者是空间是需要用 AI 整个再重新梳理和优化一遍的对 反正这次跟这个建民总和 Richard 交的时候我就反复地在想我们生动活泼能不能怎么再做得更好一点
怎么能跟 Ni 结合再优化优化然后有什么问题也可以在我们评论区里面然后我们来交流或者是给我们这个邮件就如果有问题的话我们也可以下次再请煎饼总还有 Richard 我们再做一个返场都没有问题好的那我们今天就差不多聊到这里了谢谢拜拜拜拜拜拜
这就是我们今天的 What's Next 科技导致的欢迎大家在评论区和我们留言互动加入到科技和创新的下一步讨论中来另外如果你想支持我们在播客内容上的探索和创新欢迎大家加入我们的生动胡同会员计划详细的加入方式和信息请查看本期节目的收纳那我们下期再见