【人工智能】院士谈新一代人工智能五大智能方向

来源：德先生（D-Technologies）

FITEE“人工智能2.0”专题导读

国务院近日印发《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。

2017年1-2月，中国工程院院刊信息与电子工程学部分刊《信息与电子工程前沿（英文）》出版了“Artificial Intelligence 2.0”专题，潘云鹤、李未、高文、郑南宁、吴澄、李伯虎、陈纯等多位院士以及专家学者参与撰文，对新一代人工智能中涉及的大数据智能、群体智能、跨媒体智能、混合增强智能和自主智能等进行了深度阐述。专题包括7篇综述、5篇研究论文。让我们随着专题中的综述文章，一起领略新一代人工智能中5大智能方向的图景。

1956年，在美国达特茅斯（Dartmouth）学院，约翰·麦卡锡（John McCarthy，1971年度图灵奖获得者）、马文·李·闵斯基（Marvin Lee Minsky，1969年度图灵奖获得者）、克劳德·艾尔伍德·香农（Claude Elwood Shannon，信息理论之父）、纳撒尼尔·罗彻斯特（Nathaniel Rochester，IBM第一代通用计算机701主设计师）四位学者发起举行“人工智能夏季研讨会”，指出“人工智能”研究目标是实现能模拟人类的机器，该机器能使用语言，具有概念抽象和理解能力，能够完成人类才能完成的任务并不断提高机器自身。

“人工智能”这一概念提出后，迅速发展成为一门广受关注的交叉和前沿学科，沿着“从符号主义走向连接主义”和“从逻辑走向知识”两个方向蓬勃发展，在象棋博弈、机器证明和专家系统等方面取得了丰富成果。随着互联网的普及、传感网的渗透、大数据的涌现、信息社区的崛起，数据和信息在人类社会、物理空间和信息空间之间的交叉融合与相互作用，大众创业和万众创新等新技术、新产业和新业态不断涌现，使得对人工智能基本理论和方法的研究开始出现新的变化，这些变化也使得人工智能新的应用呈现勃勃生机。

为了更好地与学术同行交流人工智能2.0理论、方法和技术，潘云鹤院士于2016年12月在中国工程院院刊Engineering（主刊）发表了题为“Heading toward artificial intelligence 2.0”的论文，从人工智能60年的发展历史出发，通过分析促成人工智能2.0形成的外部环境与目标的转变，分析技术萌芽，提出了人工智能2.0的核心理念，并结合中国发展的社会需求与信息环境特色，给出了发展人工智能2.0的建议。

2017年1~2月，中国工程院院刊信息与电子工程学部分刊《信息与电子工程前沿（英文）》出版了“Artificial Intelligence 2.0”专题，潘云鹤、李未、高文、郑南宁、吴澄、李伯虎、陈纯等多位院士以及专家学者参与撰文，对新一代人工智能中涉及的大数据智能、群体智能、跨媒体智能、混合增强智能和自主智能等进行了深度阐述。

挑战与希望：AI 2.0时代从大数据到知识

庄越挺、吴飞、陈纯、潘云鹤

对大数据时代人工智能领域近期出现的若干理论和技术进展进行了综述，认为将数据驱动机器学习方法与人类的常识先验与隐式直觉有效结合，可以实现可解释、更鲁棒和更通用的人工智能。AI 2.0时代大数据人工智能具体表现为：从浅层计算到深度神经推理；从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合学习；从领域任务驱动智能到更为通用条件下的强人工智能（从经验中学习）。下一代人工智能（AI 2.0）将改变计算本身，将大数据转变为知识，以支持人类社会更好决策。

文章配图：从数据到知识

AI 2.0时代的群体智能

李未、吴文峻、王怀民、程学旗、陈华钧、周志华、丁嵘

认为基于互联网的信息物理世界深刻地改变了人工智能发展的信息环境，将人工智能研究的新浪潮推进到人工智能2.0新纪元。作为AI 2.0时代最突出的研究特点之一，群体智能引起了产业界和学术界的广泛关注。具体来说，为应对挑战，群体智能提供了一种通过聚集群体的智慧解决问题的新模式。特别是由于共享经济的快速发展，群体智能不仅成为了解决科学难题的新途径，而且也已融入日常生活的各个方面，例如线上到线下（online-to-offline, O2O）应用、实时交通监控、物流管理。该文对现有群体智能研究成果进行总结和综述。首先，论述了群体智能的基本概念，并对其与现有相关概念（如众包和人本计算）的关系进行了解释。然后，介绍了4类具有代表性的群体智能平台，总结了3项核心问题以及最新的群体智能技术。最后，讨论了群体智能研究的发展方向。 

