每当一个新技术到来时，大家往往都容易“短期高估、长期低估”，以至于热度过高时出现泡沫，泡沫破碎之后，资本信心受挫，长期来看对行业发展不利。2000年左右的互联网泡沫就是一个例证。

在经历了去年一整年的AI产业、创投热之后，今年开始，行业的关注焦点开始落到商业化上。“AI落地”、“AI in all”成为主旋律，即各行各业利用AI的力量来提升现有业务，从更实际的角度来发挥AI的作用。

比如，高盛就曾预测，到2025年，人工智能将为零售业每年节省540亿美元成本，创造410亿美元新收入。Gartner则预测，到2020年，消费者和零售商之间85%的互动都会由人工智能来解决。

在众多应用场景中，电商平台无论是对消费者的影响面，还是AI可以发挥的空间，都是最主流的场景之一。与传统的货架式、搜索式电商的“人找货”相比，拼多多代表的电商匹配场景里，“货找人”，即AI智能推荐将扮演更重要的角色。

搜索式电商通过设置关键词，分析用户浏览数据、账号信息等形成用户画像，最后进行推荐。拼多多则倡导从搜索到“商品流”的转变，因为很多时候消费者自己也不知道需要什么，推荐才能激发潜在需求，商业模式决定拼多多在技术上也与其他电商平台存在很大差异。

为此亿欧专访了拼多多CTO陈磊，他分享了很多近期AI在拼多多平台的实际应用和他对于技术价值观的思考。

AI如何解答零售业的核心问题

“大部分零售场景最后都在比拼性价比”

虽然中国人的生活水平在不断提升，消费升级看似是一个必然趋势，但精打细算、货比三家这样的消费习惯仍然深深根植于中国普通老百姓的理念里。如果说早期拼多多是通过微信平台接触到数量巨大的消费群体，那随后的复购与用户忠诚度还是要回归到商品的性价比。

“在物质消费决策中，高性价比是非常重要的因素，大部分零售场景最后都是在比拼性价比，消费者心中有杆秤”。陈磊表示，在所有类别的消费中，追求高性价比的日常消费是一种长久的需求，并且没有波峰波谷的周期。

“而且现在出现了很多有趣的现象，人们在虚拟世界的消费明显上升，而精神文化层面的需求是没有上限的，越来越多的人会进行文化消费，那么钱从哪来？本质上，物质消费在日常消费中的比例会不断减少，但是文化消费会无限增长。”

作为以技术驱动的电商平台，拼多多的机会在于，AI在用户习惯分析和商品匹配上可以运行地更加漂亮——庞大的用户群体、高频的交易和购物行为中加入了更丰富的社交维度，正在构建一个越来越聪明的数据库，既可以为AI的运算提供基本的数据量，人与人的交流展现出的图像、语音与语意理解，也能让AI的学习更精准，降低计算资源的消耗。

“电商平台要做的就是商品与人需求的匹配，匹配得越精准，创造的竞争环境越健康、越高效，消费者的需求就能被更好地满足。”陈磊说。

比如，拼多多通过AI实现选品、定价与流量分配，一方面规避了人工选品与定价可能存在的不公平情况，另一方面，AI在不断评估市场动态和竞争环境的变化，给出的解决方案也更加智能，突破人工的局限性。

“这其实是在将C端的消费行为数据通过平台实时反馈给供应链，而供应链在竞争环境中得到优化，通过AI来更好地实现C2B”，陈磊表示。

拼多多的商业模式特征是“少SKU、高订单、短爆发”，瞬间爆发的巨大单量可能会造成商家产能与交付能力跟不上，这时就需要对需求和供应链承受度有清晰把握，进行合理的平台资源适配。而在营销层面，拼多多利用AI为厂家推广提供数据支持，并将最终效果的成因反馈给厂家。

通过这样的精准匹配与正向激发，有效地促进了商家间健康的竞争——一方面，拼多多通过竞争提高商品性价比，另一方面，在平台合理控制毛利的同时，通过拼单联动消费者，以更有效率的方式传播，从而促进商品性价比的进一步提高。

“未来的电商平台，流量分配将会越来越智能，考虑的因素也会更加全面，商家不必担心流量从哪里来，也不必担心产能跟不上；在任何时候，算法推荐错的东西给消费者，都是在浪费他们的时间和金钱，算法推荐得越精准，效率就越高，同时也能够提升消费者购物的乐趣。”陈磊说。

