• 项目
首页>>文章列表 >>行业研究
行业研究

金准人工智能 内容消费研究报告 2018-12-13 12:02:44

前言

中国内容消费行业发展繁荣,内容平台盈利能力强,内容生产者变现快,经营模式多样化。

内容消费是信息消费的重要组成部分,也是持续满足人们信息消费需求的根本动力。内容消费本质上和内容付费一样,都是将丰富的内容变成产品或服务,通过售卖实现商业价值。本篇报告将内容消费定义为:移动互联网时代利用信息生产者和消费者之间的信息差,将信息包装成产品或服务并将其通过互联网售卖的行为。

回顾近五年内容行业的发展,2014年,内容战争升级,具有争议的“媒体转型”话题在2015年后被大量资本进场而急剧升温的“内容创业”所替代,2016年开始,形成了从“人人都是产品经理”到“人人都是主编”的行业现状。

在内容形式上,以微博、微信、36氪等为主的图文供给形式、以喜马拉雅、荔枝FM等为主的音频供给形式、以爱优腾等为主的视频供给形式以及以映客直播、抖音短视频等为主的短视频直播供给形式都是当下人们最为依赖的内容消费形式。

随着人们对精神品质的追求不断增加、算法技术将内容个性化推荐,用户花费在内容平台的时长不断增加,平台方为满足用户多样化的需求也从单一形式平台逐渐演变成一个平台上有多种内容形式。

精神消费升级,用户需求驱动互联网内容产业繁荣。在内容供给端,不同的内容展现形式与不同的用户定位相结合,诞生出丰富多样的内容产品,为消费者带来多样产品体验,并催生多种内容消费的方式。

总体来看,我国的内容消费行业发展迅速,音视频用户量大,音频内容消费企业体系逐渐完善,内容付费方式多样化;短视频、直播领域的企业则走在世界潮流前沿,并占领大片海外市场。

一、内容消费行业概述及现状

1.1内容消费的概念

内容消费就是对在线网站上的图文、音视频信息进行付费。

内容消费是信息消费的重要组成部分,也是持续满足人们信息消费需求的根本动力。通过内容消费,可搭建起完整的产业链,构造足够强健的产业生态系统,实现内容供给端和终端消费的相互促进。

 

内容消费本质上和内容付费一样,本质都是将丰富的内容变成产品或服务,通过售卖实现商业价值。本篇报告将内容消费定义为:移动互联网时代利用信息生产者和消费者之间的信息差,将信息包装成产品或服务并将其通过互联网售卖的行为。伴随着移动互联网的快速发展,内容付费的发展有了质的飞跃。

1.2发展历程回顾

内容消费于2014年迅速发展,现在处于爆发式发展阶段。回顾近五年内容行业的发展,从2014年开始,内容的战争加速升级,具有争议的“媒体转型”话题在2015年后被大量资本进场而急剧升温的“内容创业”所替代。从此,形成了从“人人都是产品经理”到“人人都是主编”的行业现状。

 

以上几个因素标志了一个强调效率、渠道与内容分离、类型多元的内容生态慢慢形成,内容生产看上去被空前降低的门槛、不断出现的新渠道和工具,让再大的领先优势也不难以震慑后来的觊觎者。速生速死的内容领域几乎成了移动互联网创业拔足狂奔氛围的缩影。

1.3行业发展驱动力—消费升级

人均消费水平和文化娱乐支出的增速是内容消费的助推力。目前,中国居民人均可支配收入快速增长,人们对于基本生存需求为主的消费比例降低,发展型消费提高,对高质量的知识信息产生大量需求,以人力资本投资为主的教育、文化、娱乐新消费结构正在形成。

 

 

从国家统计局的数据来看,目前我国的人均可支配收入持续稳定的增长,同比增长率维持在8%以上,受经济不稳定形势影响增长率略微有下降趋势。但是,居民消费支出依然持续性增长,人均教育、文化和娱乐消费支出所占居民消费支出的比例也在不断增长。不断提高的居民收入和消费水平,意味着消费者拥有为内容消费的能力, 并且随着互联网内容的多样性不断丰富,人们在内容消费领域支出的可能性更大。

1.3行业发展驱动力—版权保护/获利周期

原创内容带来的版权收益更直接,也是获利效率提升的本质。

版权环境改善,原创内容作品是当下各平台的稀缺资源。监管层面对数字内容版权保护力度不断加强,通过法律法规和政策规定监管的不断完善严厉打击盗版侵权的行为;另外,民众的知识产权意识已经觉醒,并不断提升,为内容付费市场发展奠定基础。

 

对内容生产者来说,内容付费平台为其提供了直接发布优质内容并以此变现的渠道。

相比传统内容变现,移动互联网时代兴起制作方减少,制作周期缩短, 因此内容生产者的获利周期也随之缩短。此外,内容付费能够为内容生产者带来更高的利润率,帮助提高收入水平。因此,获利高、周期短的内容付费平台对于内容生产者具有强大吸引力。

流量资费下降和第三方支付直接提高了对内容消费的用户规模。流量资费下降是促成内容消费爆发式增长的基础,移动互联网的普及为内容消费的发展提供了土壤。流量资费逐渐大幅下降,据CNNIC(中国互联网信息中心)数据显示2018 年1月至6月,移动互联网接入流量消费累计达266亿GB,同比增长199.6%,移动互联网接入流量大幅度提升使得用户在移动端的内容消费体验得以保障;另外,随着移动互联网的普及和基础设施的完善,3G/4G移动流量资费越来越便宜,直接降低了流媒体图文、音频和视频的成本。因此,用户也会随着流量的降低而越来越依赖移动互联网带来的诸多学习、娱乐和消费的便利。

 

移动支付、云服务、视频直播等第三方服务的兴起和完善,也为内容消费提供了行业发展必要而便利的支持。据CNNIC数据显示,截至2018年6月,我国网络支付用户规模达到5.69亿,较2017年末增长7.1%,使用比例由68.8%提升至71.0%。其中,手机支付用户规模为5.66亿,半年增长 7.4%。所以,以支付宝、微信支付为代表的移动支付工具在线上线下的持续渗透,移动支付渠道的愈发成熟,是内容消费在移动端爆发的有一个关键基础。

推荐算法技术精准内容推荐,提高用户碎片化时间内容学习效率。随着目前人们生活节奏的不断变快,对娱乐消费的需求又越来越高,因此大量碎片化的时间需要被有效利用以获取优质的、精准的信息。移动互联网的出现与智能手机的普及让消费者的碎片化时间得以利用,而轻量级的内容能够有针对性地解决用户的单点需求。因此,大量需要被有效利用的碎片化时间同样推动了内容消费平台的发展。据金准人工智能专家观察,90后的年轻人花在内容消费上碎片时间,主要以图文、图片、短视频和音频为主。

 

从数据对比来看,整体90后对内容消费的喜爱程度很高,95后人群选择音频和视频比95前比例大,95后选择图文和文字的比例小于95前,这也说明年龄越小的人群将可能会越喜欢音视频。

 

随着CDN技术研发的不断深入以及开发商之间的竞争带来的价格便利,推荐算法的应用和普及效率很高,这为内容平台带来了良好的客户粘性。CDN技术本质是利用分布式缓存实现就近访问,直接将距离用户最近的范围内的用户感兴趣的内容推送给用户,不用将内容多次筛选过滤,提高效率降低成本。

1.4市场运营分析

图文、音频、视频是当下内容消费的主要内容形式。内容消费的形式丰富,受欢迎程度高,是人们生活中不可或缺的精神食粮。

从需求端,在普遍都焦虑的时期,求知途径从线下向线上拓展,内容产业链条逐渐完善。线上内容及形式必须不断的丰富,解决内容的获取及实践的效率问题,未来内容产业还将更加垂直化的发展,趋于专业和细分。

从平台端,伴随着市场发展的不断完善,优质内容消费产品驱逐“劣币”;同时,同类型的服务价格将下降,用户更加愿意为优质服务付费,类咨询和专业性的服务将成为提高在线内容消费客单价的重要突破口。

从内容供给端,以微博、36氪等为主的图文形式、以喜马拉雅、荔枝FM等为主的音频形式、以爱优腾等为主的视频形式以及以映客直播、抖音短视频等为主的短视频直播供给形式都是当下人们最为依赖的内容消费形式。

其中,音频和图文、视频相比,具有独特优势,未来发展潜力大。一方面音频内容打破空间局限,解放双手和眼睛,日常使用场景多样,十分便捷;另一方面音频平台上的内容专业性强,满足人们在琐碎时间就学习的需求。以课程为例,音视频是最受欢迎的类型。

 

内容消费行业产业链图:

产业链主要从内容方、平台方和用户进行分析。内容方主要是内容提供商,包括头部内容生产商、KOL以及全民内容创造者;平台方主要分为图文、音频、视频和直播四大类,每一类都有一些典型的头部企业;用户方就是指所有有需求的用户,其中有学生、白领、名人/明星以及互联网从业者等等。这几方一起构成了内容消费的产业链。

 

1.5市场规模及预测

消费水平提高、付费习惯养成、付费内容丰富都是市场不断扩大。最近几年来,居民精神文化需求持续增长,内容生产去中心化程度进一步提高,文化内容产业相关赛道快速发展。

根据金准能人工智能专家统计,2017年,中国知识付费产业规模约为49.1亿,同比增长近三倍。未来,传统文化传媒行业发展将会缓慢,而新媒体和自媒体将利用流量优势成为新的内容产业,并不断完善内容服务,扩大产业规模。

未来三年,知识付费产业规模还将保持较高成长性持续扩张,金准人工智能专家预计到2020年,该产业规模将达到235亿 。未来,内容消费的市场规模可能会出现一段时间的增速缓慢,因为会受到单个用户的注意力时长和目标用户群可接受的客单价范围的限制,但是最终出发展成为市场合理稳定的水平。另外,伴随着市场教育程度逐步提高、智能手机的普及、推荐算法的应用、流量资费的下降,愿意为优质知识服务付费的人群基数也会不断增长。所以,市场规模终将是一个增长的趋势。

 

根据国家统计局数据显示,我国文化产业增加值呈现出持续上升的趋势,所占GDP的比值也是上升趋势,与我国居民收入增长相吻合。在未来,文化产业将会逐渐成长为国民支柱型产业,发展空间巨大。

1.6投融资情况及投资风向

内容平台融资频繁、融资规模大,一级市场仍有很大的机会。

近年,随着文化产业的变革与发展,内容消费行业被迅速带动,发展趋势持续稳定上升,市场规模也呈爆发式增长,以及市场的投融资事件多而密,投资也金额越来越大。

 

据金准数据显示,目前知识(内容)付费领域的企业一共有184家,其中有家有过融资历史的有73家。在这73家中,40家处于种子轮(6家)和天使轮,A轮一共23家,B轮5家,C轮2家,D轮1家,E轮及以后1家,上市仅网易1家。剩下未融资的企业在未来也是有可能发展起来的,已经融资的企业超过一半还在天使轮,说明在未来两三年内,内容消费行业的规模还将继续扩大。

随着新的内容平台越来越多,产业链越来越完善,以及AI技术的成熟运用,各个环节都会诞生值得引起投资机构注意的优质标的 。

轻量化、内容和技术因素是未来投资者感兴趣的投资因素。今年,喜马拉雅、QQ阅读等内容平台都开发了小程序接入APP内的入口,轻量化成为新的热点和趋势。小程序使用便捷,又有大平台导流,再加上现在已经有单独的小程序分发平台,待小程序分发系统完善后,轻量化程序将会成为不可逆转的趋势。

现在,消费者会倾向于选择在原有业务基础之上做拓展延伸的平台,比如在音乐平台上帮助顾客购买原版唱片、在有声书平台上帮助顾客购买原版图书等。在竞争激烈的大环境下,能够更多的满足用户的需求的平台也将受到更多的关注和欢迎。所以“单一功能”平台走向“多功能+多服务”平台也是内容平台的发展趋势,也是平台变现新的途径。

另外,内容平台的核心竞争力还是内容,“UGC/PUGC”时代原创内容的占有量是平台未来发展空间大小的关键;同时,信息抓取的速度也是吸引读者的关键。AI的智能与高效是否能为行业带来变革性影响犹未可知,但高科技化的内容生产与分发已经是行业不可逆转的潮流。

所以,未来,金准人工智能专家认为内容产业的投资风向将更加偏向于以上三种类型的企业:拥有小程序的内容平台、拥有多种功能和丰富服务项目的内容平台以及拥有独家又高效的内容的内容平台。

二、内容消费产业链与案例分析

2.1内容消费的模式总述

内容消费的商业模式主要以图文、音频、视频、直播为主。

现阶段中国内容消费行业正处在一个鼎盛时期,内容消费行业大家族主要的经营模式有四大类型:图文内容板块有微博、微信这样的巨头,音频内容板块拥有喜马拉雅、荔枝FM这样的大牛、视频行业发生着巨变,由原来的影音演变出来长、短视频和直播两大行业。

 

内容消费行业的各个模式经过时间的打磨都形成了各自的特色。下面以图文、音频和视频进行分析:

图文产业中,新闻资讯类的平台用户集中度较高,平台间差异化程度也相对较低;但是专业资讯类的平台瞄准细分市场,平台内容特色分明。

音频产业中,音乐类的平台竞争中,头部平台胜在歌曲的数量上;在线音频平台的知识付费促进内容生产,用户消费前景广阔。

视频产业中,长视频三大头部平台聚集IP资源,具有原创独特优势;短视频和直播流量大,广告重,变现快。

2.2内容消费图文模式分析—知乎

图文内容模式成熟,盈利稳定新闻资讯类依托。

互联网时代,内容消费行业版图中的图文类内容丰富多元,具有知识性、娱乐性以及双重性的特征,比如:专业资讯、信息/新闻资讯类、文学类以及漫画类等。

知乎创立于2011年,是目前国内最大的网络知识分享社区,连接各行各业的用户。除了免费的问答平台之外,知乎还提供实时语音互动(即知乎 Live)、电子书以及线上咨询等付费内容供用户选择。

 

公司名字:北京智者天下科技有限公司

产品上线时间:2011年

最近融资:2.7亿美元

最近估值:24亿美元

融资阶段:E轮及以后

融资时间:2018年

过往投资方有:腾讯、今日资本、高盛、赛富投资基金、创新工场等

 

截至2018年6月,知乎已提供15000个知识服务产品,生产者达到5000名,知乎付费用户人次达到600万。每天,有超过100万人次使用知乎大学。

从知乎的官网看,知乎的核心产品分为免费的和付费的。

以图文形式为主的写回答、写文章、写想法和专栏依旧是知乎的几大马车;这部分是免费的、共享的内容。随着人们需求的变化和技术的进步,知乎也将视频和音频的内容加入进来。在其推荐和热榜区域都有视频/图片+文字的内容呈现。

另外,需要付费的部分主要是Live、付费咨询。分别以课程和问答的形式展现内容。图文形式的内容平台逐渐向综合性的、多维度的付费平台发展。

知乎Live是知乎推出的实时语音问答产品。主讲人对某个主题分享知识、经验或见解,听众可以实时提问并获得解答。作为知乎最核心的知识付费形式,知乎 Live是以音频直播讲座的形式将知识分享给付费观众,内容涵盖生活方式、音乐、影视、游戏、体育、互联网、旅行等用户生活和工作的多个方面。以形式划分则可将 Live分为单场Live、Live课程(多课时)和Live专 题。Live课程分期讲授,内容可根据Live参与者的需 求设计和调整。Live专题则是由知乎的官方运营团队 将已有的Live按照专题整理出的Live合辑。知乎Live可以让用户便捷且高效地收获与交流知识。

除了知乎Live之外,书店以及线上咨询两项也是付费服务,其中书店由知乎官方根据平台优秀回答内容制作或邀约平台IP对某一领域话题发表观点并整理成章节,定价多集中在10元—30元之间;付费咨询即通过付费向特定答主提问并获得语音解答,收费标准由作者自己定价,价格区间集中在100元以下,围观群众可付费1元收听公开咨询的问题答案,收入由答主和提问者平分。

从知乎在知识付费领域的一系列布局中可以看出知乎正在从问答社区向知识平台转型,通过邀请社会知名人士、平台头部IP以及机构用户入驻,推出Live、专栏、电子书等模块,打造一个内容丰富的知识共享平台。

2.2内容消费音频模式分析—喜马拉雅

在线音频的内容形式多元化,全场景发展优势逐渐凸显。

在线音频行业现在的特点主要是:以知识付费促进内容生产,用户付费前景广阔。音频承载渠道多样化,并且能够渗入到人们生活中的多种场景。通过平台差异化经营建立独特优势的喜马拉雅,其MAU在行业内领先。

喜马拉雅是一个音频分享网络电台,拥有免费和付费两种形式的内容。付费内容直接面向C端收费,免费内容面向B端收取广告费,两端营收相当;同时喜马拉雅平台也支持用户上传或分享音频。

 

公司名字:上海证大喜马拉雅

网络科技有限公司

产品上线时间:2012年

最近融资:4.6亿美元

融资阶段:战略投资

融资时间:2018年

过往投资方有:春华资本、华泰证券、兴旺投资、创世伙伴投资、普华资本等

 

 

喜马拉雅的产品类型丰富,从提供的内容形式上来看,喜马拉雅的产品形态分为平台内容和智能硬件--小(晓)雅音响,小雅和平台内容同频互动,结合音频内容的出版物,提高平台/app的使用频率和延续性,增强用户粘性,创造高性价比。

目前,喜马拉雅平台注册用户4.8亿,活跃用户日均收听时长135分钟,其用户男女比1:1,男女付费比例大概4:6,白领居多。其用户增长之快,直接带来翻倍增长的营收,据喜马拉雅称,自2015年到2017年每年的营收分别是上一年的10倍、7倍和5倍,未来依旧有较强增势。

在线音频在内容消费行业最具代表性,其内容生产质高价优。

喜马拉雅相较于行业内的其他内容平台,在内容把控、平台生态建设以及赋能音频创业者方面都有一些优势。喜马拉雅在内容上采取降权的方式规避劣质内容,优胜劣汰;在平台建设方面,以品牌为核心从单品类向多品类发展,单行业扩展到各行各业,赛道更细分跟垂直;除此之外,喜马拉雅还通过多样化的变现模式、平台与主播5:5分成及建设利益分型模型,从流量、资金及创业孵化三个层面扶持音频内容创业者,帮助创业者多种途径变现。

基于以上的优势,喜马拉雅制定了明确的发展战略:首先,用优质内容去影响用户,并分行业输出内容;其次,做大整个行业,扩大至全国市场,使内容消费成为人们的生活必需品;另外,与内容生产机构、智能硬件厂商以及广告公司合作,完善产业链;最后,通过举办一年一度的“123狂欢节”1 * 的活动让参与的用户低成本体验优质内容,养成听的习惯,从侧面降低用户进入门槛。

 

2018年的123核心玩法是你来听我买单,并且只要用户能坚持打卡就会得到返现;在品类和付费内容上,也将从单品类向全品类过渡,从单行业向全行业过渡,由单平台向全平台趋势发展。未来,喜马拉雅或将可能成为最典型的内容消费节日。

2.3内容消费视频模式分析—快手/抖音

短视频是今年竞争激烈的内容消费领域之一,模式新、增速快。

据金准数据显示,2017年短视频市场规模达57.3亿,短视频行业作为内容消费行业重要的一环,目前,用户流量爆发式增长,广告收入是核心变现模式。

 

 

公司名字:北京快手科技有限公司

产品上线时间:2011年

最近融资:10亿美元

最近估值:180亿美元

融资阶段:E轮及以后

融资时间:2018年

过往投资方有:腾讯、红杉中国、百度投资、光源资本、晨兴资本等

公司名字:北京微播视界科技有限公司

产品上线时间:2016年

融资阶段:天使轮

融资时间:2018年

过往投资方有:今日头条、软银中国等

 

在短视频领域,快手和抖音无疑为两大头部平台,快手月活跃用户数已达2.3亿,而抖音也超过1亿并正高速增长中。在头部平台中,快手已获得百度与腾讯的投资,火山、西瓜、抖音均属于今日头条系产品,美拍为美图秀秀旗下产品,而腾讯也正在积极推动微视等短视频产品。

头部平台竞争激烈,又各有各的优势。

在定位上,有腾讯和百度投资背景的快手上线早,具有先发优势;而抖音又是字节跳动的核心产品。这两家短视频平台能够快速发展和抗衡的重要因素是平台类型定位清晰而不同,定位分化,辨识度高,分别吸引着不同人群。

 

在产品的打磨上,快手做产品矩阵的思路是,去满足下沉市场里普通用户的娱乐需求,重点打磨多种形态的产品,让产品变得对三四线用户更加友好,体验更好。抖音的产品一开始主打年轻人潮流,且从“专注新生代的音乐短视频社区”转变为“记录美好生活”,成为了一个多元化的全民的短视频UCG平台。

在算法上,快手和抖音既有相似的地方又有不同的地方。快手根据用户画像和内容标签进行个性化推荐,推荐力度随着热度的增加先升高再降低,曝光发布较为平均,目前数据库已有百亿条特征。抖音也根据用户画像和内容标签进行个性化推荐;但是是高热度高曝光,根据热度决定是否进入更大的推荐池,并且字节跳动旗下所有产品数据共通有数据规模优势。

在变现盈利上,短视频行业的广告变现已初步实现,贴片广告、信息流广告、电商导流、用户打赏等模式均在短视频平台变现探索中。

三、内容消费行业总结与未来发展趋势

4.1 行业总结

内容消费行业发展日趋成熟,平台可消费内容形式越来越丰富。

精神消费升级,用户需求驱动互联网内容产业繁荣。在内容供给端,不同的内容展现形式与不同的用户定位相结合,诞生出丰富多样的内容产品,为消费者带来多样产品体验,并催生多种内容消费的方式。

内容消费是一个完整体系,提升用户消费的频率和金额是平台运营的最初目的。为达到这种目的,首先通过构建用户互动社区打造完整的用户运营链来留住用户;然后由知识产权保护与移动通信技术为行业发展提供法律保护和流量优势;其次不断提升内容平台的内容形式和体验感,形成完善的平台内容生态;最后重点构建服务用户学习全过程的服务链条,为用户提供深度的知识吸收场景,全面提升平台用户的满意度和复购率。

在以上因素的影响下,内容形式由最开始的单一形式平台逐渐演变成一个平台上有多种内容形式。例如喜马拉雅从原来的音频付费平台转型到音视频付费平台;知乎由原来的文字付费问答形式逐渐增添了知乎Live,包括音频和视频的形式;甚至以短视频起家的抖音都加入了电商小程序入口。

总体来看,我国的内容消费行业发展迅速,音视频用户量大,音频内容消费企业体系逐渐完善,内容付费方式多样化;短视频、直播领域的企业则走在世界潮流前沿,并占领大片海外市场。

内容消费整体营收较好,解决掉现有痛点依然会有质的飞跃。

在市场占有率迅速扩大的基础之上,内容消费平台的盈利模式逐渐多样化,成为继广告、电商之后,互联网重要的盈利模式,并成为互联网内容行业重要发展趋势。在消费方式上,先支付后消费的“消费前付费”是主流内容付费类型,以打赏型为主的“消费后付费”最适宜粉丝经济。

 

当互联网内容行业内容消费模式丰富,各内容平台以抢占用户时间为核心发展目标,提升用户体验成为各内容平台制胜之道,各个平台同时开启多种内容消费模式,形成跨类别竞争的局面。与此同时,内容行业也存在诸多发展问题,版权之争、内容监管及质量问题、用户隐私保护成行业三大痛点。

4.2 现阶段痛点及未来发展趋势分析—版权

盗版内容侵蚀平台严重,版权保护及内容监管力度需全方位加强。

近年来,随着内容市场的繁荣发展,版权之争、IP之争官司不断。之前,其中最常见的当属影视圈里的剧本抄袭、音频圈里的歌词/作曲、网络游戏等的抄袭;自2017年短视频和直播火起来以后,短视频版权之争的官司也开始逐渐增多。比较出名的事件有:岳云鹏《五环之歌》被指侵权、VR全景摄影作品著作权案、今日头条与腾讯、搜狐“法庭见”、畅游“金庸改编”维权系列、盛大《传奇》侵权案等等,数不胜数。

然而,优质IP的数量、持续产出内容的能力以及产出内容的 深度都是影响内容消费平台成长的关键因素,而原创内容则是平台持续获客、持续获利的源泉。因而版权保护在内容行业备受关注,政府在规范内容行业环境的同时也在不断地完善相关法律法规,提高内容监管力度。