文章配图：参与式和移动人群感知

跨媒体分析与推理：研究进展与发展方向

彭宇新、朱文武、赵耀、徐常胜、黄庆明、卢汉清、郑庆华、黄铁军、高文

认为随着人类文明的进步以及科技的发展，信息的传播从文字、图像、音频、视频等单一媒体形态逐步过渡到相互融合的多种媒体形态，越来越显现跨媒体特性，而如何实现跨媒体分析与推理就成为了研究和应用的关键问题。本文从7个方面对跨媒体分析与推理进行综述：（1）跨媒体统一表征理论与模型；（2）跨媒体关联理解与深度挖掘；（3）跨媒体知识图谱构建与学习方法；（4）跨媒体知识演化与推理；（5）跨媒体描述与生成；（6）跨媒体智能引擎；（7）跨媒体智能应用。

文章配图：多模态数据统一表征方法示例

混合—增强智能：协作与认知

郑南宁、刘子熠、任鹏举、马永强、陈仕韬、余思雨、薛建儒、陈霸东、王飞跃

认为由于人类面临的许多问题具有不确定性、脆弱性和开放性，任何智能程度的机器都无法完全取代人类，这就需要将人的作用或人的认知模型引入到人工智能系统中，形成混合—增强智能的形态，这种形态是人工智能或机器智能的可行的、重要的成长模式。混合—增强智能可以分为两类基本形式：一类是人在回路的人机协同混合增强智能，另一类是将认知模型嵌入机器学习系统中，形成基于认知计算的混合智能。该文讨论人机协同的混合—增强智能的基本框架，以及基于认知计算的混合—增强智能的基本要素——直觉推理与因果模型、记忆和知识演化；特别论述了直觉推理在复杂问题求解中的作用和基本原理，以及基于记忆与推理的视觉场景理解的认知学习网络；阐述了竞争—对抗式认知学习方法，并讨论了其在自动驾驶方面的应用；最后给出混合—增强智能在相关领域的典型应用。

文章配图：人在回路的混合增强智能

文章配图：直觉推理与认知映射的关系

文章配图：企业协作决策的混合增强智能的一般框架

AI 2.0时代的类人与超人感知：研究综述与趋势展望

田永鸿、陈熙霖、熊红凯、李洪亮、戴礼荣、陈婧、兴军亮、陈靖、吴玺宏、胡卫明、胡郁、黄铁军、高文

简要回顾了不同智能感知领域的研究现状，包括视觉感知、听觉感知、言语感知、感知信息处理与学习引擎等方面。在此基础上，对即将到来的AI 2.0时代智能感知领域需要大力研究发展的重点方向进行了展望，包括：（1）类人和超人的主动视觉；（2）自然声学场景的听知觉感知；（3）自然交互环境的言语感知及计算；（4）面向媒体感知的自主学习；（5）大规模感知信息处理与学习引擎；（6）城市全维度智能感知推理引擎。

文章配图：AI 2.0时代智能感知技术框架

智能无人自主系统发展趋势

张涛、李清、张长水、梁华为、李平、王田苗、李硕、朱云龙、吴澄

介绍了智能无人自主系统的发展趋势，将相关技术分成了7个领域，包括人工智能技术、无人车、无人机、服务机器人、空间机器人、海洋机器人和无人车间/智能工厂，对每个领域的发展趋势进行了介绍。

文章配图：无人机发展趋势预测

人工智能在智能制造领域的应用研究

李伯虎、侯宝存、于文涛、陆小兵、杨春伟

介绍了团队近年将人工智能技术应用于制造领域的研究与实践。首先，简析“互联网+人工智能”时代核心技术飞速发展正引发制造领域的模式、手段和生态系统的重大变革以及人工智能的新发展；接着，基于人工智能技术与信息通信技术、制造技术及产品有关专业技术等融合，研究提出了智能制造新模式、新手段、新业态，智能制造系统体系架构和智能制造系统技术体系；进而，从智能制造的应用技术、产业和应用示范等角度, 简述智能制造领域的国内外发展现状；最后，提出我国人工智能2.0在智能制造领域应用研究的建议。

