分类目录归档:不是技术

线下店的重启及转型

题目跟中国关系可能不是太大,疫情中,中国应对得最好,反而失去了先线下转型的强动力,线上零售重回渗透线下的进程,缓慢而又踌躇。

线下店增加配送点和售后服务中心的职能。原因是进店的浏览客流变少了,于是店面则转为仓库+配送,出问题进行售后服务等必须提供的场所。

线下店需要重新设计,接触式–>无接触,增加社交距离,无摩擦的支付体验,可持续的发展模式(发挥社交职能)。

商店减少,人流也相应改变,因而线下店位置需要进行重选。

新的线下店概念应该会出现,人们为什么要进来,店提供的职能会发生什么样的变化。比如,店面分时复用给不同品牌,品牌顾问等,预约制产生聚会社交等模式。

这里有个新的概念,叫Smart Salon,就是智能沙龙的意思。同好者约在一个固定的时间,在一个租用的场所,由一个/多个品牌商户进行服务/销售。该场所用后再进行消毒等。这里面就产生了新的第三方——场地的运营方和沙龙的组织方。场地运营方保证场地的卫生及其他物理条件。沙龙的组织方负责预约顾客群以及商户代表等。

该场所可大可小,目前看来,还是以小为主。

租金协议应更灵活,租期灵活、分时复用、分成替代租金等。

AIoT和线下店的无缝集成。

另外,店面还可以作为网红进行直播的电子商务工作室,提供直播/虚拟购物能。

无现金社会

整理笔记,没法记录在onenote上。

无现金社会达成后,会出现一种无现金的文化,就跟之前现金文化一样。我们如何看待我们的财富和支付能力,电影和小说中如何描述人们如何有钱或一贫如洗,数字化是可以做到一点,但是信用体系似乎描述起来又只有屈指可数的几个场景。

实体的卡,比如百夫长可以让事情容易一点,但毕竟不如现金那么普及,这世界上很多人也不清楚卡是怎么回事。动不动炫耀账户上的数字更是隐私保护的大忌。

这种无现金文化该怎么表达,还是值得思考的。

所以一些支付应用的卖点的UE,在一个普遍受用的环境下,frictionless的购物、支付,这样就足够了……?

无现金的技术和架构也出来很多年了,大体上不会形成太大的问题。有点可悲的是,由于V和MA实在是太强大了,以至于网上购物也只能沿用老旧的信用卡技术体系。

这是一条当时的笔记记录。CNP(Card not present)欺诈的根源,是信用卡技术体系并非为电子商务而设计的。但电子商务起来迅猛,信用卡产业链又不希望失去这一大市场,于是增加了EMV 3DS这种补丁式的标准。

政府的支持和公众的信任。政府无疑是乐于见到无现金社会出现的,前提是不冲击其法币基础。不受政府监管的加密货币会在强权国家受到政府的抵制和禁止。小政府国家只有靠央行和法庭去限制,民间行为很难控制。

无现金还有一个问题是,当它与现金对立之后,公众会将其视为一种方式,但实际上无现金支付方式五花八门,八仙过海,其通用性和普及性还有漫长的路要走。

最后估计还是政府、央行、卡组织才有能力去统一,也同时可以承担公众普及的成本。

易尚三维

周三下午到易尚三维的园区参观,主要看了一下其展示厅,以及其中一层做项目的办公区。

易尚的主营业务是三维扫描/建模/展示。有自己研发的三维扫描设备,针对不同大小的目标,如消费产品,则是固定镜头,旋转托盘的扫描箱;如人体,是固定数组镜头的扫描空间(十来个平方);如汽车,是手持的扫描设备;如展示空间,则需要专业人员到现场去采集。

采样后得到点云,通过成熟的算法建立了3D的模型,但边界/盲区则需要手工进行弥补/填充,然后就是贴图/纹理。

生成的3D内容可以用于3D打印,也可以用于触控大屏幕上3D展示。

易尚也提供全套的互动展示方案。

区别于一般的展示商(提供平面设计或视频广告),易尚的特点是三维数据的屏幕展示,因此互动是必须的,否则三维数据跟视频差别不大。由于其扫描精度也有优势,所以也倾向于大屏幕,以充分展示其特长。但一般的展厅用的产品数据每个在30M以内,属于目前带宽完全可以承担的范围。(博物馆的展品则需要高精扫描,单个数据在G级别)

有亮点的是一个通过3D镜头对人体进行拍摄,以方便和产品视频进行实时合成,主要使用在网络直播卖货方面。主播可以在不接触具体产品的同时对产品进行推广。

商业模式方面,虽然易尚有自己的硬件产品,也有较标准化的工作流,但3D建模、优化等方面仍然对外行来说,仍然是较难。而展示的需求又以企业为主。这种2B的生意无法直接提供工具和环境让企业自行做的话,就变成项目制的形式。

