曲美家居大屯路店近日焕然一新开门迎客，外界能明显感知到的是，这家门店充斥着京东元素。但在曲美家居董事长赵瑞海看来，这家店很可能打响了传统居家行业变革的第一枪。与赵瑞海一起现身体验店开业仪式的，还有京东集团高级副总裁、时尚生活事业群总裁胡胜利。刚刚投入到时尚生活事业群5个月的胡胜利，业务千头万绪，为什么会选择不太热门的家居卖场进行改造？胡胜利坦言，主要出于对行业趋势的判断。“虽然我是刚从3c业务转行到时尚，对家居更是门外汉，但我们坚信行业发展的趋势就是无界零售，尤其是做了2年的京东之家后，更加坚信这一点。”在胡胜利看来，传统家居卖场需要做无界零售的改造，而曲美恰好能认同京东的理念，并愿意与他们一起打造新的时尚生活体验馆。对于京东来说，这无异于得到一个绝好的线下场景来继续践行无界零售的理念。“这才是我理想中的‘京东之家’！”参观完整个体验馆后，胡胜利向《零售老板内参》APP感慨道。相比于京东之家面积200~300平米，商品也以3C品类为主，京东曲美-时尚生活体验馆面积达3000平，商品包括家居用品、3C、快消品等，可以说覆盖消费者生活的方方面面，并且整个门店设计雅致，能让用户真正体会“家”的感觉。赵瑞海认为，京东曲美—时尚生活体验馆给他最大的感受是：低频的家居用品和快消品竟然融合在了一起。这在传统家居人看来，简直不可思议，但现在赵瑞海想通了；只要有了流量，交易就不是问题。消费分级：差异化选品，嵌入居家场景京东曲美—时尚生活体验馆最明显的变化，还是选品。除曲美家居商品外，京东又增加了3000多个SKU，而把这3000多个SKU嵌入门店的各个角落，无疑是个技术活。据了解，3000平米的曲美大屯路店分三层，京东对每一层的选品逻辑都不一样。在胡胜利看来，用户是分层的，消费是分级的，所以该体验馆从一层到三层分别针对不同的消费人群，越往上，用户的消费能力越高。在门店一层，所有的商品都以货架形式陈列，因为一层流量大，用户较集中，用货架可以展示更多的商品。这些商品被分为不同的专区，例如小熊专区、蓝角落、京造专区、网易严选专区等。用户进店的第一印象是：商品琳琅满目，分布错落有致。其中，京造专区有1000多个SKU，网易严选专区则有800多SKU，这些商品亮相高端家居店，还是十分新鲜的，它们不仅极大地丰富了门店的品类，也十分有利于吸引客流。总体来看，一层的选品多以日常生活用品、快消品为主，相比于家具来说，这些商品的吸引力、消费频次会更高一些。这也是京东为曲美店引流的方式之一。二层就是家居用品的集中展示。基于“空间重构、场景升级”的设计理念，二层构建出儿童区、老人与猫、女性空间、亲密关系、设计师的家、绅士品格、时尚白领空间、女童场景等8大“无界零售样板间”。其实，曲美家居体验店此前也做空间，也做全系列商品生态。但据赵瑞海介绍，之前的空间展示，他们并不知道用户真正喜欢什么，而是想象用户会喜欢什么，然后进行相关商品的陈列。京东改造后的8大样板间里，则巧妙嵌入了京东线上家居商品，例如威可多、格罗尼雅、双立人、乐高、杰士影音、罗莱、可米生活、德龙、哲品、森海塞尔、懒角落、Quintus、爱慕、飞利浦、Foreo、雀巢、小熊、BEATS、oralb欧乐B、富士等多个跨品类品牌，它们以0元租金入驻京东曲美-时尚生活体验馆，极大丰富了用户的购物选择。但京东不是想当然地布局，而是先对京东和曲美的用户进行匹配。据赵瑞海介绍，京东与曲美的用户匹配度高达90%，即曲美90%的用户都会在京东平台进行购物。京东根据这些用户过往的消费记录，挑选出最受欢迎的品类，将它们分别布局到恰当的场景中，从而让这些样板间更加符合消费者心理预期。例如，在爱养宠物的老年人的家居空间里，京东就精心布局了净化器、除臭喷雾等产品。