• 项目
首页>>文章列表 >>行业研究
行业研究

金准人工智能 2019年我国无人零售行业 发展趋势分析

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 人工智能芯片研究报告

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 未来十年消费将是中国经济最大动力

金准人工智能认为中国消费者对商品和服务增加支出具备极大潜力,同时旨在降低收入分配差距、提高住房负担能力和稳固社会保障等政策将可促进中国转向消费主导型经济体。随着信贷驱的动投资收益消退和外贸环境持续恶化,中国近期出台多项措施支撑消费,其中包括降低低收入群体的税负。


金准人工智能分析了流量和库量数据,家庭在全国可支配收入总额中的份额似乎已经触底,其购买力随着 GDP 的增长而上升。此外,自 2010 年以来家庭储蓄率持续下降,与老年人口抚养比率的上升相吻合。依据日本和韩国的经验,中国储蓄率(目前约为 36%)或降至个位数。家庭金融资产规模为债务规模的三倍,因此具备潜力增加消费支出,尤其对高质量服务的消费。


金准人工智能预计中国正在推进的城镇化进程和中产阶级的崛起将推动消费扩大和升级,预计 2030 年左右中国 GDP 规模将与美国比肩,家庭消费额将由 2017 年仅达美国水平的 35%升至约 70%。


一、对国内消费预期乐观


中国经济一直逐步由传统依赖出口和投资中重新平衡。1991-2000 年间,净出口对GDP 增长的贡献年均达 0.6 个百分点;2000 年后这一比例转向小额负值,年均为-0.1个百分点;2001-10 年间,投资成为对增长最大的贡献要素(年均贡献达 5.8 个百分点),超过消费对 GDP 增长的贡献(4.9 个百分点)。然而,过去 7 年(2011-2017),消费已成为对 GDP 增长最主要推动力,年均贡献达 4.3 个百分点。受此推动,2017 年家庭消费占 GDP 的比例回升至 39%。


2015 年中国社会商品零售总额已超过美国,但 2017 年家庭商品及服务的消费支出仅为美国的 35%(图表 4 和 5)。2017 年中国社会商品零售总额达 5.4 万亿美元,高于美国的 5.1 万亿美元。2017 年中国家庭消费为 4.7 万亿美元,大幅低于美国的 13.3 万亿美元。


金准人工智能认为社会商品零售总额并非衡量中国私人消费的良好指标,主要原因包括:(1)社会商品零售总额中不仅包括家庭消费,还包括企业和政府机构消费,以及建筑材料等投资品的消费;(2)中国社会商品零售总额数据未完全覆盖所有服务的消费。美国对服务的消费支出占消费总额的比例接近 70%,而中国这一比例仅约 50%。因此,基于更加可信赖的最终消费数据,中国是全球第二大消费市场。


考虑到中美贸易紧张关系或将持续的背景下,中国寻找推动国内增长的其他引擎已变得迫在眉睫。为实现今年的增长目标,政府正推行更加积极的财政政策以支持基建投资,同时已淡出货币政策的偏紧倾向。与此同时,鉴于政府已意识到基建投资的回报率下降,国务院近期已出台一系列政策刺激家庭消费,寄希望于在更长时期内通过消费维持经济增长势头。


二、国内消费的驱动因素


随着城镇化持续推进、人口老龄化加深和中产阶层的崛起,金准人工智能认为消费在继续充当新的增长引擎方面具备极大潜力。与此同时,促进加速城镇化、改善收入分配、确保社保体系具备财务可行性以及推进保障房建设等政策将有助于释放这一潜力。


1、城镇化正改变消费行为


过去十年(2008-2017),中国每年平均有超过 2000 万人从农村迁进城市,这种迁移使城镇化率每年提高了 1 个百分点以上。更为发达经济体的经验表明这一趋势还将持续,直至城镇化比例稳定在 70-80%。随着 2017 年底中国城镇化比例约达 58%,金准人工智能估计在达到 70-80%之前还需 10 年。


城镇化正在推动投资和消费。随着农村劳动力进入城镇并从事更具生产效率的工作,其收入将显着增加。重要的是,城市居民倾向消费得比农村居民多。据官方已公布数据显示,2017 年中国城镇人均消费规模为农村地区的两倍还多。近期部分城市放宽了户口(户籍)政策,旨在吸引大学毕业生和进城务工人员在当地落户。目前部分城市的进城农民工有资格申请保障性住房。政府还承诺将做到基础公共服务全覆盖(包括医疗和教育服务等),而进城人员无需放弃农村土地。此类措施将鼓励农村劳动力进入城市谋取收入更高的工作(有些情况更是举家迁入)并成为城市消费者。