对PAX来说,除了展会展示产品外,场景的3D建模,需要使用这样的技术进行异地场景采集,则需要有相关的技术人员到现场出差。这对海外业务来说,则有点困难了。

目前最合理的方式是深圳本地进行产品3D扫描,异地使用普通屏幕进行展示。也就是,仅仅实现一个3D展示的虚拟产品手册。

后续如果我们能在中国本土做好零售场景的话,也可以考虑将场景3D化,给到异地展示。

至于虚拟零售,目前看来只有一些高端品牌/特殊商品需要,属于项目制的工作,缺乏有效的可复制性。

联邦学习与大数据隐私专场

这个专场对于我来说,算是一个扫盲性质的,听了几个讲座后,大概知道联邦学习是一个什么样的模式了。

杨强是港科大的教授,微众银行的高管。他对联邦学习的介绍还是很清晰的:https://www.leiphone.com/news/202008/hBACeSbAY8PIOcbh.html

联邦学习的背景是1.数据的来源碎片化,且难以标准化,2.数据的合规性要求限制了中央处理。

继续阅读

企业服务专场

选这个来听,本意是希望听到关于企业SaaS怎么做的讨论,但遗憾的是,还是偏少。主要是企业服务如何匹配新基建等大方向和大趋势的。

信通院政策与经济研究所副所长何伟,https://www.leiphone.com/news/202008/PG3C7FP2gUzNXNAd.html

重点在于产业发展的时间和方向,企业服务应该与其保持一致。

阿里巴巴副总裁,郭继军,https://www.leiphone.com/news/202008/wvoatM5VImhgvrGQ.html

企业服务中,数据凌驾一切,打通数据间的障碍,后挖掘及形成新的业务。而对阿里来说,目前则不纠结于具体是哪个云,哪一家的云,只考虑将其打通并组合给应用。

继续阅读

AIoT专场

其实这个专场更多的是老生常谈,因为世界的变化方向已经很明显了,我们一天天地看到AIoT的临近,只是是谁推动的差别。

谭建荣院士的报告,应该算是一个总体的介绍,虽然我知道很多人并不需要这样的介绍。https://www.leiphone.com/news/202008/k6OvGuYih46R9IBb.html

印象最深刻就是5G+IoT这种异构网络下,很多传统的网络方式会被替代,沿用过往的经验可能并不合适。自组织网络跟M2M又是相互相成的,M2M会衍生新的业务需求,但基本的M2M需要自组织网络,M2M的业务设计也应假设是自组织网络下。内容分发上也有新的考究,毕竟5G下,存储尚未出现一种更优的形式,P2P该怎么走?

继续阅读

机器人前沿专场

次日,选了机器人前沿专场和AIoT专场来听。

开场的报告是加拿大工程院张宏院士作的。他也即将在深圳建立有实验室,但此次是用远程的方式进行演讲。

https://dy.163.com/article/FK6GSE5D0511DPVD.html

讲的范围不多,集中在机器人如何得知自身处在已知地图的何处。包括对视野中的各种物体的标示(全局/全景描述符),Deja vu的时候各种不同的外部环境产生的变化如何识别,二维点云计算即确认,图像粗匹配、精匹配,雷达和视觉的信息融合等等。

不过他说的是已知地图的情况。结合去年有个讲陌生环境下的digital twin构建地图,就可以多机器人联合制作地图并进行相对定位了。

继续阅读

人工智能前沿专场

今年看着早鸟票(399)便宜,就又参加了一次CCF-GAIR。但疫情的影响很大,去年的诺奖嘉宾的豪华阵容就没见到。但主题和方向是更加专注。我前后三天,主要听了五个专场:人工智能前沿、机器人前沿、AIoT、企业服务、联邦学习与大数据隐私。

继续阅读

通用AI的业态及商业模式

算法团队开始抽象出来,并不集中注意力在某一个固定的领域上。

于是,如何做一个通用的AIaaS,让不同行业不同需求可以运行在一个云AI平台上成了一种趋势。

看到Square收购了Dessa,依稀有一些这种趋势。

AI 2B是一个生存的趋势,因为AI 2C都是一些好看不中用的玩意。但是Big B有点困难,一方面Big B可以养活自己的AI / ML团队,另一方面,Big B的定制化需求太多太复杂,很容易把整个AI团队卷进去,于是就跟平台化无缘了。

注定是Small B。

Small B有数据,缺团队,顶多有一两个data scientist。这样就是AIaaS的机会了。

但AIaaS的考验也不少,需要把AI工程做得通用、可配置,有伸缩性,容易收费。

还要需要提供data cleansing的工具及服务,搞不好,这个数据清洗的工作需要的人力成本远比AI主算法要高。

AIaaS的团队需要补强的是,

1.传统SaaS的架构师,这里可是需要有真材实料,能庖丁解牛的架构师

2.能针对不同行业快速设计AI / ML方案的数据科学家

3.精通data cleansing的脚本工程师