京东曲美-时尚生活体验馆的三层，则完全是针对高端用户的场景，更多强调体验。因此，门店三层设置有三个高端体验场景，包括为用户进行高级服装定制、茶饮等服务。让有消费能力的用户得到更加优质的服务和体验。线上线下商品信息打通，门店购买京东物流配送除了把京东自营或入驻平台商家的商品导入，京东还把大量黑科技应用到门店。从进店开始，门口就安有人脸识别的摄像头，可监控店外两米范围，曲美会员和曾经到店的用户都能快速识别，再通过智能屏推送消息，时刻提醒用户该到店里逛一逛。在入口几米远的地方，就能看到一台智能推荐广告机，用户站到大屏前，广告机会自动识别人脸，AI系统会根据用户此前在京东和曲美的购物行为，为他推送适合自己的样板间。同时，门店所有商品都标上了NFC加购电子价签，用户只需手机贴一下，就可直通京东商城下单。还有Mirror+技术，该技术通过RFID标签或者扫码技术扫描衣物，用户只需要将衣物靠近添加了Mirror+技术的智能屏，屏幕会立刻自动播放衣服介绍以及相关的视频、图片，点击屏幕可实现一键下单。在二层的图书角和影音角，《零售老板内参》APP还体验了take技术。随便拿起一件小商品，旁边的ipad就会立刻播放该商品的视频，屏幕上还有一大波弹幕袭来，都是用户对于这件商品的评价，可以让用户了解到更多商品信息。此外还有AR试衣镜和试妆镜，智能音箱等设备，通过这些黑科技，让传统的家居卖场变得更加好玩、有趣。但京东曲美—时尚生活体验馆不是简单的增加好玩的黑科技，背后其实是线上线下的深度融合。首先，门店所有商品既可以线下购买，也可以一键加入京东购物车，享受京东物流配送到家的服务，线上线下商品信息完全打通。其次，门店不再对用户一无所知，选品、场景布局都有大数据支撑，门店的智能摄像头，无处不在的智能广告屏，都可以进行人脸采集，然后分析进店客流转化率、门店热力图等，形成更加精准的用户画像，提高门店运营效率。因此，赵瑞海认为，京东曲美时尚生活体验馆，不是简单地加入了京东元素，背后是人、货、场的重构，本质上是对传统商业模式重构。家居行业变革加剧，低频家居卖场能变高频？对于传统家居卖场来说，近年来市场份额饱受电商侵蚀，而随着电商物流的进一步发展，有人甚至担心，未来可能会出现这样的情况——用户线上下单，家居用品就被送货上门，待用户体验完毕再决定是否购买。如果是这样，传统家居卖场最大的优势——“体验”，也将被电商抢走。与其坐以待毙，不如主动出击。曲美与京东的合作就传统家居卖场求变的典型案例之一。在赵瑞海这样的传统家居人看来，京东带来的最大惊喜，就是把低频的家居用品与快消品融合在一起。“之前我总觉得耐用品和快消品是两回事，但这家体验馆让我看到两者的结合，只要把流量引来，成本、交易都不是问题”，赵瑞海不无兴奋地说。这点确实感受明显，例如在门店欣赏家具用品的同时，也可以看到京造、网易严选的精美小物件，还有精品图书和3C电器，甚至有一整排的零食货架，供消费者小憩时候补充能量。总结其基本逻辑：用快消品、网红产品为门店引流，再用精美的家居用品、优质的体验让用户沉浸其中，当家居卖场占据了用户的时间和空间，就能激发出用户的购买欲望。有类似想法的，还有引入阿里130亿融资的居然之家，虽然曲美和居然之家模式迥异，但其核心思路如出一辙：让低频的家居卖场变得更高频。为此，居然之家体验MALL——北京丽泽店近日宣布，盒马鲜生即将入驻该商场，此前丽泽店自营的安康超市则停止营业。自营店被盒马鲜生取代，可见居然之家对门店引流的迫切需求。截至目前，居然之家丽泽店已经成为各种创新的试验场，在盒马鲜生入驻消息出来前，今年3月，居然之家斥巨资，在丽泽店打造出2500平的啵乐乐儿童主题乐园；紧接着4月底，居然之家又宣布，“居然吃火天下”和“居然耀莱成龙影城”品牌同时开业，这意味着两大引流利器——餐饮和院线也同时入驻丽泽店。至此，居然之家体验MALL完成家居建材、生鲜超市、餐饮院线、儿童娱乐、数码智能、体育健身及居家养老等大消费业态的全覆盖。总之，曲美和居然之家的跨界融合探索案例，表明线上线下融合正不断深入，从传统的零售商超，拓展到家居卖场。它究竟有没有好效果？期待未来这些创新业态的销售数据能给出答案。

