快讯

揭秘旷视C计划

深响 2020-10-20 10:50:01

文章经授权转自公众号:深响(ID:deep-echo)作者:依民

2015年冬天,因为一个项目,创始人印奇和唐文斌来到了一个位于天津的大型仓库。

到访的仓库装备在当时已经非常先进,是行业标杆,但四万平米的仓库仍需要1000余人在零下十度的环境里每天走出一个“马拉松”——空间太过巨大,暖气聊胜于无,而尽管有机械辅助,但仓库仍离不开最原始的体力劳动。因为环境恶劣,员工很难长时间忍受,这个仓库每年离职率高达200%,也就是说每年都要换两波人。

彼时是旷视成立的第四个年头,正处于公司探索AI技术场景化落地的时期。在个人物联网和城市物联网领域,旷视已经在向深处挖掘AI“用武之地”,此时思考的重点是:还有哪些可以待挖掘的巨大场景,AI还能为哪些场景解决问题,旷视的战略边界还要往什么方向扩展。

该次仓库之行为印奇和唐文斌打开了一扇门,唐文斌这样对「深响」回忆道:“看完这个场景之后我们觉得很震惊,内心想,在AI时代,事情或许不应该是这个样子。”

唐文斌

以此为起点,旷视开始了向以智慧物流为代表的供应链物联网拓展的步伐,并逐渐成为旷视重要的业务板块之一。

历经三年探索,如今的旷视不再是站在行业外的极客,更成长为行业里的重要玩家。对于如今的旷视而言,以物流为代表的供应链物联网已经成为其非常有想象力的一块业务。

而如若将视角放在AI赛道上,对于伴随行业起落,同样遭遇了关于商业化前景质疑的旷视而言,围绕供应链物联网的C计划,也是深入了解这家公司、厘清其前路的真正窗口。

智慧物流与新的认知迭代

在2015年仓库之行给了印奇和唐文斌做智慧物流的启发后,经过一年多的思考、论证和准备,2017年,旷视正式开始布局智慧物流领域。梳理来看,在做智慧物流的过程中,旷视经历了如下重要节点:

2018年收购艾瑞思机器人。

2019年初发布河图系统1.0版本,面向工业物流及商业物流场景提供智慧化解决方案。同年,徐庆才、王银学加入,分别任高级副总裁、副总裁一职。

2020年初,王宏玉加入旷视任职高级副总裁、机器人产品部(RPG)总经理。

历经三年耕耘后,10月15日,在于北京召开的“旷视智慧物流战略暨‘AI+物流产业联盟’发布会”上,旷视正式发布智慧物流业务的定位和战略布局,并宣布发布包括河图2.0版本、7款AI+智能物流硬件新品、发起成立人工智能物流产业联盟,而自2019年陆续加入旷视的三位物流老兵,也在发布会上集体亮相。

旷视机器人产品全家福

此次发布会是旷视在系统、设备、团队多维度就位后交出的一份关于智慧物流的阶段性成绩单,也是旷视第一次向外界全景式展现其涵盖软件(河图)、硬件(机器人)、人才在内的智慧物流布局,从释放的信息可以看出,布局已经基本完整。

不难看出,围绕智慧物流业务旷视进行了大量投入,这是因为智慧物流是旷视供应链物联网的重要组成部分,而供应链物联网又是旷视1+3架构的重要方向之一。

所谓旷视的“1+3”架构,指的是以AI生产力平台Brain++和深度学习框架天元为核心的技术能力,以及个人物联网、城市物联网和供应链物联网三大业务领域,这是旷视认定的可以用算法创造极大价值的赛道。

旷视三大落地方向(图源官网)

以智慧物流为切入点的供应链物联网是旷视业务发展的三级火箭中最新的,也是增速最快的一个。这块业务的起点虽然与2015年的仓库之行密不可分,但在具体决策过程中,还有更复杂的逻辑推演。

回到文章开头提及的问题:在个人物联网和城市物联网之后,旷视还有哪些可以待挖掘的巨大场景?AI还能为哪些场景解决问题?旷视的战略边界还要往什么方向扩展?

