0
雷鋒網(wǎng)「新智造」按：當(dāng)技術(shù)發(fā)展到今天，互聯(lián)網(wǎng)已經(jīng)演進(jìn)到智能互聯(lián)網(wǎng)。本文摘自九合創(chuàng)投的研究報(bào)告，包括智能互聯(lián)網(wǎng)的核心特征、智能互聯(lián)網(wǎng)的技術(shù)成熟周期以及智能互聯(lián)網(wǎng)帶來的革新與機(jī)會(huì)，首發(fā)于九合創(chuàng)投微信公眾號，新智造已獲取授權(quán)。新智造作為雷鋒網(wǎng)旗下欄目，關(guān)注智能時(shí)代的創(chuàng)新與創(chuàng)造，目標(biāo)是找到哪個(gè)領(lǐng)域還有值得創(chuàng)業(yè)和投資的機(jī)會(huì)。
智能互聯(lián)網(wǎng)是互聯(lián)網(wǎng)「連接」作用發(fā)展到一定成熟階段的演進(jìn)形態(tài)，其建立在互聯(lián)的基礎(chǔ)上，以連接產(chǎn)生的「數(shù)據(jù)」為核心，通過數(shù)據(jù)處理輸出「智能」價(jià)值，指導(dǎo)人與機(jī)器的高效決策和資源利用。
（1）智能互聯(lián)網(wǎng)是互聯(lián)網(wǎng)的演進(jìn)形態(tài)，其首要表征是互聯(lián)網(wǎng)的核心價(jià)值驅(qū)動(dòng)力由「連接」到「數(shù)據(jù)」的發(fā)展?！高B接」是智能互聯(lián)網(wǎng)的基礎(chǔ)，「數(shù)據(jù)」是智能互聯(lián)網(wǎng)創(chuàng)造價(jià)值的核心。
（2）傳統(tǒng)互聯(lián)網(wǎng)的載體相對統(tǒng)一且載體遷移對原有商業(yè)格局影響較大 VS.智能互聯(lián)網(wǎng)載體分散并將呈現(xiàn)越來越離散的特征。
（3）智能互聯(lián)網(wǎng)的核心價(jià)值驅(qū)動(dòng)力 — 「數(shù)據(jù)」 ，既包括作用于產(chǎn)業(yè)與行業(yè)的橫向數(shù)據(jù)，也包括以某一具體指向?yàn)閱挝坏目v向數(shù)據(jù)；其實(shí)質(zhì)都是超出人腦可處理范圍、需要算法發(fā)揮智能價(jià)值的數(shù)據(jù)。
（4）智能互聯(lián)網(wǎng)價(jià)值鏈條的主要表現(xiàn)為：數(shù)據(jù)輸出決策，決策提高效率，效率作用于資源利用和時(shí)間成本。智能互聯(lián)網(wǎng)的「智能價(jià)值」包含對個(gè)體生活的智能價(jià)值和社會(huì)生產(chǎn)力的智能價(jià)值。
（5）凡是“通過連接與數(shù)據(jù)產(chǎn)生價(jià)值”的形式皆屬于智能互聯(lián)網(wǎng)的范疇。
下圖分別為Gartner最新的2016年新興技術(shù)成熟曲線與2016年物聯(lián)網(wǎng)成熟曲線。
其中， 九合重點(diǎn)整理了 2-5 年內(nèi)能夠到達(dá)成熟生產(chǎn)階段的技術(shù)如下圖：
物聯(lián)網(wǎng)超過 8 項(xiàng)技術(shù)有望在 2 - 5 年內(nèi)到達(dá)生產(chǎn)成熟期，未來 5 年內(nèi)物聯(lián)網(wǎng)技術(shù)將快速發(fā)展，為智能互聯(lián)網(wǎng)聯(lián)打下堅(jiān)實(shí)的「連接」基礎(chǔ)，采集到更多之前不可觸達(dá)的線下數(shù)據(jù)和產(chǎn)業(yè)數(shù)據(jù)，輔助機(jī)器學(xué)習(xí)的突破。