为了减少和避免内容抄袭、版权使用划分不清晰带来的负面影响,过去的两年,中国政府在版权保护方面做了严格的监管和保护。

 

内容思想通过自媒体及各大内容平台流出的审核机制有待提升。

内容消费行业的核心是内容的产生,输出内容的影响力随着当今自媒体的快速发展也越来越大,每个人的微信朋友圈内容、音频主播内容、短视频直播账号内容都是自己的个人IP的体现,创作者将自己思考的问题、想表达和传递的信息都通过内容平台载体以不同的形式体现出来。

另外,现在的算法技术和CDN在内容分发的应用也来越广泛,让人欢喜的同时风险也一直存在。通过技术手段,平台会将每个用户的喜好和搜索词条做标注,将与之相符分额内容智能推荐给用户,以此来吸引用户,提高用户自平台上的留存率。同时,弊端也非常明显,正能量的优质内容不能够平均分发到每个用户,每一类用户都只关注自己想关注的内容,内容创作者素质参差不齐,从而会有产生不良风气的可能性。

以上情况都会因为内容思想导向分散导致内容质量参差不齐、差异巨大、难以把关。所以,作为平台者和内容的创作者而言走需要做有责任感的企业和作者,严格自律,积极探索,建设健康积极的内容审核机制和内容分发机制。

 

信息安全是内容消费行业面临的一大挑战也是发展突破的机遇。

随着内容平台竞争的加速、监管的疏忽,一方面,内容信息量大、质量参差不齐,需要沉淀;另一方面,用户信息泄露、隐私曝光在内容付费场景下逐渐成为消费者担心的安全隐患。

现阶段,为解决内容“大众化、高频次、刚需”的用户需求,内容消费行业的内容平台数量激增,内容生产者门槛低、数量庞大,内容供大于求、内容质量难以把关。长期来看,内容平台输出的内容需要一个接受监督、筛选、过滤和沉淀的过程,才能使内容行业的环境得到净化。

另外,在CDN技术的推动下,推荐算法更加精准化的了解用户需求,实现定制化的内容推送,使用户更轻易的浏览自己感兴趣的内容;但是,用户同时面临浏览记录被记录、分享、甚至注册信息被泄露的风险。若一名消费者在淘宝上浏览自己想买的商品,移步视频网站,却能看到自己刚才浏览的商品的信息流广告,尽管消费者确实获得了“更定制化的广告推荐”,但与此同时消费者信息也被泄露。如何保护用户信息,在获得用户认可的前提下使用和交换用户信息是各大内容平台都面临的挑战。

在未来,内容消费不会止步,平台将更加注重用户体验,内容也将“更精细、更专业”。

总结

目前,内容平台仅依靠算法推荐内容已无法满足用户的多元化阅读需求,深耕内容、品类多元化、提升用户体验成为未来传媒产业发展的方向。金准人工智能专家表示:内容消费升级是一个渐进的过程,一方面,用户面对的内容供应量空前的丰富,相应的注意力越来越分散,需要有内容平台为他们提供严选的好内容,降低选择成本;另一方面,市场下沉趋势更明显,更多消费者的需求亟待满足。

金准人工智能 2018年中国物联网LPWA技术研究报告 2018-12-12 11:11:48

前言

物联网,是半导体领域一个热门话题,且发展异常迅速。据去年(2017年)年底市场调研机构IC Insights的一份预测,汽车电子与物联网将是近年增速最快集成电路IC应用市场,这两类IC在2016年至2021年销售额增速将比IC市场整体增速快70%。此前,麦肯锡还预估,到2025年,物联网技术的潜在经济总量将达到11.1万亿美元。

考虑到生活中的应用场景(如远程抄表、环境监测、智能停车、位置追踪等)时,金准人工智能专家认为我们更需要一种覆盖广、成本低、部署简单、支持大连接的物联网,因此低功耗广域物联网Low-Power Wide-Area Network,简称LPWAN)应运而生。并且,以这些应用场景为主导的物联网数量将占到物联网总连接数的60%。

一、物联网LPWA技术概况

1.1 LPWA技术背景介绍

物联网的发展需求催生LPWA技术。

人联网主要的终端设备是手机。图片的清晰度,视频及游戏的流畅性主要受限于速率和时延,所以对高速率和低时延的执着追求驱动着无线通信技术的更新换代。但随着物联网的不断发展与应用场景的多元化,终端设备种类变得复杂多样,现有的无线通信技术无法满足物联网的发展需求。自动驾驶与远程医疗类应用场景的良好体验需要比4G更高速率,更低时延及更高可靠性的通信技术支撑,而低速率业务的终端往往分布广泛,数量巨大,安装环境常常不具备外部供电条件且单个终端通信频次少,目前承载低速率业务的4G网络功耗高且单小区接入设备量少导致成本较高阻碍了物联网的发展,为解决这一系列问题,无线通信技术在向高速率,低时延及高可靠性发展的同时也在向低速率、低功耗、远距离与大连接方向演变,低功耗广域LPWA( Low-Power Wide-Area )技术应运而生。

 

1.2 LPWA技术发展历程

市场之大、应用之广,这块蛋糕不可谓不诱人,这背后不仅是厂商之间的产品战斗,更是几大主流技术的江湖纷争。经过厮杀,有三大技术脱颖而出成为第一梯队,那就是NB-IoTLoRaeMTC,它们已经各自初步建立了自己的产业生态环境。

NB-IOT是国际标准,Sigfox与LoRa是私有技术。

LPWA技术是专为低速率,低功耗,广覆盖及大连接的物联网应用场景而设计,目前主流的LPWA技术有NB-IOT( Narrow Band Internet of Things )、eMTC、LoRa(long range)和sigfox。eMTC被看做是国际标准LTE技术(4G)的一种特性,相较于其它三种技术能提供更高的速率与更强的移动性支撑; NB-IOT由通信行业最具权威的标准化组织3GPP制定,并由国际电信联盟ITU批准,属于国际标准;Sigfox与LoRa的核心技术分别掌握在法国Sigfox与美国Semtech公司手中,属于企业私有技术。

 

1.2.1 NB-IoT的顺势而为

NB-IoT(Narrow Band Internet of Things,窄带蜂窝物联网),是专门为LPWA类物联网业务设计的全新技术,具备广覆盖、大连接、低功耗、低成本的特点,通过牺牲速率和时延性能,换取更极致的物联网承载能力。

从发展历史上看,这个技术名称的确定都几经波折,并且有一个有名气的国内企业也频频出镜。

早在2013年初,华为与相关业内厂商、运营商展开窄带蜂窝物联网发展,并起名为LTE-M(LTE for Machine to Machine)。2014年5月,由沃达丰、中国移动、Orange、意大利电信,华为,诺基亚等公司支持的物联网超低功耗蜂窝系统项目在3GPP GERAN工作组立项,LTE-M的名字演变为Cellular IoT,简称CIoT。2015年5月,华为和高通共同宣布了NB-CIoT(Narrow Band Cellular IoT)方案。2015年8月,爱立信联合几家公司提出了NB-LTE(Narrow Band LTE)的概念。2015年9月,NB-CIoT和NB-LTE两个技术方案进行融合形成了NB-IoT。

随后在2016年NB-IoT R核心协议在RAN1、RAN2、RAN3、RAN4四个工作组均已冻结。

到了2017年11月份,有公开资料称全球已商用的NB-IoT网络达到21张,包括:VDF西班牙,德电荷兰,德电德国,挪威Telia,中国电信,中国移动,中国联通,韩国LGU+,KT,VDF荷兰,VDF爱尔兰,澳大利亚VHA,阿联酋ET,香港CMHK,新加坡M1,意大利TIM,南非Vodacom等。并表示,2018年将达到100张。

不难看出,NB-IoT的发展一路顺风顺水,一方面得益于技术本身优势,比如:1,广覆盖,在同样的频段下,NB-IoT比现有的网络增益提高20dB,覆盖面积扩大100倍;2,它具备支撑海量连接的能力,NB-IoT一个扇区能够支持10万个连接;3,更低功耗,NB-IoT终端模块的待机时间可长达10年;低的模块成本。

另一方面,政策的推动也是必不可少。

2016年6月16日,NB-IoT 技术协议获得3GPP无线接入网(RAN)技术规范组会议通过以来,我国随后就出台一系列政策支持 NB-IoT 发展。

2017年5月,工信部发布《电信网编号计划(2017年版)》,新编号中增加了物联网网号,将“140XX~144XX”明确为物联网网号。

2017年6月16日,工信部下发《关于全面推进移动物联网(NB-IoT)建设发展的通知》,《通知》对2017年到2020年的NB-IoT标准、NB-IoT设备、NB-IoT芯片、NB-IoT模组、NB-IoT测试、NB-IoT应用、NB-IoT网络的发展,部署了“定量”的任务。

2017年6月20日,工信部发布2017年第27号公告,从三方面明确了 NB-IoT 系统频率的使用要求。1,在频率使用方面,在不影响现有业务运行的前提下,运营商可以使用已分配的 GSM 或 FDD 方式的 IMT 系统频段来部署 NB-IoT,在频率配置方式上,运营商可根据需要选择带内工作模式、保护带工作模式或者独立工作模式。2,在射频技术指标方面, 公告对NB-IoT 系统宏基站射频技术指标进行了规范,并明确了终端射频技术指标参照相关行业标准。3,在基站管理方面,明确了建设NB-IoT基站须取得无线电台执照,同时对800MHz、900MHz、1800MHz和2100MHz频段NB-IoT系统基站的设置提出了具体的要求。

2017年8月7日,工信部批准同意了部分单位提出的电信网码号资源有关申请,对2017年第10批《中华人民共和国电信网码号资源使用证书》颁发结果进行公示,其中就包括了物联网号段分配。

再从运营商部署进度和产业生态上看,三大运营商在NB-IoT的部署上也呈现加速模式。中国电信2017年6月底率先完成基于800MHz的 NB-IoT 网络部署,全网31万基站实现同步升级,建成了全球最大的NB-IoT网络。中国联通2017年5月15日在上海宣布建成 NB-IoT 试商用网络,积极布局基于 NB-IoT 技术的物联网创新业务。中国移动在 2017 年半年报中表示,将在全国 346 个城市启动移动物联网建设,并于8月初发布2017-2018年蜂窝物联网(主要为 NB-IoT 和 eMTC)工程无线和核心网设备设计与可行性研究集采公告,预估工程费高达395亿元;同时发布对移动物联网设备开展了预估总量为111万副的天线集采,预计年内将实现全国范围内商用。

当然,NB-IoT的发展更离不开芯片和模组等产业链上游厂商的发力。业内一些“网红”产品,大家一定很熟悉,如:华为的Boudica120、Boudica150;高通的MDM9206;联发科的MT2625。与非网记者此次专题采访的企业也有自己产品的部署,QORVO的RF351x 系列产品;ST基于Nucleo板的NB-IoT扩展板。除此之外,锐迪科、英特尔、中兴微电子等公司也有自己的芯片规划。

但不容忽视的问题是从芯片到模组再到大规模商用 NB-IoT 还没有成熟,三大运营商的资费怎么收取也都在探讨阶段,业界仍然不能就合适的商业模式形成共识。

1.2.2 LoRa绝地求生

NB-IoT的顺风顺水,是否就意味着其他技术的日子就窘迫?我们再来看一下LoRa的境遇,但还是先从概念谈起。

LoRa的全称是“Long Rang”,诞生于2013年,它是一种机遇扩频技术的低功耗长距离无线通信技术,主要面向物联网,应用于电池供电的无线局域网、广域网设备。

LoRa是美国升特(Semtech)公司的私有物理层技术,为了推广LoRa,Semtech牵头并联合IBM、Actility和Microchip于2015年3月成立了LoRa全球技术联盟(LoRa-Alliance),以LoRa技术为基础共同开展LoRaWAN标准的制定工作和构建产业生态系统。总的来说,LoRaWAN是为解决物联网和智慧城市应用中的M2M(Machine-to-Machine)无线通信需求、工作在Sub-GHz ISM(433/866/915 MHz)非授权频段的低功耗广域接入网技术。

有人想要大力推广LoRa,那该技术就存在值得肯定的优势,QORVO移动事业部中国华东地区销售经理 David Zhao在接受与非网记者采访时表示:“采用非授权频段,可以让LoRa获得免费的频谱资源。”

当然优点不仅如此,有研究院对LoRa进行了技术上的测试和分析,结果表面LoRa系统的功耗相对于目前的蜂窝通信系统及窄带物联网系统等都具有相当的优势;且成本非常低廉。

 

 

上表是LoRa一些使用业务案例,可以看出LoRa 物联网在城市管理中可以在若干场景中大显身手,包括基础设施、路灯、空气、交通、人流、建筑等的数据采集及分析。 同样在节能减排、环境检测、工业制造等方面也有着广泛的应用。

其实LoRa真正问题不在技术层面,外界讨论更多的则是政策待遇。2017年12月13日工信部无线电管理局发布《微功率短距离无线电发射设备技术要求(征求意见稿)》,其中对于470-510MHz民用计量频段提出了新的限定:“限单频点使用,不能用于组网应用”。有人认为这对一些LoRa相关企业来说,将是毁灭性的打击。

对此,金准人工智能专家认为,对于需求、增长巨大的市场容量,丰富的场景应用对不同的多点、组网通信技术需求也是不一而足的。同时由于物联网市场天然的碎片化特性,决定了对于通信技术的要求也呈现出不同的侧重性、多样性,因此LoRa的发展应以其自身的技术特点,针对适合的物联网应用场景,给客户带来好的用户体验,从而促进整个物联网市场的发展。

金准人工智能专家认为,这是一个硬币的两面。建议LoRa可以持续和政府监管部门进行协商和沟通。

1.2.3 eMTC的替补生涯

eMTC技术的提及,往往伴随着NB-IoT,很显然,论知名程度不及NB-IoT,虽然他们都是蜂窝物联网。

eMTC又称为LTE-M(LTE-Machine-to-Machine),主要面向物联网超可靠、低时延的应用场景,eMTC本身基于3GPP标准,由LTE协议演变而来的。为了更加适合物与物之间的通信,也为了实现更低的成本,eMTC在LTE协议的基础上进行了一定的裁剪和优化。

eMTC与NB-IoT同属3GPP下的两兄弟,同为R13版本中规范的物联网的相关标准协议,秉性脾气既有相似之处,也有一定差距。在应用选择方面,如果对语音、移动性、速率等有较高的要求,则一般会选择eMTC技术;而如果对成本、覆盖等有较高的要求,则可选择NB-IoT。因而,在一定程度上来看,eMTC和NB-IoT是相互补充的。具体如下表。

 

在商用布局方面,欧洲运营商同时考虑NB-IoT和eMTC,但NB-IoT进度更快。而北美运营商青睐eMTC。2017年3月,Verizon在美国开启了eMTC的全国商用,网络覆盖广阔。而2017年2月底,AT&T、KPN、KDDI、NTT docomo、Orange、Telefonica、Telstra、TELUS和Verizon在MWC2017上确认支持eMTC的全球部署。

金准人工智能专家表示:无论是哪条路径,蜂窝物联网均需要同时支持eMTC与NB-IoT两种技术。因此两种技术互补发展的落脚点仍在于网络先行、统筹规划,运营商要建设可以同时支持NB-IoT与eMTC的网络。同时各方进行产业催熟,拉通芯片、模组对两种技术的支持,最终以业务为驱动,推进蜂窝物联网的业务多维并行。

1.3 LPWA技术的“朋友圈”

LPWA技术是物联网无线通信技术之一。

物联网无线通信技术按照覆盖距离划分,大致可以分为两类,一类是短距离通信技术,包括蓝牙(Bluetooth),Zigbee,WIFI,NFC,目前主要应用于室内智能家居,消费电子等场景;第二类是远距离通信技术,包括蜂窝通信技术2G/3G/4G/5G及LPWA技术LoRa,Sigfox,而eMTC和NB-IOT既属于蜂窝通信技术,又属于LPWA技术。

 

1.4无线通信技术关键指标对比

LPWA技术特点:低功耗、低速率、广覆盖、大连接。

目前广域物联网高速率业务主要由4G网络承载,低速率的业务由2G网络承载,但是2G网络功耗高,单小区接入量小导致成本无法降低,阻碍了物联网的发展。LPWA技术专为低速率,低功耗,广覆盖与大连接的应用场景而设计,终端电池寿命可达10年,单小区最大可支持接入10W台设备,是2G网络单小区接入量的几百倍,在郊区空旷的环境理论覆盖距离可达20km,在实际复杂的无线环境中可达5km。

 

1.5全球LPWA技术连接量占比

2025年全球LPWA技术连接量占广域物联网总连接量的45%。

物联网是一种融合的技术,之前受限于传感器及通信技术瓶颈发展缓慢,近两年技术得以突破,物联网进入高速发展的快车道,连接量会呈现井喷状态。金准人工智能专家预计到2025年全球物联网总连接量将达到270亿,其中72%的连接将使用短距离通信技术,LPWA技术连接量占比将达到11%。因成本低,终端功耗低,网络易部署等优点,预计到2025年广域物联网连接量中45%将使用LPWA技术。

 

1.6国内LPWA技术连接量将进入爆发期

2018-2020年NB-IOT连接量增长速率高于LoRa。

经过两年时间的发展,国内LPWAN产业链已初步形成,NB-IOT与LoRa作为国内主要发展的两种LPWA技术已进入激烈的竞争阶段,技术推动者不断加大应用的推广力度,LPWA技术的连接量即将进入爆发期。NB-IOT属于运营商网络且已经基本实现全国覆盖,服务提供商在制定解决方案时直接租用运营商网络,相对于LoRa按需部署的模式,节约了网络部署时间更有利于应用的迅速大规模推广,加上三大运营商高额补贴的刺激与政府的推动,促使LPWA技术发展初期NB-IOT的发展要比LoRa快,预计2018年-2020年NB-IOT连接量的增长速率要一直领先于LoRa。

 

二、中国LPWA技术发展现状 

2.1国家政策频发推动物联网发展

国家大力支持NB-IOT发展,对LoRa持观望态度。

2011年以来国家政策频发不断推动物联网的发展,“十二五” 期间,国务院和各部委相继出台政策,物联网顶层设计不断完善,“ 十三五” 时期,物联网依然是信息化发展中的重要一环,自2016年下半年以来物联网政策频繁落地,我国物联网已驶向高速发展的快车道。2017年6月工信部印发《关于全面推进移动物联网(NB-IOT)建设发展通知》,明确要求到2017年末,实现NB-IoT网络覆盖直辖市、省会城市等主要城市,基站规模达到40万个,到2020年,NB-IoT网络实现全国普遍覆盖,面向室内、交通路网、地下管网等应用场景实现深度覆盖,基站规模达到150万个,可见国家要大力发展NB-IOT的决心,相反自中兴引入LoRa以来国家一直持观望态度。2017年12月工信部印发《微功率短距离无线电发射设备技术要求》(征求意见稿)对LoRa在国内所使用的频段进行了限制,但目前该要求未正式实施。

 

2.2国内已形成NB-IOTLoRa两大阵营

运营商加快NB-IOT基站建设,多地陆续开始部署LoRa网络。

国家政策保驾护航,三大运营商积极部署,目前NB-IOT网络已基本实现全国覆盖,但网络质量有待提升。从总体来看,电信建设进度领跑联通与移动,在2017年底开通30万个基站率先完成第一张NB-IOT网络,因移动只有部分基站支持升级实现NB-IOT功能,大部分区域要新建基站,建设进度最慢。为满足工信部2020年建设150万个NB-IOT基站的要求,三大运营商要加快建设步伐。2016年中兴与近20家厂商共同发起中国LoRa应用联盟,2017年底国内已建设16个私有网络试点共计1732个网关,2018年广电,铁塔及互联网巨头腾讯,阿里纷纷加入LoRa应用联盟共同推动产业生态的发展。目前阿里与联通在杭州及宁波建设的LoRaWAN网络已具备商用条件,国内其它地区已陆续开始小范围的LoRa网络建设。

 

2.3 NB-IOTLoRa促进物联网快速发展

牺牲速率与时延满足更多物联网应用场景需求。

NB-IOT与LoRa主要是以速率与时延为代价来满足低功耗、低成本、广覆盖与大连接的物联网应用场景需求,目前此类场景需求迫切且连接量巨大,因此NB-IOT与LoRa技术的出现能满足更多的物联网场景需求从而极大的促进物联网的发展。以下具体讲解NB-IOT技术是如何实现低功耗、低成本、广覆盖与大接连的。

 

2.4 LPWA类场景的业务特点

以文本类业务为主,不支持语音业务。

没有一种通信技术能满足所有物联网场景的需求,根据对传输速率的需求不同可以将物联网业务分为低速率,中速率,高速率三类,金准人工智能专家预计2020年三类业务分别占物联网总连接量的60%,30%,10%。LPWA技术是低速率业务的主力,主要以文本业务为主,不支持语音业务。

 

2.5国内LPWA技术应用场景

目前智能表计是国内LPWA技术连接量增长最快的应用场景。

国内LPWA技术主要聚焦于智慧农业、智慧城市、公共事业领域的智能表计、共享单车、智慧照明、智能烟感等应用场景且NB-IOT与LoRa已落地应用场景重叠率很高,LPWA技术的应用空间尚未完全打开,两种技术的推动者需加大力度拓展其创新应用场景。智能表计作为公共事业领域主要的应用场景,水/电/燃气表数量巨大,智能化改造需求迫切,目前是LPWA技术的主要应用场景,根据中国移动数据显示,智能表计是NB-IOT连接量中增长最快的领域,占NB-IOT总连接量的42%。

 

三、中国LPWA技术之争 

NB-IoT、LoRa以及eMTC同属于低功耗广域网的范畴,每种技术有自己的优劣势。简单来讲,从功耗以及成本的角度出发,LoRa要好于NB-IoT以及eMTC。从数据传输速度来讲, NB-IoT和eMTC要强于LoRa。即使同属于蜂窝技术的NB-IoT和eMTC也有不同的适用场景,比如NB-IoT适用于静止的场景,eMTC与移动的场景更配。由于各国国情不同,采用的低功耗广域网技术也不就不尽相同。

3.1 LPWA技术关键指标对比

从理论值来看NB-IOT性能具备较大优势。

前文讲到目前主流的LPWA技术有Sigfox,LoRa,NB-IOT与eMTC ,相较于前三者eMTC速率较高,功耗较大,适用于中速率且对功率没有太敏感的业务,对于低速率,广覆盖,低成本,低功耗类业务,主要竞争在前三者之间,本文主要对前三者的关键指标进行对比,从理论值来看NB-IOT性能具备较大优势。

 

3.2工作频段和服务质量

NB-IOT工作在授权频段能提供更高的服务质量。

无线电频谱即无线电波,是介于3HZ到30GHZ之间的电磁波,是一种有限不可再生资源,为避免各国无线电磁波带来的有害干扰,全球无线电频谱由国际电信联盟(ITU)统一分配和管理。目前世界各国政府都将频谱列为国家所有,监管且有偿使用,在我国使用者需要向无线电管理机构申请,获得批准后才可使用,即授权频段。每个国家也会免费开放一段频谱给工业、科学、医学三个主要机构使用,称之为ISM(Industrial Scientific Medical) 频段,即非授权频段。

 

3.3频谱利用率与终端功耗

NB-IOT比LoRa更适合高速率且通信频繁的应用场景。

NB-IOT与LoRa设计理念与实现传输的方式不同导致通信能力有所差异。LoRa是专为低功耗而设计,采用异步传输方式,终端不需要实时与基站保持同步从而降低了终端功耗,但每次通信需要携带同步信号因此增加了频率资源开销导致频率利用率低;NB-IOT是基于4G的蜂窝通信技术,最初的设计理念是最优的频率利用率以提升传输速率,采用同步传输方式,通信时不需要携带同步信号从而减小频率开销提升了频谱利用率,但需要实时与基站保持同步增大了终端功耗。因NB-IOT有较高的频谱利用率故能提供比LoRa更高的传输速率,如前文分析NB-IOT上行峰速的理论值是LoRa的5倍。在不需要通信时终端会进入休眠状态以降低功耗,基站只能在终端苏醒时才能下发命令导致下行时延高,为满足不同场景对通信频次的需求,LoRaWAN定义了ClassA、ClassB、ClassC三种终端工作模式,休眠期依次递减,功耗依次递增;NB-IOT规定了PSM, eDRX及DRX三种工作模式,功能与LoRa的三种终端工作模式类似,通过休眠来降低功耗,但在性能方面NB-IOT能提供更小的下行时延,相较于LoRa更合适频繁通信的应用场景。

