猎户星空王兵:服务机器人的大场景 | 甲子引力

猎户星空CSO王兵
作者 | 王兵
整理 | 周湘豫
2019年11月9日至10日,科技智库「甲子光年」在北京举行「甲子引力」大会。其中,在11月9日举行的“数据智能”专场上,猎户星空CSO王兵以“服务机器人如何推动实体经济”为主题展开了分享。
他提到,下一代更自然、更方便、更好用的人机交互方式是一种完全不需要学习,不需要安装应用,不需要理解,不需要按照固定方式操作的自如切换的应用方式,其本质即智能机器人。
王兵判断,将来不会有所谓的线下企业,所有企业都在线,也不会有传统企业,所有企业都会智能化。而使用服务机器人的核心目标,就是要让其成为实体经济增长的推动力。
演讲视频及实录如下:

猎户星空CSO王兵在2019「甲子引力」大会上的演讲

我们跟刚刚几家企业不一样,我们是一家做硬件的公司,当然也做软件和系统,但我们是有硬件的。今天跟大家分享的内容,第一个是服务机器人作为一个载体,人工智能的能力怎么能在各种场景下落地;第二个是服务机器人怎么能够帮助我们广大的实体经济企业提升效率、变成数字化的企业。

两代人机交互方式变革

首先,人类科技史,倒回去看就是一个“不断发明新工具,不断借由工具来提升我们生活品质和改进工作效率”的过程。从最开始,发明了一个工具叫打火石,知道了怎么用火。这个工具有什么用处?特别简单,冬天可以取暖,不会冻死;食物可以加热,杀死细菌和病毒,这样我们得病的几率就减少了,这样简单的工具就让我们生活品质和寿命提高了很多。整个人类历史,就是不断发明各种工具去改进我们的生活。
过去几十年,整个IT行业发明了两个很重要的工具,一个是PC,一个是手机。PC是什么?在二战期间人类发明了第一台计算机,用来算导弹轨道。那时候的计算机在全封闭的空调房间里,拥有复杂的终端,除了科学家和程序员,没有人会用。到上世纪70年代末,苹果、IBM推出了PC,这个工具的出现并不代表着算力有所提升,而是让人机交互的方式发生了新的变革。从此不再需要打一个复杂的命名,只需要点一个鼠标,看到一个图形化的界面,就可以完成很多工作。PC的出现,本质上把我们之前只有在军事上和大型企业里才能运用的计算能力,让很多中小企业也都可以使用,PC这个工具的出现,让企业的生产效率有巨大的飞跃,这是一个大的工具变革。我们看到,这个工具的变革,并不是因为我们把计算能力提高了,也并不是芯片变快了,而仅仅是人机交互方式的改变,就产生了巨大的变革。
接下来特别重要的工具是手机。即便是PC,也有缺点:第一,太大了,不便于携带;第二,即便是图形化的界面和鼠标,也还是有很多人不会用到。手机时代就可以处理了,触屏是更自然的操作,所有人都可以在屏幕上点击。这样触屏的操作更方便,手机比PC受众群体更大。通过交互方式的改进,计算能力可以让更多人享受到,这又是一次新的变革,诞生了很多像苹果这样的万亿美金级别的公司,包括今天的华为,主要业务也是手机。
这是两代人机交互方式变革产生的巨大作用。
再往未来看,下一代更自然、更方便、更好用的人机交互方式是什么?想象一下,如果有一种人机交互方式,完全不需要学习,完全不需要安装应用,完全不需要理解、不需要按照一个固定方式操作、非常自如地随机切换的应用方式,会是什么?这样的应用方式,我们叫智能语音和识别综合交互,本质上就是智能机器人。

物理世界正不断被数字化

我们也看到整个世界发生的另一个重大变化——物理世界不断数字化,这个变化几十年前就开始了,现在物理世界数字化程度越来越高,越来越深。

举个例子,我1997年博士毕业以后加入南加州的一个通讯芯片公司,在当时把通信芯片做到了全球第一。通信芯片就是让PC通过电话线上网的芯片,这样的芯片当时的最快速度是56KB/S,一秒钟只能传输几千个字节,稍微复杂一点的图片要几分钟能传完。以当时上网的速度,很难数字化,我们那时候玩的网络游戏都是文字的,连图片、图形都不能有。但我们知道,过去几十年大的趋势是摩尔定律驱动芯片密度指数级别的提升,今天来看,芯片跟90年代比,密度要有几千倍以上的提升,任何人拿出一个手机就是100亿晶体管,放在90年代那就是超级计算机,比当年用来登月的最好的计算机还要快。
所以摩尔定律是整个科技领域过去几十年享受到的最好的数据成果,比如我们买理财,每年即使只有8%、9%的增长,但经过30年、50年,就会变得非常有钱。摩尔定律每年增速到了30%时,就是非常可怕的速度了,经过20年、30年以后,算力的成本在通讯能力上,通讯速度从那时到现在为什么有这么大的提升?核心是因为摩尔定律,可以用非常低的成本处理数据,达到非常高的速度。在任何一个地方都有上千兆的工具速度,这让我们非常容易以低成本的方式把整个物理世界非常精准的数字化。这带来巨大的变革。
过去几代,2G、3G、4G的年代,我们更多关注消费互联网,那时候数据传输能力,或者说通讯的成本,还不足以让我们把周边的所有环境都数字化,但今天可以做到。一旦这些物理环境被数字化以后,就有很大的机会帮助企业改进,基本上我们认为,将来不会有所谓的现象级,所有企业都在线,也不会有传统企业,所有企业都会智能化。
但这个事没有想象的那么简单,因为今天我们拥有的AI技术不是一个标准化的技术,手机已经是标准化产品,可能未来整个手机领域只有三到五家公司,一个手机究竟干什么,它的功能点大家非常清楚。但服务机器人今天还不是标准化的,因为每个场景下对服务机器人的要求都不一样,有的场景可能需要引导服务,有的场景需要做推销,各种不一样的场景需要不同的能力。所以今天如果我们想把它变得相对标准化,还可以大规模部署,而且成本足够低,其实就有可能成为我们下一代标准化的人机交互工具。
我们今天看到的机器人并不是科幻电影的机器人,我们的人工智能还在弱人工智能的时代,今天没办法做到算法上解决所有的东西,也没有办法做成机器人跟科幻电影里似的,比人跑得还快,能跳能飞,思维能力比人还强,今天肯定做不到。但今天已经可以利用现有的软硬件技术和人工智能技术、传感器技术、芯片技术,做出一些在特定场景下能够替代我们重复劳动的非常有用的机器人。

