2018年8月2日，福布斯中国正式公布2018年中国“30位30岁以下精英”榜单。这份榜单首次涵盖了20个不同领域各30位30岁以下精英人物，ImageDT(图匠数据)联合创始人兼CTO黄耀鸿入选并被评为“企业科技”领域新锐精英人物。

　　黄耀鸿是一位技术极客，亦对AI技术的落地有丰富的行业经验。他说，“AI(人工智能)在技术上已经非常成熟了，在快消和零售行业有巨大的商业价值，等待挖掘。”

　　他参与创办的ImageDT正是希望弥补技术与应用鸿沟，帮助传统零售公司实现智能化转型。这家公司已和零售、饮料、洗护、母婴、药品等多个品类的三十余家企业建立合作关系。

　　在新零售的浪潮中，他的经验无疑具备借鉴与参考价值。

　　零售业的智能化转型

　　随着大规模并行处理技术的发展和大数据时代的到来，以深度学习为代表的人工智能技术再次迎来复兴，出现了第三次人工智能热潮。而和前两次最终偃旗息鼓的人工智能热潮不同，这一次人工智能有望真正“改变一切”。在图像识别、语音识别、大数据分析和棋盘游戏等领域，人工智能技术在一些指标上已经达到了可媲美甚至超越人类的水平;同时，机器翻译、数字助理和自动机器(机器人、无人机和自动驾驶载具等)等领域也一直突破不断，并正越来越显著地改变着我们的生活方式和观念。

　　零售业是与我们的日常生活联系最为密切的行业之一，也当然是人工智能的用武之地。不管是线上还是线下，不管是电子商务零售还是实体店零售，在整个“人货场”场景中，以深度学习为代表的人工智能技术都能带来颠覆性的变革。

　　在电子商务方面，人工智能可根据用户的基本信息和购买历史实现个性化商品推荐和精准营销;可根据用户购买和浏览情况优化商品呈现方式;可根据大范围用户购买行为分析优化库存和供应链……人工智能几乎可以在电子商务的整个产业链条中发挥作用——甚至在快递和分拣方面，自动化分拣系统和快递无人机也正在变革商品抵达消费者的过程。

　　在实体店零售方面，已经出现了刷脸支付、超市客流分析、无人超市、货架陈列优化和机器人智能导购等实际应用，涉及到图像分析、人脸识别、人像跟踪等技术。但总体而言，和线上零售相比，线下零售数据化的程度和范围目前都仍还远远不及。一是因为传统线下零售商主要依靠人力方式进行数据统计，工作效率低、易出错且速度慢;二是因为之前的智能和自动化处理技术还没达到能够实际应用的要求。

　　随着深度学习技术的发展，这一问题在技术上基本已经得到了解决，可以实现在零售行业实际应用的转化了，也由此催生了一些创业公司，ImageDT就是其中之一。

　　如何让AI技术落地实体店

　　如今，零售业正向着智能化、数据化、透明化水平大幅提升，且线下线上数据融合的“新零售”或“智能零售”方向发展。黄耀鸿总结说：“现在都在讲新零售，新零售有很多种解读。整体来说，要么是提高用户体验，要么是提高经营效率。”

　　目前的电商已有很强大的数据能力，能通过网站或移动应用上的浏览情况以及用户购买记录等信息分析消费者在线上的行为。为了实现“新零售”的愿景，线下零售门店借助 AI 技术也能够具备和电商一样的数据能力，从而实现客流分析、精准营销、货架陈列优化和机器人智能导购等。

　　举个例子，ImageDT的货架识别技术能够通过图像分析识别物理货架上的商品，实现物理货架的数据化。据了解，该技术已经为奶粉、个护、饮料等客户服务了超过半年时间，在帮助这些客户提升经营效率方面发挥了很重要的作用。黄耀鸿进一步解释了他们为客户开发定制化的技术解决方案的流程。

　　ImageDT的客户都是品牌商，即所谓的“大 B 端”客户，需要针对自身业务定制化能满足自身需求的技术解决方案。为此，图匠首先会为客户执行 PoC(概念验证)。黄耀鸿解释说：“我们要对客户的商品建立模型，配置客户自己定义的一些考核指标，然后构建从拍摄货架到产生报告的整个流程。”

　　ImageDT对这一过程已经驾轻就熟，并已经有了一套比较成熟的商品识别技术(包括一套比较成熟的深度学习平台和一个配置中心)，能够快速高效地给客户完成概念验证。他举例说：“有一次我们给一家饮料客户做概念验证，我们在商店内就为客户配置完毕，并给客户进行了展示。客户对我们的执行力很震惊。”