正在走向泡沫破滅低谷期的物聯(lián)網(wǎng)集成技術(shù)，能促進(jìn)企業(yè)認(rèn)識到物聯(lián)網(wǎng)集成不只是簡單的 M2M（Machine to Machine）一體化，在此之前要做好底層互操作性和硬件集成工作。
IT / OT 集成撩撥著供應(yīng)鏈和生產(chǎn)鏈實(shí)時(shí)打通的巨大想象，但回望更底層的物聯(lián)網(wǎng)集成正經(jīng)歷低谷期，IT / OT 的集成仍必先實(shí)現(xiàn)物聯(lián)充足的數(shù)據(jù)采集布點(diǎn)。
預(yù)測性分析與 IT/OT 集成技術(shù)正處于同一階段，事實(shí)上，IT/OT 集成的想象力直接能轉(zhuǎn)化為豐富實(shí)時(shí)的數(shù)據(jù)源，喂養(yǎng)預(yù)測模型，兩者呈正相關(guān)。
與智能制造、工業(yè)大數(shù)據(jù)造密切相關(guān)的物聯(lián)網(wǎng)集成、IT/OT集成、預(yù)測性分析、機(jī)器學(xué)習(xí)等多項(xiàng)技術(shù)同時(shí)處于 2 - 5 年內(nèi)到達(dá)成熟區(qū)的臨界點(diǎn)，可以預(yù)期未來五年內(nèi)工業(yè)領(lǐng)域?qū)⒖焖侔l(fā)展突破。
自然語言問答技術(shù)行走于泡沫低谷期， 此前 bots 瘋狂的投資熱將逐漸恢復(fù)理性，企業(yè)開始思考將技術(shù)應(yīng)用于實(shí)際產(chǎn)生價(jià)值的場景而非想象場景里試錯(cuò)。也就是說，近兩年內(nèi)，個(gè)人虛擬助手等 C 端 bots 創(chuàng)業(yè)將逐漸冷卻或轉(zhuǎn)向 B 端應(yīng)用場景。
智能互聯(lián)網(wǎng)時(shí)代的效率經(jīng)濟(jì)滲透各行各業(yè)，體現(xiàn)出顯性的、可直接轉(zhuǎn)換成經(jīng)濟(jì)價(jià)值的成本降低和效率提升。高盛曾從統(tǒng)計(jì)經(jīng)濟(jì)學(xué)的角度分析，移動(dòng)互聯(lián)網(wǎng)時(shí)期的美國并沒有在經(jīng)濟(jì)數(shù)據(jù)上體現(xiàn)明顯的社會(huì)生產(chǎn)率提升，但人工智能所帶來的社會(huì)生產(chǎn)率促進(jìn)作用卻呈現(xiàn)為可量化的巨大經(jīng)濟(jì)效益。
九合將從工業(yè)、農(nóng)業(yè)、醫(yī)療、金融和零售五大基礎(chǔ)行業(yè)分析智能互聯(lián)網(wǎng)帶來的革新與機(jī)會(huì)。
工業(yè)占大部分國家 GDP 的核心比重，歷次工業(yè)革命同時(shí)也推進(jìn)了人類社會(huì)經(jīng)濟(jì)和組織形態(tài)的向前演進(jìn)，而智能互聯(lián)網(wǎng)時(shí)代的工業(yè)正經(jīng)歷著人類歷史上的第四次工業(yè)革命 — 工業(yè) 4.0。國務(wù)院于 2015 年 5 月印發(fā)《中國制造 2025》，從國家層面制定了中國于 2025 年實(shí)現(xiàn)工業(yè) 4.0 的轉(zhuǎn)型目標(biāo)。
李杰教授在《工業(yè)大數(shù)據(jù)》一書中，將“工業(yè)4.0”定義為：“第四次工業(yè)革命是以智能化為核心的工業(yè)價(jià)值創(chuàng)造革命，其最終目的是實(shí)現(xiàn)生產(chǎn)活動(dòng)的高度整合，使系統(tǒng)像人一樣思考和協(xié)同工作”。