2、老龄化趋于降低储蓄率


自 2010 年以来中国家庭储蓄率持续下降,与老年抚养率的上升相对应。 在2010 年之前的 20 年里,储蓄率一直保持上升趋势,部分原因在于缺乏完善的社会保障体系,迫使中国家庭不得不更多地储蓄以便用于购买商品房、子女教育和医疗服务。


2010 年储蓄率达到 43%,为全球主要经济体中的最高水平。此后这一比例逐步下降,具体原因包括社保体系覆盖范围的扩大和老龄化趋势加速等。


各国比较分析的结果趋于支持生命周期理论 ,即一个老龄化的社会中,由于老年人口储蓄较少,储蓄率将随之下降。世界银行针对经合组(OECD)、东欧和前苏联的中等收入成员人口的一份研究结果指出,老年抚养率上升 1 个百分点将伴随私人储蓄率下降 1.16 个百分点。日本和韩国的经验证实了这一关系。


未来几十年中国人口老龄化进程还将延续,家庭储蓄率或将降至单位数。中国老年抚养率目前约为 16%,金准人工智能预计二孩政策下 2065 年老年抚养率将升至 55%,若生育政策完全放开 2065 年将升至 48%。以日本为例,2000 年日本老年抚养率升至 25%以上,此后家庭储蓄率持续下降。


老龄化的人口将增大对医疗、老人护理、与老人相关的娱乐和金融服务等高质量服务的需求。这一新的需求来源应有助于支持经济增长转向由消费和服务业拉动。


3、中产阶层对高端商品和服务的需求上升


尽管丰富劳的动力供给带来的人口红利日益消退,中国经济将受益于劳动力质量的提升。过去 20 年中国大学教育规模扩大,2018 年新增大学毕业生人数由 2000 年的约100 万猛增至约 800 万人。未来十年这一数字还将继续增长;到 2030 年,金准人工智能估计中国将拥有至少 2200 万大学毕业人口,占劳动力总数的比例约达 27%,接近目前德国、法国和英国的水平。随着劳动力受教育程度提升,劳动力生产效率将提高且工资将上升,中产阶层规模将进一步扩大。


除了刺激消费支出,中产阶层的扩大将促进聚焦高端消费品和现代服务的新兴产业的兴起。汽车、通信、金融、医疗和娱乐服务等方面的需求或将上升。近几年中国出境旅游人数暴涨,反映国内高端娱乐设施及服务供给不足,难以满足国人需求的大幅增长。


4、破除障碍


金准人工智能认为需缩小贫富差距以促进消费增长。由于低收入群体具有较高的消费倾向,贫富差距扩大或将限制整体需求增长。依据国际货币基金组织工作报告,按基尼系数衡量,目前中国贫富差距程度是居世界最高的。政府近期出台个税改革方案旨在降低低收入群体的税收负担。金准人工智能将这一举措视为政府朝着正确方向迈出重要的一步,但认为有必要对资产征税(如房产税)以阻止贫富差距持续扩大。


房价泡沫是可能抑制消费的另一因素。即便政府已出台史上最为严厉的限购、限售、限贷和限价等楼市政策,住宅价格仍持续攀升。


部分大城市房价与收入之比已突破 10 倍,按揭贷款支出对居民其他支出项目形成挤出效应。金准人工智能认为需要长期解决之道使住宅更可负担,具体措施包括发展租房市赁和出台房产税。


资金充足的社会保障体系对降低预防性储蓄同样十分关键。随着人口老龄化加大养老金负担,以及加入劳动力市场并对养老金计划做出贡献的年轻人减少,养老金收支缺口或将随时间的推进而扩大。自 2013 年以来养老金收入已持续落后于支出,缺口由财政进行补贴填补。尽管有关养老金缺口的估测大小不一,中国社科院进行的一项研究预计 2010-50 年间需由财政补贴的养老金缺口的贴现值规模达 66 万亿元,相当于 2011 年 GDP 的 137%。政府已承诺将部分国有资产转化为养老金资金以收窄这一缺口。金准人工智能认为中国还需提高退休年龄并允许养老金投资更高收益的资产,以便提升对养老金体系长期可持续性的市场信心。


三、家庭财务收支保持稳健


近年来,中国的家庭债务激增,引发关注。截至 2018 年中中国家庭债务与 GDP 的比例已达到 51%,大幅高于 10 年前的 18%。2017 年家庭债务与可支配收入之比突破 80%。值得一提的是,2016-17 年家庭消费贷款年均增长近 30%,主要受按揭贷款上升的推动。这一变化导致市场担忧沉重的债务负担或抑制家庭消费能力,尤其是如果房地产市场经历重大调整时情形将更加严重。


