碾壓亞馬遜，他的黑科技讓商超人效提升10倍

- 文｜小飯桌新媒體記者 徐傳達 -

- 編輯丨關雪菁 -

吳一黎和他的YI Tunnel 團隊做出了一款智能收銀機，他的目標是為線下商超提供新零售的一套解決方案。

「機器只要『看一眼』就能自動結賬，」吳一黎對飯桌君解釋。

好奇之下，飯桌君順手抄起兩隻散裝的蘋果，放在YI Tunnel的智能收銀機上，機器屏幕上立馬顯示出蘋果的品類、重量和價格。

這要是在一般超市，想買倆蘋果，你得吆喝上店員半天，等他們不緊不慢走過來，稱重、包裝、貼價簽。要麼就是為了等稱重，排老長的隊，也許一怒之下，你索性不買了。

眼下，YI Tunnel正在與不少知名的零售商開展了合作，對市場試水。這算是苦盡甘來，創業過程中，吳一黎崩潰過不少回：

比如，YI Tunnel 採用的是機器學習中的一種——CNN（卷積神經網路）技術，這就需要機器反覆辨識和學習，「一個簡單的桃子，教小孩教三五次就記住了，機器可能得500次，」吳一黎不無苦惱的說。

好在，功夫不負有心人。從2016年10月吳一黎團隊全面轉向YI Tunnel 技術開發和研究算起，至今共計8個月時間，YI Tunnel 已經可辨識3000個SKU物品、標註超200萬個數據，測試期間物品識別和結算準確率超99.7%，錯誤率僅為人工結算錯誤率的1/5。

「如果說現在的很多人工智慧公司都在強調自己的技術創新，像愛因斯坦一樣發明相對論，那我們更願意把自己比喻成愛迪生，願意將技術商業化。」吳一黎一直都在強調自己更願意接地氣、將前沿技術優化並進行商業化的定位。

目前，該項目正在進行A輪融資，由凡卓資本（小飯桌旗下專業的投融資顧問品牌）擔任獨家財務顧問。

◆ ◆ ◆

為什麼是智能收銀？

收銀是線下商超最後、也是最重要的一環，因而體驗就顯得異常重要。

目前，主流的收銀方式是：所有的商品價格都提前統一錄入系統，結算時通過用人工方式掃碼商品條形碼來獲取商品價格。

這樣的方式有兩個明顯的弊端：

一是人工的方式相對而言錯誤率較高，有數字顯示人工結算方式的錯誤率在1.5%左右；

二是，對於諸如水果、肉類、海鮮等非標準化產品，線下商超基本都是通過先稱重、封口、貼條形碼，之後結算時再掃碼的方式，耗費人工多、成本高。

在IBM做了四年智慧商務管理工作的吳一黎清晰的認識到，如果能通過人工智慧的方式減少線下商超的錯誤率、解決非標品的自動稱重和結算、降低人力成本，這將是一個機會。

「如果你在超市裡買水果，不用再麻煩工作人員稱重、貼條形碼，而是直接用智能收銀機器人，自動稱重、自動辨識水果價格，並直接給出最終結算價格，這樣豈不是更便捷？」吳一黎這樣描繪YI Tunnel的未來使用場景。

2016年，吳一黎回到了母校清華大學軟體學院，在交流中他發現，卷積神經網路（CNN）在人工智慧領域技術相對成熟、也是離商業化相對更近一些的領域。

「其實基於CNN的實際應用，很多高校和研究中心都在做，」吳一黎透露，「不過他們更多的是出於學術研究的目的，很多錯誤率都比較高，在3%~30%之間。」

選定了具體的實現技術之後，吳一黎接下來要考慮的就是如何提高準確性，而提高準確性的第一步就是準確辨識物體。「傳統的方式是將價格信息置於條形碼之中，我們則是通過圖像識別，與後台自動匹配價格。」吳一黎這樣拆解他的技術邏輯。

聽上去簡單，做起來卻十分棘手。這中間包含兩個方面：一個是如何完善演算法體系，一個是增加數據的多樣性。

在完善數據演算法方面，「CNN包括識別層、隱藏層、輸出層，每一層都是在計算一個Y=aX+b的函數。我們現在做的就是在識別層和隱藏層。」開發團隊來自清華大學軟體與圖像識別實驗室，核心演算法由中國工程院院士、清華大學孫家廣教授帶隊研發。

在數據多樣性方面，25人的數據工程師團隊不停地給機器「喂數據」，比如辨識一個蘋果，會在不同光線、不同角度、攝像頭是否有污漬等多樣情況下分別進行拍照、打標籤、數據分析等，直至機器能夠準確辨識出是蘋果為止。

目前，YI Tunnel 的準確性超99.7%，單個物品辨識速度為0.02秒，可識別包括酒水、水果、肉禽蛋奶、零食等超3000個常見品類。

◆ ◆ ◆

Amazon Go的瓶頸

做好智能收銀只是第一步，未來，吳一黎的目標是：無人值守超市。

Amazon Go就是這個領域最受人矚目的：顧客只需下載Amazon Go的APP，在商店入口掃碼成功後，便可進入商店開始購物。Amazon Go的感測器會計算顧客有效的購物行為，並在顧客離開商店後，自動根據顧客的消費情況在亞馬遜賬戶上結賬收費。

「Amazon Go 採用的技術是RFID晶元感應技術，即在每一個商品上貼一個小晶元，當用戶拿走物品時，晶元將被掃描並記錄，並通過視頻等感應器記錄到個人賬戶中。」吳一黎介紹說。

他認為，Amazon Go 有兩點不足：

一是每一個商品都需要貼上晶元，每一個晶元成本都在0.2~0.3元之間，不僅耗費人力財力，錯誤率也不低；

第二，目前的技術僅能支持超市內不超過20人的規模，超過20人晶元識別錯誤率將大大提升。

吳一黎認為，智能收銀+數據分析系統才是未來。

「智能收銀不僅僅只是計算和收錢，更重要的是數據積累和應用。」吳一黎告訴記者，系統將結合用戶消費數據、天氣甚至當天新聞來指導商超的商品理貨、上下架、盤點、擺放、存貨等。

另外，為了防止被盜竊，通過添加人臉識別等輔助工具，顧客在進店和離店都會採集到人臉信息，從而起到防盜作用。

「未來將實現機器人完全管理超市的全業務流程，將現在150人的管理團隊減至15人以下。」吳一黎透露。

◆ ◆ ◆

AI+新零售：數據驅動的商業化

2017年，吳一黎的目標是開出3~5家概念店。

「最開始的幾家店做示範，一旦平穩運營後，複製是很容易的。」吳一黎透露。目前YI Tunnel 計劃與包括7-11、永輝超市等線下便利店、大型超市等開展戰略合作。

為此，吳一黎還請來了有20多年零售經驗的聚美優品CTO，專門負責應對線下店比較複雜的用戶信息、營銷、打折等模塊。為了保證準確性，機器還會在便利店、傳統大型商超學習大概3個月時間。

同樣，數據的量級也是吳一黎最關心的，「數據每上升一個數量級就乘以一個10，然後錯誤率就會降低40%」。2017年吳一黎的團隊將完成工程優化，識別SKU將超10000種，錯誤率降低至千分之三一下。

在商業模式上，YI Tunnel 有兩種方案：一種是直接售賣機器，目前每台機器的售價為20萬；另一種是機器租借、按照使用次數收費，每使用一次將支付一定的使用費。

未來，YI Tunnel 還將發展包括餐飲、藥店、書店等客戶。「我們將從商超數據出發，逐漸布局更多領域，」吳一黎這樣描繪自己的商業化未來。