专访京东副总裁翁志：京东AI五大商业应用，无人便利店难在成本

前不久， 京东 股票市值逼近百度的消息备受市场关注，根据雅虎财经数据，截至26日收盘时，两者相差仅几亿美元。以BAT（百度、阿里巴巴、腾讯）三足鼎立互联网巨头格局可能会有所演变。

京东市值紧逼百度背后，是其经营模式与亚马逊类似，获得美国投资者认可的体现。近年来，亚马逊从电商平台逐渐蜕变成为一家综合性的科技公司，而京东也紧跟亚马逊的步伐，极大加强其在科技领域的投入。

今年3月，“ 人工智能 ”首次写进政府工作报告；7月，国务院发布《新一代人工智能发展规划》，人工智能上升至“促进产业变革与经济转型升级的关键驱动力”的战略层面。而在京东，人工智能技术已经逐渐渗透到其业务的各个方面，近日亿欧采访了京东副总裁、京东首席技术顾问 翁志 ，他向记者首次解密京东在AI上的战略布局。

当京东遇上人工智能

翁志1994年本科毕业于北京交通大学，之后留学加拿大念硕士，也在斯坦福大学读MBA；2005年，翁志加入谷歌，这一干就是8年；2013年底，翁志加入京东，一开始做软件架构方面的工作，现在主要负责人工智能和 大数据 。

京东的人工智能技术分散在各个业务部门，但大部分由翁志带领。 他带领的AI和大数据的研发团队超过300人，主要研究图像识别、NLP、机器学习和深度学习，集中在认知和感知方面的基础技术研究，这个团队可以称作为京东“人工智能实验室”。 另外，其他业务部门也有AI技术团队在做推荐搜索、机器预测、机器决策、语音、广告精准营销和用户画像等工作。

翁志说，京东于2年前开始做人工智能，因为内部有这个需求， 比如图像识别，原来是用人工审核的方式，现在是用机器审核的方式来做。京东电商的图片有上千万张的量级，会经过多道工序的过滤，比如审核背景色是否符合要求，LOGO是否合法，模特是否盗用明星脸，图片有没有牛皮癣等。

此前，京东在OCR（文字识别）技术的应用方面与汉王、微软都进行过内部对标，但京东最终都“毙”了他们的技术服务，翁志说，京东的模型准确率比微软高10个百分点，微软达到70%，而京东能达到80%-90%。

“ 不是说我们的技术超过他们，而是我们更懂用户，能做出更有针对性的模型。 我们和先进的人工智能公司的技术差距不会很大，而且我们的数据迭代更快，根据我们用户场景的需求，做定制化的东西，并不断修改完善模型参数。”翁志说。

他总结京东在AI上的核心优势，主要有两点：

1、京东有丰富的应用场景，用大量的数据来训练模型，而且京东的数据的质量和数量都不错，能用人工智能方法解决实际问题；

2、京东在技术上对业界相对开放，一方面非常大笔投入，与外部著名院校合作建立实验室；另一方面，也与大公司合作，使得京东的AI技术有很大提升。

例如，京东和Intel、NVIDIA都有非常密切的合作。京东是很大的网上零售商，可以帮助Intel卖产品，而京东体系本身又是Intel的客户，京东用他们的CPU。在AI上，京东与Intel的AI团队也有很密切的合作，其实是互相依存、互相合作的关系。与NVIDIA也是类似，京东是NVIDIA在中国TOP4的合作伙伴（前三是BAT），也是其第四大采购方，而NVIDIA芯片帮助京东体系提升效能。

解密京东AI五大商业应用

京东在人工智能上的应用包括五个方面：电商、物流、金融、IOT和医疗。

1、AI+电商

京东电商应用到的AI技术包括以图搜图、精准推荐、用户画像、商品画像、地域画像、语音识别和AR扫描拍照购。

京东的智慧卖场就是由搜索、推荐、频道、会场等产品组合而成，涵盖店铺、促销、秒杀等内容形态，结合人工智能数据算法与机器学习的模型，掌握用户画像、商品画像。

翁志说：“我们可以用人工智能做数据的分析预测，搭建精准营销的决策系统。利用知识图谱技术和机器学习的方式，让数据做到逻辑回归后，能够及时反馈到系统中去，进行再次学习，为用户推荐最切合实际需求的商品。”

另外，京东人工智能客服JIMI是通过自然语言处理、深度神经网络、机器学习、用户画像等技术合成，可以7*24小时不间断回答用户售前咨询、售后服务等电子商务各环节。

2、AI+物流

物流方面，京东的无人车、无人机、无人仓、供应链都会用到人工智能技术，应用场景非常丰富，涉及的产业链非常长。

无人车

翁志表示，无人车可以自动避障，采用激光雷达测距，有感知能力。京东无人车目前有几款都在测试，也会很快进入商用，在一些比较保证安全的地方，半年之内可以实现上路。

传统的人力配送存在弊端，人会疲劳，需要休息，服务质量参差不齐。但是机器服务是统一标准化，而且可以24小时工作。目前来看，无人车最大的阻碍是成本过高，但是翁志认为，如果无人车能够普及，硬件数量到一定程度，成本会急剧下降。问题的关键在于无人车能否满足一些需求，而这些需求有足够大规模的用户人群，可以把价格降下来。