在人类与疾病的战斗中，治疗与预防同等重要。但医院里漫长的等待、工作的快节奏、生活的压力等等都给了现代人太多的制约。而今，一位可以随叫随到，从不疲惫，甚至诊断准确度高且稳定的“超能医生”正在打破这些束缚，患者甚至可以足不出户，只需上传特定要求的照片，就可以完成诊断，整个过程不需要专业医生的参与，不受时间场合的限制。就在这本周，美国食品及药品监督管理局（FDA）批准通过了首个应用于一线医疗的自主式人工智能诊断设备，这款叫做IDx-DR的软件程序由IDx公司研发，可以在无专业医生参与的情况下，通过查看视网膜照片对糖尿病性视网膜病变进行诊断。IDx-DR类AI产品的批准通过，可以使普通人更方便自主的完成常规诊断，同时极大的节约了社会成本，至此，AI诊断爆炸时代已然来临。这同样也是AI应用的一大里程碑式成绩。“被FDA认定为‘突破型设备’（breakthroughdevice），不仅是对IDx-DR价值的肯定，也坚定了我们长久以来的信念，”IDx创始人兼总裁MichaelAbràmoff博士说到，“太多的人因为没有及时诊断而导致失明，这样一种高效、高性价比的方法可以说是众望所归。”甜蜜的忧伤并非所有的疾病都如疾风骤雨般现身，此刻，也许有的疾病正在悄无声息的吞噬着我们的感官。假装温柔，实则残忍，有的恶魔如温水煮青蛙一般，偷走我们的健康，等到发觉却为时晚矣，而糖尿病性视网膜病变就是这样的疾病。我们都知道，糖尿病是一种代谢类疾病，患者表现为血糖长时间高于标准值，如果不能及时控制治疗，最终会引发一系列症状，包括头痛、肌肉无力、伤口愈合缓慢等，其中视网膜病变就是最常见且严重的并发症之一。在人的眼球后部有一层薄薄的细胞层，便是视网膜，也称视衣。感光层由视杆细胞和视锥细胞组成，他们感受光，并将光转化为神经信号进行传递。糖尿病会引起视网膜毛细血管壁损伤，加之血液呈高凝状态，易造成血栓和血淤，甚至血管破裂，最终无法为视网膜细胞提供营养，导致病变，甚至失明。如今，糖尿病视网膜病变已成为仅次于老年性视网膜变性之后的四大致盲因素之一。在美国，如今有超过3000万人患有糖尿病，其中每年约有2.4万人因为糖尿病导致的视网膜病变而失明。但看似来势汹汹的眼病并非无药可医，如果发现及时并治疗得当，大部分的眼病都可以有效避免或延缓。但并不是每个人都如此“幸运”，在美国，只有大约一半的糖尿病患者会进行常规的视力检查，而即使有条件进行预约，通常也需要经过数周或数月才能见到专科医生。而今，IDx-DR将要取代眼科医生，使随时随地的诊断成为可能。真正的AI医生与预约真人医生相比，IDx-DR真的是太方便简单了，只需要护士或者医生通过使用特殊的视网膜照相机拍下患者的视网膜照片，随后按照IDx-DR软件的指示上传图像，并确定图像的质量是否足够获得分析结果。如果图像合格，软件将自动分析（无须专业医生参与）患者是否患有糖尿病性视网膜病变，并将根据结果诊断并决策后续治疗。在前期的临床试验中，通过对10个主要治疗地点的900名患者的视网膜照片进行分析，IDx-DR正确检测到糖尿病性视网膜病变的准确率为87％，正确识别没有发病患者的准确率为90%。这短短几小时的诊断，IDx却整整走了21年。IDx是一家专注于开发临床自主诊断算法的公司，但纯粹的人工智能让FDA感到不安，因而单就和FDA在如何评估系统并确保其准确性和安全性方面的沟通，IDx就花了7年。