唐文斌对「深响」表示,解答这三个问题,需要从三个方面出发:场景是否有需求、市场是否足够大,以及技术是否有它的价值,它们汇聚成的一个评判标准是—— AI和算法能够创造极大价值的场景。

所谓价值是指客户对改善当前的生产力水平或生产效率有切实需求,“极大价值”的含义在于这个需求必须十分强烈,客户真的在乎,也就意味着通过技术和产品提升生产效率后,可以创造更大价值,空间足够让参与者分享到红利。在这个前提下,在技术层面有优势的旷视需要寻找的,便是算法可以发挥极大价值的领域。

对此,唐文斌做了如下阐述,“极大价值表明客户真的在乎这个东西,你给他创造价值之后他愿意做分享,愿意为此付费。再回到前面一个关键词是算法,我们这个东西对他来讲是能够有独特性的,因为这个场景是因我而不同的。总结下来一句话,AI算法能够创造极大价值的场景,这是我们应该做的事情。”

智慧物流显然是经过反复推演后符合以上逻辑的选择:从实际需求来看,传统物流行业无论是从改善员工体验,还是提升企业效率来看,都确实存在极大的自动化、智能化提升空间;而在改进过程中,从过往尝试来看,仅仅开发出一种或一类软件或硬件都无法真正解决问题,市场需要的是一个依托软件+硬件的一体化解决方案,在这个方案里,先进的算法是底层生产力,这也是旷视的核心优势之一。

虽然进行了严密推演,但在实际操作中,对行业的理解、认知和实践,都需要脚踏实地一步步来。最初接触物流行业时,唐文斌甚至连“堆垛”(指仓库中最常见的一种物品码放形式)的含义都不甚了解。

仓库中的堆垛

2017年进入智慧物流行业时,团队的想法是设计出一款更加智能的全自动搬运机器人(AGV)来辅助作业,但在实践中发现,AGV有局限性,比如它只能搬运2.4米以下的东西,因为再高机器重心不稳就容易塌,而很多仓库的高度高达10米,这种场景下AGV能发挥的空间就十分有限。

而且,在实际的物流环节中,需要的远不止是AGV,而是许多设备的组合。那么怎样能将诸多设备统一调度起来,就需要一个强大的中枢系统。因此,经过初期尝试发现彼时路径的局限性后,旷视团队自2018年初萌发了研发软件操作系统的念头,这就是2019年1月发布的河图系统,它的价值在于能够接入物流环节的多种设备,实现柔性调度。

2019年1月,河图1.0发布现场

唐文斌总结道,“客户要的是综合性方案,能够最优化、最大化他的能力和效率,这里面最关键的东西是系统,而这个系统本身也极其难,但又符合我们很擅长的事情——算法,所以我们觉得这才是我们最应该干的事情。”

当然,只做软件还是不够,因为现实场景下,可能现存硬件无法承载最先进的算法,同时,市场也存在一些尚未开发的硬件空白。为此,旷视选择了“软”“硬”结合两条腿共同走路,除了不断迭代河图之外,旷视还研发了系列AI+智能物流硬件产品,打造了一个元素丰富的智慧物流体系。

在这个过程中,旷视团队的成长和收获也颇为丰富。

唐文斌坦诚,最开始进入行业确实低估了难度,有一点过度自信,但随着对行业的不断深入了解,自我的认知不断迭代,相应的产品、技术、方案包括团队构成也都在不断迭代。比如,当经手的项目越来越复杂时,唐文斌便敏锐意识到,团队需要与行业进行更加深度的融合,为此,他挖来了物流行业老兵徐庆才。

徐庆才

基于共同的行业价值认知、徐庆才欣然加入,他的加入进一步撬动了更多物流行业专业人士加入。这为旷视构筑集技术产品和行业专业人士为一体的团队提供了很大帮助,也成为其不断拓展智慧物流业务的重要能力支撑。