 

3.4网络部署与商业模式

建网资格和建设成本决定了NB-IOT与LoRa商业模式不同。

从建设资格来讲,因受限于网络运营牌照和业务许可,只有运营商有资格在全国建设一张NB-IOT网络并运营,国内暂时没有一家企业具备在全国建设一张LoRa WAN网络并运营的资格与能力,目前企业不需要申请就可以在小范围内部署私人LoRa网络,若规模部署需要获得政府许可。从建设成本来讲,NB-IOT是基于4G的窄带蜂窝技术,无论是升级改造还是独立部署都需要高昂的成本支撑,LoRa网络架构简单,根据功能和性能不同网关(基站)价格差异较大,但大多集中在万元以下,企业可实现灵活部署,因此整体来看NB-IOT是先建网后应用,LoRa是按需部署网络。

 

3.5 LPWAN已形成完整的产业链

LoRa芯片封闭不利于产业生态的发展。

物联网的发展离不开产业链上下游企业的共同努力,要依靠各环节龙头企业大力推动,虽然NB-IOT起步比LoRa晚,但自2016年6月NB-IOT标准冻结后,国内外企业积极加入共筑NB-IOT产业生态,目前两者皆已形成完整的产业链。从整体来看,产业链各环节均呈百花齐放之态,唯有LoRa芯片市场集中度极高, semtch一家占据了90%的份额。前文讲到LoRa核心技术掌握在semtech公司手中,主要采用晶圆授权和IP授权开放给其他公司,只有得到IP授权的公司才能在IP基础上按照市场需求进行深入研发,今年9月份阿里巴巴成为继意法半导体之后第二家被semtech IP授权的公司,技术封闭不利于LoRa产业生态的发展,不利于在竞争激烈环境中的推广。相信未来semtech会逐渐放开IP授权,完善LoRa产业链。

 

3.6 LPWA技术七大应用领域

2025年消费与医疗将成为LPWA技术最大的应用领域。

LPWA技术可以满足不同的应用场景需求,按照应用领域划分可将其主要应用场景细分为公共事业,消费与医疗,智慧工业,智慧楼宇,农业与环境,智慧物流与智慧城市七大垂直市场。前文讲到目前LPWA技术主要聚焦于公共事业与智慧城市,智慧楼宇等领域中的少量应用场景,金准人工智能专家预计到2025年消费与医疗将成为LPWA技术最大的应用领域。

 

3.7 NB-IOTLoRa应用场景分析

应用服务商需根据应用场景需求选择合适的通信技术。

LPWA应用场景按照终端移动性及分散程度可划分为终端静止且较为集中的行业性应用与终端有移动性且地域分布较广的分散型应用两类,对于前者两种技术均能满足要求,但对于后者前文讲到因受限于资质等因素LoRa在国内不具备建设成公网在全国运营的条件,若企业自建网络实现连片覆盖成本较高,因此NB-IOT更适合后者应用。因设计理念及实现方式不同,无线通信技术特性各异,部署网络时需根据具体的应用场景需求选择合适的通信技术。

 

四、中国LPWA技术发展趋势

4.1 NB-IOT为主LoRa为辅共同促进LPWA技术发展

万物互联将带来百亿级连接,正如前文所讲LPWA技术作为广域物联网的主力主要应用于七大垂直领域,应用场景具有极强的差异性且行业特征明显,单一技术不能满足所有的场景需求,目前国内NB-IOT与LoRa已落地场景重叠严重竞争激烈,未来两种技术必定在竞合之间找到各自定位最终呈现以NB-IOT为主LoRa为辅协同发展的局面,而周期的长短取决于两种技术的推动者认识到以场景需求驱动技术发展重要性的速度,在这个相互融合的过程中服务提供商是否能立足于网络环境和技术本身的特性,按照实际应用场景需求,有针对性的制定解决方案也是缩短该周期的关键。前文基于网络环境及应用场景需求对LPWA技术七大应用领域进行了技术选择分析,根据NB-IOT与LoRa应用领域的连接量进行预测,预计到2025年NB-IOT与LoRa在国内的发展趋于6:4的格局。

 

4.2 NB-IOT自我完善期间给与LoRa更多发展机会

正如前文分析自2016年6月NB-IOT标准冻结以来,在国家政策支持及运营商积极推动下,国内NB-IOT发展呈一片繁荣之态,上下游产业链初步形成,网络已实现全国覆盖,在高额补贴的刺激下应用种类与连接量也突飞猛进,貌似已超越LoRa发展多年的积累,虽然从技术本身NB-IOT具有较大优势,但与LoRa相比发展时间短,产品稳定性差,网络全面覆盖和深度覆盖不足,类比移动4G网络耗费近4年时间才被打造成一张精品网,NB-IOT虽不需打造一张精品网,但依然需要约两年时间进行技术完善及网络优化才能真正发挥出优势,而在这段时间网络及产品的不稳定性在一定程度上影响了NB-IOT的应用推广,同时市场需求会推动相对更成熟的LoRa向更多应用方向发展,换句话说近两年LoRa的发展直接影响其在中国LPWAN的占比。

 

总结

LPWA通信技术比较适合两类物联网应用:一类是位置固定的、密度相对集中的场景,如楼宇里面的智能水表、仓储管理或其他设备数据采集系统,虽然现在蜂窝网络已应用于这些领域,但信号穿透问题一直是其短板;另一类是长距离的,需要电池供电的应用,如智能停车、资产追踪和地质水文监测等,蜂窝网络可以应用,但无法解决高功耗问题。未来通过LPWA连接技术接入物联网的连接数将超过连接总数50%。GSMA预测到2020年中国机器对机器(M2M)市场的连接总数将达到10亿,以NB-IoT技术为代表的LPWA技术将提供7.3亿连接。

未来三年全球M2M物联网连接数高速增长,中国物联网连接数将保持全球第一,极大促进国内物联网上层应用蓬勃发展。根据GSMA统计,截止到2015年年底,中国的物联网M2M连接数已经达到了7400万,占到全球物联网M2M连接数的23.1%,全球第一,远超美国和欧洲国家。中国人口数全球第一,同时制造业、交通行业和物流行业都高度发达。随着中国对自动化的需求增加,对智能制造,智能物流、智能零售和智能交流等的需求不断增加,未来中国物联网上层应用需求也将持续蓬勃发展,创造巨大商业价值。

未来5G将满足物联网高级应用多样化需求,实现终极万物互联

未来LTE从高速和低速两个方向上向5G演进,和LPWA技术并存,满足物联网应用的多样化需求,促进行业上层应用蓬勃发展。实际上LTE网络中也存在低速率技术如LTE Cat.M和LTE Cat.1等,未来将和NB-IoT并存,在物联网低速、低成本领域提供通信支持,满足不同细分市场的需求。相比NB-IoT,LTE Cat.M与GSM网络能更好兼容,更容易替代GSM应用,在某些细分领域更有优势。而无人驾驶、VR、远程手术等复杂上层应用对传输带宽要求高、传输数据量极大并且要求超低时延的应用场景,对网络技术提出了新需求,只有到5G规模化部署才能实现这些物联网复杂应用场景。5G具备比4G更高的性能,支持0.1~1Gbps的用户体验速率,每平方公里一百万的连接数密度,毫秒级的端到端时延,每平方公里数十Tbps的流量密度,每小时500Km以上的移动性和数十Gbps的峰值速率。未来LTE蜂窝技术从低速和高速两个方向向5G演进,和LPWA技术并存,实现物联网上层应用需求的连续广域覆盖、热点高容量、低功耗大连接和低时延高可靠等技术要求,5G时代也将实现终极万物互联。

未来物联网围绕政府、企业、消费者将衍生出多样化应用,创造巨大社会价值。物联网服务对象可划分为政府、企业、消费者三类。

政府领域物联网应用包括公共资源/能源管理、智能交通、平安城市、智慧政务、智慧农业等。对比近年来中美欧政府在物联网应用需求,首要都是为了解决日益紧张的能源消耗、污染问题、城市安全问题,因此未来智能交通、智能抄表、智能路灯等城市生活相关应用率先实现物联网的应用领域。以瑞典智慧交通解决方案为例,在车上装上电子车牌和交通大数据平台连通后实现智能交通管理和拥堵费收取,使交通拥堵降低了20-25%,交通排队时间下降30-50%,中心城区道路交通废气排放量减少了14%,整个斯德哥尔摩地区废气排放减少2.5%,二氧化碳等温室气体排放量下降了40%。

企业领域物联网应用包括全面升级到工业4.0(设备远程管理、数据管理、自动化等)智能物流、利用机器学习和人工智能对未来做预测解决商业问题等。越来越多的企业将设备连接到云端进行统一管理,并从生产制造、物流、销售、售后数据中寻找提升运营效率、降低成本、提升销量等重要商业问题。2012年,由于GE成功的远程诊断探测,春秋航空节省了超过21万美元的维修费用,并且避免了数次计划外的发动机拆卸和停飞待用。风力涡轮机制造商Vestas通过对天气数据及客户涡轮仪表采集的数据进行交叉分析,从而对风力涡轮机布局进行改善,由此增加了风力涡轮机的电力输出水平并延长了服务寿命。而未来从设备管理和数据分析逐步过渡到机器认知学习帮助解决问题。例如AbleCloud通过3个月的机器学习训练饮水机自动加热、保温和断电,达到了饮水机“学会”满足办公室人员喝水需求同时节约能源30%的效果。

在消费者领域车联网、可穿戴设备、智能家居和复杂娱乐将成为物联网重点应用领域。车联网目前以导航、远程信息采集、车载系统升级为主,未来随着车载娱乐系统、ADAS、无人驾驶普及,车载智能硬件有望实现联网一体化管理。在智慧社区和智能家居领域,平安社区和平安家庭有望率先取得突破:原有小区视频监控系统扩展为物联网平台,结合社区和家庭传感器,可穿戴设备、社区出入口管理系统,为现代化的社区管理、智慧化的大数据应用提供基础设施解决方案。在发生非法入侵,火灾、燃气泄露等异常情况时,智能传感器会发出报警信号,并通过家庭中心将信号传至小区物业管理中心、报警中心、居民手机,通知安保人员及时赶到现场处理。同时,居民可以通过手机、平板电脑等移动设备可远程监控、可视化对讲。

金准人工智能 2019年我国无人零售行业 发展趋势分析 2018-12-11 17:40:59

前言

狭义的无人零售指的是以开放货架、自动贩卖机、无人便利店和无人超市为主的实体零售中无人值守的部分,其中无人超市主要处于内测阶段尚未大规模铺开。无人零售主体集中在开放货架、自动贩卖机、无人便利店三类。虽然无人值守,但背后的管理仍然需要有人,只是人的角色有所变化,前端人员主要负责配货、理货和清洁。目前的无人零售可以“无人”(无人值守),也可以“少人”(少量管理员),或者灵活切换。

随着人工智能、机器视觉等新兴技术的逐渐成熟,加上国内全球领先的移动支付态势,以无人零售为代表的新零售受到各大电商平台及知名品牌的关注。无人商店俨然已成为全球零售业的一种新趋势,阿里等传统零售业巨头开始尝试无人商店模式,一些中小型创业公司凭借其较业内领先的人工智能技术也崭露头角。继共享单车之后,无人商店有望成为下一个爆炸性新兴业态。

与无人零售商店行业关联最密切的是其上游行业。无人零售商店行业的上游主要是信息技术行业、智能运输行业、零售产品行业(日常用品、食物等)等。近年来,无人零售商店行业上游行业的技术更新不断加快。

 

、无人零售行业现状

近年来,我国传统零售业整体萧条疲软,行业转型迫在眉睫,“无人零售”作为新零售探索下的新型业态,不仅能够节约土地和人力成本,还能将销售渗透到人们日常的碎片化消费场景中,获得相应消费数据以此精准把握用户需求,布局新兴渠道,为品牌商和渠道商等供应链端提供参考依据,实现良性的生态循环。

2017年我国无人零售市场规模为197.0亿元,其中自动售货机年销售规模为173.4亿元,开放式货架销售金额为3.1亿元无人便利店销售规模在0.5亿元左右,金准人工智能专家预计到2020年我国无人零售市场规模将增长至657亿元。无人零售的主要场景分布包括小区社区、地铁等交通枢纽、写字楼、商场、办公室等。

 

 

无人零售是依托于贩卖机、货架以及便利店等商业模式,实现降本提效的创新模式。这个新型消费模式如此火爆的原因除了政策上对零售业态转型创新的支持外,还有各方入局者在战略布局上的转变,以及消费者需求变化的驱动。另一方面移动支付的高度普及,智能技术的快速发展,和资本的青睐则成为无人零售行业发展的外部推动力。

随着电商o2o的快速发展,物流和新客成本逐渐升高,电商希望通过渗透线下终端消费环节强化精准投放、控制成本;而传统渠道开始重视电商的平台流量和数据价值。在此基础上新零售模式应运而生。

无人零售商店有解放人力和时间成本的优势,被各大电商平台及知名品牌所认可。但无人零售商店进一步发展的关键在于技术与信用体系的健全完善。2017年无人零售商店交易额预计达389.4亿元,未来五年无人零售商店将会迎来发展红利期,2020年预计增长率可达281.3%,至2022年市场交易额将超1.8万亿元。

金准人工智能专家发现,在移动电商用户网购优先考虑因素分布中,商品质量成为用户最重要的考虑因素,占比48.1%;此外,商品种类丰富度、物流快慢等因素也受消费用户重视。产品质量始终是吸引消费用户与增强其消费信心的重要基础,同时,优化服务和产品体验也成为移动电商用户对新零售业的期待。

金准人工智能专家调查发现,消费用户对付款和收货环节评价最好,均为7.70分,而退货和退款则相对较低,为7.20分。用户投诉情况显示,商品与描述不符和质量问题是构成用户对商品售后环节满意度不高的两大主要原因。售后服务优化成为制约优化消费体验的短板,而新零售购物方式更应在这一环节优化服务以增强用户粘性。

目前,无人商店正处于萌芽阶段,用户覆盖率较低,当前行业除了各电商及互联网巨头外,创业公司纷纷涌入,积极布局。随着无人商店数量的增加,无人零售技术和运营不断完善升级,无人商店将成为数据采集新入口,用户购买行为采集助力商店开展精准营销,反过来也将给消费者带来更加便捷的购物体验。

2017年,当马云推出的无人超市在杭州亮相后,就如一剂猛药刺激了无人店迅速席卷零售界,缤果盒子、fxBox、简24等店遍地开花,随后又出现了阿里推出的淘咖啡,京东的X无人超市及苏宁易购Biu等。

随后,虹加大在无人零售的布局,推出无人便利店WellGO,消费者可以通过虹领巾APP、微信小程序完成购物过程。

永辉在福州开出全国首家全新改造升级的未来2.0概念超市,撤掉人工收银台,全部改为自主技术研发的手机APP扫码购+自助收银机结账形式。

永旺子公司——永旺永乐也已在中国试水无人零售。据悉,合资公司开发的技术首先将活用于永旺的中国自有店铺,未来或会推广至日本等其他亚洲国家。

目前以阿里为代表的的零售巨头产品体系完善,全品类都有布局。在用户基础方面,各平台用户流量已基本定型,阿里优势明显且其规模很难被后面的平台超越。无人超市作为新零售的一种形式,将平台用户从线上拓展至线下,进一步打开用户市场,未来或许会部分取代传到零售产品成为用户消费信息官,引发零售行业内部重新洗牌,后部零售平台有望实现超越。

2.1智能售货机

自动售货机产业链由三部分构成:货源、渠道、消费及广告。

上游主要是饮料企业、食品企业以及其他快消品供应商,中游是自动售货机制造商和运营商,运营商通过公司自营或者加盟零售在人口密集地区运营自动售货机,向下游消费者提供商品,同时也提供广告平台赚取广告费用。

自动售货机在一些发达国家应用非常普遍,在我国的安放和使用也有10 多年的时间。当前国内自动售货机市场走势已逐渐明晰,逐步从沿海经济发达地区和各大中城市向内陆和欠发达地区延伸。企业玩家和公共区域投放的自动售货机数大增,预计2020年自动售货机投放量将超200万台,三年复合增长率在50%左右。

智能售货机实行联机方式,通过无线网络、互联网和物联网将售货机内的库存等各种信息及时地传送到各后台服务中心的服务器电脑中,从而实时监控设备中货物和钱币库存状况及设备的运营状态,确保商品的运送及补充和钱币的收回及补充得以顺利、高效运行。

与普通的自动售货机不同,智能自动售货机运用反向O2O模式。消费者在购买物品时,不仅可以用现金支付,还可以用支付宝、微信钱包,甚至校园卡进行支付。智能售货机真正实现了消费者“无需现金,线上下单,线下取货”的便捷自助式营销。

作为目前我国无人零售行业的主要业态,2016年我国自动售货机销售市场规模为168.4亿元,占同期国内无人零售市场规模总量的 98.8%。2017年自动售货机销售市场规模在193.4亿元左右。预计到2020年我国自动售货机市场规模将达到484.5亿元。

 

目前,企业对自动售货机式市场的探索模式主要有以下三个方向:

第一,主打二三线城市的传统零售。传统零售在中国的二三线城市并没有覆盖到,这部分城市里新升级的用户,他们需要类似自动售货机这种业态来满足生活需求。这个市场很大,中国类似的市场也有很多。

第二,线上流量+自动售货机。这种方式大家也在探索,通过线上O2O的流量,把自动售货机的辐射半径,扩大到周围3公里。

第三,用自动售货机的方式改造夫妻老婆店。中国的夫妻老婆店未来的趋势和走向会是什么?台湾、日本的夫妻老婆店已经没有了,历史的演变会有一个类似,当更高效率的连锁自动售货机出现,且成本更低、服务更好的时候,原本的夫妻老婆店就被替代了。

另一方面,自动售货机是小商圈型业态生意,纯从物理位置来看基本只能辐射500米范围,但就因为这样,用户接触足够频繁之后,自动售货机网络背后的频繁交易沟通的用户价值其实是更大的,这也是新零售最看重的一个价值点。

 

2.2无人货柜

2016年我国无人货架销售市场规模为1.8亿元,占同期国内无人零售市场规模总量的1.06%。2017年无人货架销售市场规模在3.1亿元左右,同比增长72.22%,金准人工智能专家预计到2020年无人货架销售市场规模将达到139.9亿元。

 

行业寡头化趋势日渐明显,每日优鲜便利购以55%的市场综合占有率占据第一梯队。同时,智能货柜的应用推动行业走向3.0时代,购买体验升级,并将适用更多的场景。

无人货架自2016年出现后,快速成长为互联网行业新热点。作为无人零售领域的主力,无人货架的点位快速增长,整体数量已超过传统的自动贩卖机。

截止2018年6月,无人货架领域累计投资金额已经超过50亿元人民币。无人货架领域创业窗口期已过,资本从疯狂追捧逐渐趋于理性。随着市场和客观条件成熟,不排除巨头企业进入的可能性。同时,供应链成熟、运营精细化的企业将收获更多的市场份额。50人以上点位占比超七成。

值得注意的是,无人货架行业正在整体转向更精细化的运营阶段。自2017年6月至今,单个无人货架的SKU数量明显增多,以冷鲜类为主且利润率较高。而从货架点位覆盖人数占比看,目前50人以下的货架点位仅占25%,和去年接近70%相比明显变少,主要原因是大型企业优质点位增多,反映到数字上,覆盖50人以上的货架点位占比已达75%。而在现有的主流无人货架企业点位占比中,每日优鲜便利购以74%占比最多。

 

金准人工智能专家调查发现,全国目前无人货架总点位数量在30万个左右,这一数字预计将在2020年超过100万个。从一线城市的点位商家重复度情况看,对比2017年12月和2018年6月两时间点,三个商家及以上的点位占比均有所减少,两个商家、单个商家的点位占比则都出现增幅,尤其是单个商家点位占比从24%升到34%,寡头化趋势逐渐明显。

 

有数据显示无人货架的损失率在2%-6%,但是市场分析人员称远远不止这些。无人货柜的商品自动识别和各种智能技术的结合,虽然还不够完善,但替换掉无人货架降低货损已可实现。

有了无人货架的前车之鉴,无人货柜的发展应该注重技术性与安全性同步保障。目前无人货柜的主要解决方案有四种:RFID、图像识别、称重、位移,其中最为常用的就是RFID。比较有技术含量的是图像识别,多数用的谷歌开源技术,目前的设备成本非常高。称重和位移是综合成本比较低的解决方案。目前来看,在智能化货柜技术方向上,每日优鲜便利购已经初步建成了技术壁垒,其研发的依据视觉识别技术的智能化货柜更能代表未来方向,可以判断更为复杂的情况,并从根本上杜绝商品的不良损耗,但仍将面临一些实现难度。

 

无人货架行业发展至今,共经历了三个时代,目前正在从2.0迈向3.0时代。整体上,1.0时代主要指自动贩卖机,开放式货架的出现开启了2.0时代。在2018年,智能货柜带动行业逐渐走向3.0时代。

尽管智能货柜的设备费用比开放式货架高,但通过“即拿即走”的无感购物,可升级购买体验,并具备货品安全性高、库存管理难度低、适用场景多等优点。而从粗放运营到精细运营、从开放货架到智能货架、从群战到寡头,将是三大发展趋势:

首先,运营节点的颗粒化将更细微。从供应链到物流,以及每一个点位的精细化将决定企业的前景。

其次,销售终端将会在技术上出现升级,具备识别和自动付款的智能货架未来将成为主流。

最后,从群战中脱颖而出的胜者将会出现赢家通吃的局面,尽享红利。

2.3无人便利店

从整体来看,目前无人店尚处萌芽阶段,覆盖率较低,仅有16.5%的零售用户使用过无人店。大多数无人店以提供零食饮料等标品及便利性应急商品为主,部分无人店还提供鲜食、生鲜食品、 餐饮等其他品类。受技术、 空间等因素影响,目前无人店很难售卖全品类商品,最为适合的场景为社区便利店。

对于整个中国而言,便利店的即时消费性质使得其受电商冲击较大,与海外成熟市场相比,国内便利店市场发展才刚刚开始。无人店从2017年开始爆发,处于发展前期,与传统便利店相比其具备更多的场景进入优势,结合市场已有布局,按照社区服务中心(站)进行推算,预计到2020年无人店市场规模将突破30亿元。

 

同时,行业报告显示,未来五年无人店将会迎来发展红利期,2020年预计增长率可达281.3%,至2022年市场交易额将超1.8万亿元。

目前北、上、广、深等发达城市相继出现便利店无人化试点,国内对无人便利店的探索已经花开遍地。无人便利店在技术上的应用一定程度上决定了店铺规模、运营能力、购物流程、成本投入等。

当前的无人便利店在技术上大致可分为三种类型,第一种是以Amazon Go、Take Go为典型,可实现“即拿即走”的购物体验,使用的是机器视觉、深度学习算法、传感器融合技术、卷积神经网络、生物识别等人工智能领域前沿技术。但这类技术的稳定性稳定性尚无法保证,且成本过于昂贵,商用难度较大。

第二种是指缤果盒子、7-11等主要利用RFID标签技术和人脸识别技术的无人便利店,RFID在对货物的识别与防盗上更具优势,该技术出现已有百年,随着技术的成熟,成本也在不断下降,但由于RFID标签与二维码类似,如果贴在商品外部,极易被撕毁。

第三种是像便利蜂、小e微店这种,主要是利用二维码来完成对货物的识别,成本低,与传统零售较为接近,这类无人便利店的优势可能更多是体现在渠道及供应链上。

无人便利店主要辐射社区、商区等,主要基于社区服务中心(站)进行推算,截至2017年底,无人零售市场中无人便利店店累计落地200个左右。2017年全年市场规模在5000万元左右,同比增长66.67%,预计到2020年我国无人便利店市场规模将达到33亿元。

 

未来无人店发展有两个趋势:第一,无人店这种商业模式会通过自身的复制出现大规模的普及,无人店不再是概念店,特别是以社区为单位的无人店会越来越多,成为社区当中非常重要的一种业态。第二,无人店相关的技术会逐步成熟并且模块化,从而使无人店的相关技术应用到传统的零售业态当中,比如无人店的人脸识别技术,可能会成为很多传统店铺支付重要的前提。