智能互聯(lián)網(wǎng)對工業(yè)的改造主要體現(xiàn)在以下兩方面：
1）智能生產(chǎn)實(shí)現(xiàn)基于柔性供應(yīng)鏈的、從下游到上游的生產(chǎn)鏈條
智能生產(chǎn)，指通過工業(yè)機(jī)器人、3D 工業(yè)打印、無人物流、物聯(lián)網(wǎng)等先進(jìn)技術(shù)和硬件產(chǎn)品打造智能化工廠，能夠?qū)崿F(xiàn)滿足工業(yè) 4.0 特性的、反向定制化的生產(chǎn)鏈條。
工業(yè) 4.0 區(qū)分于其他三次工業(yè)革命的核心特點(diǎn)之一便是其基于用戶端的生產(chǎn)力需求，打破了傳統(tǒng)的剛性供應(yīng)鏈和計(jì)劃生產(chǎn)模式，能夠?qū)崿F(xiàn)下游推動(dòng)上游的生產(chǎn)鏈條。
2）工業(yè)大數(shù)據(jù)發(fā)揮大腦價(jià)值，機(jī)器決策人類大腦無法處理的大規(guī)模數(shù)據(jù)
工業(yè)領(lǐng)域的數(shù)據(jù)來源豐富，量級巨大，超出人腦可處理的范圍。傳統(tǒng)互聯(lián)網(wǎng)時(shí)期，工業(yè)領(lǐng)域的數(shù)據(jù)大部分都只實(shí)現(xiàn)了可視化和基于人控制設(shè)計(jì)的 PLC（可編程邏輯控制器），并且反應(yīng)相對滯后。而智能互聯(lián)網(wǎng)讓彼此關(guān)聯(lián)的數(shù)據(jù)擁有了實(shí)時(shí)決策能力。
從宏觀角度來看，工業(yè)大數(shù)據(jù)包括資產(chǎn)/設(shè)備數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、用戶數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)；工業(yè)大數(shù)據(jù)可用于資產(chǎn)可靠性和設(shè)備故障監(jiān)測、能源效率的管理、產(chǎn)品質(zhì)量管控、生產(chǎn)流程優(yōu)化管理、上下游和產(chǎn)品周期預(yù)測-管控-追蹤、生產(chǎn)流程重塑、定制化生產(chǎn)等。每個(gè)環(huán)節(jié) 1% 的效率提升作用到整體經(jīng)濟(jì)收益上都是一個(gè)可觀的數(shù)字。但從現(xiàn)階段來看，狹義的工業(yè)大數(shù)據(jù)主要集中在機(jī)器數(shù)據(jù)和生產(chǎn)流水線產(chǎn)品數(shù)據(jù)上；工業(yè)大數(shù)據(jù)的應(yīng)用也主要集中在設(shè)備監(jiān)測、能效管理和質(zhì)量把控上，貫穿上下游和產(chǎn)品生命周期的價(jià)值大數(shù)據(jù)還有賴于產(chǎn)業(yè)的整體成熟和打通。
就目前國內(nèi)而言，作為工業(yè)大數(shù)據(jù)底層基礎(chǔ)的物聯(lián)網(wǎng)普及、傳感器的分布仍處于較為粗燥的階段，萬物互聯(lián)基礎(chǔ)下的工業(yè) 4.0 理想狀態(tài)仍需時(shí)間。
農(nóng)業(yè)是關(guān)系到國家安全級別的戰(zhàn)略產(chǎn)業(yè)，并且面臨著全球人口增長和耕地減少的嚴(yán)峻挑戰(zhàn)。智能互聯(lián)網(wǎng)的應(yīng)用和普及能顯著提高農(nóng)作物產(chǎn)值，推進(jìn)智慧農(nóng)業(yè)形態(tài)的演進(jìn)。智能互聯(lián)網(wǎng)給農(nóng)業(yè)行業(yè)帶來的機(jī)會(huì)與革新主要體現(xiàn)在以下三方面：