文章配图：智能制造新模型、新方法、新形式示意图

六篇论文打包下载如下链接： 

链接: https://pan.baidu.com/s/1qXCO6oG

密码: kbkz

---

引言：机器学习可以参与到制造业加工的整个生产流程中：在生产过程中通过供应链和维护方案优化降低生产成本和提高生产的效率和质量，最后还能通过差异化的定价获取最大化的利润。

每个制造商都有很多可能把机器学习运用到自己产业中，通过获得对产品的前瞻性思考会让他们更具竞争力。

机器学习的核心技术正好能解决现今制造商们面临的问题。从努力维持供应链运转，到定制化生产，再到按时完成订单任务，机器学习算法可以为每个生产环节提供更高的预测精准度。开发出的很多算法都是迭代型的，它们能够持续不断地学习并寻求最优解。这些算法能在几毫秒内反复迭代，让制造商在几分钟内就能找到最佳解决方案，而非之前的数个月。

机器学习变革制造业的十种方式：

1、生产力提升 20%，材料消耗率降低 4%。利用数据预测分析和机器学习的智能制造系统有潜力提升生产单元以及整个制造厂级别中机器的收益率。下面的图片来自通用电气（General Electric），并被国家标准协会（NIST）所引用，总结了预测分析和机器学习的运用给制造业带来的好处。

数据来源：: Focus Group: Big Data Analytics for Smart Manufacturing Systems

2、提供了更多相关数据，因此金融、运作及供应链团队能更好地管理工厂和需求方面的约束。很多制造业公司的 IT 系统并不完整，导致交叉功能型团队难以完成共同的目标。引入了机器学习，这些团队的洞察力和智慧能被提升到一个全新的水平上，而他们优化产品工作流、存货清单，在制品（WIP）以及价值链决策的目标就会成为可能。

数据来源: GE Global Research Stifel 2015 Industrials Conference

3、增强组件和局部层级的预测准确度，从而改善预防性维护与维护－修理－大修（MRO）的性能。把机器学习的数据库、应用和算法集成到云计算平台已经很普遍了，亚马逊、谷歌和微软的云平台公布就可以证明这一点。下面的图片解释了机器学习是如何集成到 Azure 平台上的。微软授权 Krone 使用 Azure 平台，让他们得以把制造运作流程自动化，以实现工业 4.0 目标。

数据来源: Enabling Manufacturing Transformation in a Connected World John Shewchuk Technical Fellow DX, Microsoft

4、实现状态监控流程，让制造商得以在厂房层级上管理整体设备效率（OEE，Overall Equipment Effectiveness），并将 OEE 从 65% 提高到了 85%。一家与塔塔咨询服务公司（Tata Consultancy Services）合作的自动化原始设备制造商（OEM）改善了他们的生产流程，此前他们冲压线的 OEE 一度跌至65%，停工时间达到了 17% 到 20%。他们的解决方法是，12 个月中，每 15 秒从设备上收集 15 个操作参量的传感器数据（比如油压、油粘度、油渗漏以及气压），并进行集合。解决方案的组件图下图所示：

Source: Using Big Data for Machine Learning Analytics in Manufacturing

5、机器学习给智能客户关系领域带来了变革，Salesforce 迅速成为了行业领头羊。Salesforce 正在进行一系列的并购活动。下图中的表格来自柯文公司的研究报告（Salesforce: Initiating At Outperform; Growth Engine Is Well Greased），总结了 Salesforce 并购的一系列机器学习和人工智能公司，并分析了他们的新产品发布走向以及并购带来的预估收益贡献。Alex Konrad 在他最近发表的博文（Salesforce Will Acquire Demandware For $2.8 Billion In Move Into Digital Commerce）中分析了 Salesforce 用 28 亿美元收购电子商务供应商 Demandware 一事。柯文公司预测 18 个 财政年度中，Commerce Cloud 会贡献 3.25 亿美元的收入，其中卖出 Demandware 的收入占了很大一部分。

6、机器学习算法能判断全公司哪些因素对质量的影响最大，哪些影响最小，从而为产品和服务品质带来质的提升。对很多制造商来说，从公司核心部分的工作流层面上提升产品和服务质量是一项有挑战性的任务。质量通常是孤立的。机器学习通过测定那个内部流程、工作流和因素对达到目标质量贡献最大或最小，从而变革产品和服务质量。机器学习算法还能预测质量和源决策对 DMAIC（定义、测量、分析、改进和控制）框架中的六西格玛性能指标有怎样的影响，从而让制造商的制造过程更加智能化。