无人店可以体现“新零售”战略的诸多概念,这本身就是线下零售店所需要大量改进之处。业内专家表示,“无人店应该是一个发展方向,而不是说是一个风口,它更多的是反应传统零售在做变革的一个新方向。”

无人店的场景形式以写字楼、社区、地铁以及人流密集的公共区域为主,其具备面积小、投资成本低、进入商家数量多、市场高度分散及行业增长潜力等发展优势。虽然无人店是众多企业投资的热点,但是大规模落地仍是目前的难点

难成规模是发展前提存在一些比较共性的发展困阻,主要集中在产品技术优化、区域市场拓展、企业规模化发展、企业开放加盟和供应链的协同效应。

在众多因素中,产品技术方面的提升是无人店规模化的先决条件。无人店面积大多小于传统便利店且店内少有备货,因此店内商品补货频次较高,对供应链提出了更高的要求。业内人士曾指出,便利店市场需要持续至少五年以上的投入才可能产生显见增长。因此,市场的发展需要经历时间的积淀,逐步向好发展。

三、无人零售行业发展面临的机遇与挑战

3.1行业机遇

(1)国家积极引导零售创新发展

2016 年 11 月 11 日,国务院出台《关于推动实体零售创新转型的意见》,提出“创新发展方式,鼓励企业创新经营机制、创新组织形式、创新服务体验”、“促进跨界融合,促进线上线下融合”,2017 年 11 月中国连锁经营协会制定了《无人值守商店运营指引》,为无人零售概念的加速落地提供参考。《国内贸易流通“十三五”发展规划》,推进实体商业创新转型、提升流通供给水平、推动消费结构升级、提高流通信息化水平、加强流通标准化建设等九个主要任务。国家正积极引导并推进新零售的快速发展,为无人零售发展带来新的契机。

(2)无人零售行业发展潜力巨大

2017 年 11 月,由中国连锁经营协会主办的 2017 中国全零售大会在重庆落下帷幕,“无人零售”成为此次大会的焦点。据有关资料统计,我国便利店行业年销售额近1600 亿元,门店数超过 600 万家,行业的年复合增长率达到 13%,整个行业的规模大、商业模式清晰、人才和技术储备充足、资本市场认可度高,在无人零售行业中引领发展。无人零售随着技术和经营模式的逐步完善,未来必然成为新零售的主力军。

3.2行业挑战

(1)政策监管标准模糊

无人便利店一般都是几百、上千家地投放,显然现有便利店的申请许可方式无法满足无人便利店迅速扩张的现实需求。不少无人便利店在开店环节遭遇窘境,因超范围经营、手续不全、违建等问题被整顿或关闭。同时,行业处于发展初期,规模、技术、形态尚未成形,短期内出台强制性法规的管理方法也并不适用,无人零售亟需相关政策与主管部门的支持。

(2)企业竞争激烈

无人零售风口,众多企业一哄而上,无人便利店、无人货柜、自动贩卖机等多种终端形态无序竞争。为了实现盈利追求规模,而规模化又需要资本支撑,烧钱与变现之间的界限变得模糊。从 100 人、50 人到 30 人,无人货柜进驻企业的人数标准一降再降,从一线城市铺到二线城市,从二线城市铺到三四线城市。创业企业盲目扩张,

四、无人零售行业发展趋势

4.1前沿技术发展

前沿技术快速发展,移动支付/大数据征信奠定基础物联网与人工智能快速发展物联网即物物相连的互联网,其实现方式为通过传感器将物品连接到互联网,再通过这一网络传递物体信息和数据至互联网终端管理者。 目前常用的传感器设备包括射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等,其中射频识别即目前大多数无人零售商店在商品识别和结算时所使用的设备和技术。在技术的不断发展和国家政策的扶持下,预计我国物联网产业仍将保持快速增长,这为无人零售店的实现提供了技术基础。

人工智能即通过算法仿造人类思维模式,并将其应用在现实场景计算和分析中的技术手段,主要包括机器视觉识别、深度学习、大数据、云计算等类别。我国人工智能研究起步较早,目前在发表论文数量和科学家数量方面均已居于世界前列。人工智能技术的发展,使“即拿即走”式无人零售店成为可能。

4.2移动支付手段普及

得益于智能手机的普及与网络支付的便捷性,我国消费者已逐步习惯在日常生活的不同场景中使用网络支付工具, 越来越多的商户和公共服务也开始支持移动支付。根据支付宝 2016 年全民账单数据,过去一年超过 10亿人次使用支付宝的便民服务进行缴纳水电费、交通违法罚款、医院预约挂号等日常付费活动。无现金的支付方式省却了消费者取钱和收纳及收银员找零的过程,提高了日常事务的效率,并且避免了现金被盗的情况,省去了现金收纳盘点的过程,为无人零售模式奠定了基础。

4.3大数据征信逐渐完善

2015 年 1 月,央行印发《关于做好个人征信业务准备工作的通知》,要求包括芝麻信用和腾讯征信等若干家大数据征信机构在内的八家商业征信试点机构做好个人征信业务的准备工作,标志着大数据征信开始逐步进入商用阶段。 不同于传统征信,以芝麻信用和腾讯征信为代表的大数据征信覆盖人群更为广泛和年轻化、信息渠道也更偏向公民的日常行为偏好。这使得大数据征信虽然不及传统征信权威,但更能反映信息主体的行为和消费偏好,更适合应用在居民的日常生活中的消费、公共服务、转账等小额金额往来上。 无人零售商家通过对接此类征信机构,获得公民的信用数据并评估其是否具备进店资格等,以在一定程度上防范偷窃案件的发生。

以芝麻信用为例,作为蚂蚁金服旗下第三方征信机构,芝麻信用以阿里电商交易数据、公安网等公共机构数据以及合作伙伴数据为基础,覆盖信用卡还款、消费借贷、酒店出行、生活缴费、医疗健康等场景的信用服务支持,在评估消费者日常行为信用、小额钱款往来等方面具有广泛应用。用户可凭借芝麻积分申请各类服务,同时芝麻信用通过用户租借续还和网络交易的行为数据不断更新用户信用评分,完善数据库。在无人零售店的应用场景中,消费者进店时绑定个人芝麻信用情况到后台管理系统,如消费者有撕毁标签、偷盗等行为发生,其芝麻信用评分会下降,可能导致其被无人零售店拒绝再次进入。

总结

“无人零售”,也被称为“智能零售”,带着“智能”和“高科技”的基因。简而言之,无人零售就是用机器代替人工服务,以缩减出货、购物流程中的时间、人工成本,便服务更规范化的零售商店。未来或将有更多数据增值服务加入产业链,推动各参与方形成合力,实现全产业链数据流通,数据的价值利用更为充分。


 

金准人工智能 AI赋能新零售趋势报告 2018-12-10 17:41:05

前言

2013年到2018年,人工智能+零售创业公司在374笔交易中筹集了18亿美元,而这一切主要归功于亚马逊公司,因为这家科技巨头迫使零售商重新考虑他们的电子商务战略并在实体和汽车领域进行创新以保持竞争力。来自亚马逊的竞争,对透明度和投资的需求正在改变人工智能+零售领域。

这两年,关于新零售的各种报道让人们对零售业有了新的认识,无人超市、无人货架、生鲜配送。在马云提出新零售概念的时候,很多人发现新零售的5大部分实际上都是在原有的基础上加了个“新”字,所以说新零售并不是一种颠覆性的革命,而是优化、深挖传统零售带来的巨大的革新。零售市场足够大,据商务部《中国零售行业发展报告》,2016(没查到去年的数据)年全年商品零售额近29.7万亿元,这就意味着,哪怕蚕食其中一小部分,优化升级一部分零售行业的劣势,都会有巨大的获利机会。所以,新零售并不是零售行业的颠覆性革命,而是优化、深挖带来的巨大的革新。

一、零售业的革新

1.1用户群体的变化带来的消费革新

零售的变革会是现在,线上的流量越来越贵是一个重要的原因。

另一个重要的原因是——8090逐渐成为社会消费的主力。随着年龄的增长,他们也逐渐从学生、白领走入了家庭生活,开始购买蔬菜瓜果、关心起了柴米油盐。

举个简单的粒子,为什么美邦、森马、安踏这几年迎来了关店潮?因为穿它们长大的八零后已经不适合青春低龄的风格,而品牌又没抓住90后这波新消费群体。因此衍生出了zara,only,fiveplus,ochirly,优衣库,无印良品和一些潮牌在中国崛起。

在零售的购买习惯上,8090和父母辈在消费观念上已经大有不同。

主要表现在两个方面:

一是,不同于上一代核心关注物美价廉,他们开始为品质(或情怀)支付溢价。

二是,我们的消费品类结构和上一代有差异。

不同于上一辈对产品品质、品类的低需求,我们变得有要求,因此1公里内近距离的社区店,升级势在必行。

品质的要求同时也代表着商品溢价的提升和利润的增大。这是为什么苏宁也好、阿里也好、京东也好都看上了社区店这块香饽饽的原因之一。

新零售,大多并不是走的物美价廉的套路。这也是为什么类似褚橙、网易猪肉一样,走略偏中高价格(当然如果在品质的提升后仍然是低价,那当然更有市场)也是行得通的。

1.2挖掘消费场景,挖掘用户行为

前面是消费群体变化,另一个变化是玩法的变化。

新零售渗透的方式,主要有三种:场景挖掘下的近场化、线上线下的存在感优势、强关系下的数据化。

1.2.1场景挖掘下的近场化

近场化是会是新零售的一个趋势。

我的解读近场化包含三层意思:买东西的便捷、解决了网上购物不见其物的挑选困难和速度的快。

买东西的便捷:一个很简单的道理,比如你楼下开了一家烧烤店,你平时也经常吃经常烧烤的话,只要这家店没有明显的价格或质量问题,你吃烧烤的频率一定会比原来高,去这家吃的频率一定比别家多很多。

为什么我们看到现在新零售玩的是办公室货架、是社区小店,也就是这个道理,深入用户停留的场景,激发和挖掘消费需求,近距离接触用户,增加购物的便捷性从而促进消费。

比如办公室的货架,也许原来下午茶你懒很少会下楼去买,外卖又觉得慢,但是办公室里有个走两步就能买到甜点的货架,你买东西概率是不是大很多。

解决了挑选困难:以日常生活中高频刚需的生鲜为例,一个很大的问题是质量的控制,生鲜类产品,比如蔬菜瓜果,不经过亲手的挑选,我们对商家长期稳定的品质很难信任,这是网购很难解决的问题。

近距离的货架或者社区店,能解决每次要吃点品质的东西要走很长一段距离去大型超市的繁琐,走两步就到了。

速度的快:速度的问题,有一个很好的解决方案:“前置仓”。

前置仓解释为是在企业的仓储物流系统中,距离门店最近,最前置的仓储物流基地,是在中心仓、城市仓之下的第三级仓储物流,也是实施仓配一体化的关键环节,其后就涉及到TO B、TO C端的“最后一公里”配送。

前置仓能解决两个速度快的问题,一是能解决社区店和货架供货速度的问题;二是能解决送货上门速度的问题。

线上线下一体的存在感优势

线下门店注意力抢夺的入口,是流量入口。

但却很大的缺点:传统的线下零售与用户之间是弱关系。纯线下门店没法主动告知用户我这里在做活动有什么优惠,必须要用户路过看到或被朋友分享,这样就会有信息上的时间差,活动就容易错过。

新零售是线上线下的一体。APP、公众号或小程序购物需要注册个人信息,再加上平台对用户的行为和喜好情况进行的分析,这就是一个相对强的关系了。

就好像新零售平台在你手机里装了一块广告牌,线下门店有什么活动,通知无时差,还有针对性和预见性。

这还只是活动和优惠层面的。更多的信息,比如线下产品的升级、线下品牌的营造,线下零售店都有一个随时告知的出口。

线上线下的一体化,非常的强化了零售平台的存在感优势,提升了用户的注意力。

网店为什么会卖爆款,大多数爆款的利润极低,爆款的最大的目的是吸引用户的注意力,网店希望用户通过对爆款的关注,而去关注到整个网店,带动其他产品的销量,这就是注意力的价值。

1.2.2强关系下的数据化

技术的创新也给了新零售线下数据化的机会,通过智能摄像头的智能视频分析系统、WiFi定位感知、基于人脸识别,能非常清楚的统计到你是今天第几位用户,你在哪个商品上停留时间多少,你每周到店的频次以及时间点等等。

新零售平台会通过这些数据,知晓小区人群分布、个人消费偏好习惯。数据能分析出很多东西:能判断出用户是单身还是还有孩子;附近有多少老人,多少学生;小区的用户最喜欢的青菜是白菜还是菠菜。

配合前置仓和短距离配送,可以让线下门店变得跟线上App一样,做到“猜你喜欢”和“千个小区千种商品品类和陈列方式(对应App的千人千面)"。

设想一个简单的场景,前两天你在网上逛了下某零食,但是觉得贵没下单,今天晚上六点半你收到一条短信告诉你:小区楼下xxx便利店这个零食5折。你会不会买?

这就是新零售数据化的可怕之处,当我们打通线上线下的数据,一个人的作息时间、消费欲平台很多都能收集并分析到,最后能让你由变犹豫变为直接下单。

新零售有个很好的优势,就是能讲线上的故事,线上产品能解决了线下门店面积限制的问题、能有大数据、并且做了深度用户场景挖掘,那么他很明显有区别传统连锁门店不受资本的青睐缺陷,新零售在资本市场上很有优势。

说到这里,也许你能理解为什么都在搞无人收银?

对于大型超市来讲,收银员可能是整体人力成本中很小的一块,但是对于小规模、快速复制、低利润率的社区小店而言,任何人力成本的节省当规模上去了,就是很大成本的节约。

简单的例子,5000家社区店,哪怕每家店每月省钱2000元,那就是1000万,这就是无人收银的价值。

所以新零售是崛起于8090后的消费升级和消费结构的变化之中,互联网企业通过场景的深挖、大数据模型的构建、线上线下一体的注意力抢夺,在资本力量的加持和本身模式的低层本扩张性特点下,深度优化原有传统零售的新玩法。

 

二、AI赋能零售业的

2.1 AI智能货架

超市的货架空间是有限的,大品牌通常需要支付数千美元来竞争这些空间。但是,除此之外,他们几乎无法了解商店里发生的事情,现在AI正在改变这一点。

“货架费”并不是零售业的新概念。 根据2001年发表在《法律与商业杂志》上的一项研究, Apple & Eve 在一些商店花费了大约15万美元来保证他们的果汁产品的货架空间,而Frito-Lay平均每家超市花费100,000美元购买货架用于推出新产品。今年早些时候,Whole Foods考虑向其顶级供应商收取约30万美元的货架费。但是,虽然品牌与超市签订了合同,但他们几乎无法了解超市货架上发生的事情以及他们的产品是否按照承诺展示。

一些初创公司正在利用这一点,开始销售实时货架数据。

计算机视觉平台Trax Retail使用店内摄像头,机器人或手机中的图像分析实体货架上发生的情况,以创建实体店的数字版本。

传统品牌会派销售人员或审核员手动检查商店中的产品放置。虽然Trax的产品仍然需要人们访问超市,但它正在尝试自动跟踪货架和分销等指标。像沃尔玛这样的超市正在考虑直接向制造商销售这些数据。以下是沃尔玛最近的专利申请摘录。

沃尔玛最近的专利申请

零售商需要店内数据来跟踪物品和管理库存等。沃尔玛与Bossa Nova Robotics合作,监控其50家商店货架上的错误价格标签和丢失物品。但上述专利暗示了一个更具未来感的计划,即店内零售机器人接收来自外部供应商的实时数据请求。然后,系统在自动机器人完成任务之前向供应商收取任务费用。

2.2 AI假货鉴定

假货越来越难以发现。从奢侈手袋到手表和化妆品,网购到假货的概率比以往任何时候都更高,这迫使品牌尝试用人工智能解决这个问题。

从药品到包包再到智能手机,假冒是一个影响所有类型零售的问题。一些仿制品看起来非常接近正品,以至于它们被归类为“超级假货”。CB Insights平台上的一个简单的关键字搜索表明,关于仿冒品的讨论越来越多。

些年仿冒品的关键词次数

专利申请,包括防伪技术和开发难以伪造的产品,在过去的5年里一直在增长。

防伪专利申请

一家名为Cypheme(赛纷)的创业公司,把独特的标签和人工智能软件相结合,以此来鉴定产品真伪、打击仿冒行为。其基于油墨的技术可用作产品的标签,或直接印在标签和包装上。

Cypheme公司AI防伪技术

标签上的声纹识别图案被直径为1厘米、用Cypheme公司独有的橙色油墨打印的圆圈包围。该公司声称,这种特殊的橙色无法被商用或者工业打印机上使用的油墨模仿。然后每个独特的标签会与数据库上的特定产品相关联。人们可以使用智能手机相机和基于神经网络的app进行模式识别,以根据数据库验证特定产品的真伪。

2.3 AR和计算机视觉使化妆品销售更智能

化妆品零售中的虚拟试用有双重目的:1、解决美容购物者的痛点,2、收集零售商的消费者和产品偏好数据。

化妆品是AR技术应用已经取得成功的一个行业。 AR在2017年成为整个行业的主流。完美公司和Modiface都为美容品牌提供虚拟试用技术,并与包括丝芙兰在内的主要企业合作。 Perfect Corp和Modiface都将AR和计算机视觉相结合,让购物者可以尝试不同的产品,同时收集客户的行为数据。 Modiface的技术可以收集有关面部特征的各种数据,包括面部形状,肤色,皱纹等。

化妆品品牌

这可以帮助零售商确定具有特定面部特征的人购买某些类型的产品的可能性,从而可以更准确地预测销售量。

最初,该技术被用来解决美容购物者容易尝试化妆品的痛点,即没有乱七八糟的东西。 L'Oréal今年早些时候收购了Modiface,帮助该公司为L'Oréal的美容品牌推出了各种AR化妆品体验。它最近还与Facebook建立了长期合作伙伴关系,在社交网络平台上为其投资组合品牌创建AR美容体验。在Facebook上,用户可以使用智能手机相机虚拟试用产品,然后无缝重定向到父网站进行购买。 L'Oréal也推出了基于Modiface的网络试用版,与L'OréalParis品牌一样。

2.4 AI控制的微物流中心

无论是购物者选择1小时送货上门还是在网上订购并在一小时内到店取货,AI运营的微型物流中心会让超级市场的利润更高,同时帮助他们直接与客户互动。

亚马逊去年收购的Whole Foods及其持续的网上零售扩张正在推动其他零售商走向电子商务战略。

AI微物流中心面积对比

微物流中心为超市提供了另一种选择:可以在现有超市内安装的迷你,垂直堆叠仓库,可选择运行自己的电子商务界面或利用开发技术的初创公司的端到端解决方案。

与传统仓库相比,整个“迷你仓库”的面积不到10K平方英尺(大约3,000平方英尺),而传统仓库的面积可以达到足球面积。货架垂直堆放以节省房地产空间,可以安装在现有的超市,建筑物的地下室,甚至是停车场内。地面机器人在过道之间移动以获取订单中的物品并将其交给人工进行最终包装。

AI软件用于决定货架中的货物放置,确定任务的优先级,并将导航指令发送到地面机器人。根据尼尔森和食品营销研究所最近的一份报告,消费者在线订购并在店内购买正在迅速发展。人口稠密地区的微型中心提供有效的拾取解决方案。其次,零售货架空间有限。这些垂直堆叠的微型中心将使超市能够保留比商店通常更多的库存。

 

2.5 语音购物革命还没到来

语音购物没有腾飞。除了重新排序特定项目之外,它无法提供推动在线商务的关键客户体验。

如今,很少有消费者使用亚马逊Alexa进行购物,语音商务尚未成为主流。 The Information的一份报告发现,只有2%的亚马逊Alexa用户使用语音界面在2018年购买产品,其中只有10%是回头客。事实上,除亚马逊和谷歌之外,没有人讨论使用亚马逊Alexa或Google智能助理进行语音购物。对于想要查看商品,比较产品和价格,或阅读产品功能的在线购物者来说,语音不是一个方便的界面。

2.6沃尔玛全力投入机器人技术研发

零售和运输机器人的投资回报率可能尚不清楚。但沃尔玛的专利揭示了雄心勃勃的计划,从语音控制无人机到协调无人机交付。

2017年1月起,沃尔玛已申请至少37项与无人机和地面机器人相关的专利,而2016年仅为8项。下图显示了沃尔玛与亚马逊相比的专利申请,亚马逊因其雄心勃勃的机器人专利而闻名。

沃尔玛机器人专利

沃尔玛的大部分专利都涉及无人机,用于最后一英里交付。这是一份2018年专利申请,用于无人机和自动地面车辆(AGV)之间的自动包裹交换。

沃尔玛2018年一份专利

另一项专利讨论了一种系统,该系统使用自动机器人来检测一个设施中的缺失物品(例如,商店货架上的缺货产品)并用另一个设施的物品补充它。

自动机器人专利

2.7 AI收银员防止行窃

Amazon Go取消了整个结账过程,允许购物者挑选物品并走径直出去,这在过去就像是在行窃。

亚马逊尚未公开计划将其技术即服务出售给其他零售商,并且一直对运营,成功和痛点持严格保密态度- 仅表明其使用传感器,相机,计算机视觉和深度学习算法。它否认使用面部识别算法。像Standard Cognition和AiFi这样的初创公司抓住了这个机会,让其他零售商将Amazon Go民主化。一个挑战即将到来的商店面临的是他们向正确的购物者收取适当金额的好处。

据全美零售联合会(National Retail Federation)称,由于入店行窃和文书工作错误造成的库存损失等因素导致2017年美国零售商损失约47亿美元。创业公司AiFi的首席执行官史蒂夫古(Steve Gu)最近在接受“人工智能播客”(The AI Podcast)采访时表示,“购买就像偷窃”,他讨论了无人收银商店背后的技术。到目前为止,Amazon Go是唯一成功的商业部署,但成功的参数受到严格保密。当可以控制谁进入商店并自动收费时,可以最大限度地减少入店行窃的可能性。

亚马逊已经建立了Prime会员基础。到目前为止,所有Go商店仅限于会员,其他零售业务,如向公众开放的Kindle商店,仍然依赖于手动结账流程。较小的便利店,甚至几个成熟的超市必须从头开始建立会员基础。

史蒂夫古在前面提到的播客中暗示,对于愿意下载应用程序的人来说,可能会有一个“拿走商品并离开”部分,而对于那些不想要的人来说,可能会有一个单独的结帐通道。目前尚不清楚商店的基础设施如何支持两者,但潜在的应用程序用户可以扫描一次进入,一次退出- 与目前只扫描手机一次进入的流程不同- 确保非应用用户通过单独通道。

这仍然会导致销售点库存缩减,例如不正确的计费物品或POS盗窃。中国的Yitu Technology和东芝凭借其用于结账的智能相机,是一些单独处理POS盗窃的公司。防止盗窃的复杂性取决于操作的规模和规模以及货架上的产品类型。亚马逊Go商店的面积仅为1,800至3,000平方英尺,并使用数百台相机,几乎涵盖了每一寸天花板空间。相比之下,传统超市可达40,000平方英尺或更多。除了用于视觉识别的相机之外,Go还使用货架上的重量传感器,目前仅提供有限的选择,例如准备和包装的餐具。

2.8中国无人售货浪潮

亚马逊宣布亚马逊Go计划后不久,中国的无人零售交易激增。

中国无人零售交易

这些包括“无人商店”,“无人货架”,甚至“无人自动售货机”。然而,并非所有在中国涌现的无收银员初创公司都使用人工智能。最早的交易之一是F5 Future Store,它已筹集了超过700万美元,并且似乎在自助支付和结账系统上运作。 BingoBox在18年第一季度筹集了8000万美元,使其总资金达到了9400万美元。其无人商店依赖RFID标签,客户仍需扫描产品以完成结账流程。但BingoBox此后宣布其商店正朝着基于人工智能的图像识别解决方案发展。超过10家公司已经为无人自动售货机筹集了大约15笔投资- 这些机器从一开始就没有人工配备。

中国无人售货机投资

一些“无人零售”公司,如美味生活,已筹集超过900万美元的股权,但只是允许用户扫描二维码打开自动售货机门拿取他们支付的项目。

其他像hgo BOX这样从中国UCF集团收到约100万美元的企业少数股权,声称使用计算机视觉来识别从货架上挑选哪些产品并自动向客户收费,除了“监控”客户以便他们不这样做破坏机器。