无人机

无人机可以极大提升物流行业的效率，但是现阶段受制于技术和政策监管，它对传统物流行业的作用还是以补充为主。

目前来看，无人机配送直达C端用户还很难，更多的是to B业务。翁志认为，无人机解决配送站到配送站的运输问题，但并不是完全无人，配送战需要有人管理。例如两个配送站之间隔了崇山峻岭，走路可能要两三天，但如果有无人机，就能直接送达。显然，这样的需求一定有，但是价格要降低到一定程度。

无人仓

AI在无人仓的应用主要是为运输工具寻找轨迹路线和 机器人 抓取商品。京东X事业部总裁肖军透露，京东“无人仓”是自主研发的定制化、系统化整体物流解决方案，掌握了核心 智慧物流 设备与人工智能算法，拥有完全的自主知识产权。京东无人仓在控制算法、工业设计、机械结构、电气设计、应用场景等方面取得了大量的技术突破与创新，累计专利申请已超过100件。

3、AI+金融

AI在京东金融方面的应用主要体现在智能投顾的 风控和反欺诈。

京东金融依托京东庞大的用户和交易量数据以及关联外部合作伙伴数据资源，在注册、登录、营销、交易等多个核心场景建立标签和策略，其全魔方产品，能够实现对申请欺诈、信用欺诈、账户盗用、洗钱、羊毛党、虚假交易等行为的防范。

其实，国内做智能投顾的厂商非常多，比如蚂蚁聚宝、百度财智机器人、招商银行摩羯智投、宜信投米RA。 翁志认为，京东与这些厂商相比，优势在于商业数据丰富，更了解用户喜欢什么产品，以及价格价位和用户的消费水准。

他认为，智能投顾是AI的未来方向，未来金融领域很多人会失业，机器比人有着无比的优越性。具体而言， 机器的核心优势在于没有感情，更公正。 机器能基于大量的数据能推测市场趋势，而这些趋势是由很多千变万化的因子决定的，机器可以加权模拟各种特殊情况。 另外，机器的计算量在非常短时间内做得很好，而这是人的劣势。

4、AI+IOT 

京东AI在IOT（物联网）方面的应用也很多，比如智能音箱、电动门窗、电子门锁等，都可以通过物联网可控的方式来做。

以智能音箱为例，近两年，亚马逊Echo的出现引爆了智能音箱市场。喜马拉雅硬件总经理兼副总裁李海波曾说，他见过的智能音箱已不下百款，单单是深圳南山区一公里以内就有上百家提供硬件或技术解决方案的企业。

翁志说：“ 智能音箱是一个很好的入口，但也不是所有人都必备，因为现在小孩的节奏更快，没有时间天天在家里听音乐，国内很多的服务都是通过手机来实现。智能音箱的形态会有，但会不会蜂拥而起，成为一个标配，目前看还比较困难。当然， 智能音箱还会发展，包括带音箱的电视和其他形态的产品都会出来，未来可能会跑出几家做得比较优秀的厂家。”

5、AI+医疗：

京东目前还未正式推出AI+医疗方面的产品，但是已经在布局。翁志透露，京东已经在深耕医疗影像，包括通过AI读取X光、CT片、心电图，做一套帮助医生检测的辅助系统。

在AI+医疗领域，京东一方面自己研发，另一方面与数据提供方、医疗机构合作，以及与大学和企业建立联合实验室，利用机器学习的方式来做医疗影像和 精准医疗 。

翁志认为，医疗影像是AI快速落地的一个方向，人工智能在医疗行业的影响会很大，通过AI技术可以及时发现病情，甚至通过改变基因的方式治疗。

火爆的 无人便利店 ，成本是最大障碍

2017年，被称为无人便利店的爆发年。7月，阿里巴巴的无人便利店“淘咖啡”在杭州亮相，引爆了AI+ 新零售 的应用场景。阿里入局，将无人便利店的热度推向高潮，仅6，7两个月，缤果盒子、F5未来商店两家无人便利店公司相继宣布融资消息，两笔融资合计超1.3亿元。

翁志透露，京东也在布局无人便利店，可能很快会发布。现在的无人便利店更多的是看概念，但是京东会做一个比较实际的解决方案，使得商家能够在可接受的成本范围内，解决用户需求。

无人便利店作为一个新的产物，翁志认为它短期内普及比较难，因为涉及到的技术复杂度很高，技术还需要更多的准备，才能使整个体系变得更通畅。而且中国是否需要如此多的无人商店，有没有这样的“土壤”，也是个问题。比如安全方面，一些人可能会趁机拿走商品。

无人便利店会是一个不断进化和迭代的过程，京东会针对不同场景设计几种不同的档次，目前来看， 高端住宅的无人便利商店就是一个可能落地的场景 。但是在偏远地区很难落地，商店的空调、电力都可能是问题。

此前，有业内人士认为，无人便利店主要解决了用户效率的问题，减少排队。但翁志认为，无人便利店如果仅仅是为了提升结款的效率，自动售卖机很早就可以做到，用户自己刷卡，自己称重。 无人商店是效率问题，但更多的是便利问题，比如无人店可以24小时开，能提供7*24小时服务。

这和电商类似，电商出现以后，有专人帮你配送，用户可以在家里买东西，而不用到店里买，本质是提升便利。

成本可能是决定无人便利店能否普及的核心因素。翁志说，即使是亚马逊，技术达到了应用水平，但是成本还是高居不下。 目前Amazon Go主要给内部测试用，而且有很多限制条件，技术上很难处理各种各样的情况，要把成本下降到可以接受范围，可能还要1-2年。

版权声明

本文作者许伟军，亿欧专栏作者；微信：xuweijun24（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。