1）農(nóng)業(yè)生產(chǎn)各個(gè)環(huán)節(jié)的效率提升
智能互聯(lián)網(wǎng)發(fā)揮數(shù)據(jù)的智能價(jià)值，能夠?qū)崿F(xiàn)農(nóng)業(yè)“種植（機(jī)器選種，自動(dòng)播種 etc.） - 施肥（基于環(huán)境和植物數(shù)據(jù)狀態(tài)的精細(xì)化施肥 etc.） - 灌溉（精細(xì)化自動(dòng)化灌溉 etc.） - 病蟲害防治 （疾病識別 etc.）- 收割（自動(dòng)化收割 etc.） ”各個(gè)環(huán)節(jié)的效率提升與成本控制（資源節(jié)約），促成單位面值農(nóng)作物產(chǎn)值的提高。高盛在一項(xiàng)研究中指出，智能互聯(lián)網(wǎng)能夠?qū)γ绹r(nóng)業(yè)生產(chǎn)各個(gè)環(huán)節(jié)實(shí)現(xiàn) 7% - 30% 不等的效率提升，預(yù)計(jì)至 2050 年，美國每英畝耕地的產(chǎn)值能夠達(dá)到 281 蒲式耳（對比 2016 年的 165 蒲式耳）
2）生產(chǎn)預(yù)測與動(dòng)態(tài)調(diào)配
不少算法公司利用衛(wèi)星云圖、氣候數(shù)據(jù)、土壤特征等綜合數(shù)據(jù)以及農(nóng)作物品種特征、實(shí)踐參數(shù)等搭建預(yù)測模型，對農(nóng)業(yè)的產(chǎn)值實(shí)時(shí)進(jìn)行預(yù)測，推薦適宜的調(diào)控措施(如改變播種期、播種量或肥料運(yùn)籌等)、動(dòng)態(tài)調(diào)配農(nóng)業(yè)市場和對應(yīng)的金融期貨，同時(shí)幫助政府合理分配資源（比如當(dāng)收到極端天氣或?yàn)?zāi)難影響國家農(nóng)業(yè)時(shí)，政府和銀行可以獲取足夠的數(shù)據(jù)來支持哪些農(nóng)民需要貸款和救助的決策）。
但用于綜合預(yù)測的作物模擬模型的建立，通常要求輸入作物特征、歷史農(nóng)業(yè)實(shí)踐數(shù)據(jù)、氣候地理實(shí)時(shí)特征等多個(gè)維度的數(shù)據(jù)。這類模擬模型必須引入專家知識，使系統(tǒng)形成以模型為基礎(chǔ)(定量)，以專家知識為準(zhǔn)(定性)的“專家曲線”。
3）農(nóng)產(chǎn)品溯源與食品安全
智能互聯(lián)網(wǎng)理想狀態(tài)下的農(nóng)業(yè)，有望實(shí)現(xiàn)作物都有其對應(yīng)數(shù)字參數(shù)所形成的“digital twin”，流轉(zhuǎn)到市場里的每個(gè)農(nóng)作物都能查詢到完整的質(zhì)量檢測數(shù)據(jù)以及回溯作物生產(chǎn)成長過程中的各項(xiàng)數(shù)據(jù)，實(shí)現(xiàn)真正全數(shù)字化的食品體系。
目前，國內(nèi)農(nóng)業(yè)傳感器的布局、農(nóng)業(yè)整體解決方案的采納都有待進(jìn)一步突破；不同于國外農(nóng)場為主的商業(yè)化形式，中國的農(nóng)業(yè)大部分分散在普通農(nóng)民手中，農(nóng)業(yè)的智能互聯(lián)網(wǎng)升級有賴于地方政府的推進(jìn)。