对于一家AI创业公司而言,做好不同团队的融合,并匹配更好的组织架构是一个全新课题,在「深响」面前,唐文斌没有回避这个挑战,而通过实践,他也总结出了三个解决方向。

首先是行业侧能力,即懂行的人是不是够有先锋意识。以徐庆才为例,其在加入旷视前对智慧物流已有自己的一番思考,两三年前自己便提出过类似河图的设想,这一能力是双方能够走到一起、合作前行的基础。

其次是技术侧能力,即跨界双方有没有学习能力,能否以开放谦逊、实事求是的精神去与行业结合寻找解决路径。

第三是机制,通过互相学习充分交流,促进不同团队的融合,例如公司内部会定期举行培训。

得益于坚定的战略目标,实践中不断修正、加深的认知,以及逐步完备的团队等多重因素多管齐下,当前,旷视在智慧物流领域已经是一个举足轻重的玩家,目前,旷视智慧物流解决方案已经持续落地于鞋服、制造、汽车、医药、快消等不同行业的百余家客户。基于河图和AI+智能硬件,旷视已经沉积了成熟的系统解决方案,这为其拓展更多行业提供了坚实的基础。

而抽离出单个业务,从更为宏观的角度来看,在当前这个时间节点上,旷视智慧物流的发布不仅是这家公司一个业务线的重大进展,也是旷视对外展示其发展前景和商业化落地能力的重要契机。

它们可以被具化为两个问题:面对AI创业公司过去几年遭遇的商业化能力质疑,旷视的想法是什么?智慧物流又扮演了什么角色?

回归理性,尊重规律

2016年,AlphaGo与李世石的围棋大战将深度学习这个并不新鲜的学术概念带到了更多人视野,以此为起点,世界范围内掀起了一场AI创业热潮。

AlphaGo与李世石对战

本科就读于清华姚班的印奇和唐文斌都是技术的信仰者,早在AlphaGo掀起热潮前,他们就已将精力倾注在深度学习等最新的技术方向上,并在2011年共同成立了face++(旷视前身)。由AlphaGo掀起的创投热潮毫无疑问也将旷视裹挟进来——尤其当创始团队本身就带有姚班光环时。

但是在行业最热的时候,唐文斌却喜欢在内部“降温”:“当AI很受追捧的时候,我们对内说自己不是AI公司,是一家产品公司。”有市场给旷视打上的AI标签在前,唐文斌“旷视不是AI公司”的表述让人有点难以理解,这需要结合唐文斌对技术的深层思考来理解。

终日与技术本身打交道,唐文斌对技术的理解更为质朴,其向「深响」如此分享了自己的理解:技术有时候是阶跃性的发展,但技术成长的曲线应该是缓慢上升、突然上升,再缓慢上升再突然上升这样的路径。

“我认为大家对技术要更客观看待,不能说今天来一下,明天又来一下,后天又来一下,没有那么猛。所有的技术进步有跃迁性曲线,也有渐进式曲线,我们不能期望天天有阶跃式的,更多的情况下就是一种渐进式的,这是我对技术的一个看法。”

能够看出,如果对技术秉承理性认知,对技术所能实现的商业化前景便能更加客观的对待。因此,也正是基于对技术的如此理解,唐文斌才乐于在内部强调“旷视不是一家AI公司”,其深层的含义是:尊重客观规律,修炼基本功,做好当下、想清目标、建设好组织能力,然后一起形成路线、一起做事情。

事实上,对技术的理解很大程度上决定着市场对商业化前景的想象。

AlphaGo之所以能掀起一股AI创业热潮,是因为其让市场看到了技术的跃迁式发展,并因此愿意投入资源赌更大的未来。而近两年来AI创投赛道逐渐回归理性,便是看到了AI技术已经来到了爬坡阶段,这是实现下一个跃迁式发展的前提,但需要有人沉得下气做积累才能实现飞跃。

市场过去几年对于AI热潮的态度变化,核心在于行业似乎未能在商业化上呈现爆发式增长,而这里的关键是模式本身的规模和可复制性。

从服务对象来看,AI公司们其实都是TO B类型的公司,市场规模毋庸置疑,但TO B领域每个客户的需求多多少少都会有不一样,如何实现可复制性尤为考验公司自身的技术、产品、交付等综合能力。而在技术本身仍有更大突破空间,市场需求存在差异化的情况下,AI赛道的公司要实现指数级规模化商业落地,也必须要尊重客观规律,一步一步通过案例积累能力,进而为实现中台能力的沉淀打好基础。