这个领域已经看到了一些重大失败。据报道,由于“盗窃和管理不善”,果小美筹集了超过6400万美元用于“无人零食货架”,据报道其裁员并将其商业模式改为电子商务。

京东是中国第二大电子商务平台,于18年1月在中国山东开设了第一家无人便利店。它声称是第一个完全向公众开放无人便利店,但技术与亚马逊不同。回顾一下,Amazon Go商店的客户必须扫描他们的Go应用程序才能进入。之后,系列摄像机跟踪整个商店的顾客流动,绕过了部署面部识别算法的需要。相反,用户在进入JD商店时扫描QR码。相机运行面部识别算法以在进入期间识别购物者。 JD实体店中的每件商品都带有RFID标签。退出时,客户站在地板上标有“站在这里”的标志,一次扫描所有RFID标签,摄像机再次运行面部识别算法为您的帐户收费。如今,京东在中国经营着20多家无人商店,并于18年8月在印度尼西亚雅加达开设了一家商店,最大面积约为2,900平方英尺。雅加达的办公地点出售服装和配饰以及包装商品。

2.9送餐无人驾驶

尽管存在监管不确定性和部署挑战,但实体食品企业正在与主要原始设备制造商和自动驾驶汽车初创公司合作,以降低最后一英里的运输成本。

实体食品企业正在与自动驾驶汽车初创公司和主要原始设备制造商合作,以改善最后一英里交付物流。 6月,机器人创业公司Nuro与美国最大的实体店之一Kroger合作。 Nuro开发了自己的全电动自动输送车,称为R1,专为运输货物而非乘客。该车辆的宽度是乘用车的一半,设计用于在邻近道路上行驶,而不仅仅在人行道上。

由于与8月份在亚利桑那州斯科茨代尔推出的Kroger合作,Nuro正在使用配备该公司自动驾驶技术的丰田普锐斯和日产Leaf车队。这些车辆收集最终输入R1的数据,该公司计划在今年秋季进行公开测试以取代传统的乘用车。

在餐饮行业,像Domino's和必胜客这样的披萨公司一直处于测试自动驾驶汽车技术的最前沿。福特正在迈阿密试行自助餐,包括披萨,杂货和其他商品的运送。该代工厂在2018年初与包括多米诺公司在内的70多家企业合作。目前,没有关于自动驾驶汽车测试和部署的联邦法律。法规因州而异。尽管围绕该州无人驾驶的行人死亡引发争议,亚利桑那州Kroger正在进行测试,该州对测试无人驾驶汽车特别自由。

食品零售商并未将其用于近期盈利或一夜之间广泛部署。即使对于像亚马逊这样的技术型运营商来说,最后一英里的物流也是一项挑战,早期参与自动地面交付为杂货零售商和餐馆提供了一个很有前途的解决方案,从长远来看,它们希望赢得经济实惠的最后一英里交付。

2.10 AI造型师的崛起

AI正在帮助零售商为消费者个性化购物体验。它还帮助他们为下一个时尚大趋势做好准备。

个性化造型为购物者提供了比在线浏览和搜索数千种产品列表更好的体验。 购物者可以在线快速查询他们的风格偏好。以此为出发点,人工智能算法随着时间的推移会越来越好,可能会吸引每个购物者,不仅可以从购买历史中学习,还可以从用户的浏览行为中学习。

这正是英国的Thread--一家提供个人购物服务的电子商务创业公司正在努力的方向。据报道,它有超过一百万用户。 最近,H&M的风险投资公司在一轮2200万美元的B轮融资中支持了Thread。

StitchFix公司做了类似的事情,但正在整合人工智能,不仅用于风格推荐,还用于需求预测,库存管理,甚至帮助设计师创建新风格。 该公司凭借其“混合设计”服装处于人工智能驱动时尚的最前沿,该服装由识别Stitch Fix库存中缺少的趋势和样式的算法创建,并根据消费者喜爱的颜色,模式组合推荐新设计和纺织品- 供人类设计师参考。

今年早些时候,Tommy Hilfger宣布与IBM和时装技术学院合作。该项目使用IBM AI工具来破译实时时尚行业趋势,围绕Tommy Hilfger产品和客户情绪,以及重新塑造趋势风格的主题。然后将算法的结果反馈给人类设计师,他们可以使用它们来做出明智的设计决策。下一个时尚时代就是个性化和预测。随着越来越多的数据,算法将成为趋势猎手,以前所未有的方式预测(和设计)下一代时尚。

 

总结

金准人工智能为,传统零售无疑是一个积累了海量数据的行业,其中包含大量顾客数据、购物数据、商品受欢迎度数据、商场环境数据等。AI 的作用就是消除数据孤岛,主动吸取并把它转换为结构化数据,从而提高经营效率。零售作为一种典型的商业综合体,绝大部分环节均能依靠人工智能实现自动化与标准化,从而减少人力投入。可以预见,随着技术的发展,未来将会有更多形态的AI产品与解决方案应用在零售当中。

金准人工智能 2018年中国短视频营销市场研究报告 2018-12-05 16:12:12

前言

本研究报告中的短视频营销概念范畴包括广义和狭义两个层面的理解。从广义上讲,短视频营销指以短视频媒体作为载体的所有营销活动的总称,根据玩法的探索和创新呈现出不同的越来越多的形式和特征,就目前而言主要包括硬广投放、内容植入、内容定制、网红活动、账号运营和跨平台整合等营销形式。从狭义上讲,主要指短视频媒体平台上进行的所有广告活动,包括硬广和软广,具体可以分为品牌图形广告、视频贴片广告、信息流广告和内容原生广告几个大类别。

短视频营销价值和特征:适应性广、承载量大、传播力强。

短视频营销价值不止体现在用户流量红利上,其自身特征就天然决定了短视频营销会成为未来重要的营销形式。就现阶段来看,短视频营销价值在投放前、中、后各个阶段都有着优质的表现。投放前,短视频营销门槛低、适应性强,可以灵活满足各种营销需求;投放中,短视频信息承载量丰富集中,可以与用户进行深度互动和沟通;投放后,短视频在传播声量上具有强大的肥尾效应。这些特征决定了短视频营销是兼具表现力和传播力的“双料选手”,既可以实现品牌/产品信息展示和传达的深度,又可以实现品牌/产品信息的传播范围最大化的广度。

一、中国短视频营销市场发展驱动力

1.1不同媒体时代的短视频

短视频走过三个时代,最终演化出短视频营销概念。

随着移动时代下短视频媒体平台的兴起,短视频营销的概念进入大众视野,不管是平台硬广,还是内容原生广告,各种基于短视频平台的营销玩法不断在丰富和成熟,短视频营销也成为当下炙手可热的营销形式。同时可以发现短视频本身不是移动时代下的完全创新产物,而是源自电视时代和PC时代在内容制作和内容消费上的不断积累和演变,而短视频在各个媒体上担负营销作用时,也呈现出不同的特征。因此,短视频营销的快速崛起,也离不开电视和PC时代对短视频相关技术、理念和用户习惯等多方面的培育和孵化。

1.2移动时代下的短视频营销仍处于成长期

从网红带货到平台流量,未来短视频营销将趋于规范专业化。

短视频营销市场规模增长迅猛。2018年规模将达140.1亿,预计2020年规模将超过550亿。2016年短视频兴起以来,早期短视频平台方一直在进行各种商业变现尝试和探索,短视频营销的变现模式逐渐受到认可。

2018年短视频营销迎来快速发展期,2018年短视频营销市场规模达到140.1亿元,同比增长率高达520.7%。短视频营销市场规模的大幅增长,关键原因是源于2017和2018年头部短视频媒体平台方在短视频营销上的商业平台搭建,提供了大量的短视频营销变现机会。另外,广告主预算的逐渐倾斜,内容方、MCN和营销服务商不断推动短视频营销能力的专业化,都是推动短视频营销市场规模增长的主要原因。

金准人工智能专家分析认为,当前头部短视频媒体平台均在2017至2018年集中推出商业化平台,并形成一定商业变现规模,随着短视频流量红利的逐渐消退,未来2-3年内新兴腰部平台实现大规模商业变现的可能性较小,因此短期内难以再出现爆发性的增长现象,并且同比增长率有逐渐放缓的趋势。但由于逐渐有更多广告主开始尝试短视频营销,同时平台方也开始注重单个用户价值的深度挖掘,未来短视频营销市场仍会保持相对较高的增速发展。

1.3短视频营销发展驱动因素

外部环境推动行业优胜劣汰,产业供给端和需求端双向推动。

1.3.1外驱力——政策监管

行业政策监管从严,短视频营销市场逐渐规范。

短视频行业在野蛮生长的同时,也带来了版权、内容、平台等方面的风险问题。进入2018年以来,政策监管力度不断加大,对于短视频版权纷争、内容乱象和平台资质等问题均推出了相关政策和监管行动。金准人工智能专家分析认为,行业的良性发展,必须有规则来定义和支撑。尽管从短期来看,政策监管从严对短视频产业发展和各方企业经营上有一定程度的抑制作用,部分从业者将面临洗牌和淘汰的危机;但从长期来看,其通过促进平台方、内容方的良性竞争,提升用户对短视频的体验度和认可度,降低广告主尝试短视频营销的风险性,进而对短视频营销市场的规范化和成熟化产生了直接的推动作用。

1.3.2外驱力——技术发展

多方技术优化用户体验,提高短视频营销价值。

短视频营销的发展离不开基础设施、视觉效果/互动形式和精准推动等多方技术的支持,而其中主要体现在对用户体验的优化和营销价值的提升上。具体来看:1)智能手机普及和网络环境的优化,提高了短视频用户的流畅体验,成为短视频用户规模增长的直接动力;2)基于人脸识别和AR等技术在短视频上的应用,提高了短视频用户体验的丰富性和趣味性,进而增加用户使用时长,强化用户粘性;3)大数据、图像识别等技术推动内容数据和用户数据更加精细化,进而实现内容和用户的精准匹配,加强用户短视频内容获取的个性化体验,增加用户忠诚度。

1.3.3内驱力——短视频平台发展历程

现阶段短视频商业价值逐渐凸显,短视频营销受到关注。

进入2018年以来,短视频行业已经走过从萌芽期、探索期、成长期到成熟期四个阶段的发展历程,并且在不同阶段的发展中,短视频都有着核心的价值驱动和发展重心。1)萌芽期,短视频发展更多聚焦在其概念价值上,其作为互联网原生产物,在早期玩家眼中拥有无限的想象空间。2)探索期,移动互联网时代下“短平快”的内容消费模式更加符合用户习惯,短视频形式价值受到肯定。3)成长期,短视频内容消费习惯逐渐普及,内容价值成为支撑短视频行业持续发展的主要动力。4)成熟期,短视频行业发展趋于完善和稳定,用户红利也逐渐消退,在成熟的商业模式中探索盈利变现方式成为阶段重点,短视频营销受到关注。

1.3.4内驱力——广告商预算倾斜

广告主重视短视频营销,广告预算逐年倾斜。

随着互联网特别是移动互联网媒体的崛起,传统媒体的营销价值受到冲击,移动短视频营销价值引发重视。随着短视频营销价值凸显,广告主在短视频上的投放意向和营销预算分配也逐年增加,其中内容原生广告作为短视频营销的主要广告类别,呈现出稳定的增长趋势。而据AdMaster调研数据显示,2018年广告主社会化营销在短视频和直播的投放意向出现明显的增长,而在移动端广告投放意向上社交平台和移动视频平台成为意向最大的两个平台,而短视频营销刚好兼具了社交性和视频内容,成为广告主炙手可热的营销形式。

1.3.5内驱力——内容制作方驱动

短视频营销成为内容方重要变现渠道。

在短视频风口下,越来越多的内容方进入到行业中,然而其商业变现情况却不容乐观。据今日头条速算中心调研结果显示,2017年仅有30.3%的短视频内容方实现盈利,其中有72.6%的内容方通过平台补贴变现,有60.5%的内容方通过短视频营销变现,整体来看平台补贴和短视频营销是当前内容方主要依赖的变现方式。然而补贴是平台方在激烈竞争中的突围之策,不是长久之计,而内容付费和电商转化只有做到头部才有机会真正实现盈利,因此短视频营销成为绝大部分短视频内容方未来最稳定最值得倚重的变现渠道。基于生存压力,内容方在短视频营销上也在不断探索更多的创新玩法和更高效的合作模式,也直接推动了短视频营销的发展。

1.3.6内驱力——短视频行业用户规模

用户增长速度放缓,深耕用户经营是未来方向。

经过两年时间的野蛮生长,短视频行业已经从蓝海变成了红海。金准人工智能专家mUserTracker数据显示,进入2018年以来,中国短视频行业月独立设备数的环比增长率逐渐放缓,短视频行业用户红利期已经开始消退,2018年9月短视频月独立设备数甚至出现小幅下降。金准人工智能专家分析认为,在用户红利期消退和短视频媒体平台竞争白热化的背景下,对于想要再入局的新玩家显然提出了更高的门槛和要求,以及将承担更大的风险。而对于已经在红海中的平台方来说,增量市场逐渐到达瓶颈期,资本入场趋于谨慎,未来注重存量市场的用户经营和商业模式的落地探索是重要方向。

1.3.7内驱力——短视频行业用户粘性

内容扶持效果显著,短视频用户粘性增长,营销价值扩大。

据金准人工智能专家mUserTracker数据显示,2017年以来,中国短视频用户在单机单日有效时间和单机单日使用次数上都保持增长态势。金准人工智能专家分析认为,短视频行业用户粘性增长主要与2017年以来平台的内容运营有关,随着各大短视频平台加大内容生产扶持力度,以及在社交属性上的探索,增加了用户在短视频平台上的使用次数和使用时长。随着短视频行业用户增长速度放缓,用户红利期逐渐消退,平台战略重心逐渐从拓展用户规模向深度挖掘单个用户价值转移,增加用户粘性在当下阶段显得更为重要。

二、中国短视频营销市场产业链分析

中国短视频营销产业链图谱:

短视频营销产业链分析:广告主求稳、平台方和内容方求大、MCN和营销商求生。

从现阶段来看,短视频营销产业链及合作模式还在不断探索和变化之中,因此对产业各方来说,仍然是机会与威胁并存。

当前整体来看,短视频营销各大角色方在行业中的话语权排序为:广告主>平台方>内容方(网红/KOL)≥MCN>营销服务商,而根据角色方在产业链中的话语权和影响力的不同,其诉求和未来发展战略也不尽相同。广告主作为需求方和资金流的源头,其更加追求整个产业的规范化和稳定,平台方和内容方内部竞争激烈和产业地位稳固,因此头部平台和内容方往往追求产业扩张巩固壁垒拓展边界,而MCN和营销服务商业务模式受到上下游挤压,求生欲显著。

2.1广告主的求稳

直接和平台方合作逐渐成为主流合作模式。

当前广告主在进行短视频营销时,通常有三种合作模式。1)直接和网红/KOL合作:通常适用于广告主有明确的营销需求和合作对象目标,并且希望和意向网红/KOL在短视频内容合作的基础上展开更加深度多元的合作,如产品代言、线下活动站台等;2)直接和MCN合作:在广告主自身营销需求不明确,对短视频网红/KOL了解程度较低时,通常会选择通过和MCN对接,在让其推荐合适网红/KOL的同时,提供创意策划等增值营销服务;3)直接和平台方合作:过去广告主与平台直接合作主要适用于平台硬广投放,而随着近两年平台方不断搭建自有商业平台,广告主也开始倾向于直接通过平台寻找适合的目标合作网红/KOL。金准人工智能专家分析认为,广告主愈加倾向直接与平台方合作,背后在于其对合作过程和营销效果稳定性的需求,而平台方通过自建商业平台、整合营销上下游资源,规范合作流程等方式,为广告主提供了更加稳定专业的短视频营销环境。

2.2平台方的求大

头部平台方不断推进内容生态和商业化布局。

动因:从外部看,基于广告主对短视频营销产业稳定化和规范化的需求,从内部看,基于平台方自身的战略扩张需求,因此短视频媒体平台开始不断推进内容生态和商业化布局。

商业行为:一方面,平台方不断推出内容生产者补贴计划和MCN扶持计划,稳固平台的优质内容供给,另一方面,其积极搭建自有商业化平台,将平台内所有营销活动进行统一管理。但是平台方通常在跨过用户增长和内容生态搭建两个阶段后,才有足够的条件进行商业布局,因此在短视频营销产业链中崭露头角的平台方基本都是本身话语权较大的头部平台。影响:对MCN和第三方营销服务商来讲,平台在业务范畴上的发展以及开始对其造成挤压,但对从平台自身、广告主/代理商、甚至是整个产业来讲,这也直接推进了短视频营销趋向规范化和专业化。

2.3内容方的求变

MCN、营销服务、媒体平台和内容电商全面开花。

外因:从产业发展来看,基于广告主对合作模式和营销效果稳定规范化的需求,积极推动商业平台布局的平台方成为广告主最青睐的合作对象,其在商业合作中的话语权也不断增大,内容方传统变现渠道前景并不明朗。

内因:从内容方自身特征来看,相比于平台方做到头部后的马太效应,内容方在市场竞争中的用户积累显得并不稳定。用户会对平台产生使用习惯和偏好,但是不会对单一的内容产生长久的偏好,即使做到头部的网红/KOL,如果不能继续产出爆款内容,很快会被新一批的内容创作者所淹没。

商业行为:对内容方来说,在保持优质内容生产能力的同时,尝试探索多元化经营,寻求商业模式的扩张和变化成为普遍策略。从产业内部来看,MCN、营销服务商和平台方都是可以探索的方向,其中以MCN的转型最为普遍,从产业外部来看,内容电商成为众多内容生产方青睐的选择。

2.4内容方和平台方的博弈

商业模式上依存共生,利益空间上相互博弈。

随着平台方商业化布局的推进,其与内容方在短视频营销上的合作逐渐深化,基于双方利益冲突的博弈关系逐渐凸显。从平台方来看,要在短视频红海中突围并且建立竞争壁垒,持续的优质内容和头部的网红资源是其核心竞争力,因此头部平台方愈加倾向于“集权式”管理,将平台已有内容和网红资源转化为独家资源形成差异化和竞争优势。从内容方来看,其商业价值与流量直接挂钩,在一家平台上孤注一掷风险过大,在多家平台共同发展甚至实现内容全网分发更能保证未来的发展空间和稳定性。基于短视频营销产业合作模式的特征,未来内容方和平台方将继续保持合作竞争的关系,一边在商业模式上依存共生,一边在利益空间上相互博弈。就现阶段来看,一方面头部平台方本身具有稀缺性,并且不断通过搭建商业平台提高自身话语权,另一方面平台方通过扶持补贴搭建自有内容生态以减少对头部内容方的依赖,因此在这场博弈中平台方暂时占据主导位置。同时内容方也在不断变化和转型,扩张业务,双方在不断博弈中保持着动态平衡。

2.5营销服务商和MCN的求生

上下游扩张困难,相互融合可能性较低。

相对于平台方和内容方在业务布局和商业模式的扩张,MCN和营销服务商基于自身的角色定位和业务模式很难进行上下游的拓展。值得注意的是,尽管MCN和营销服务商均作为第三方机构,在业务层面有相互融合的可能性,一边为广告主提供网红/KOL资源整合甚至营销创意服务,一边为网红/KOL提供商业化机会。但由于二者根源上的区别在于立场不同,所以很难同时兼顾双方利益。MCN的定位是服务于内容方,其业务的根基在于更好地帮助网红/KOL等内容方进行内容生产和商业变现等活动,营销服务商的定位是服务于广告主,其业务的根基在于更好帮助品牌进行短视频营销活动,实现营销目的和效果。

2.6营销服务商的突围之路

转型和探索新业务新模式,巧借第三方立场缔造生存空间。

短视频营销产业链条中的第三方营销服务商角色,从业务范畴上主要包括四类:创意策划、资源(KOL/网红)代理、视频制作和数据监测服务。随着平台方在商业化布局上的不断发力,广告主短视频营销理念愈加成熟主动,MCN资源整合和商业变现能力逐渐增强,均直接或间接对营销服务商产生竞争,其在产业中的生存压力也在不断加大。一方面,头部平台方纷纷自建商业平台,在统一规范化管理的同时,也为品牌主提供创意策划和平台数据支持等增值服务,另一方面,平台方不断加大与MCN机构合作,垄断头部网红/KOL资源。在此背景下,短视频第三方营销服务商需结合自身业务,通过提升营销创意策划专业能力,转型优化投放服务,探索视频制作的新商业模式,搭建全平台数据服务等方式突出重围。

2.7 MCN的竞争壁垒

修炼内功,用核心资源和专业能力站稳脚跟。

相比营销服务商而言,MCN在产业链中的生存环境显得更加舒适。尽管平台方纷纷开始搭建自有商业平台,不断加强对平台内容方的管理和对品牌方的服务能力,但由于团队和成本的限制,平台方不可能完全凭借自己对整个平台的网红达人及其营销业务进行精细化管理和扶持,同时内容生产者也迫切需要专业机构在商业资源、内容生产等方面的引导和支持,MCN在整个短视频营销产业链条中具有不可取代的位置。但MCN依然面临着挑战和威胁,一方面,平台方大力扶持MCN的利好环境背后,是其抢夺优质内容和KOL资源的野心,另一方面,随着优质MCN机构的不断涌现,头部内容生产者也有更多的选择空间。因此,通过在内容开发、网红孵化、数据积累、商业变现等专业能力上的不断提升,稳固机构优质网红资源,形成核心竞争力。

三、中国短视频营销玩法攻略及案例

短视频营销模式不断创新,玩法丰富。

随着移动时代下短视频的野蛮生长和流量飙升,短视频营销的玩法和模式也不断被探索和创新。从广告主尝试短视频营销的卷入程度来看,从低到高主要可以分为六个模式,包括硬广投放、内容植入、内容定制、网红活动、账号运营和跨平台整合,随着卷入程度的加深,玩法和效果都更加丰富,同时对投入资源和营销能力也提出了更高的要求。

3.1内容植入

3.1.1攻略解析

多频次加强植入显著度,段子化加强植入好感度和长效记忆。

内容植入是短视频最早出现的营销形式,也是目前最常用的短视频营销形式之一,包括节目冠名、品牌/产品露出、口播植入等,表现形式丰富。相比影视、综艺等长视频沉浸式的内容消费习惯,短视频内容时长更短,内容浓度更高,更加关注在瞬间抓住用户注意力,并且迅速完成内容传达。因此,与传统内容植入追求显著度和契合度的平衡不同,短视频在内容植入上具有天然的优势,用户本身对短视频内容中广告的感知就更显著,同时由于轻量级的消费习惯,对广告的包容度和接受度也更大,所以短视频是内容植入非常好的载具,品牌方一方面可以更加大胆地通过多频次等方式进一步强化广告显著度,另一方面可以通过趣味化、段子化的方式扩大消费者对品牌和产品的好感度和长效记忆。

3.1.2案例展示

微播易×荣耀×《办公室小野》:脑洞植入,凸显产品性能。

营销背景:荣耀推出手机新品荣耀V9,微播易联手PGC办公室小野为其进行内容植入,诉求新品各方面的优质性能。

营销策略:1)通过将手机道具化,植入在内容的各个情境里,用趣味性的方式表现手机各方面的优质性能,并引发用户的话题讨论和内容传播,扩大新品影响力;

2)短视频内容中多次有清晰的实物和品牌标识露出,增加用户对品牌信息的感知度。

营销效果:短视频上线一周内,美拍总榜第二、A站总榜第一。上线两个月内,短视频全网播放量突破1.5亿次,点赞量38万+,评论16.8万+。

3.2内容定制

3.2.1攻略解析

短视频内容定制需注重情节、话题和渠道。

短视频内容定制不同于传统广告片制作。传统广告片通常作为硬广投放于各类视频媒体,包括电视、电影贴片、视频网站贴片等,属于单向传播,重点在于传达品牌信息和广告诉求。而短视频内容定制通常作为内容原生广告于全网分发,包括短视频平台、社交媒体等,属于互动传播,更加注重内容的完整性和品牌信息的原生性。因此,广告主在选择内容定制的方式进行短视频营销时,需重点考虑三个要素,即内容情节和故事性、话题热度、渠道兼容性。

3.2.2案例展示

风行美盏×京东:用内容引爆传播。

营销背景:风行美盏为6.9京东超级秒杀日定制的精品短视频《惊险!小鲜肉竟遭如此堵》,通过创意短片的形式把京东超级秒杀日的信息传递给用户,为电商节庆活动制造声量和关注度。