醫(yī)療是公民生活的基本保障，傳統(tǒng)互聯(lián)網(wǎng)促進(jìn)了醫(yī)院的信息化管理、醫(yī)生資源的整合、病患與醫(yī)生資源的連接；智能互聯(lián)網(wǎng)則在診斷、藥物研發(fā)等環(huán)節(jié)都帶來了較大的效率提升和成本節(jié)約，基因研究的不斷進(jìn)步甚至有可能推動(dòng)醫(yī)療健康的革命性顛覆。智能互聯(lián)網(wǎng)給醫(yī)療行業(yè)帶來的機(jī)會(huì)與革新主要體現(xiàn)在以下四方面：
1）輔助診療
計(jì)算機(jī)輔助診療（computer aided diagnosis，CAD）在診斷中的應(yīng)用已經(jīng)有40年的歷史，但近年來隨著神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，機(jī)器學(xué)習(xí)給 CDA 帶來了突破性的進(jìn)步，尤其體現(xiàn)在醫(yī)療影像診斷方面；建立在自然語言處理技術(shù)基礎(chǔ)上的機(jī)器問診也處于快速發(fā)展期。IBM Watson可以在 17 秒內(nèi)閱讀 3469 本醫(yī)學(xué)專著，248000 篇論文，69 種治療方案，61540 次試驗(yàn)數(shù)據(jù)，106000 份臨床報(bào)告。
機(jī)器輔助診療從一定程度上解決了醫(yī)生經(jīng)驗(yàn)資源的不對等，在特殊病例和罕見病例的甄別上尤為表現(xiàn)突出。但深度神經(jīng)網(wǎng)絡(luò)存在著“黑箱效應(yīng)”，即輸入數(shù)據(jù)很細(xì)微的改變都會(huì)誤導(dǎo)機(jī)器學(xué)習(xí)的結(jié)果，而醫(yī)療診斷的準(zhǔn)確性關(guān)系著個(gè)人的生命身體健康。另一方面，機(jī)器學(xué)習(xí)準(zhǔn)確度的提高需要大量的數(shù)據(jù)喂養(yǎng)，有賴于電子病歷的普及、醫(yī)院之間的數(shù)據(jù)關(guān)聯(lián)和國家層面的醫(yī)療資料共享。
2）智能健康管理與疾病預(yù)防
智能互聯(lián)網(wǎng)也可很好的實(shí)現(xiàn)個(gè)體健康和生活習(xí)慣數(shù)據(jù)的循環(huán)利用，輔助健康管理與疾病預(yù)防。通過智能可穿戴設(shè)備實(shí)時(shí)監(jiān)測病人的重要健康指標(biāo)，進(jìn)行用藥提醒、危險(xiǎn)警報(bào)，如基于傳感器精確到分秒的糖尿病人用藥提醒；也有初創(chuàng)公司基于個(gè)體健康數(shù)據(jù)的實(shí)時(shí)動(dòng)態(tài)，提供每日營養(yǎng)學(xué)方案，監(jiān)測身體不良信號。
3）藥物研發(fā)
傳統(tǒng)藥物研發(fā)周期長、成本昂貴、成功率回報(bào)率低。但智能互聯(lián)網(wǎng)從一定程度上打通了新藥研發(fā)各個(gè)環(huán)節(jié)的壁壘：在試驗(yàn)前期新藥篩選時(shí)，可以通過綜合算法獲得安全性較高的幾種備選物，提高成功率；在進(jìn)入動(dòng)物和人體試驗(yàn)階段前，可以綜合成分分析和既有已知藥物的副作用數(shù)據(jù)庫，選擇生副作用幾率最小的藥物進(jìn)入動(dòng)物實(shí)驗(yàn)和人體試驗(yàn)，節(jié)約成本、提高安全性；此外，還可智能模擬和檢測藥物進(jìn)入體內(nèi)后的身體指標(biāo)與劑量、濃度等用藥指標(biāo)之間的關(guān)系，推薦試驗(yàn)中的最佳用藥方案；進(jìn)入試藥后期，可綜合前期數(shù)據(jù)推算研制成功率，選擇放棄成功率較低的藥品種類，減少成本浪費(fèi)。高盛一項(xiàng)研究指出，通過算法對后期試藥的成功概率推算能夠幫助美國每年至少減少 10 億美元的試驗(yàn)支出。