旷视的智慧物流业务便是践行这条路径的最典型代表。

已知的确定事实是,智慧物流可以创造极大价值、市场空间巨大、算法有很大的发挥空间。在实践中,旷视慢慢积累了从软件到硬件到团队的多维度能力储备。当下阶段,旷视的重心在于通过服务好一个个客户,不断沉淀能力储备和行业理解,为此后的指数级规模化复制打地基。

唐文斌认为,旷视智慧物流业务当前最重要的就是能给客户提供一个成熟的解决方案:“就像装修一样,客户不想今天管水管工明天管电工,想来一个工长都搞定。TO B很多业务都是这样,你要实现客户的价值,就应该提供完整的方案给他。在这个过程中,如何沉淀出标准化、中台,能够把解决方案复制起来变成更快的事情,用AI定义硬件是很关键的手段。”

而在旷视公司层面,其在拓展行业,推动AI规模化落地的过程中,还有一件秘密武器——自2014年开始打造的AI生产力平台Brain++和深度学习框架天元。

Brain++架构图(图源官网)

它们代表旷视有着更加出色的生产工具,研发人员的效率能够得到提升,这最终会反映在公司更高的产出效率和更优质的产品服务上,也就是说,这件秘密武器是旷视保持高效率的基础。

在唐文斌看来,二者是旷视的核心资产和竞争力。实际情况也是这样:无论个人物联网、城市物联网还是供应链物联网,都是基于这个底层能力延展开的应用侧布局,在行业都在探索技术落地的过程中,拥有了Brain++和天元的旷视,就像安装了一台最先进的发动机,为其提供了最强大的动力。

印奇曾经对外表示,“AI算法变成AIoT应用要经历三个阶段,算法-系统集成-AI定义硬件”,河图和机器人硬件产品的发布是旷视正沿袭这条路径往前走的一个切面。

而从智慧物流的进展可以看出,基于强大的底层能力,和结合行业的实际探索,旷视已经形成了成熟的业务框架,并打造了软硬件一体的解决方案,也就是说,有先进的“大脑”,也有灵巧的“四肢”。“知行合一”作用下,行业指数级规模化复制的钥匙或许能被更快找到。

总结来看,当前,AI技术正处于爬坡阶段,需要行业玩家踏实积累,积蓄势能,供应链物流之于旷视有两层含义:

首先是通过一个个客户扩大供应链物流营收规模;

更重要的是,智慧物流的一个个案例是旷视积累经验、打造模块化能力的必经阶段,而基于旷视“大脑”和“四肢”的完整布局和能力,从实践中获得积累必将为其加速实现规模化的可复制性商业化路径提供帮助。

理解了这些,再去解答旷视之于商业化的思考,以及预测其商业化前景便更加容易。从底层思考来看,从成立到现在,这家技术底蕴浓厚的公司就认清了技术发展大部分时候处于渐进式曲线过程的现实,因此踏实服务好客户需求,为客户创造价值,进而沉淀下软件与硬件一体的中台能力,过程中,旷视有意识的打造了自身的生产力工具Brain++和天元,已经构筑了竞争壁垒,这在将来为其实现自身价值的指数级可复制性,也将提供底层支持。

短期内,从单个项目到规模化再到指数级规模化会是一个缓慢爬坡的过程,但长期来看,其中蕴藏着非常大的势能——一旦技术沉淀到达实现跃迁式发展的临界点,其能撬动的商业空间是非常可观的。

智慧物流业务是体现旷视这一路径的最佳代表,此次的成绩单是旷视的阶段性总结,在市场广阔的供应链物联网市场下,旷视C计划可待挖掘的空间巨大。可以预见,独角兽未来可期。

特别声明:本文为合作媒体授权DoNews专栏转载,文章版权归原作者及原出处所有。文章系作者个人观点,不代表DoNews专栏的立场,转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)

相关文章

正在加载......