AI賦能 商用機器人走向「場景定製化+功能精細化」的服務時代

近年來，在智能零售、智慧酒店以及數字化銀行等新風口的驅動下，服務機器人產業正飛速發展，成為推動百行百業智能化變革的中堅力量。就在2017年12月，工信部正式發布了《促進新一代人工智慧產業發展三年行動計劃（2018-2020年）》，宣布將在未來三年大力推動機器人技術在公共服務、安防巡檢以及新零售等領域的規模化應用，商用機器人的發展正式被提上日程。另一方面，經過多年以來與各大應用場景之間的不斷磨合，如今的商用服務機器人在應用以及產品設計上的方向也愈加明晰，加之AI浪潮的強力驅動，行業正加速邁向「智能+精準化」服務的時代。

商用機器人市場增長迅猛 「定製+精準化」服務是核心

受人口老齡化及勞動力成本漸增等宏觀因素的影響，近年來全球服務機器人市場正加速騰飛。據IDC統計數據顯示，2016年全球服務機器人的年銷售總額為89.1億美元，2017年突破108.2億實現22.4%的增長率。同時，隨著各國圍繞智能化開展的一系列政策加持、產業鏈零部件成本的降低以及市場競爭的加劇，預計2018年全球市場總銷售額有望突破127.9億美元。與此同時，國內市場增長也十分迅猛，從2015年的29.6億到2017年的48.5億，年複合增長率達到15.5%，預計2018年有望突破59.6億元。

在整個服務機器人大市場的刺激下，加之新零售、數字化銀行及智慧酒店等應用場景與機器人技術磨合的不斷深化，商用機器人市場總值也開始高速增長，而中國作為全球最大的子市場，同樣將在未來幾年貢獻主要增量。從2012年的2.1億到2017年的3.8億，五年以來國內（公共服務領域）商用機器人銷售額年複合增長率達10.46%，對醫療諮詢及業務辦理、新零售、數字化銀行以及智能安防等市場的影響頗為顯著。

優必選Cruzr產品線總經理胡佳文

優必選Cruzr產品線總經理胡佳文十分看好商用機器人近年來的發展，他表示：「從整個服務機器人的市場來看，我們認為整體上是處於一個快速上升的階段，預計2020年服務機器人有望達到1322萬台的銷售量，整個規模可能突破200多個億。今年以來，我們業務增長很大一部分的動力也是來自Cruzr，這是一款百分百2B的商用機器人，主要應用場景分布於商場、機場、酒店、銀行、4S店以及安防等。其中，零售行業會是近年來比較大的一個風口，今年的1月6日，我們與居然之家展開了合作，目前2150台Cruzr機器人已經成功在居然之家百城千店正式上崗。而在銷量方面，截止2017年底，我們的Cruzr產品的銷售量已經超過了1萬台，並在多個場景實現了規模化的應用。」

作為一種與應用場景緊密貼合的機器人品類，商用機器人需要根據不同的環境來定製具體而精細化的服務功能。科沃斯商用機器人運營副總裁高倩認為：「商用機器人做的是2B的事情，與前期要完成什麼樣的事並不形成清晰對比，因此現在的商用機器人在發展方向上需要有意識去做篩選。目前，泛金融領域整體的智能化改造升級、政務領域現代化服務角色打造、智能零售的導購和新營銷等是我們正在做的案例。儘管也有其他商用機器人企業的目標更加偏向於寬泛的服務各行各業，但畢竟各個行業的需求都有所差異，寬泛的服務以及對各個應用場景的統籌兼顧難免會造成更大的成本開支。而且，在不斷的商業化實踐中，我們也逐漸認識到目前的智能技術並不能做到滿足各行各業的個性化需求，因此必須逐個針對不同的垂直領域或場景持續地去開展數據積累、學習，即機器人深耕場景是手段，圍繞場景應用不斷產生有效的、精準的業務價值才是最終目的。」