4）基因革命
基因測序是一項(xiàng)極其復(fù)合摩爾定律的技術(shù)，隨著基因測序技術(shù)的更新?lián)Q代，基因測序的成本不斷下降。2001 年平均每兆數(shù)據(jù)量基因測序成本是 5292.4 美元，單人類基因組測序成本是9526.3 萬美元；2006 年新一代測序技術(shù)推出，平均每兆數(shù)據(jù)量基因測序成本下降至 581.9美元，單人類基因組測序成本下降至 1047.5 萬美元，而 2014 年 1 月Illumina 推出 HiSeq X Ten 更是將單人類基因組測序成本降至 1000 美元以下。隨著基因測序成本的不斷降低，基因有可能成為新的“健康代碼”，通過基因檢測、基因編輯等技術(shù)不斷革新健康檢測與治療方式。
由于金融數(shù)據(jù)較高的數(shù)字化基礎(chǔ)與可觸達(dá)性，金融產(chǎn)業(yè)是算法經(jīng)濟(jì)應(yīng)用較早發(fā)展相對成熟的領(lǐng)域。智能互聯(lián)網(wǎng)給金融行業(yè)帶來的沖擊與革新主要體現(xiàn)在以下三方面：
1）大數(shù)據(jù)征信與風(fēng)控
大數(shù)據(jù)征信與風(fēng)控直接體現(xiàn)在收入數(shù)字上的風(fēng)險(xiǎn)控制和損失避免，此外，專業(yè)化的數(shù)據(jù)服務(wù)，消解了傳統(tǒng)征信高昂的人力與時(shí)間成本，穩(wěn)定的風(fēng)控模型也能夠有效擴(kuò)大信用經(jīng)濟(jì)的范圍和方式。目前國內(nèi)基于算法模型的大數(shù)據(jù)征信公司層出不窮，核心數(shù)據(jù)源則主要由八家持有國家個(gè)人征信牌照的企業(yè)掌握。
2）交易自動(dòng)化
開年的一則新聞引起了金融圈一片嘩然：由于工作都被自動(dòng)交易程序接管，高盛在紐約總部的美國股票交易柜臺雇傭的 600 名交易員已被削減至 2 名。根據(jù)《金融時(shí)報(bào)》，在 2000 年，紐約證券交易所的場內(nèi)交易者超過 5500 名，而現(xiàn)在則不 400 名。麥肯錫全球研究院在 1 月推出的報(bào)告中稱，金融和保險(xiǎn)領(lǐng)域的工作，有 43% 的可能性會(huì)被自動(dòng)化替代。
目前機(jī)器在金融交易領(lǐng)域可承擔(dān)的角色主要有：自動(dòng)化生成報(bào)告；海量數(shù)據(jù)庫精準(zhǔn)搜索；預(yù)測模型。自動(dòng)化報(bào)告生成和精準(zhǔn)搜索解放了大部分初級分析師的工作。而基于衛(wèi)星數(shù)據(jù)、人流分布熱力圖等多維數(shù)據(jù)角度的算法模型，突破了人腦能處理的知識和數(shù)據(jù)邊界，多數(shù)情況下能夠精準(zhǔn)指導(dǎo)市場交易，減少人為誤差。
但深度學(xué)習(xí)的“黑箱效應(yīng)”是典型墨菲定律的踐行者，機(jī)器微小的認(rèn)知誤差造成可能帶來連鎖多米諾骨牌效應(yīng)；此外機(jī)器只能基于已有數(shù)據(jù)給出結(jié)論，但機(jī)器很難理解一家尚未盈利的公司該如何估值或一種新商業(yè)模式的價(jià)值在哪里。
3）智能投顧