营销策略:1)在短视频内容创作中加入电影化的表现手法,通过采用悬念剧情与经典西部片构架,吸引消费者关注;

2)将广告诉求包装为悬念答案,让用户对“京东秒杀日”的印象更加深刻。

营销效果:短片全网播放量3184万,4万多互动点赞数,近5000互动评数。

3.3网红活动

3.3.1攻略解析

选择合适网红,善用互动和激励元素。

网红活动适用于U系短视频平台,其营销价值主要体现在网红/KOL的影响力和UGC内容的互动性上,一方面通过KOL/网红触达其背后的粉丝群体,另一方面通过互动元素的加入激发用户的深度参与。品牌方在短视频网红活动营销策划和执行中,通常分为四个步骤:1)确认营销目标;2)选择合作网红资源;3)策划活动方案;4)推广活动信息,激励用户参与。其中网红资源环节对整个营销活动的影响最大,因此,选择合适的网红合作尤为重要,除了网红自身的粉丝数量和影响力外,网红领域和品牌调性的一致性、网红风格与活动内容的契合度、网红主要入驻的平台等都是需要重点考量的因素。

3.3.2案例展示

微播易×苏宁易购:协同多位KOL引爆全民互动。

营销背景:微播易为苏宁628年中冰洗类产品营销节点策划短视频挑战赛线上活动,制造声量,吸引消费者关注。

营销策略:1)激励营销,通过奖励机制吸引用户参与活动;

2)KOL联合推广,邀请不同垂直领域的KOL根据同一主题生产不同内容和创意,引导用户熟悉玩法;

3)利用短视频UGC内容众创参与,激发更多用户的参与和关注。

营销效果:#活出你的冰爽力#挑战赛参与人数10.6万人,5位KOL达人原创挑战赛视频抖音播放量1004万,点赞量30.5万,互动量31.1万,评论5373条。

3.4账号运营

3.4.1攻略解析

搭建视频沟通渠道,保持品牌与用户的长效互动。

在社交媒体上建立官方账号,进行持续性的社会化传播已经成为品牌方日常与消费者保持长效沟通的普遍营销方式,而随着短视频日益成为主流的用户内容消费习惯,短视频媒体平台也逐渐成为了品牌方青睐的社交媒体阵地,业界更是有了双微一抖”的说法。相比于微博、微信而言,短视频媒体平台的内容属性和运营模式也略有不同。一方面,微博、微信等社交媒体可实现文字、图片、视频多种内容属性的结合,而短视频媒体平台更加强调如何用短视频的形式把品牌信息展示到极致;另一方面,短视频媒体平台在互动方式上也存在不同,用户除了单方面接受品牌信息并通过点赞、评论、转发等方式表达偏好之外,还可以自己制作相关内容与品牌方保持互动。

3.4.2案例展示

抖音×长隆:日常性持续传播,保持用户长效沟通。

营销背景:长隆度假区在抖音短视频平台上开通官方企业账号,意在持续传播品牌和活动信息,保持与消费者的日常互动和长效沟通。

营销策略:1)保持平均每天发布抖音作品,传播度假区的各个景点、游戏设施等,加深用户对长隆园区的熟悉度;

2)定期发起挑战赛等活动,邀请用户参与互动,引发用户对长隆度假区的兴趣。

营销效果:截止至2018年10月,“欢乐长隆”企业号已经积累26.5万粉丝,248.4万获赞,其中关注度、互动率最高的作品播放量超过6000万,点赞量高达170.1万。

3.5整合营销

3.5.1攻略解析

充分发挥短视频营销核心优势,侧重关注和分享营销环节。

整合营销是老生常谈的营销概念,也是所有新兴营销方式最终汇入的一个洼地,但有一个常见误区在于仅仅认为整合营销是对多个媒体或营销形式的叠加,而忽视了整合营销中的有机联动性。因此,只有对短视频的营销价值和方法论有更加深刻的理解,才能够在营销矩阵中更大地发挥短视频营销的作用和价值。

结合AISAS营销模型,品牌方在构建营销矩阵中需要完全触及关注、兴趣、搜索、购买和分享各个环节,而短视频营销在每个环节均有优势凸显,其中鉴于短视频兼具内容传播的覆盖度和社交爆发力两个维度的优势,因此放在关注和分享环节可以最大化发挥短视频营销的价值。

3.5.2案例展示

风行美盏×新奇士:直播和短视频营销联动扩大传播规模。

营销背景:新奇士推出新品新奇士少女之吻·白桃乳酸味桃汁汽水,目标消费者为年轻女性。

营销策略:1)策划直播营销,以“鲜肉夺吻”的创意和直播挑战的形式吸引用户关注,增加品牌年轻有趣的调性;

2)对直播内容进行剪辑加工,作为短视频进行二次传播,通过全网分发进一步扩大新产品的关注度,弥补直播营销在传播力上的不足。

营销效果:直播视频吸引近325万关注,话题阅读量达6600余万。

四、中国短视频营销典型企业案例

平台方和营销服务商是推动短视频营销生态搭建的重要力量。

基于前文分析,短视频营销已经进入快速发展期,对整个产业结构和合作模式的规范性和成熟性都提出了更高的要求,因此,搭建短视频营销平台和商业生态,优化短视频营销服务,成为现阶段的重要目标,而对此影响程度最大的角色方分别是平台方和营销服务商,平台方是推动整个短视频营销规范化、平台化、生态化的关键角色,而营销服务商是优化广告主营销体验和效率的重要力量。

因此,本报告在核心企业介绍部分,选取了目前有独立短视频营销商业化平台体系的三个平台方和具有代表性的两个营销服务商作为主要对象,对其短视频营销的商业化布局和平台搭建模式进行了分析和探讨。

4.1平台方

4.1.1抖音

高歌猛进,星图云图双平台布局,规整短视频营销生态。

抖音在短视频营销布局上一直保持积极高调的状态。2018年6月,抖音在营销峰会上提出ACI营销全景的概念,即以DouAd(抖音商业推广)、Dou Content(抖音原生推广)、Dou Infinity(抖音互动创新)三大板块为支撑,搭建商业生态系统,实现用户与品牌的双向互动与精准触达,同时抖音还预告了云图和星图两款商业产品的发布。其中,星图平台支持于原生推广,通过KOL管理、优质内容管理和内容自动化管理等,搭建原生广告投放平台。而云图平台支持于商业推广,

通过广告主品牌资产管理,实现不同人群的品牌定制化传播。抖音通过商业化平台的搭建和布局,将整个短视频营销的环节全部规整到自己的平台之下,一方面打通了广告主、内容方、MCN、营销服务商等各方的合作流程,另一方面也建立了抖音在整个短视频营销生态中的枢纽位置。

4.1.2快手

厚积薄发,逐渐发力短视频营销,不断探索特色化商业模式。

快手在短视频平台中的商业化结构相对丰富,目前直播仍然为主要营收业务,尽管其在短视频营销方面的布局相对“慢热”,但也在不断的探索和积累中搭建出自己的营销产品和平台体系。2018年10月30日,快手正式发布营销平台,主要分为快手广告和快手商业开放平台两大体系,广告管理平台支持于硬广投放的精准化和效率化,而商业开放平台主要支持于内容营销的管理。其中快接单和快享计划是快手推出比较具有代表性的短视频营销管理和交易平台,快接单针对头部内容方,快享计划针对腰部内容方。快手用户可以通过“快接单”功能接受商家发布的 App 下载、淘宝商品推广等任务,拍摄视频并获得相应的推广收入,而快接单平台通过整合“任务”的收集、发布、整合、推送、反馈等合作流程环节,为广告主和内容方创造更丰富的合作机会和更安全高效的沟通环境。

4.1.3美拍

以进为退,帮助达人实现短视频营销变现,反推内容生态。

基于美拍泛女性化的用户定位和内容调性,其在网红达人的孵化和活跃度方面都有较好的表现,因此美拍在短视频营销的商业化探索上也尝试得比较早,在2017年5月就推出了短视频营销服务平台——美拍M计划,对接品牌方和美拍达人,一方面帮助广告主发布推广任务,提供数据参考和交易管理等服务支持,另一方面帮助网红达人实现商业变现,根据达人属性匹配合适的广告任务。从整个美拍在短视频营销的商业化布局来看,其采取以进为退的战略,通过商业化布局的推进,反过来进一步带动整个平台的内容生产和用户活跃度,最终实现内容——用户——变现——内容的良性闭环。

4.2营销服务商

4.2.1风行

专业化和平台化,打造短视频综合内容营销服务商。

北京风行在线技术有限公司在13年视频行业深耕的基础上孵化了北京视心科技有限公司,以其作为独立的短视频专业公司,上下联动组合,共同推动实现风行综合内容运营服务的业态布局。从产品布局来看,风行在线&视心科技主要依托“美盏”和“现拍”两款产品,分别从纵向和横向全面构建短视频营销的自有生态。一方面,“美盏”打通风行所有资源,不断深化短视频营销服务的专业度,通过优质的营销能力建立核心竞争力;另一方面,“现拍”搭建短视频众创社区平台,打通短视频营销全链条的核心环节和角色方,通过社区化和平台化拓展商业模式想象空间。

4.2.2微播易

搭建短视频智能营销投放平台,优化广告主投放效率和体验。

微播易是国内早期的社会化媒体精准投放平台和营销服务商,因此通过微播易的发展历程,也可以窥见国内短视频营销逐渐崛起的脉络。2015年,短视频平台开始涌现,微播易快速进入短视频营销领域, 2018年,短视频平台进入商业变现时期,短视频营销大受关注,微播易战略升级为短视频智能营销平台。同年9月份,微播易正式推出智能投放产品“微闪投”,通过整合各大平台内容资源和数据资源,依托微播易丰富的短视频投放经验和交易大数据,为广告主提供全面、高效、智能的一站式短视频营销投放服务,优化投放效率和投放经验。

五、中国短视频营销市场未来发展趋势

5.1困境即趋势:投放困难

营销服务商:打通短视频营销投放通路,优化广告主体验。

相比于传统媒体,短视频投放渠道和流程更加复杂。如传统电视广告投放,评估范围集中在四大卫视、20家省台和上百款头部节目,而短视频营销的内容方和受众均呈现离散化、长尾化的市场格局,在海量资源中匹配合适内容和受众的精力成本过高。再者,短视频营销的合作模式涉及内容方、MCN、平台方甚至营销服务方等多个角色,投放流程冗长,沟通成本较高。因此,未来打通短视频营销通路,链接内容方、MCN和平台方的合作流程和资源数据,为广告主实现一站式购买体验,将是重要发展方向。而目前来看,在短视频产业中最有可能实现该趋势的是第三方营销服务商,因此可以看出“平台化”和“咨询化”,帮助广告主解决投放效率和质量的困难,将是其未来的重要机遇之一。

5.2困境即趋势:营销效果不稳定

内容方:专业团队下沉和素人能力提升双向推动产业成熟。

由于短视频营销内容生产涉及创意、拍摄、表演等多个环节,具有多人协同性和复杂性,相比其他自媒体有更高的门槛。

而当前产业发展尚未完全成熟,短视频营销创作团队的专业水平参差不齐,专业广告公司由于业务规模还未完全下沉,而素人团队自身创作和营销能力仍有待提升,因此在低成本的同时也面临着效果不稳定的痛点。

未来随着短视频营销逐渐受到重视,广告主营销预算倾斜,越来越多的专业团队不断加入到短视频营销的创意和制作当中,进而保证短视频营销除了营销形式自身的特征外,有了更多专业化的保障。一方面,传统广告公司和影视制作公司陆续下沉,触及短视频营销业务,凭借其对用户洞察的敏感度和营销创意的积累,为短视频营销的创新提供源源不断的生命力;另一方面,MCN不断加强对内容生产者的培训和扶持,提升其内容创作和营销服务的专业能力。

5.3困境即趋势:内容乱象

平台方:All in 垂直,从流量思维向用户经营思维转型。

短视频媒体平台遭严格整治的背后,折射出的危机是用户红利消退和行业竞争加剧造成的平台方的急功近利,也是内容生态的困局。而在接受政策监管的同时,各类短视频媒体平台将开始尝试自救,未来重新思考和厘清“垂直战略”是重要出口。一方面,大而全的头部综合内容平台格局逐渐稳定,另一方面,短视频触媒习惯培育期已过,瓜分的用户时间和注意力需要用更加精准的内容维系。因此,未来平台方在战略定位、内容布局和商业模式上都将迎来垂直时代,而“All in 垂直”背后的本质依然是移动时代下互联网媒体和营销的流量思维向用户经营思维的转变。

六、中国短视频营销企业经营与投资建议

6.1新入局者:短视频+

短视频+入局方式受捧,短视频营销趋向跨平台发展。

经过两年时间的野蛮生长,短视频行业已经从蓝海变成了红海。在用户红利期消退和短视频媒体平台竞争白热化的背景下,对于想要再入局的新玩家显然提出了更高的门槛和要求,以及将承担更大的风险。因此,未来对于绝大部分新玩家来说,通过“短视频+”的方式在已有平台上搭建和嵌入短视频功能,不失为一个曲线救国的入局途径。同时,随着短视频行业的规范化和成熟化,各方玩家面对短视频也更加理智,相对于盲目进场,寻找与短视频融合的新形式和新机会,成为其更加关注的方向。随着“短视频+”,短视频内容和平台均呈现出泛边界化,而短视频营销也将迎来更多的跨平台联动和整合的玩法创新。

6.2头部玩家:资源与扩张

有的放矢战略扩张,阶段资源优势固化为规模优势。

随着短视频行业迎来商业变现阶段,短视频营销也将迎来快速增长期,已经在短视频营销市场中保持领先优势的头部玩家,需抓住行业增长红利,有的放矢地进行战略扩张,抢占更多资源,扩大竞争优势。根据产业各方的角色和业务模式的不同,其抢占资源类别和主要扩张方式也有所区别。1)平台方需关注用户资源和商业化扩张;2)内容生产方需向MCN扩张,MCN需关注网红/KOL资源和规模扩张;3)营销服务商需关注数据资源和业务扩张。

6.3腰部玩家:垂直化

寻找垂直领域机会,从定位、类型、业务切入蓝海。

一方面,未来大而全的综合类平台方、MCN和营销服务商等,会逐渐形成寡头竞争局面;另一方面,广告主短视频营销理念和方法论逐渐成熟,不再盲目追求头部爆款,而转向更加匹配契合的平台和内容。因此,相比头部玩家已经有足够的资源优势去实现规模扩张巩固市场地位,更多的腰部玩家则应该在市场快速发展期中找到自己的定位和垂直领域。1)就平台方来说,需要从定位上垂直化,占领独特的用户心智,如休闲娱乐类短视频平台、新闻资讯类短视频平台等等;2)就内容方和MCN来说,需要从内容类型上垂直化,专注某个细分内容领域不断下沉;3)就营销服务商来说,需要从业务上垂直化,集中资源和精力在某项细分服务上形成不可替代的竞争力。

6.4投资者:机会仍在

行业进入洗牌期,变现能力是投资决策重点。

随着短视频行业进入洗牌期,市场格局和商业模式逐渐清晰,投资者在投资决策中更加关注短视频各产业链条的商业变现能力,而短视频营销作为最重要的短视频变现模式之一,其市场进入和退出门槛也成为资方重点关注的因素。而具体到各方,变现能力考核点也有所不同,投资内容方应重视其内容创作能力,投资MCN应重视其KOL资源获取和留存能力,投资平台方多关注垂直领域,投资营销服务商应聚焦头部平台。此外,投资者还需结合自身资源与优势对号入座,合理决策。

总结

2018年是被称为短视频元年的一年,短视频用户的超高黏度以及自身独具的社媒营销属性,使短视频营销突破了传统营销的固有模式,在短时间内开拓出了一个巨大的市场。短视频作为一种新生媒体形态俨然已快速生长,渐发展出一个全新的产业模式。这个产业结构中,无论是根部的短视频制作者,还是希望借助短视频沟通年轻消费群体的枝端广告主,都在摸索如何在品牌营销中充分发挥短视频价值。

在互联网科技已经能深入到人们潜意识的今天,全方位的覆盖、大规模的曝光已经不是广告主追求的唯一目标。明确可见且可细分拆解的效果是广告主在确定营销计划的时候必有的考量。精准洞察、精准投放、精准反馈都需建立在数据的基础之上,依托于互联网产生的短视频更是如此。

金准人工智能专家认为,针对短视频成为营销风口这一市场变化,传播价值的深度体现在用户粘性,每一个传播的发动都应以C端来决定,短视频正是目前符合C段用户粘性的平台。市场引擎既为消费者需求,轮子则是技术和数据。通过数据清晰洞察目标消费者和驱动行为背后的用户态度,真正了解消费者,与消费者建立联系和粘性。

金准人工智能 人工智能芯片研究报告 2018-12-05 15:11:28

前言

2010年以来,由于大数据产业的发展,数据量呈现爆炸性增长态势,而传统的计算架构又无法支撑深度学习的大规模并行计算需求,于是研究界对AI芯片进行了新一轮的技术研发与应用研究。AI芯片是人工智能时代的技术核心之一,决定了平台的基础架构和发展生态。金准人工智能专家在此背景下,对人工智能芯片的发展现状进行了简单梳理,包括以下内容:

人工智能芯片概念。首先对人工智能芯片相关概念、技术路线以及各自特点进行介绍,接着对国外、国内AI芯片的发展历程及现状进行梳理。

AI芯片的技术特点及局限性。对AI芯片的几个技术流派进行介绍。

AI芯片厂商介绍。对AI芯片领域的国内外代表性厂商进行介绍。

AI芯片领域专家介绍。通过AMiner大数据平台对AMiner的人工智能芯片人才库进行数据挖掘,统计分析领域内学者分布及迁徙。同时,介绍了目前AI芯片领域的国内外代表性研究学者。

AI芯片应用领域介绍。AI芯片已经渗透到日常生活的方方面面,金准人工智能主要对智能手机、ADAS、CV、VR、语音交互设备、机器人等方向的应用进行介绍。

AI芯片的发展趋势介绍。人工智能的发展历经波折,如今得益于大数据的供给、深度学习算法的革新以及硬件技术的提升,AI芯片以不可阻挡的势态飞速发展。AI芯片的算力提高、功耗降低及更合理的算法实现必然是将来的发展趋势。

一、AI芯片基本知识及现状

从广义上讲只要能够运行人工智能算法的芯片都叫作AI芯片。但是通常意义上的AI芯片指的是针对人工智能算法做了特殊加速设计的芯片,现阶段,这些人工智能算法一般以深度学习算法为主,也可以包括其它机器学习算法。人工智能与深度学习的关系如图所示。

▲人工智能与深度学习

深度学习算法,通常是基于接收到的连续数值,通过学习处理,并输出连续数值的过程,实质上并不能完全模仿生物大脑的运作机制。基于这一现实,研究界还提出了SNN(Spiking Neural Network,脉冲神经网络)模型。作为第三代神经网络模型,SNN更贴近生物神经网络——除了神经元和突触模型更贴近生物神经元与突触之外,SNN还将时域信息引入了计算模型。目前基于SNN的AI芯片主要以IBM的True North、Intel的Loihi以及国内的清华大学天机芯为代表。

1.1AI芯片发展历程

从图灵的论文《计算机器与智能》和图灵测试,到最初级的神经元模拟单元——感知机,再到现在多达上百层的深度神经网络,人类对人工智能的探索从来就没有停止过。上世纪八十年代,多层神经网络和反向传播算法的出现给人工智能行业点燃了新的火花。反向传播的主要创新在于能将信息输出和目标输出之间的误差通过多层网络往前一级迭代反馈,将最终的输出收敛到某一个目标范围之内。1989年贝尔实验室成功利用反向传播算法,在多层神经网络开发了一个手写邮编识别器。1998年Yann LeCun和Yoshua Bengio发表了手写识别神经网络和反向传播优化相关的论文《Gradient-based Learning applied to document recognition》,开创了卷积神经网络的时代。

此后,人工智能陷入了长时间的发展沉寂阶段,直到1997年IBM的深蓝战胜国际象棋大师和2011年IBM的沃森智能系统在Jeopardy节目中胜出,人工智能才又一次为人们所关注。2016年AlphaGo击败韩国围棋九段职业选手,则标志着人工智能的又一波高潮。从基础算法、底层硬件、工具框架到实际应用场景,现阶段的人工智能领域已经全面开花。

作为人工智能核心的底层硬件AI芯片,也同样经历了多次的起伏和波折,总体看来,AI芯片的发展前后经历了四次大的变化,其发展历程如图所示。

▲AI芯片发展历程

1)2007年以前,AI芯片产业一直没有发展成为成熟的产业;同时由于当时算法、数据量等因素,这个阶段AI芯片并没有特别强烈的市场需求,通用的CPU芯片即可满足应用需要。

2)随着高清视频、VR、AR游戏等行业的发展,GPU产品取得快速的突破;同时人们发现GPU的并行计算特性恰好适应人工智能算法及大数据并行计算的需求,如GPU比之前传统的CPU在深度学习算法的运算上可以提高几十倍的效率,因此开始尝试使用GPU进行人工智能计算。

3)进入2010年后,云计算广泛推广,人工智能的研究人员可以通过云计算借助大量CPU和GPU进行混合运算,进一步推进了AI芯片的深入应用,从而催生了各类AI芯片的研发与应用。

4)人工智能对于计算能力的要求不断快速地提升,进入2015年后,GPU性能功耗比不高的特点使其在工作适用场合受到多种限制,业界开始研发针对人工智能的专用芯片,以期通过更好的硬件和芯片架构,在计算效率、能耗比等性能上得到进一步提升。

1.2我国AI芯片发展情况

目前,我国的人工智能芯片行业发展尚处于起步阶段。长期以来,中国在CPU、GPU、DSP处理器设计上一直处于追赶地位,绝大部分芯片设计企业依靠国外的IP核设计芯片,在自主创新上受到了极大的限制。然而,人工智能的兴起,无疑为中国在处理器领域实现弯道超车提供了绝佳的机遇。人工智能领域的应用目前还处于面向行业应用阶段,生态上尚未形成垄断,国产处理器厂商与国外竞争对手在人工智能这一全新赛场上处在同一起跑线上,因此,基于新兴技术和应用市场,中国在建立人工智能生态圈方面将大有可为。

由于我国特殊的环境和市场,国内AI芯片的发展目前呈现出百花齐放、百家争鸣的态势,AI芯片的应用领域也遍布股票交易、金融、商品推荐、安防、早教机器人以及无人驾驶等众多领域,催生了大量的人工智能芯片创业公司,如地平线、深鉴科技、中科寒武纪等。

尽管如此,国内公司却并未如国外大公司一样形成市场规模,反而出现各自为政的散裂发展现状。除了新兴创业公司,国内研究机构如北京大学、清华大学、中国科学院等在AI芯片领域都有深入研究;而其他公司如百度和比特大陆等,2017年也有一些成果发布。可以预见,未来谁先在人工智能领域掌握了生态系统,谁就掌握住了这个产业的主动权。

1.3 AI学者概况

基于来自清华大学AMiner人才库数据,全球人工智能芯片领域学者分布如图所示,从图中可以看到,人工智能芯片领域的学者主要分布在北美洲,其次是欧洲。中国对人工智能芯片的研究紧跟其后,南美洲、非洲和大洋洲人才相对比较匮乏。

▲人工智能芯片领域研究学者全球分布

按国家进行统计来看美国是人工智能芯片领域科技发展的核心。英国的人数紧排在美国之后。其他的专家主要分布在中国、德国、加拿大、意大利和日本。

▲人工智能芯片领域研究学者全球分布

对全球人工智能芯片领域最具影响力的1000人的迁徙路径进行了统计分析,得出下图所示的各国人才逆顺差对比。

▲各国人才逆顺差

可以看出,各国人才的流失和引进是相对比较均衡的,其中美国为人才流动大国,人才输入和输出幅度都大幅度领先。英国、中国、德国和瑞士等国次于美国,但各国之间人才流动相差并不明显。

二、AI芯片的分类及技术

人工智能芯片目前有两种发展路径:一种是延续传统计算架构,加速硬件计算能力,主要以3种类型的芯片为代表,即GPU、FPGA、ASIC,但CPU依旧发挥着不可替代的作用;另一种是颠覆经典的冯·诺依曼计算架构,采用类脑神经结构来提升计算能力,以IBM True North芯片为代表。