科沃斯商用機器人運營副總裁高倩

因此，2015年起科沃斯的商用機器人旺寶一代就已正式進入銀行、零售以及政務系統，為各大場景提供精細化的服務，高倩介紹：「兩年多以來，我們已經實現了近千台人形服務機器人在銀行業的落地，主要擔任大堂經理助理和營銷助手的角色，前者主要負責簡單的問答，為業務辦理人員分流；而後者主要負責業務知識和理財產品上的推薦和答疑解惑。通過2年多的實踐，我們發現銀行機器人營銷助理已經表現出了比傳統營業廳服務模式要明顯得多的優勢，它以遠低於傳統方式的成本實現了高達40%的營銷成功率，尤其是掃碼獲客或下載手機銀行等二維碼入口類營銷工作。而在零售領域，我們也通過分析顧客和零售業主兩類用戶的業務需求，針對機器人產品在設計上導入了諸如導購、人臉識別+行為數據分析、管理、指標評估和成交量諮詢等功能。目前已經在不少無人便利店場景中實現了規模化的應用，提供的服務包括吸引並幫助顧客下載APP、綁定銀行卡、協助進行人臉註冊、商品諮詢導購以及行為數據採集等。基於上述在零售前端為顧客提供交互服務的業務流程，我們認為機器人將在未來幾年成為新零售行業最為重要的線下流量入口之一，持續為零售O2O帶來數據管理和運營的巨大價值。」

軟硬協同突破應用瓶頸 深度定製化漸成主流

儘管在應用層面上的發展正逐步明晰，但受制於當前產業鏈相關硬體以及機器人在軟體系統、演算法層面上的不成熟，目前市面上多數自主移動機器人在實際應用中的性能體驗仍難以達到人們的預期，具體表現為人機交互成本高昂、避障反應速度慢、感知障礙物視角不夠寬以及反映時間長等缺陷。

某移動機器人公司副總裁對記者表示：「以我們目前做的移動運營商大廳服務以及酒店這類的應用場景為例，其中機器人主要發揮諮詢、引導、查詢及業務辦理等功能。儘管目前很多交互技術在基本交流上不存在多大問題，但關於用戶的語料收集以及語音庫的理解和解析，實際上還是會耗費很大的人力成本，因此很多業內同行也都笑稱機器人的人工智慧等於是用人工堆積起來的智能。另一方面，實際場景中機器人的移動能力也一大問題，目前很多廠商用的都是第三方廠商所提供的移動底盤，從整個應用情況來看，國內能夠找到的廠商自身的移動底盤技術仍不夠成熟，在遇到較多障礙物時很容易迷路，而且如果掃描的地圖有一點變化，比如原來有一個花盆，把花盆移掉機器人可能就迷路了。」

圖靈機器人聯合創始人郭家

針對酒店這類相對更為封閉的應用場景而言，當前機器人自身「見機行事」能力也頗為不足。圖靈機器人聯合創始人郭家認為：「在這種相對封閉的應用場景中，機器人硬體與軟體的功能切換與配合能力就需要更加迅速和靈活。譬如遇到大堂的鏡面時機器人需要做什麼處理，從大理石地面再進入地毯區又需要它有什麼應對方式，這就需要多感測器融合在軟體以及硬體上都能夠進行良好的配合和切換。可以想像，如果碰到鏡面，激光感測器的功能可能就無效了，那這個時候就要用『超聲』立即補上。因此在某一個路段里，可能只有某一個感測器會發揮主要作用，所以我們的方法是在軟體上不設定一套固定的演算法，而是根據實際情況使用機動靈活的控制決策系統來實現演算法的快速切換。再舉個例子，為了提升它的避障功能，我們用了很多感測器來做，在每一個場景下的哪個感測器的權重最大，這就需要我們去分析。因為在強光線下，某些感測器就完全看不到了，這個時候你可能要用其他感測器比如超聲。此外，如果這條路段機器人走的時候總是失敗，發現地面有問題，然後通過數據積累和自動學習，它會去繞另一條道路，雖然那條路可能遠一點。因此，在出廠前，我們一方面要對機器人進行測試，另一方面肯定會進入這個場景後，有一套體制讓它去進行全方位訓練，去收集數據，它才能真正掌握這個環境。」

除需要在技術層面上進行優化及調整以外，順應當前機器人產品設計逐漸向「服務精準化」以及「用戶價值為中心」的趨勢，越來越多的廠商也開始摒棄以往「大雜燴」的產品設計理念，向服務定製化以及功能精細化的方向進發。

對此，郭家表示：「從2016到2017年，服務機器人領域即有做得好的公司，也有做得不好的公司，好公司的『轉變』主要是從原來做一款由技術定義的產品，轉向做一款由產品來定義的產品。具體來講，以往機器人廠商只是把語音識別、計算機視覺、語義分析等技術做一個堆積，也就是將這些技術單純的在一個機器人身上進行堆積整合的『添磚加瓦』模式。但這樣做的結果就是機器人不能體現出自己所能帶給用戶的價值，僅僅只是能聽會說，也會看，可能很多其他多餘的功能根本用不到或者說用戶真正需要的功能在機器人身上得不到良好的體現，因此這背後並不具備所謂的價值。如今，多數廠商正在轉變以往的產品設計思路，從簡單用技術堆積產品，轉向為從用戶需求、使用體驗以及服務價值等多個角度出發來進行思考，從而打造出能給用戶創造精準化服務及良好體驗的機器人產品。整體來看，2016年更多是讓市場認識到有機器人這一類產品，而2017年產業則更多是深入到各行各業進行實際場景的應用探索及體驗打磨。」