同时为了让产品更好的接近普通患者，公司也做了其他必要的调整，比如前文提到的图像质量判断组件，就是权衡之后的结果。“拍摄视网膜图像并不容易，”Abramoff表示，“该算法会告诉操作员是否需要重新拍摄，或者图像满足要求。这看起来是个细枝末节，却十分重要。”万事俱备，临床试验必不可少。为了证明IDx-DR的精准性，一场AI与资深专科医生之间的“决斗”避无可避。在开始诊断之前，IDx-DR开始了它的“吸星大法”——用4个小时读取了超过100万张眼部照片，用以学习糖尿病性视网膜病变的症状。图丨IDx创始人兼总裁MichaelAbràmoff随后IDx-DR重读了800余份由3名专业医生诊断的病理，最终诊断为患有糖尿病性视网膜病变的准确度高于85%，有轻微症状或健康的准确度高于82.5%，相关结果IDx在2018年2月美国加州举办的黄斑学会年会上进行了展示。不仅如此，IDx公司还开发了用于检测黄斑变性、阿尔茨海默病、心血管疾病和中风风险的算法，AI诊断的风正在愈刮愈烈。引爆AI诊断事实上，从今年2月起，FDA就表现出了全面放开AI诊断决策支持系统的势头。顾名思义，诊断决策支持系统是设计用来辅助医生在诊断时进行决策的支持系统。这种主动的知识系统通过病患至少两种以上的数据进行分析，为医生给出诊断建议。医生再结合自己的专业判断，从而使诊断更快更精准。2月，FDA批准通过了Viz.AI针对中风的AI诊断软件ContaCT，该软件能够对患者发生中风的风险进行判断，如发现可疑的大血管阻塞，该软件会分析计算机断层扫描（CT）结果并通知神经血管专家。因为专家仍旧需要在平台上进行进一步的诊断，所以ContaCT并未完全取代专业医生。同时关于心脏病、癌症、儿童自闭症等疾病的诊断算法也在近年全面开花，可以预见，未来几年内将会有大量人工智能诊断系统通过审批，我们将见证AI医疗应用落地的爆炸时代。相比人类医生的十年寒窗，人工智能的学习可能只是数个小时，而在诊断时间上，差距也同样悬殊——1小时vs1分钟。在同样甚至更高的准确度，或同样或更低廉的价格面前，人类医生和AI，你会选择哪一个？

最近我们一直在探讨这样一个问题：为什么AI飞速发展，普通人还是觉得距离AI非常遥远？实际上，推而广之这可能不单单是媒体和技术爱好者的疑问。上升到更大的国家与社会经济层面，对真实可用、能快速见到实效的AI需求已经十分迫切。从“新一代人工智能”政策出台，到国家AI创新开放平台公布首批名单，再到近期工信部发布三年规划，可以看到政策层面一直在将AI向实用化、产业化、融合化方向推进。换言之，如何让浮在实验室与测试数据中的AI技术，走到现实世界和我们的生活当中，显然已经足够急迫了。今天很多媒体都报道了，在刚刚结束的2017云栖大会·北京峰会上，阿里云发布了堪称迄今为止最全面的阿里AI版图。但在阿里复杂的AI业务、产品和合作生态背后，也许我们能够发现一个关键词：产业AI。产业AI到底和其他AI有什么不同？让阿里举重兵投入的道理何在？在一片技术喧嚣和话语迷雾里，AI走进我们的生活时究竟会是什么样子？今天我们或许可以从一些小故事里，来回答这些问题。什么才是产业AI？开始故事之前，我们要先回答这样一个问题，虽然这个问题看起来像….废话….但是没办法，真相往往跟我们的想象或多或少有点不同。顾名思义，产业AI当然是在具体的一个个产业里发挥作用的AI技术和产品咯。也就是我们经常说的AI赋能传统行业。但有点不同的是，我们在讨论AI赋能行业，或者所谓“AI+”的时候，往往设想的是以AI为主体，来实现某个领域的固有功能。比如一些AI+教育平台，就是用AI的语音交互和NLP能力，来实现远程教育功能。