2.1传统CPU

计算机工业从1960年代早期开始使用CPU这个术语。迄今为止,CPU从形态、设计到实现都已发生了巨大的变化,但是其基本工作原理却一直没有大的改变。通常CPU由控制器和运算器这两个主要部件组成。传统的CPU内部结构图如图3所示,从图中我们可以看到:实质上仅单独的ALU模块(逻辑运算单元)是用来完成数据计算的,其他各个模块的存在都是为了保证指令能够一条接一条的有序执行。这种通用性结构对于传统的编程计算模式非常适合,同时可以通过提升CPU主频(提升单位时间内执行指令的条数)来提升计算速度。但对于深度学习中的并不需要太多的程序指令、却需要海量数据运算的计算需求,这种结构就显得有些力不从心。尤其是在功耗限制下,无法通过无限制的提升CPU和内存的工作频率来加快指令执行速度,这种情况导致CPU系统的发展遇到不可逾越的瓶颈。

▲传统CPU内部结构图(仅ALU为主要计算模块)

2.2并行加速计算的GPU

GPU作为最早从事并行加速计算的处理器,相比CPU速度快,同时比其他加速器芯片编程灵活简单。

传统的CPU之所以不适合人工智能算法的执行,主要原因在于其计算指令遵循串行执行的方式,没能发挥出芯片的全部潜力。与之不同的是,GPU具有高并行结构,在处理图形数据和复杂算法方面拥有比CPU更高的效率。对比GPU和CPU在结构上的差异,CPU大部分面积为控制器和寄存器,而GPU拥有更ALU(ARITHMETICLOGICUNIT,逻辑运算单元)用于数据处理,这样的结构适合对密集型数据进行并行处理,CPU与GPU的结构对比如图所示。程序在GPU系统上的运行速度相较于单核CPU往往提升几十倍乃至上千倍。随着英伟达、AMD等公司不断推进其对GPU大规模并行架构的支持,面向通用计算的GPU(即GPGPU,GENERALPURPOSEGPU,通用计算图形处理器)已成为加速可并行应用程序的重要手段。

▲CPU及GPU结构对比图(引用自NVIDIACUDA文档)

GPU的发展历程可分为3个阶段,发展历程如图所示:

第一代GPU(1999年以前),部分功能从CPU分离,实现硬件加速,以GE(GEOMETRYENGINE)为代表,只能起到3D图像处理的加速作用,不具有软件编程特性。

第二代GPU(1999-2005年),实现进一步的硬件加速和有限的编程性。1999年,英伟达发布了“专为执行复杂的数学和几何计算的”GeForce256图像处理芯片,将更多的晶体管用作执行单元,而不是像CPU那样用作复杂的控制单元和缓存,将T&L(TRANSFORMANDLIGHTING)等功能从CPU分离出来,实现了快速变换,这成为GPU真正出现的标志。之后几年,GPU技术快速发展,运算速度迅速超过CPU。2001年英伟达和ATI分别推出的GEFORCE3和RADEON8500,图形硬件的流水线被定义为流处理器,出现了顶点级可编程性,同时像素级也具有有限的编程性,但GPU的整体编程性仍然比较有限。

第三代GPU(2006年以后),GPU实现方便的编程环境创建,可以直接编写程序。2006年英伟达与ATI分别推出了CUDA(Compute United Device Architecture,计算统一设备架构)编程环境和CTM(CLOSE TO THE METAL)编程环境,使得GPU打破图形语言的局限成为真正的并行数据处理超级加速器。

2008年,苹果公司提出一个通用的并行计算编程平台OPENCL(OPEN COMPUTING LANGUAGE,开放运算语言),与CUDA绑定在英伟达的显卡上不同,OPENCL和具体的计算设备无关。

▲GPU芯片的发展阶段

目前,GPU已经发展到较为成熟的阶段。谷歌、FACEBOOK、微软、TWITTER和百度等公司都在使用GPU分析图片、视频和音频文件,以改进搜索和图像标签等应用功能。此外,很多汽车生产商也在使用GPU芯片发展无人驾驶。不仅如此,GPU也被应用于VR/AR相关的产业。

但是GPU也有一定的局限性。深度学习算法分为训练和推断两部分,GPU平台在算法训练上非常高效。但在推断中对于单项输入进行处理的时候,并行计算的优势不能完全发挥出来。

2.3半定制化的FPGA

FPGA是在PAL、GAL、CPLD等可编程器件基础上进一步发展的产物。用户可以通过烧入FPGA配置文件来定义这些门电路以及存储器之间的连线。这种烧入不是一次性的,比如用户可以把FPGA配置成一个微控制器MCU,使用完毕后可以编辑配置文件把同一个FPGA配置成一个音频编解码器。因此,它既解决了定制电路灵活性的不足,又克服了原有可编程器件门电路数有限的缺点。

FPGA可同时进行数据并行和任务并行计算,在处理特定应用时有更加明显的效率提升。对于某个特定运算,通用CPU可能需要多个时钟周期;而FPGA可以通过编程重组电路,直接生成专用电路,仅消耗少量甚至一次时钟周期就可完成运算。

此外,由于FPGA的灵活性,很多使用通用处理器或ASIC难以实现的底层硬件控制操作技术,利用FPGA可以很方便的实现。这个特性为算法的功能实现和优化留出了更大空间。同时FPGA一次性成本(光刻掩模制作成本)远低于ASIC,在芯片需求还未成规模、深度学习算法暂未稳定,需要不断迭代改进的情况下,利用FPGA芯片具备可重构的特性来实现半定制的人工智能芯片是最佳选择之一。

功耗方面,从体系结构而言,FPGA也具有天生的优势。传统的冯氏结构中,执行单元(如CPU核)执行任意指令,都需要有指令存储器、译码器、各种指令的运算器及分支跳转处理逻辑参与运行,而FPGA每个逻辑单元的功能在重编程(即烧入)时就已经确定,不需要指令,无需共享内存,从而可以极大的降低单位执行的功耗,提高整体的能耗比。

由于FPGA具备灵活快速的特点,因此在众多领域都有替代ASIC的趋势。FPGA在人工智能领域的应用如图所示。

▲FPGA在人工智能领域的应用

2.4全定制化的ASIC

目前以深度学习为代表的人工智能计算需求,主要采用GPU、FPGA等已有的适合并行计算的通用芯片来实现加速。在产业应用没有大规模兴起之时,使用这类已有的通用芯片可以避免专门研发定制芯片(ASIC)的高投入和高风险。但是,由于这类通用芯片设计初衷并非专门针对深度学习,因而天然存在性能、功耗等方面的局限性。随着人工智能应用规模的扩大,这类问题日益突显。

GPU作为图像处理器,设计初衷是为了应对图像处理中的大规模并行计算。因此,在应用于深度学习算法时,有三个方面的局限性:第一,应用过程中无法充分发挥并行计算优势。深度学习包含训练和推断两个计算环节,GPU在深度学习算法训练上非常高效,但对于单一输入进行推断的场合,并行度的优势不能完全发挥。第二,无法灵活配置硬件结构。GPU采用SIMT计算模式,硬件结构相对固定。目前深度学习算法还未完全稳定,若深度学习算法发生大的变化,GPU无法像FPGA一样可以灵活的配制硬件结构。第三,运行深度学习算法能效低于FPGA。

尽管FPGA倍受看好,甚至新一代百度大脑也是基于FPGA平台研发,但其毕竟不是专门为了适用深度学习算法而研发,实际应用中也存在诸多局限:第一,基本单元的计算能力有限。为了实现可重构特性,FPGA内部有大量极细粒度的基本单元,但是每个单元的计算能力(主要依靠LUT查找表)都远远低于CPU和GPU中的ALU模块;第二、计算资源占比相对较低。为实现可重构特性,FPGA内部大量资源被用于可配置的片上路由与连线;第三,速度和功耗相对专用定制芯片(ASIC)仍然存在不小差距;第四,FPGA价格较为昂贵,在规模放量的情况下单块FPGA的成本要远高于专用定制芯片。

因此,随着人工智能算法和应用技术的日益发展,以及人工智能专用芯片ASIC产业环境的逐渐成熟,全定制化人工智能ASIC也逐步体现出自身的优势,从事此类芯片研发与应用的国内外比较有代表性的公司如图所示。

▲人工智能专用芯片(包括类脑芯片)研发情况一览

深度学习算法稳定后,AI芯片可采用ASIC设计方法进行全定制,使性能、功耗和面积等指标面向深度学习算法做到最优。

2.5类脑芯片

类脑芯片不采用经典的冯·诺依曼架构,而是基于神经形态架构设计,以IBM Truenorth为代表。IBM研究人员将存储单元作为突触、计算单元作为神经元、传输单元作为轴突搭建了神经芯片的原型。目前,Truenorth用三星28nm功耗工艺技术,由54亿个晶体管组成的芯片构成的片上网络有4096个神经突触核心,实时作业功耗仅为70mW。由于神经突触要求权重可变且要有记忆功能,IBM采用与CMOS工艺兼容的相变非挥发存储器(PCM)的技术实验性的实现了新型突触,加快了商业化进程。

三、AI芯片产业及趋势

3.1 AI芯片应用领域

随着人工智能芯片的持续发展,应用领域会随时间推移而不断向多维方向发展,这里我们选择目前发展比较集中的几个行业做相关的介绍。

▲AI芯片目前比较集中的应用领域

1)智能手机

2017年9月,华为在德国柏林消费电子展发布了麒麟970芯片,该芯片搭载了寒武纪的NPU,成为“全球首款智能手机移动端AI芯片”;2017年10月中旬Mate10系列新品(该系列手机的处理器为麒麟970)上市。搭载了NPU的华为Mate10系列智能手机具备了较强的深度学习、本地端推断能力,让各类基于深度神经网络的摄影、图像处理应用能够为用户提供更加完美的体验。

而苹果发布以iPhoneX为代表的手机及它们内置的A11Bionic芯片。A11Bionic中自主研发的双核架构Neural Engine(神经网络处理引擎),它每秒处理相应神经网络计算需求的次数可达6000亿次。这个Neural Engine的出现,让A11Bionic成为一块真正的AI芯片。A11Bionic大大提升了iPhoneX在拍照方面的使用体验,并提供了一些富有创意的新用法。

2)ADAS(高级辅助驾驶系统)

ADAS是最吸引大众眼球的人工智能应用之一,它需要处理海量的由激光雷达、毫米波雷达、摄像头等传感器采集的实时数据。相对于传统的车辆控制方法,智能控制方法主要体现在对控制对象模型的运用和综合信息学习运用上,包括神经网络控制和深度学习方法等,得益于AI芯片的飞速发展,这些算法已逐步在车辆控制中得到应用。

3)CV(计算机视觉(Computer Vision)设备

需要使用计算机视觉技术的设备,如智能摄像头、无人机、行车记录仪、人脸识别迎宾机器人以及智能手写板等设备,往往都具有本地端推断的需要,如果仅能在联网下工作,无疑将带来糟糕的体验。而计算机视觉技术目前看来将会成为人工智能应用的沃土之一,计算机视觉芯片将拥有广阔的市场前景。

4)VR设备

VR设备芯片的代表为HPU芯片,是微软为自身VR设备Hololens研发定制的。这颗由台积电代工的芯片能同时处理来自5个摄像头、1个深度传感器以及运动传感器的数据,并具备计算机视觉的矩阵运算和CNN运算的加速功能。这使得VR设备可重建高质量的人像3D影像,并实时传送到任何地方。

5)语音交互设备

语音交互设备芯片方面,国内有启英泰伦以及云知声两家公司,其提供的芯片方案均内置了为语音识别而优化的深度神经网络加速方案,实现设备的语音离线识别。稳定的识别能力为语音技术的落地提供了可能;与此同时,语音交互的核心环节也取得重大突破。语音识别环节突破了单点能力,从远场识别,到语音分析和语义理解有了重大突破,呈现出一种整体的交互方案。

6)机器人

无论是家居机器人还是商用服务机器人均需要专用软件+芯片的人工智能解决方案,这方面典型公司有由前百度深度学习实验室负责人余凯创办的地平线机器人,当然地平线机器人除此之外,还提供ADAS、智能家居等其他嵌入式人工智能解决方案。

3.2 AI芯片国内外代表性企业

本篇将介绍目前人工智能芯片技术领域的国内外代表性企业。文中排名不分先后。人工智能芯片技术领域的国内代表性企业包括中科寒武纪、中星微、地平线机器人、深鉴科技、灵汐科技、启英泰伦、百度、华为等,国外包括英伟达、AMD、Google、高通、Nervana Systems、Movidius、IBM、ARM、CEVA、MIT/Eyeriss、苹果、三星等。

中科寒武纪。寒武纪科技成立于2016年,总部在北京,创始人是中科院计算所的陈天石、陈云霁兄弟,公司致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。阿里巴巴创投、联想创投、国科投资、中科图灵、元禾原点、涌铧投资联合投资,为全球AI芯片领域第一个独角兽初创公司。

寒武纪是全球第一个成功流片并拥有成熟产品的AI芯片公司,拥有终端AI处理器IP和云端高性能AI芯片两条产品线。2016年发布的寒武纪1A处理器(Cambricon-1A)是世界首款商用深度学习专用处理器,面向智能手机、安防监控、无人机、可穿戴设备以及智能驾驶等各类终端设备,在运行主流智能算法时性能功耗比全面超越传统处理器。

中星微。1999年,由多位来自硅谷的博士企业家在北京中关村科技园区创建了中星微电子有限公司,启动并承担了国家战略项目——“星光中国芯工程”,致力于数字多媒体芯片的开发、设计和产业化。

2016年初,中星微推出了全球首款集成了神经网络处理器(NPU)的SVAC视频编解码SoC,使得智能分析结果可以与视频数据同时编码,形成结构化的视频码流。该技术被广泛应用于视频监控摄像头,开启了安防监控智能化的新时代。自主设计的嵌入式神经网络处理器(NPU)采用了“数据驱动并行计算”架构,专门针对深度学习算法进行了优化,具备高性能、低功耗、高集成度、小尺寸等特点,特别适合物联网前端智能的需求。

▲集成了NPU的神经网络处理器VC0616的内部结构

地平线机器人(Horizon Robotics)。地平线机器人成立于2015年,总部在北京,创始人是前百度深度学习研究院负责人余凯。BPU(Brain Processing Unit)是地平线机器人自主设计研发的高效人工智能处理器架构IP,支持ARM/GPU/FPGA/ASIC实现,专注于自动驾驶、人脸图像辨识等专用领域。2017年,地平线发布基于高斯架构的嵌入式人工智能解决方案,将在智能驾驶、智能生活、公共安防三个领域进行应用,第一代BPU芯片“盘古”目前已进入流片阶段,预计在2018年下半年推出,能支持1080P的高清图像输入,每秒钟处理30帧,检测跟踪数百个目标。地平线的第一代BPU采用TSMC的40nm工艺,相对于传统CPU/GPU,能效可以提升2~3个数量级(100~1,000倍左右)。

深鉴科技。深鉴科技成立于2016年,总部在北京。由清华大学与斯坦福大学的世界顶尖深度学习硬件研究者创立。深鉴科技于2018年7月被赛灵思收购。深鉴科技将其开发的基于FPGA的神经网络处理器称为DPU。到目前为止,深鉴公开发布了两款DPU:亚里士多德架构和笛卡尔架构,其中,亚里士多德架构是针对卷积神经网络CNN而设计;笛卡尔架构专为处理DNN/RNN网络而设计,可对经过结构压缩后的稀疏神经网络进行极致高效的硬件加速。相对于Intel Xeon CPU与Nvidia Titan XGPU,应用笛卡尔架构的处理器在计算速度上分别提高189倍与13倍,具有24,000倍与3,000倍的更高能效。

灵汐科技。灵汐科技于2018年1月在北京成立,联合创始人包括清华大学的世界顶尖类脑计算研究者。公司致力于新一代神经网络处理器(Tianjic)开发,特点在于既能够高效支撑现有流行的机器学习算法(包括CNN,MLP,LSTM等网络架构),也能够支撑更仿脑的、更具成长潜力的脉冲神经网络算法;使芯片具有高计算力、高多任务并行度和较低功耗等优点。软件工具链方面支持由Caffe、Tensor Flow等算法平台直接进行神经网络的映射编译,开发友善的用户交互界面。Tianjic可用于云端计算和终端应用场景,助力人工智能的落地和推广。

启英泰伦。启英泰伦于2015年11月在成都成立,是一家语音识别芯片研发商。启英泰伦的CI1006是基于ASIC架构的人工智能语音识别芯片,包含了脑神经网络处理硬件单元,能够完美支持DNN运算架构,进行高性能的数据并行计算,可极大的提高人工智能深度学习语音技术对大量数据的处理效率。

百度。百度2017年8月HotChips大会上发布了XPU,这是一款256核、基于FPGA的云计算加速芯片。合作伙伴是赛思灵(Xilinx)。XPU采用新一代AI处理架构,拥有GPU的通用性和FPGA的高效率和低能耗,对百度的深度学习平台Paddle Paddle做了高度的优化和加速。据介绍,XPU关注计算密集型、基于规则的多样化计算任务,希望提高效率和性能,并带来类似CPU的灵活性。

华为。麒麟970搭载的神经网络处理器NPU采用了寒武纪IP,如图12所示。麒麟970采用了TSMC10nm工艺制程,拥有55亿个晶体管,功耗相比上一代芯片降低20%。CPU架构方面为4核A73+4核A53组成8核心,能耗同比上一代芯片得到20%的提升;GPU方面采用了12核MaliG72MP12GPU,在图形处理以及能效两项关键指标方面分别提升20%和50%;NPU采用HiAI移动计算架构,在FP16下提供的运算性能可以达到1.92TFLOPs,相比四个Cortex-A73核心,处理同样的AI任务,有大约具备50倍能效和25倍性能优势。

英伟达(Nvidia)。英伟达创立于1993年,总部位于美国加利福尼亚州圣克拉拉市。早在1999年,英伟达发明了GPU,重新定义了现代计算机图形技术,彻底改变了并行计算。深度学习对计算速度有非常苛刻的要求,而英伟达的GPU芯片可以让大量处理器并行运算,速度比CPU快十倍甚至几十倍,因而成为绝大部分人工智能研究者和开发者的首选。自从Google Brain采用1.6万个GPU核训练DNN模型,并在语音和图像识别等领域获得巨大成功以来,英伟达已成为AI芯片市场中无可争议的领导者。

AMD。美国AMD半导体公司专门为计算机、通信和消费电子行业设计和制造各种创新的微处理器(CPU、GPU、APU、主板芯片组、电视卡芯片等),以及提供闪存和低功率处理器解决方案,公司成立于1969年。AMD致力为技术用户——从企业、政府机构到个人消费者——提供基于标准的、以客户为中心的解决方案。

2017年12月Intel和AMD宣布将联手推出一款结合英特尔处理器和AMD图形单元的笔记本电脑芯片。目前AMD拥有针对AI和机器学习的高性能Radeon Instinc加速卡,开放式软件平台ROCm等。

Google。Google在2016年宣布独立开发一种名为TPU的全新的处理系统。TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度,减少实现每个计算操作所需晶体管数量的方式,让芯片的每秒运行的操作个数更高,这样经过精细调优的机器学习模型就能在芯片上运行得更快,进而更快地让用户得到更智能的结果。在2016年3月打败了李世石和2017年5月打败了柯杰的阿尔法狗,就是采用了谷歌的TPU系列芯片。

GoogleI/O-2018开发者大会期间,正式发布了第三代人工智能学习专用处理器TPU3.0。TPU3.0采用8位低精度计算以节省晶体管数量,对精度影响很小但可以大幅节约功耗、加快速度,同时还有脉动阵列设计,优化矩阵乘法与卷积运算,并使用更大的片上内存,减少对系统内存的依赖。速度能加快到最高100PFlops(每秒1000万亿次浮点计算)。

高通。在智能手机芯片市场占据绝对优势的高通公司,也在人工智能芯片方面积极布局。据高通提供的资料显示,其在人工智能方面已投资了Clarifai公司和中国“专注于物联网人工智能服务”的云知声。而早在2015年CES上,高通就已推出了一款搭载骁龙SoC的飞行机器人——Snap dragon Cargo。金准人工智能专家认为在工业、农业的监测以及航拍对拍照、摄像以及视频新需求上,公司恰好可以发挥其在计算机视觉领域的能力。此外,高通的骁龙820芯片也被应用于VR头盔中。事实上,高通已经在研发可以在本地完成深度学习的移动端设备芯片。

Nervana Systems。Nervana创立于2014年,公司推出的The Nervana Engine是一个为深度学习专门定制和优化的ASIC芯片。这个方案的实现得益于一项叫做High Bandwidth Memory的新型内存技术,这项技术同时拥有高容量和高速度,提供32GB的片上储存和8TB每秒的内存访问速度。该公司目前提供一个人工智能服务“in the cloud”,他们声称这是世界上最快的且目前已被金融服务机构、医疗保健提供者和政府机构所使用的服务。他们的新型芯片将会保证Nervana云平台在未来的几年内仍保持最快的速度。

Movidius(被Intel收购)。2016年9月,Intel发表声明收购了Movidius。Movidius专注于研发高性能视觉处理芯片。其最新一代的Myriad2视觉处理器主要由SPARC处理器作为主控制器,加上专门的DSP处理器和硬件加速电路来处理专门的视觉和图像信号。这是一款以DSP架构为基础的视觉处理器,在视觉相关的应用领域有极高的能耗比,可以将视觉计算普及到几乎所有的嵌入式系统中。

该芯片已被大量应用在Google3D项目的Tango手机、大疆无人机、FLIR智能红外摄像机、海康深眸系列摄像机、华睿智能工业相机等产品中。

IBM。IBM很早以前就发布过watson,投入了很多的实际应用。除此之外,还启动了类脑芯片的研发,即True North。True North是IBM参与DARPA的研究项目SyNapse的最新成果。SyNapse全称是Systems of Neuromorphic Adaptive Plastic Scalable Electronics(自适应可塑可伸缩电子神经系统,而SyNapse正好是突触的意思),其终极目标是开发出打破冯·诺依曼体系结构的计算机体系结构。

ARM。ARM推出全新芯片架构DynamIQ,通过这项技术,AI芯片的性能有望在未来三到五年内提升50倍。

ARM的新CPU架构将会通过为不同部分配置软件的方式将多个处理核心集聚在一起,这其中包括一个专门为AI算法设计的处理器。芯片厂商将可以为新处理器配置最多8个核心。同时为了能让主流AI在自己的处理器上更好地运行,ARM还将推出一系列软件库。

CEVA。CEVA是专注于DSP的IP供应商,拥有众多的产品线。其中,图像和计算机视觉DSP产品CEVA-XM4是第一个支持深度学习的可编程DSP,而其发布的新一代型号CEVA-XM6,具有更优的性能、更强大的计算能力以及更低的能耗。CEVA指出,智能手机、汽车、安全和商业应用,如无人机、自动化将是其业务开展的主要目标。

MIT/Eyeriss。Eyeriss事实上是MIT的一个项目,还不是一个公司,从长远来看,如果进展顺利,很可能孵化出一个新的公司。Eyeriss是一个高效能的深度卷积神经网络(CNN)加速器硬件,该芯片内建168个核心,专门用来部署神经网路(neural network),效能为一般GPU的10倍。其技术关键在于最小化GPU核心和记忆体之间交换数据的频率(此运作过程通常会消耗大量的时间与能量):一般GPU内的核心通常共享单一记忆体,但Eyeriss的每个核心拥有属于自己的记忆体。

目前,Eyeriss主要定位在人脸识别和语音识别,可应用在智能手机、穿戴式设备、机器人、自动驾驶车与其他物联网应用装置上。

苹果。iPhone8和iPhoneX的发布会上,苹果明确表示其中所使用的A11处理器集成了一个专用于机器学习的硬件——“神经网络引擎(Neural Engine)”,每秒运算次数最高可达6000亿次。这块芯片将能够改进苹果设备在处理需要人工智能的任务时的表现,比如面部识别和语音识别等。

三星。2017年,华为海思推出了麒麟970芯片,据知情人士透露,为了对标华为,三星已经研发了许多种类的人工智能芯片。三星计划在未来三年内新上市的智能手机中都采用人工智能芯片,并且他们还将为人工智能设备建立新的组件业务。三星还投资了Graphcore、深鉴科技等人工智能芯片企业。

3.3技术趋势

目前主流AI芯片的核心主要是利用MAC(Multiplier and Accumulation,乘加计算)加速阵列来实现对CNN(卷积神经网络)中最主要的卷积运算的加速。这一代AI芯片主要有如下3个方面的问题。