7、机器学习已经在通过优化团队、机器、供应商和客户需求提高生产效益。如今，它正在影响航空航天和国防、离散制造业、工业和高科技制造业的日常工作环境。制造商们更有效地利用了生产力，产品更趋于复杂和定制化，机器学习帮助它们优化了机器、受训员工和供应商的筛选过程。

8、由于机器学习促成了生产服务订购模式，制造即服务（Manufacturing-as-a-Service）的构想才得以实现。那些能支持迅速高度定制化流水线生产的制造企业现在能开展新的商业运作，为全球服务和销售提供订购率。那些面临制造成本猛增的快速消费品（CPG）和电子产品的供应商和零售商很有可能订购制造服务，并在品牌化、营销和销售上增大投入。

9、机器学习是优化供应链和创造更大规模经济的理想手段。对于很多复合型制造企业来说，超过 70% 的产品都源自于供应商，这使得他们需要权衡先满足哪一个买家的需求。有了机器学习，买卖双方就能更有效的合作，减少缺货的情况，提高预测精确性，按期或提前完成客户订单。

10、在合适的时间知道对特定用户的合适定价以获得最大的利润，而且使用机器学习完成交易将变得随处可见。机器学习正在扩展今天的企业级价格优化应用所提供的一切。最显著的一处不同是：会有新的建议策略用来实现价格的优化，从而完成交易。

©本文由机器之心编译

---

人工智能正在最关键的路口。所谓的第四次工业革命，一定要结出实际的革命成果。广阔天地，谁能大有作为?很多AI创业公司在各自的领域取得了突破，但具备强大的AI技术储备，并且有能力渗透到几乎所有领域的玩家，目前来看主要还是BAT三家。

这场AI“赋能”的战争，较量的是平台、技术、场景、生态等多方面的综合实力。百度喊All in AI，腾讯喊AI in All，阿里盖起达摩院。谁能在新革命中笑到山花烂漫?短兵相接的前夜，我们绘制了一幅时局图。

 

BAT时局

为了一争高下，BAT下注或早或晚，但都离不开几件事，例如组团队、做研发、建生态等。到现在，三大巨头在人工智能上的布局已经能看出大致轮廓。

百度

 

 

百度在AI领域的野心，最初显露于2013年1月，深度学习研究院(IDL)的创立。后来李彦宏陆陆续续建成了五大实验室，除了深度学习实验室之外，还有硅谷人工智能实验室、大数据实验室、增强现实实验室和深度学习及应用国家工程实验室。

这些实验室的研发成果历经5年的整合，逐渐形成了一个平台体系：百度智能云和百度大脑。智能云提供计算的基础设施和数据的获取、分析、标注能力，而百度大脑，整合了机器学习、深度学习算法，再将AI对语音、图像、视频、AR/VR的感知能力和自然语言处理、知识图谱、用户画像等认知能力开放出来，就形成了百度AI开放平台。

根据百度最新公布的数据，百度大脑现在拥有80多项核心AI能力，超过37万名开发者和合作伙伴，每天被调用2.19亿次。这些调用，来自百度内外。

阿里巴巴

 

 

众所周知，马云不喜欢“人工智能”这个说法，偏好机器智能。说辞的变化不影响本质。在整个互联网行业涌向AI的浪潮中，阿里也在2017年推出“NASA计划”和承载它的实体组织：达摩院。

实际上，阿里AI研究起步的远远早于达摩院，这家公司大部分AI基础研究成果，出自2014年成立的数据科学与技术研究院，也就是iDST。

阿里最近，在努力将这些大脑们整合为一个统一的平台：阿里云ET大脑。2017年最后一场云栖大会上，ET大脑正式发布，所布局的领域也不再限于原本的城市管理、医疗、工业、环保、航空，同样走上了“广撒网”之路。

腾讯

 

腾讯无论做什么，都不会只投入一支团队。在人工智能上也是一样。要论基础研究，腾讯有AI Lab、优图实验室和微信AI实验室三大机构，优图专注于计算机视觉技术，而AI Lab和微信AI在研究方向上虽然叫法不同，但多有重合，都是AI实验室标配的机器学习、自然语言处理、语音识别和计算机视觉。