在这种情况下，我们思考的是用AI替代，而不是用AI结合。它能改善一些情况，却无法真正提高这个产业本身的效率，降低原始成本，更不能融合在整个产业线之中。所以真正的产业AI，必须是能够与传统产业无缝结合，推助这个产业核心部类向前发展的。这也是阿里云从ET大脑到产业AI布局的根本诉求。尤其需要注意的是，深度的产业AI必然指向复杂的行业限制和真实需求，往往比简单的AI替代论复杂很多。比如说想让AI来计算机场的停机坪使用情况，提高停机坪的使用效率。听起来蛮简单的一件事，但是一名真正的机场调度员，却需要考虑航班号、机型、国际国内分类、近机位优先原则、机上状况、航空公司情况、机场建设状况、流量状况、延误航班对下序航班的影响、天气状况等等十几个因素才能决定飞机停泊的机位。假如AI系统只算了其中一两个，漏算了某些因素，岂不是耽误了大事？所以说，产业的需求往往比我们一般想象中复杂太多，综合来看，AI想解决产业问题，必须具备四个方面的基础能力：1.多维感知能力：真实世界中，数据和信息常常是从几个方向混杂过来。假如AI只能听、只能看，或者只能连接数据库，那么它就会变成盲人摸象型AI。只能用来炫耀某种能力，却无法真正投入使用。2.全局洞察模式：能感知之外还要能分析和归纳，就像上面说的运算停机坪。AI必须综合各方面信息和实时变化的数据流，随时做出统领全局的最优解。这就是我们所说人类的大局观。没有大局观的人不能胜任管理，没有大局观的AI也是一样。3.人机协同体验：想做产业AI，必须承认的一点是今天的AI绝不可能，也不希望彻底取代人类。必须是人机协同的工作模式，但是人机如何协同，如何在缩减人的工作时间，提高人的工作效率之外，不会浪费大量学习成本和适应成本，也是关键问题。4.持续进化能力：日新月异的工作，必须让人不断去适应和学习新的工作方式，对于AI也是一样，如果产业AI不能进化，那么工作需求一旦变更AI就变成废铁一块，那确实不要也罢。为了解决这四个很让人挠头的问题，阿里云的解决方案是构建了目前为止世界上最大的综合智能体：ET大脑。在阿里强大的计算能力、数据优势加持下，ET大脑可以适应各个行业的感知、洞察、进化需要，满足不同的智能运算需求。这背后隐藏着这样一个现状：必须有算力、数据、算法三者的有效结合，才能有AI在复杂场景里展开与原始产业体系合作的可能性，才能达成所谓的场景。阿里云能最快布局产业AI，可能原因也在于此。但是这可能还不够，产业AI之路，绝不是单纯的技术能力可以搞定的。到底该如何打造产业AI？如果你身处一个比较传统的行业，不妨想想，假如为你安排一位超级智能的AI助手，你的第一反应是什么？很兴奋？那么第二反应呢？大概是感觉学起来很麻烦，不知道到底好用不好用，担心成本和收益不相符，等等等等。这是没有办法的，人在面对新事物时的先验反射永远都是排斥和怀疑。尤其是AI这种先天具有科幻色彩的技术与产品。所以说，实验室和PPT上的AI是相对容易的，但产业AI却要更复杂。其复杂程度很多时候不在于单纯的技术挑战，而在于需要复杂且长期的企业合作、谈判沟通和对细节的苛求。总之，都是苦差事和累差事。这几天与阿里云的专家们沟通，听了不少故事。从这些故事中，可以把阿里打造产业AI的秘密归纳为三个方面：一、深入场景的具体需求当中。很多AI技术走进现实时，往往会太重AI太轻现实，这样做的直接结果是完全低估了产业化进程的难度。比如阿里云在打造ET工业大脑的时候，面对的都是已经二三十年的老机器。这些机器怎么AI？怎么能够不给企业成本压力，如何让老工厂的工人懂得使用？可能都是科学家一般不会思考的问题，却真实阻挡了工厂的AI化。而阿里云的解决方案蛮简单粗暴的：直接派工程师在车间蹲守，一台台机器去琢磨和收集数据，貌似这在科技企业中是第一份。