1)深度学习计算所需数据量巨大,造成内存带宽成为整个系统的瓶颈,即所谓“memory wall”问题。

2)与第一个问题相关,内存大量访问和MAC阵列的大量运算,造成AI芯片整体功耗的增加。

3)深度学习对算力要求很高,要提升算力,最好的方法是做硬件加速,但是同时深度学习算法的发展也是日新月异,新的算法可能在已经固化的硬件加速器上无法得到很好的支持,即性能和灵活度之间的平衡问题。

因此可以预见下一代AI芯片将有如下的五个发展趋势。

1)更高效的大卷积解构/复用

在标准SIMD的基础上,CNN由于其特殊的复用机制,可以进一步减少总线上的数据通信。而复用这一概念,在超大型神经网络中就显得格外重要。如何合理地分解、映射这些超大卷积到有效的硬件上成为了一个值得研究的方向,

2)更低的Inference计算/存储位宽

AI芯片最大的演进方向之一可能就是神经网络参数/计算位宽的迅速减少——从32位浮点到16位浮点/定点、8位定点,甚至是4位定点。在理论计算领域,2位甚至1位参数位宽,都已经逐渐进入实践领域。

3)更多样的存储器定制设计

当计算部件不再成为神经网络加速器的设计瓶颈时,如何减少存储器的访问延时将会成为下一个研究方向。通常,离计算越近的存储器速度越快,每字节的成本也越高,同时容量也越受限,因此新型的存储结构也将应运而生。

4)更稀疏的大规模向量实现

神经网络虽然大,但是,实际上有很多以零为输入的情况,此时稀疏计算可以高效的减少无用能效。来自哈佛大学的团队就该问题提出了优化的五级流水线结,在最后一级输出了触发信号。在Activation层后对下一次计算的必要性进行预先判断,如果发现这是一个稀疏节点,则触发SKIP信号,避免乘法运算的功耗,以达到减少无用功耗的目的。

5)计算和存储一体化

计算和存储一体化(process-in-memory)技术,其要点是通过使用新型非易失性存储(如ReRAM)器件,在存储阵列里面加上神经网络计算功能,从而省去数据搬移操作,即实现了计算存储一体化的神经网络处理,在功耗性能方面可以获得显著提升。

总结

金准人工智能专家认为,近几年,AI技术不断取得突破性进展。作为AI技术的重要物理基础,AI芯片拥有巨大的产业价值和战略地位。但从大趋势来看,目前尚处于AI芯片发展的初级阶段,无论是科研还是产业应用都有巨大的创新空间。现在不仅英伟达、谷歌等国际巨头相继推出新产品,国内百度、阿里等纷纷布局这一领域,也诞生了寒武纪等AI芯片创业公司。在CPU、GPU等传统芯片领域与国际相差较多的情况下,中国AI芯片被寄望能实现弯道超车。

金准人工智能 2018中国智能风控研究报告(下) 2018-11-30 16:54:13

3.3.3催收

催收:传统催收投入高、成效差,随着国家合规性政策收紧,智能技术有望赋能催收产业实现智能化、科技化、合规化。

贷后催收主要是针对逾期还款催收,传统的催收环节基本依靠线下,大规模的催收团队成本高、效率低,甚至还存在不合规现象。逾期催收的难点在于,不同逾期时段的催收成功率和重点差距较大。企业的催收能力主要体现在两个方面:失联修复的能力和命中率、催收话术和催收策略。

互联网借贷逾期率较高,逾期体量较大,尺长对催收的需求呈几何倍增长,借助大数据和人工智能等技术赋能催收产业,贷后催收逐步实现智能化、科技化、合规化。

智能催收实现个人信贷业务链条串联,优化贷前和贷中风控策略,未来会向标准化、精细化、透明化、工具化和系统化发展。

智能催收系统可以完成数据分析、筛选及判断,为风险预警提供策略,更好地识别和评估风险,使催收决策科学化、自动化,针对不同客户风险程度组合不同催收手段,节省人力成本,提高工作效率,同时优化贷前和贷中风控策略,实现个人信贷业务链条串联。

目前已有一些市场化智能化催收产品的应用效果已经得到了业内的认可,例如逾期客户画像、催收评分等,这一系列产品主要应用数据挖掘和统计学方法,以决策树、神经网络和评分结果展示为主要模型,根据不同规则将个人信贷催收管理模式精细化为:按照逾期时间增加催收力度,按照业务规则细分客户和按照催收评分细分客户,选择差异化催收策略。在催收手段的使用方式上,目前催收政策已经采取了如电话催收、短信催收、上门催收、信函催收等多元手段,配合催收策略进行调整。

随着数据体量累积和技术的更新迭代,未来催收产品会从劳动密集型向技术密集型转变,以大数据和人工智能为驱动,继续向标准化、精细化、透明化、工具化和系统化的方向发展。

同盾科技:第三方智能风控与分析决策服务提供商,坚持AaaS风控理念,提供跨行风险管理、反欺诈和营销分析服务

同盾科技:以人工智能、大数据、云计算等技术构建智能风控平台,为银行和互金公司提供全面风险管理解决方案。

同盾科技为某银行和某互联网金融公司提供的信贷风控解决方案,以人工智能、大数据、云计算等技术构建智能风控平台,基于对银行和互金公司的业务洞察,着力提供全流程云到端智能风控能力,规划整体风险管理和分析决策解决方案,减少潜在损失。

3.4 需求端应用

新经济环境下信贷业务风控面临更大挑战,技术互补和数据融合将成为推动行业发展的重要因素。

无论是越来越多的金融机构开始布局线上分期服务和网贷平台,还是发展迅猛的互联网借贷平台,都为个人信贷的风险控制在不同层次上提出了新的挑战:传统金融机构对线上场景理解不够,互联网金融公司目标客群信息真实性差、准入门槛低,贷前贷后风控措施严重失衡,问题平台的不断出现给行业发展带来波动。

各类金融机构在开展新的信贷业务时,拥有区别化的优劣势,金准人工智能专家认为,信贷产业的发展会很大程度上取决于技术互补和数据融合,传统金融机构、互联网金公司和金融科技公司取长补短,成为推动行业发展的重要力量。需求端现已形成三种主要布局智能风控的方式:自身建立智能风控部门,探索科技手段应用、与金融科技公司合作开发智能风控系统平台、与互联网金融公司合作开展业务,发挥各自优势。

不管是银行开展自身网贷业务还是作为存管机构,银行整体风控能力建设都将成为重点开发对象。

传统金融机构除了通过智能风控技术反哺自身风控系统外,为了寻求新的客户增长和更广的业务范围而开展的线上业务,则需要更深层次的智能风控系统全流程设计和布局,银行主要业务长期位于线下,因此开展网贷平台并不具备技术优势,目前布局方式主要有三种方式:内部研发、投资并购和外部合作。除了银行自身业务,目前国家规定网贷平台必须接入银行作为存管,因此不管是自身业务还是作为存管机构,银行的整体风控能力建设都将成为重点发展目标。

网贷业务信息化、网络化、数字化和智能化的优势促进了银行覆盖长尾用户的目标,除了将信贷活动的框架重心从物理空间转移至信息性虚拟空间,基于人工审核的贷款模式转变,带来成本降低,提升金融可得性,还可以通过广泛获取分析客户大数据,综合识别判断借款人的欺诈风险、信用风险等。

互联网借贷平台以信息数据为基础的量化风控模型和自动化的信贷管理系统为金融业带来新的启示。

互联网金融公司开展信贷业务大多以网贷的形式进行。网贷平台的核心竞争力除了优质资产,就是风控能力。网贷平台发展初期,为了抢夺用户,很多平台弱化贷前的审核流程,虽然实现了快速增长和大规模获客,可是超高坏账率也被行业诟病。

为了应对日益收紧的监管环境和实体经济紧张带来的高资产端违约率,网贷平台需要强化整体业务的风控意识,建立完善风控体系以重拾借贷双方信心。

网贷平台的风控体系具有数据收集方式广泛、信息多元化、流程自动化程度高等优势,作为传统金融的有效补充,这种以信息数据为基础的量化风控模型和自动化的信贷管理系统可以为整个金融业带来新的启示;如今互联网借贷平台也纷纷瞄准线下市场,用科技手段填补金融空白市场,与传统金融体系相互促进,是未来信贷业务发展的必然趋势,也对完善金融产业结构具有重要意义。

3.4.1量化派

量化派:数据驱动的科技公司,多功能实现智能化匹配、风控引擎和大数据监控,打造活力金融科技生态。

量化派:为客户提供系统、引擎、模块的全流程设计和搭建,标准化风控平台匹配自定义模块,实现线上信贷智能化代运营。

3.4.2真融宝

真融宝:综合性金融科技平台,借助互联网+金融风口,以科技手段服务用户,提供便捷、高效的金融服务。

真融宝:对标的分类管理分散出借人风险,优化风控和定价模型完善资金闭环风险管理,为信贷机构和借贷人提供风控产品。

真融宝对所投标的分类管理,考察与评估不同类别众多合作方,在每个类别中选取合适标的提供方进行合作,通过分散的投资方式降低出借人风险;根据得到的风控数据,比如逾期率、坏账率等对投前模型进行调整,同时参考人群变化和经济周期变化,不断优化风控和定价模型,补充反欺诈名单,完善整个资金闭环的风险控制。除了满足自身风控需求,真融宝还可以对各类信贷机构和借贷人提供风控解决方案和产品。

四、智能风控产品及服务应用——企业篇

现阶段智能风控布局对于企业信贷风控的效果提升较小,大部分企业表示未来会将小微企业信贷领域作为目标。

传统企业信贷风控基于整合企业工商信息、合规情况、经营能力等指标评测企业信用等级状况,企业信贷尤其是小微企业信贷大多会以供应链金融或者抵押贷款的形式进行。区别于个人信贷,企业信贷单笔数额大、数量少,需要人工参与整个业务流程,评估复杂,难以实现完全的自动化,因此形成了借贷的门槛效应。

在智能风控逻辑层面,不同于个人人群画像和预测规则,小微企业的多样化往往不具有统计学规律,无法用其他企业或者某些企业的样本特征作为依据;在逾期水平和坏账率等指标的判断上,基于大数据的预测模型同样不具有代表性,因此现阶段智能风控布局对于企业信贷风控的效果提升较小。

在中国人民银行、银保监会等五部门联合印发的《关于进一步深化小微企业金融服务的意见》中提到:今年9月起,符合条件的小微企业和个体工商户贷款利息收入免征增值税单户授信额度上限,由100万元提高到500万元,国家对小微企业信贷业务的大力扶持,带动了各类金融科技公司积极探索企业信贷风控智能化的积极性,根据拜访过的智能风控企业高管提及,大部分企业表示未来会将小微企业信贷领域作为目标,将智能风控覆盖不同需求的信贷业务场景。

由于企业征信门槛较低,数据和产品同质化程度高,导致机构蜂拥入局,企业征信的发展面临着更大挑战。

企业征信是指征信机构作为提供信用信息服务的企业,按一定规则合法采集、汇总分散在社会各方面的企业信用信息,形成企业征信数据库,加工整理形成企业信用报告等征信产品,有偿提供给经济活动中的贷款方等有合法需求的信息使用。

中国2013年就颁布了《征信业管理条例》,除了央行征信中心外,截止到2018年9月28日,由中国人民银行授权备案的企业征信机构共有122家,相较于高峰期备案企业137家,一直有企业征信机构纷纷注销牌照或业务转型,由于其门槛较低,数据和产品同质化程度高,导致机构蜂拥入局,企业征信的发展面临着更大挑战。

企业级知识图谱可以建立企业与企业、企业与个人间关系,挖掘和预测潜在风险关联企业上文讲到通过智能化技术为法人/企业高管、对外投资/关联企业建立联系,智能风控通过构建企业级知识图谱,还可以完成个人与企业之间的风控逻辑转换。

知识图谱的基础是多维度海量数据库、语言关系认知能力和知识库表示结构。在申请欺诈风险识别场景,知识图谱整合和关联内部结构化数据、非结构化数据以及互联网采集数据、第三方合作数据,建立企业与企业之间的投资、上下系、担保关系,企业与个人之间任职、实际控制、一致行动关系,及时预测未来潜在风险关联企业;知识图谱还可以根据行业信息建立关系挖掘模型,展示每个行业间关联度,及时预测未来有潜在风险的关联行业企业,对相关风险做出预判。

除了申请阶段的反欺诈,通过构建企业相关负责人已知欺诈要素如手机、设备、账号、地域等维度的关系图谱,对海量风险数据离线统计分析,收集风险运营反馈结果,优化风险模型和规则,还能做到交易阶段的反欺诈。

智能手段助力企业征信数据整合,打破数据孤岛,实时监测经营数据,实现企业数据资产化,将其转化为衡量企业重要标签。

截至今年5月底,央行征信系统收录企业和其他组织2531万户,而今年3月份我国市场主体数量已突破1亿,央行征信系统的覆盖率只有25%。

基于大数据、人工智能技术,数据的处理、分析和建模能力能够更好的挖掘企业信息价值,整合资源平台,通过知识图谱打通企业之间的联系;降低渠道成本的同时,打破数据孤岛,打通各平台企业数据通道;实时监测异常经营数据,缩短预警周期;将多维、海量企业数据转化为资产,成为衡量企业的重要标签。

对于取得牌照的122家征信公司依托备案赋予的能力能发展到什么规模,除了取决于央行的开放程度,金准人工智能专家认为,不管是企业征信还是个人征信,能否利用最基础的数据和算法,建立符合商业应用环境与政策要求的模型和系统,才是未来企业竞争的决定性因素。

对比国外巨头企业,国内企业征信公司商业模式有待探索,基于自身更适合中国金融环境发展的风控技术协助金融机构决策。

邓白氏在中国的入局可以成为国内企业征信最具特色的代表案例:邓白氏是美国企业征信巨头,几乎垄断美国市场,2006年邓白氏和华夏信用在国内成立合资公司,开启外资进入中国征信行业的先河。邓白氏主要服务产品有:测量风险、设定信用/贷款条款、提供商业信用报告、风险预测评分等,主要为了帮助贷款企业降低信用风险、增加现金流,为金融机构减少信用和合规性风险。

具体解决方案中,邓白氏编码和DUNSRight数据质量管理流程是企业征信服务的典范:邓白氏编码是成功建立企业族系树的关键,类似企业知识图谱,而DUNSRight ® 信息质量管理流程利用智能手段对来自数千信息资源的信息进行收集、整理、编辑与验证。

分析华夏邓白氏的商业模式可以发现,基于数据征信服务衍生其他配套产品服务是企业核心竞争力,而对于还处在发展初期的中国企业,在这个方面还需要多加探索和尝试,基于自身更适合中国金融环境发展的风控技术手段,协助金融机构进行风控决策,促进智能风控发展。

企业信用评估和智能舆情监控等企业智能风控产品的出现为小微企业信贷带来更多选择,助力小微企业解决信贷难题。

智能风控关于企业信息等级评分开发了一系列一站式企业信用评估产品,例如企业主体评估、关联人评估、关联企业评估等,旨在通过一站式企业信用评估系统,解决多次查询导致的信息分散、操作不便等痛点,提高效率;将企业风险通过策略风险分的形式呈现,将关联风险信息涉及的主体名称、数量、关联关系等以类别的形式呈现,将企业投资关系以关联图谱的形式呈现,将风险量化、可视化展示;可灵活配置风控策略与决策流,实时响应小微企业贷款风控政策的变迁。所有信用评估产品不会涉及具体信息,均已评分形式展示,以此为基础为企业信贷提供差异化风险定价提供了可能。

贷中监控中的智能舆情模块,基于机器学习和人工智能对企业新闻舆情进行二次加工处理,实现归类汇总相似新闻事件和智能判断新闻结论,用于金融信贷领域的企业舆情监控、关联方舆情监控等领域。

合理应用大数据、人工智能和区块链技术解决供应链金融为企业信贷带来的新风险供应链金融是企业信贷的一个业务层面,尤其是小微企业的信贷风险偏高,影响企业经营波动因素较多,所以供应链金融这种注重真实贸易信息大于企业常规信息、期限较短、流通性好、可分散风险的商业模式被接纳水平较高。

以数据为核心的供应链金融可以强化企业在供应链上的地位,增加供应链的稳定性。但是供应链金融的引入也会为企业信贷带来新的风险,利用供应链金融转移信贷风险的同时,还需处理两者的平衡关系。除此之外随着物联网、区块链等技术的进步,供应链金融在数据征信、资金流和信息流方面都将有很大提升。

商业银行进行经营战略转型过程中,将供应链金融作为转型着力点和突破口之一,企业信贷风控智能化将成为下一个“风口”银行业空前重视供应链金融业务。目前商业银行在进行经营战略转型过程中,已纷纷将供应链金融作为转型的着力点和突破口之一。

各家商业银行受信贷规模限制,可以发放的贷款额度有限,而供应链金融围绕核心企业,管理上下游中小微企业的资金流和物流,并把单个企业的不可控风险转变为供应链企业整体可控风险,通过立体获取各类信息,将风险控制在最低;

目前智能风控布局中小微企业贷款业务板块的企业较少,金准人工智能专家认为主要是两个原因:一方面受限于部分金融机构对于小微企业贷款的不重视,另一方体现在智能风控技术在企业信贷流程中效果不明显,导致带来的收益不理想。因此从投入产出衡量,更多的企业会优先选择个人信贷风控;

随着技术的不断升级,从企业借款申请、授信评级、审批到贷后全流程的数字化、智能化开始发挥作用,可预见企业信贷的风控智能化将成为下一个“风口”。

五、智能风控发展挑战与趋势

5.1 智能风控发展挑战

根据调查问卷发现大型商业银行被认为对智能风控信心程度最低,而消费金融和互联网借贷公司信心程度最高。

根据调查问卷中被调企业对于各类金融机构对智能风控的接受程度统计,赋分计算。通过此次调研结果,发现大型商业银行对智能风控信心程度最低,仅有67分,而消费金融和互联网借贷公司信心程度最高,可以达到90分。

为了探索该结果的结果导向因素,金准人工智能专家访谈了部分参与问卷的企业负责人,可以得知:大型商业银行虽然信心程度较低,并不完全代表大型商业银行不愿意布局智能风控技术,其中有很大一部分原因是由于银行自身风控体系涉及多部门协作,布局智能风控需要协调全流程的安全性、完整性和可用性,因此落地步伐较慢。

互联网借贷公司信心程度分值高,更多是因为其自身“互联网”角色,因此对于IT技术甚至金融科技等新兴技术的探索较为积极。

5.1业内企业对智能风控应用挑战的不同观点

目前智能风控的应用已经对各类从事信贷业务的金融机构产生了很多积极影响,而且随着技术的发展和服务产品模式的打磨,不管是个人信贷风控还是企业信贷风控,都将在智能化的转型中获得更多实际的价值。

但是人工智能、云计算和区块链等技术还处于发展阶段,其在金融领域的应用也还在探索,复杂多变的金融场景会给智能风控未来发展带来更多考验,因此金准人工智能专家通过整理深度访谈企业资料,带来从业者对智能风控应用挑战的代表性观点。

65.08%的企业认为“银行业金融机构对安全性信任不足,接受缓冲期长”是影响智能风控落地的主要原因。

除了整理深度访谈企业对于智能风控落地困难的理解,金准人工智能专家还通过调查问卷采集了从事智能风控的业务负责人观点,试图从企业业务拓展中遇到的困难和挑战揭示需求端对智能风控落地带来的困难。

调查问卷结果显示,有65.08%的企业认为“银行业金融机构对安全性信任不足,接受缓冲期长”是主要原因,其次被认知的落地困难还有“国家政策缺口,会造成不可预测波动”和“数据隐私没有保障,用户接受程度低”。

在被调企业中仅有6.35%认为智能风控的落地应用没有客观性困难。

现阶段智能风控应用的挑战和困难可以总结为五点,分别为:数据、人才、政策、场景和开放性。

虽然智能化手段可以为信贷风控业务带来自动化、便捷性、差异化的改变,机器代替人解决了人在业务流程中的潜在主观风险和能力范围扩展,但不可忽视的是机器甚至技术本身也是风险承载体,在看到智能风控落地的各种效果和前所未有的改进后,市场也需要客观正视智能风控落地应用过程中带来的其他矛盾和问题。金准人工智能专家认为现阶段智能风控应用的挑战和困难可以总结为五点,分别为:数据、政策、人才、场景和开放性,这五点也会成为企业占领市场的核心竞争力。

5.2 智能风控发展趋势

随着智能风控的火热布局,国家政策的积极推进,智能风控进入快速发展阶段。但是从目前发展存在的困难和挑战考量,智能化技术如何更好地服务于信贷业务,还需要经过更多市场的考验。信贷业务发展多年,如何利用智能风控理想化地实现智能,未来智能风控会向怎样的方向发展,通过对市场的了解和各类企业对于智能风控的理解,金准人工智能专家提出了几点趋势预测,仅供参考。

监管趋紧的背景下,只有基于“数据+模型+平台”的一站式服务闭环才能够满足金融机构的自身技术升级需求。

大多数平台过分强调贷前的风险控制,而忽略了贷中和贷后的风险管理。随着行业的不断规范发展,显然相对单一孤立的风控产品已经无法适应行业发展现状,全信贷生命周期的管理才是未来风控的发展方向。

金准人工智能专家认为,在监管趋紧的背景下,只有基于“数据+模型+平台”的一站式服务闭环才能够满足金融机构的自身技术升级需求。一站式服务覆盖了从数据处理、产品化设计、个性化匹配到本地化部署涉及的各环节,技术服务公司基于需求端硬件条件,布局技术产品甚至人员培训,致力打造专业化、个性化的智能风控平台,适用于贷前、贷中、贷后各环节能力匹配的风险控制,不仅可以客观进行标准化风险评估,而且还能智能跟踪预警,通过灵活执行差异化风险策略,有效控制逾期和坏账,也为满足监管层的合规要求提供了基础。

智能风控软硬一体化提升了不同行业、不同应用场景对于智能化风控的使用效率和布局速度,节省了大量定制化人力和时间。

Gartner咨询公司曾经预测:2018年35%的服务器将以集成系统方式交付,虽然现在一体机、超融合系统的发展进程还比较缓慢,远远低于市场的预期,而且产品的效果还有待检验,但是企业对于智能风控软硬一体化一直在探索。

软硬一体化产品更适合各行各业网络化的应用属性,或将成为金融行业的“Microsoft”。除了高性能和全流程能力的表现外,智能风控软硬一体化提升了不同行业、不同应用场景对于智能化风控的使用效率和布局速度,节省了大量定制化需要消耗的人力和时间成本,无需考虑客户的硬件水平所匹配的软件等级;同时,标准化和模块化系统的灵活应用,也有利于企业快速适应新技术环境下产品的迭代升级。

各类智能风控参与者积极推进生态共享,线上和线下场景深度融合,线下和线上大数据资源共享,为深度融合提供有利前提。

目前智能风控的数据和模型发展处于初期,服务企业的产品服务还不够成熟,大部分企业表示面临数据不开放的难题,未来中国的数据产品市场势必面临着标准化的考验。但是,结合行业革新的进展和企业的探索,不管是数据端、技术端还是需求端,都在积极推进生态共享,特别是线上和线下场景的深度融合,线下和线上大数据的资源共享,会成为智能风控各参与方深度融合的有利前提。

在各路政策的推动下,不仅信贷业务的智能化程度会越来越高,金融科技的应用场景也会不断拓宽。金融各细分场景存在较大差异,未来金融科技服务商需要挖掘差异化的产品服务,以发挥金融科技产品的更大价值。

现阶段金融科技中除了智能风控外,智能营销、智能客服和生物认证布局较多,未来看好金融云、智能审计和智能投研发展。

金融智能风控公司对于金融科技其他领域的积极探索,揭示着金融科技公司服务多元化的时代正在来临。受访企业中,除了以智能风控为主,大部分还布局智能营销、智能客服和生物认证;未来3-5年,将会增加金融云、智能审计和智能投研的研发投入。


总结

个人和小微企业贷款余额不断增加,商业银行不良贷款余额攀升,这种现状反映出传统风险管理已经不能满足现有需求和潜在风险,智能化风险管理急需落实。而新科技如何助力金融机构风险管理数字化、智能化?金准人工智能专家认为,随着传统金融环境的革新,传统的风控手段已经不足以满足个人消费旺盛引发的贷款需求增长和长久以来被传统金融机构忽视的小微企业的贷款需求,金融科技的发展极大促进了风险控制的智能化转型。