独有“分布式AI”模型更懂人心

“以消费者为导向，在消费者习惯的场景提供高性价比的购物体验”

从搜索式购物、效率型购物逐渐过渡到逛街式购物，是电商行业的一大趋势。在这个过程中，AI算法推荐得到了越来越多电商平台的重视。

陈磊认为，基于商业模式的区别，拼多多的算法模型也与其他电商平台存在较大差异。“我们内部称之为‘分布式AI’”。

“拼多多将娱乐与分享的理念融入电商运营中：用户发起邀请，在与朋友、家人、邻居等拼单成功后，能以更低的价格买到优质商品；同时拼多多也通过拼单了解消费者，通过机器算法进行精准推荐和匹配。”拼多多的官网上如此定义。

“（因为拼单产生的）社交分享数据在传统电商平台体现地比较少，它们更多的是搜索和浏览的维度。”陈磊解释，传统意义上AI是由大数据驱动的，通过消费者的购物行为来描绘用户画像，从而打上标签。从结果来看，它的确能在一定条件下满足消费者的需求，但是，这也容易让消费者陷入“偏好囚笼”。

比如说，一个人某一天在入睡前买了点吃的，因为那天他肚子饿了。这并不是一个固定的需求，并且从长远来看，它并不能为消费者打造更健康的生活方式。这时，光靠浏览行为是不够的，朋友之间在购物时的分享、交流就会对用户画像的完善起到很大的补充作用。

“从算法的设计来看，需要设置合理的优化目标，但这个优化目标不能简单地定义为购物、点击，更重要的是消费者看到这件商品时的心理和行为，比如说和朋友的互动分享。”

人脑的复杂、精妙还远非目前阶段的深度学习所能比拟，从这个角度来看，社交平台上的流量只是拼多多崛起的表层原因，在这个过程中AI对人性的理解和学习才是根本。 

“可以把人与人之间的连接想象成大脑中的突触连接”。陈磊打了个形象的比喻，最终目的都是进行低消耗、高效率、有意识的运算。

“分布式AI”模型的好处还在于，用户本身还可以有意识地、更加主动地参与到模型的优化之中，前提是拼多多为用户设置足够吸引人的奖励机制。

在被问到如何处理自身App和外部社交平台的投入力度时，陈磊表示：“购物是长久的、持续性的需求，我们不会担心用户不买东西，只需要让技术更好地服务这个需求。以消费者为导向，在消费者习惯的场景提供高性价比的购物体验。”

AI像个孩子，要帮助它培养正向价值观

“利用负向消费习惯可能会带来短期的利益，但长期来看，它并不能为消费者创造价值”

AI正在为各行各业效率的提升起到巨大推动作用，但AI不是一切，尤其是在直接面对C端的大平台上，最终还需要人来把关。

“从商品推荐来说，如果完全按照消费者的购物行为驱动，一个需要考虑的问题是，人是有两面性的，在算法的建立过程中，需要花精力鉴别哪些是正向的哪些是负向的（消费行为），利用负向的可能会带来短期的利益，但长期来看，它并不能为消费者创造价值，最终也不符合平台的商业价值。”陈磊说。

基于对人们社交分享行为的分析，拼多多对结果进行建模，观察在结果中有没有出现负面的因素，以及分析产生这种结果的原因，再通过算法去抑制不良因素的产生。这样不断地将复杂的现实状况反馈到机器进行训练，是一项颇为繁重的工作，但陈磊认为这是一个大平台必须做的事情。

“我们希望自己的算法是更加正向的。”陈磊表示，“点击数据和浏览数据是平台中量最大的数据，负面数据的量相比之下就小了很多，但是这些数据对于确保算法结果的正确性和完整性至关重要。在模型的建立上，负面数据量那么小的情况下，既要考虑随机因素，又要通过趋势做判断，这里需要进行深入的思考，投入很大的工程资源。”

事实上，AI要有价值观也在成为行业主流的思考方向。一个成熟的人工智能学者或者研究人员，不仅仅要是算法专家、建模专家，还需要对人性、对社会环境有深刻理解。

“机器的自驱动会容易演变成利用人性缺陷大于激发人的正向需求”，陈磊说，因为核心团队长期的电商经验，拼多多在建平台模型之初就考虑到了这点，只是AI的演进其实就像孩子的成长，需要长时间地倾注耐心与精力。