据说第一个试点企业最开始也是拒绝尝试工业大脑的，于是阿里云决定免费安装。结果很快给企业节省了几千万的成本，然后企业主动要求付费……可以想见，不深入场景和产业的AI是很难真正进驻产业化的，而这对AI企业的团队和执行力要求其实远超想象。二、以行业从业者为核心思考问题。我们时长忽视的一个问题，是AI技术有时候并不能讨人喜欢。看似有道理的技术解决方案，在真实产业场景里其实是无效的。比如阿里云的AI语音解决方案与法院场景的合作。一般我们理解法院使用语音交互，无非就是对庭审进行记录，代替书记员的工作。但事实上却不是这么回事，直接将庭审对话转换成文字，夹杂了大量的口语内容，根本是无效记录，反而加大了书记员工作的难度。阿里云智能语音提供的解决方案，是通过AI智能理解文本、抽取逻辑将庭审记录简化，这才能真正帮到书记员。所以说，真正的产业AI必须以从业者为核心去思考问题，这需要对产业深度的理解，以及关键领域的产业深度合作。比如刚刚发布的最新ET航空大脑。这个“新大脑”将在首都机场开工。为首都机场300个停机位，每天迎来送往1700架次航班提供智能决策和运算。上文已经说过了这个运算的难度，但ET航空大脑50秒时间就可以排完整个任务，并且全程可视化，受到工作人员的监督和调整。三、运用一切办法解决问题。最后一种产业化中必须面对的问题，是真实问题往往比实验与测试中复杂很多。必须要突破技术领域的限制，也不能等待技术成熟，而是选择运用一切办法解决问题。比如阿里云即将在上海推出的首个AI地铁售票机，就可以让用户用语音交互的方式买地铁票。但在地铁这么嘈杂的环境里，语音识别实在过于复杂。阿里云最终的解决方案，是加强收音阵列硬件的同时，用机器视觉技术识别人脸和嘴唇，让售票机听到兼看到买票者，才能最终解决问题。这三条途径，归根结底是巨大的产业合作任务和工程化工作量。在具备技术基础的同时，还要求执行企业有强大的沟通能力、工程化能力和个案攻坚能力。这是一条不好走的路，但是总归要有人走。一个发现：产业化路途中的AI新战场通过ET大脑的中枢系统汇聚点，以及背后算力、算法、数据上的积累，阿里迄今为止发布了城市、工业、零售、金融、汽车、家庭等六个场景的“产业AI”方案。这些能力、产品和解决方案，会阿里云为出口进入于各行各业。从ET大脑的原点到今天的生态版图，阿里的“现实主义AI”，也在AI场景争夺战中保持了自己很多层面的优势。比如：1.全面的场景，持续进化能力与良性合作习惯。从工业、交通，到环境、航空，ET大脑的布局逐渐向全景化、垂直化双向发展。带来的结果很可能是覆盖了经济民生关键感知端口的AI系统，可以运用这些场景能力通向整体进化。而良好的产业合作步伐，则给升级能力带来了进一步出口。场景、技术和合作，正在形成阿里AI的递增三角关系。2.可复制，甚至生态复制的AI解决方案。从航空大脑的案例中不难看出，ET大脑的解决方案和能力基础是具备高度复制化的。当一个领域需要复杂的运算，多种感知数据的结合，并且人工效率始终很低，那么就可以自发引入ET大脑。这种领域在生活中相当多见。当ET大脑的产业AI解决方案复制到某个量级时，生态性、泛在化的产业AI自发衍生或许将会出现。3.关键领域的直接价值。工业、医疗到交通航空，阿里的产业AI系统在不断提高覆盖面的同时，更为各个关键领域带来了直接的效率提升和成本缩减。由高速的产业合作效率与直观的价值体现，阿里AI会在同类企业的竞争中获得先发优势。当产业AI在国家和社会需求的推动下，必然成为下一幕竞争焦点的时候，依靠这些领域的优势，阿里AI也许会在新战场有所收获。当然，最重要的是，让AI能用，有用，普通人乐于去用，是这个技术不会变成另一个泡沫的根本保障。