早在 1952 年， Markowitz 就提出了“投資組合理論”（Portfolio Theory）并因此獲得了 1990 年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。智能互聯(lián)網(wǎng)時(shí)代，通過機(jī)器進(jìn)行投資組合的搭配，又稱為智能投顧（Robo-advisor）。智能投顧相較傳統(tǒng)的理財(cái)顧問或個(gè)人投資理財(cái)，質(zhì)量穩(wěn)定、收費(fèi)低，并且能計(jì)算超過人腦可處理范圍內(nèi)的豐富金融產(chǎn)品和收益影響因子，關(guān)聯(lián)和平均做得足夠好的智能投顧應(yīng)用一般能夠?qū)崿F(xiàn)不錯(cuò)的收益，有望逐步發(fā)展為中產(chǎn)階級理財(cái)?shù)闹匾绞健?br/>
傳統(tǒng)互聯(lián)網(wǎng)時(shí)期，互聯(lián)網(wǎng)的「連接」特性打破時(shí)間和空間的限制，電商和物流迅速發(fā)展；智能互聯(lián)網(wǎng)時(shí)期零售行業(yè)的變革則圍繞供應(yīng)鏈和購物體驗(yàn)的創(chuàng)新展開。智能互聯(lián)網(wǎng)為零售行業(yè)帶來的革新主要體現(xiàn)在以下兩方面：
1）智能化購物場景
以 Amazon Go 為代表的無人商店成為今年創(chuàng)投圈又一熱詞，但“無人商店”從字面意義上僅體現(xiàn)了智能化購物場景的自動(dòng)化和人力成本降低，智能互聯(lián)網(wǎng)給零售帶來的想象力還包括：智能化購物導(dǎo)購機(jī)器人、手勢操作和 AR 結(jié)合的智能試衣鏡、基于視覺系統(tǒng)的特定人群識別與營銷、智能購物車；你可能在線下完成網(wǎng)上下單，可能在線下試穿線上挑選好的衣物，可能填完定制化的數(shù)據(jù)傳輸給工廠…智能互聯(lián)網(wǎng)時(shí)代智能化購物場景的核心特點(diǎn)是：用戶動(dòng)作由「消費(fèi)」轉(zhuǎn)移為「體驗(yàn)」；用戶消費(fèi)逐漸模糊線上線下的邊際。
2）以動(dòng)態(tài)零庫存為目標(biāo)的供應(yīng)鏈與物流
7-Eleven 便利店創(chuàng)始人鈴木敏文曾在《零售的哲學(xué)》一書中提到 7-Eleven 壟斷日本便利店過程中采用的方式：從社會(huì)環(huán)境變化預(yù)估消費(fèi)者行為；創(chuàng)造出“單品管理”概念解決滯銷品問題…上述手段所面向的都是傳統(tǒng)零售行業(yè)決定成敗的核心點(diǎn) — 庫存 ，而智能互聯(lián)網(wǎng)的推動(dòng)目標(biāo)，則是通過用戶導(dǎo)向的供應(yīng)鏈體系和實(shí)時(shí)反饋的物流倉儲(chǔ)，實(shí)現(xiàn)動(dòng)態(tài)零庫存的理想狀態(tài)。
在工業(yè)部分我們提到，工業(yè) 4.0 理想狀態(tài)能夠?qū)崿F(xiàn)從下游到上游的定制化生產(chǎn)，而位于制造上游的零售行業(yè)，以此對應(yīng)的是以動(dòng)態(tài)零庫存為目標(biāo)的供應(yīng)鏈和物流革命。這里的“動(dòng)態(tài)零庫存“指的是基于大數(shù)據(jù)的實(shí)時(shí)特征、能夠滿足預(yù)測數(shù)量并隨時(shí)調(diào)配的庫存狀態(tài)，而非時(shí)刻空倉的絕對零庫存。實(shí)現(xiàn)動(dòng)態(tài)零庫存需要基于銷售預(yù)測、客戶偏好預(yù)測與精準(zhǔn)營銷、快速響應(yīng)定成本的智能物流、動(dòng)態(tài)定價(jià)等技術(shù)組合。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