在战局最喧闹的自动驾驶和对话式AI平台上，腾讯也分别投入了不止一支团队，开始造平台、积累合作伙伴。虽然腾讯进军AI的时间较晚，但是能明显感到动作和决心都很大。

重点战场梳理

 

矛盾有主有次。虽说广阔天地大有作为，三家也各自有钦定的重点方向。但仍有一些是战场是重中之重，也是未来BAT在人工智能技术落地的过程中，有可能最早展开厮杀之地。

对话式AI

人机交互的重大革新、下一代服务入口、下一个Android、家庭的控制中心……种种期待，让用于智能设备的对话式AI成了BAT争夺最激烈的领域。

百度有DuerOS，阿里有AliGenie，腾讯则至少有两个：腾讯云小微和移动互联网事业群(MIG)的叮当。如果我们以智能音箱销量来评判对话式AI系统的发展，很会做生意的阿里似乎冲在最前。2017年7月，阿里AI Labs初次亮相，发布了一款智能音箱：天猫精灵X1。这款音箱，双十一降价促销，当天卖出了100万台。

 

 

但是，卖音箱只是手段而非目的。天猫精灵背后的终极目标，还是一个关于AliGenie开放平台、生态系统的梦想。这个生态系统的梦想，BAT都有。

 

 

百度虽然直到去年底才推出渡鸦raven H智能音箱，但最新的数据显示，DuerOS开放平台发布半年时间里，已新增130余家合作伙伴，落地硬件解决方案超过20个，每月新增5款以上搭载DuerOS的设备，覆盖家居、车载、移动各个场景，机顶盒、电视、冰箱、音箱、机器人、车载、手机、耳机等各类设备。

 

 

为了守住这个领域，百度除了在北京和硅谷建设AI庞大的团队之外，还收购了两家创业公司：做语音交互和自然语言理解的Kitt.ai，和后来推出了raven H音箱的渡鸦。

 

 

相比之下，腾讯云小微的硬件开放平台和技能开放平台仍处于内测状态，除了和华硕一起造的机器人之外，没有太多关于合作伙伴的声音传出。值得一提的是，他们似乎在硬件之外，开辟了一条退路：智能客服。

智能音箱先行的AliGenie同样不是天猫精灵专属，它的硬件接入平台页面上，也展示着十多家合作伙伴。另外，AliGenie还推出了垂直行业智能语音解决方案，想在家居、移动硬件之外，为对话式AI开辟出新场景。

自动驾驶

2亿辆汽车和200多家OEM车厂，勾画出一个有更大想象空间的产业。BAT在出行这件事儿上向来不安分，战火从地图、打车软件一路烧到了自动驾驶。

阿里的自动驾驶业务目前还处在招兵买马阶段。12月中旬开始，阿里官方网站上开始出现自动驾驶相关的人工智能实验室(A.I. Labs)岗位，另外据36氪报道，这个团队中有不少无人车创业公司nuTonomy的旧部，已经开始面向车厂做介绍。

 

在投资车厂这件事上，出手最阔绰的当属腾讯。除了先后入股创业公司蔚来和威马，腾讯还在二级市场投资了特斯拉5%的股权，甚至秘密在硅谷投资了一家自动驾驶公司。而腾讯本身的自动驾驶业务，据说已经到了全面研发、多次路测的阶段。

 

 

在自动驾驶进展还不够清晰的当下，腾讯的合作伙伴，也大多与AI in Car车联网系统相关，广汽、长安、吉利、比亚迪、东风柳汽、博世都和腾讯有着或多或少的联系。

入局最早的百度，和阿里腾讯早已不在同一个发展阶段。百度已经围绕Apollo与博世、大陆、一汽、长安、奇瑞、北汽、金龙等90多家企业达成了合作，也探索出了一条清晰的路线——还是在这个领域打造一个Android。

 

 

Apollo，是百度2017年4月启动的自动驾驶开放平台，要为合作伙伴提供一个开放、完整、安全的软件平台，帮他们搭建完整的自动驾驶系统。到2018年初Apollo 2.0的发布，云端服务平台、软件平台、硬件平台、车辆平台在内的四大模块全部开放，释放了在简单城市道路上自动驾驶的能力。一切，都按照去年7月公布的路线图进行着。按计划，2018-2020年，百度会加快开放速度，直到最后能让合作伙伴完成完全自动驾驶。

 

 