服务机器人的核心目标是成为实体经济的增长推动力

我们真正使用服务机器人的核心目标,是要让它成为实体经济的增长推动力。我们做机器人的过程中,打造了整个服务机器人行业唯一的AI全技术链条,今天的算法没有办法做到放到任何一个环境都用得很好,针对每一个特定场景都要做算法定制。实际上今天人工智能的竞争已经不是在底层地图或者算法模型的竞争里,而是在于你要真正去理解场景,要能够快速进入场景的定制;而场景定制不仅仅是算法优化,而是大量的工程化工作:比如传感器怎么搭配,系统怎么设置,芯片算力怎么保证,相应的数据怎么做升级,怎么做清理和标注,有大量这样的问题。服务机器人领域,已经把AI中的,比如语音识别、导航等各算法的定制做到了行业当中比较领先的地步。
再分享一下现在服务机器人的部署数据,现在已经在全国各个地方部署了超过5000台机器人,服务机器人每天语音交互服务次数超过200万次,相当大的体量,总共服务人次超过1.3亿人次,这是在服务机器人以前的历史上远远没有达到过的规模。
我们最近看到,一个特别大的场景,是线下零售。线上“双十一”马上要到了,大家都知道“双十一”很大,线上购物很大,但实际上,有80%的零售行为发生在线下。所以,我们要看这80%的购买行为怎么能够被数字化,怎么能够真正理解用户意图?给他提供最好的服务?
线下零售行业跟线上完全不一样,一个线下行业,在今天看来跟几十年、几百年前没有任何区别,所有服务方式、交易流程几乎是一模一样的。我们对线下零售行业的改造,将会是服务机器人最大的目标。在商场部署了数千台垂直商场场景的智能服务机器人豹花瓶,这些机器人可以提供大量的咨询服务,包括商品相关服务和店铺相关服务,还可以帮助商场收集各种各样信息。
本质上服务机器人让商场里几个利益相关方都得到了好处:比如帮助顾客找到他想要找的东西;比如说商户是火锅店,搞一个活动,让商场看到这些数据;再比如商场可以知道,如果今天要引进一个新店,比如引进星巴克,因为有了服务机器人收集起来的大量用户的信息问答,所以这些数据都会成为商场决策的依据。
服务机器人除了商场以外还落地了几十个不同场景,举一个简单例子:我们在博物馆里部署机器人,打比方做讲解员,人工讲解员讲一场30分钟,一天讲3到4场就很疲惫,但服务机器人每天讲30次以上,基本从开馆到闭馆,效率接近10倍数量级的提升。
今天讲智能交互机器人并不需要人的形状,本质上可以用在很多的自主设备中。最近的一个案例是我们在广州的地铁站,在地铁站售票机上装载了“多模态”视觉和听觉结合的技术,通过在麦克风前端优化降噪,装上以后可以直接用语音,在地铁站声音高达八九十分贝,这样就算在特别大噪音环境里,依然可以完成语音的购票行为,和附近信息的导航,比如地铁站A口出去以后到哪个商场,这些问题都可以通过机器人完成。接下来我们会和很多行业合作,一起把很多的自主设备都变成智能交互服务机器人。
总结而言,以门口的咖啡机为例,咖啡机对整个业务并没有太大帮助,还是比较早期的产品,但咖啡机说明了我们的观点,我认为将来我们会看到大量的服务机器人出现,帮助生活中每一个环节。今年大家在很多地方能看到我们的智能咖啡机,包括一二线城市商场我们都有部署。智能咖啡机可以用非常低的成本,用机械臂模拟世界大师做咖啡的方式,给大家做出特别优秀的咖啡。或许将来有一天能够在一个小县城或者农村,我们也可以喝到高品质大师级的咖啡。
工业革命让流水线分工,让生产过程高效化后,每个人都得以温饱,都不会饿死,但我觉得人工智能最终要达到的目标是让每个人能过上最优生活,你可以有很多机器人或智能终端帮你提供个性化服务,以非常低的成本让每个人都享受过去只有贵族才能享受到的生活,这就是我们的目标,谢谢大家!
END.
(0)

相关推荐