胡佳文對此表示贊同，他強調：「只有將機器人真正置入到商業場景中之後，才會發現針對場景進行功能以及技術的深度定製有多重要。以酒店場景下的應用為例，現在很多酒店都需要先拿身份證去做一些複雜的check-in動作，一般需要等待幾分鐘甚至十幾分鐘。那我們則是通過機器人的人臉識別，進來後只需要跟機器人交互一下，它就會通過人臉識別來進行驗證通過，從而簡化Check-in的整個過程，完了之後可以帶你去電梯以及告訴你酒店的詳細信息。除了身份識別以外，周邊的一些信息也可以快速查詢，比如機場地鐵線、計程車需要多長時間等，而且針對不同母語的外賓也能夠很好的進行無障礙交流，全面提升服務效率。如果客戶還需要其他的服務功能，我們還可以根據對實際情況的評估來做定製化方案，因為不同的服務領域要求的場景交互特點是不一樣的。所以，我們的策略是針對不同的場景都要去做深度定製，定製完之後在這個場景去試用，試用完之後再根據應用情況來持續開發軟體功能進行迭代和完善。」

借AI之力：服務機器人開啟「智能化」新篇章

因此，在接下來的時間裡，我們將看到越來越多的商用機器人逐漸走上功能深度定製化及服務精準化之路。隨著這種趨勢的持續縱深，加之近年來AI技術在硬體以及軟體演算法上的快速迭代，未來定製一套貼合應用場景的商用機器人將變得越來越容易。目前，不少廠商就已經開始藉助AI技術以及自身的數據資源整合能力來實現機器人的自我迭代，借AI之力全面賦能商用機器人產品，並通過不斷的深度學習來豐富和強化機器人在各大應用場景中的實戰經驗及適應能力。

在「AI+」的隊伍中，科沃斯的經驗相當豐富，高倩表示：「通過2年多的線下運營基礎實踐後，目前旺寶已經能夠在垂直領域內回答一些常規性的問題。但隨著對應用場景的不斷深耕，我們也逐漸發現在機器人系統中嵌入AI能力的重要性。因此，2016年我們對旺寶進行了二代技術的迭代升級，開始在其中加入人工智慧的部分功能比如語音聊天，市場實踐發現機器人在業務交互時間和業務交互量上提高了15%-20%，而且在垂直領域也比原來更有經驗。鑒於此，我們在2017年的機器人大會上也正式發布了第三代旺寶產品，為產品賦予了更多的AI能力，全新的AI系統通過大量的數據資源以及雲平台技術支持，能夠實現軟硬體模塊的高速配合、準確而快速的交互以及精準化的服務，大幅提升的營銷成功率，開啟公共服務機器人的新篇章。」

胡佳文也十分認同利用AI來給商用機器人逐步賦能的發展模式，他表示：「隨著『AI+』逐漸在服務機器人領域嶄露頭角，未來我們能夠更加快速的實現產品和技術的升級迭代。比如我們可以通過大數據來不斷優化軟體系統以及演算法模型，使AI的自我學習能力不斷提升，從而在各種場景下能夠運用自如；還能夠從後台的一些數據統計，挖掘到信息中的一些商業價值，從而讓數據來驅動用戶的運營角色，提高企業的競爭力；此外，還可以通過數據驅動決策的方式，從數據評估、洞察數據到決策策略，形成最後的行動，從這一個循環來說，能夠讓我們的客戶更好的去理解他的客戶，然後去整合更優的產品並優化渠道。不過，在各行各業深度使用的數據，其實數據量是非常龐大的，我們要怎麼樣去利用這些數據來改善現有產品，進而服務客戶，是接下來在產品開發以及應用方面需要去解決的問題。」

郭家則認定未來「AI+」的軟體系統、智能演算法以及數據資源一定會是服務機器人廠商保持競爭力的核心優勢。不過，目前大多數廠商們將主要精力還是投放在了「如何進一步提高識別的準確率」上。如果將技術分開來看，MegaFace、LFW（Labeled Faces in the Wild）等國際測試已經讓我們看到了圖像識別等技術的準確性。但在具體的應用中，對於如何利用AI技術來將圖像識別、語音識別以及地圖構建等功能整合在一起從而打造出更好的用戶體驗，是未來幾年各廠商需要去克服的共同難題。