　　概念验证之后，公司会交付一套前期的技术方案。在后续的使用过程中，还会不断调整技术方案的细节，继续针对客户的场景需求进行优化。

　　这样的定制化过程能创造出最适合客户的实体店 AI 技术方案，帮助客户更加高效地实现线下零售的数据化。基于此，还能更进一步打通线上和线下的数据，实现“新零售”或“智能零售”目标。

　　线下零售智能化的挑战和未来

　　尽管在线下零售中的部分场景上已有相当成熟的人工智能技术，但整体应用仍然还存在诸多难题。

　　首先是零售业本身的复杂性。虽然目前已有很多研究分析人员在探索 AI 技术在零售业的应用，但相对于安防和医疗等领域，AI 技术与零售领域的距离会更远一些，因为零售业的整体链条更为复杂，涉及到供应链、库存管理、与消费者交互以及售后服务等诸多环节，其中很多环节的 AI 应用技术的开发都还需要更多探索。

　　其次，人工智能的技术方面也还存在一些仍有待进一步解决的难题。黄耀鸿列举了货架识别方面所面临的三个技术难题：一是模型小型化，即如何将模型压缩变小，以便用在各种终端设备上，而不是只能在云上或有大型 GPU 的设备上运行。二是视频识别上还存在难题：视频中所要处理和传输的数据量很大，另外存在抖动和跟踪等问题。三是技术成本问题，因为零售店数量很大，在门店内布置摄像头等的成本可能会很高。

　　另外，技术和实际应用也可能存在差异——技术的落地过程中可能出现研究过程中没遇到过的难题。黄耀鸿举了一个实际案例说明这一情况：“我们很早就把算法的准确率做到了 98% 以上，结果很好，但在实际使用中，客户却反馈说错误率太高了。然后我们具体调查了这个情况，发现其实我们的算法仍然很准，但有一部分货架照片很模糊，人眼也看不清楚。我们的算法之前没有考虑过这种情况，还是进行识别，这样错误率当然会增高。我们就增加了一个判断货架照片是否模糊的模型，针对模糊的照片和清晰的照片做不同的处理。”

　　还有，客户的需求通常也是动态变化的，新商品和新需求会不断出现，很多标准化的技术不能真正解决客户痛点。所以，找到技术和客户需求的匹配点，创造最适合客户的技术方案，让技术发挥出最大的价值是 AI 技术落地过程中所要解决的一大难题。这既需要行业背景，也需要技术分析，所以几乎是其中最耗时的过程。

　　最后，市场的认可对技术的成功应用也至关重要。以深度学习为首的人工智能技术正在爆发式的发展，也已经出现了强化学习和对抗学习等相当成功的新技术思想;同时，人工智能创业公司和大公司的人工智能项目也正如雨后春笋般不断涌现，在各行各业争夺市场机会。要在这样的市场环境中得到市场和资本认可通常既需要先发制人的优势，还需要真正强大可靠的技术实力，更需要深刻透析所在行业的专业视野。

　　ImageDT作为国内最早为零售行业做 AI 解决方案的公司之一，在这些挑战面前已有很好的立足根基。该公司在 2016 年开始专注于让 AI 解决方案在零售业落地，其创始团队包含了人工智能和零售业两个领域的精英人才，能让 AI 技术很快地在零售行业落地。其次，他们已经针对零售业建立了一套流水线式的作业平台，具有非常高的商品识别效率和准确率，同时他们也还在继续加大在软件、硬件、算法人才上的投入。而且ImageDT也已经得到了市场和资本的认可——已为客户服务了半年多时间，并且最近还完成了由红杉资本领投，火山石资本及真格基金跟投的 A 轮融资。

　　毫无疑问，随着技术的普及和成本下降，AI 还将继续变革更多行业，创造全新的应用场景。要知道，就在几年前，像ImageDT的这种能把物理货架识别成结构化数据的货架识别技术还远达不到可实际应用的准确率;而现在，用户只需通过手机拍摄一张照片，就能很快得到对货架情况的分析识别结果。

　　但同时，AI 显然还并没有完全成熟，很多挑战和难题依然存在，但这不应该成为阻碍 AI 进一步应用的理由。黄耀鸿说：“整个行业要以更加积极的心态来拥抱这样的变化。可以预见，未来线下零售和线上零售一样是全面数据化的，而且线下和线上的‘人货场’数据是打通的。这是我们的展望，但这中间还有一定的路要走。我认为大家应该以积极的心态来探索和使用 AI，而不是等到技术完美了才用，因为现在的 AI 已经能提升经营效率了。而且大家一起努力更能推动进步，让零售行业得到更大的价值。”