但对于Apollo来说，更重要的还是生态。所谓生态，不仅仅是被赋能的车厂，Apollo还为向产业链上下游延伸而建立了基金，要在未来3年投出100多个项目。作为一个开源系统，创业公司、高校实验室同样是Apollo的伙伴。

和腾讯一样，百度也投资了威马汽车，也投资了共享出行平台首汽约车。此前百度还投资了自动驾驶关键部件激光雷达的核心厂家Velodyne，相关技术开放商xPerception等。

金融

还有一个不可忽略的战场，是金融。阿里旗下的金融巨头蚂蚁金服和阿里云都在尝试赋能金融机构。2017年1月以来，蚂蚁金服开始逐渐转变自己的定位，尝试用自身积累的技术能力来赋能、服务金融机构。

2017年底，阿里云又发布了ET金融大脑，要帮合作伙伴风控、营销和客服方面提高效率。

 

 

相比之下，腾讯向金融行业合作伙伴提供的技术就显得比较表面，没有涉及风控这样的专业垂直应用，而只是将更为通用的身份检测、客服等能力注入其中。

你可能想不到，百度，也是这个战场上的一个重要玩家。虽然百度金融这一年来在to C市场上声量不大，但这家“All in AI”的公司，在金融上也要将“智能化”坚持到底。

 

 

在11月的百度世界大会上，百度金融技术负责人许东亮说，百度金融已经赋能近400家机构，为机构客户提供解决方案，为它们提供安全防护、智能获客、大数据风控等服务。百度金融据说还在谋划更为独立的未来。

医疗

要说AI在各行各业的应用，不少人都会第一个想到医疗影像。在这个领域，百度在医疗事业部部分团队转入AI体系之后就悄无声息，但腾讯和阿里都在抢占布局。

首批国家新一代人工智能开放创新平台中，腾讯就以医疗影像平台“觅影”入选。腾讯觅影发布于2017年8月，最先推出的是早期食管癌筛查。

 

 

腾讯觅影结合了AI lab、腾讯优图、TEG架构平台部等团队的AI技术，由互联网+合作事业部牵头建立。推出至今不到半年，腾讯觅影已经有了西门子医疗、兰州大学第二医院、深圳市南山人民医院、中山医院等十几家合作伙伴。

马化腾此前表示，医疗与AI是非常好的落脚点，未来腾讯在医疗方面会做更多的事情。

阿里入局AI医疗其实比腾讯还要早。2017年3月底，ET医疗大脑首次亮相，宣称具有虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等功能。

 

 

与腾讯思路不同的是，ET医疗大脑的技术并非都出自阿里内部，而是聚集了不少合作伙伴一起提供服务，比如做皮肤检测的宜远智能、分析病历的惠每医疗等等。

零售

不管是新零售还是旧零售，不管是线上还是线下，阿里在这个领域都有天然的优势。

先梳理一下AI给阿里自身业务带来的变化。机器人客服“阿里小蜜”，双11当天承担95%客服咨询;机器智能推荐系统，双11当天产生567亿不同的货架;AI设计师“鲁班”，双11期间，设计4.1亿张商品海报;华北数据中心运维机器人：接替运维人员30%重复性工作……

 

 

与AI之于百度的搜索业务一样，AI之于阿里的电商业务也具备天然的赋能加成。除了上面提及的进展，蚂蚁金服还基于AI技术推出客服机器人“小蚂答”，以及AI助力的车辆定损服务“定损宝”等。

阿里还搞出了无人零售咖啡店。无人商店，是一个未来非常有意思的趋势。此外，阿里在新零售思想的指引下，还大举投资了一批线下零售相关企业，包括：企加云、大润发、东方股份、新华都、易果生鲜、银泰、bigbasket、联华超市……

腾讯表示将提供场景、大数据、AI技术支持，以及腾讯全产品线，帮助商家量身定做解决方案，帮助线下门店实现数据化和智能化，让消费者与商品之间，实现跨场景的智慧连接。

现在已经有一些案例出现了。例如在深圳、广州的一些服饰连锁零售店里，腾讯的AI技术提供了人脸识别、客户画像、精准推荐等技术支持。其他方向还包括餐饮连锁、快消等等。

零售更不是百度擅长的方向，不过百度在这方面也有所行动，正在寻找合适的合作伙伴准备赋能。有意思的是，已经离职的前任百度研究院长林元庆，创业服务的第一个大客户，就来自零售领域。

文章来源：量子位（ID：QbitAI）

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

---

---

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com

---

---