目前水平来看,家庭债务仍然可控。中国居民负债比率仍低于韩国、马来西亚和泰国,后三者均高于 60%。中国家庭偿债比率略低于 10%,仍相对健康。更重要的是,政府为抑制房产泡沫前所未有地大幅收紧楼市政策,在此背景下按揭贷款获取难度增大并导致贷款成本上升,2018 年初以来家庭贷款增长持续减速。若家庭信贷增长于名义 GDP 增长持续趋同,未来几年家庭负债比例不太可能会突破 60%。


此外,依据中国社科院数年前发布的中国政府和家庭资产负债数据显示,目前中国家庭部门收支状况在总体上仍显稳健。基于中国社科院的方法并采用了更为保守的假设,以下发表金准人工智能对 2016 年中国家庭资产负债表的测算:


• 中国家庭总资产达 300 万亿元,约 44 万亿美元且占 GDP 的 400%;


• 房地产资产突破 168 万亿元(占家庭总资产的比例达 57%),反映人均居住面积快速增长和住宅迅速升值。


• 现金、存款、股票和理财产品等金融资产达 108 万亿元(占总资产的 37%);


• 住户部门贷款形式的债务总额约达 33 万亿元


• 家庭金融资产约为债务规模的 3 倍


因此,尽管近期家庭债务扩张速度不太可能会持续下去,2018 年初以来的信贷增长放缓和家庭财务稳健状况促使金准人工智能相信,短期内家庭负债状况不会成为限制消费的主要约束因素。


四、消费上升趋势有望持续且超过 2030 年


金准人工智能预计未来十年消费仍将是中国经济增长的最大驱动因素。面临城镇化持续推进、人口老龄化加深和中产阶级崛起,金准人工智能看到消费的巨大潜力且增长继续快于投资。此外,减轻低收入群体的税负、缩小社保融资缺口以及完善消费者保护法规等措施应有助于提升家庭消费的能力及意愿。金准人工智能可以支持消费成为未来 GDP 增长主要贡献因素的相关假设列出如下:


• 中国城镇化率目前约为 58%,未来每年将继续上升 1 个百分点;


• 基于金准人工智能对中国潜在增长的估测,2018-20 年 GDP 年均增长或达 6.4%,2021-30年或达 5.4%;


• 家庭可支配收入增长将与名义 GDP 增长保持同步;


• 家庭储蓄率每年将下降约 1 个百分点,到 2030 年将由 2017 年的 36%降至25%,与近期趋势保持一致。


金准人工智能预测,2030 年家庭消费将占到 GDP 的 46%,高于 2017 年的 39% - 这仍远低于美国目前的 68%,表明即便 2030 年后中国家庭消费上升仍具备广阔空间。中国家庭消费中服务消费占比或将进一步上升,目前服务消费占家庭消费总额的比例约为50%,仍低于目前韩国、日本和美国的水平。


值得一提的是,鉴于中国近期消费趋势和其他经济体的历史经验,未来中国家庭对住房、医疗、养老服务、教育和娱乐等方面的消费占总消费的比例或将上升,同时食品、服装及其他商品的消费份额或将随之下降。


金准人工智能 解析香港汇率和房价的关系

过去十多年,中国香港地区的房价大幅度上涨,香港也因此连续八年稳坐全球房价最难负担城市榜首,属于“极度负担不起”之列。但最近几个月,香港房价明显回调,背后的原因何在?金准人工智能现在从汇率、房价联动的角度出发,考察这一问题。



一、香港楼市寒意渐浓


过去十年中国香港地区房价持续攀升,成为全球房价最贵的城市。08年至今,港岛、九龙、新界A类私人住宅出售均价分别上涨2.4倍、2.7倍和3倍,且年均以11%、13%、14%的速度增长,香港房价跑赢全球。2018年11月,香港房价收入比约为48倍,市中心住宅售价租金之比高达53倍,绝对房价与租售比均居于全球主要城市前列,远超同属于亚太地区的新加坡、东京。


香港也因此连续八年稳坐全球房价最难负担城市榜首,属于“极度负担不起”之列。



但最近几个月以来,香港房价明显下滑,楼市出现降温的迹象。2018年6月至9月,港岛、九龙、新界A类私人住宅售价分别下滑3%、7%和4%;租房市场略滞后于售房市场,8月至9月,港岛、九龙、新界A类住宅租金分别下滑0.2%、4%和4%。经历了近10年牛市的香港房地产,寒意渐浓。


其实最近几年香港的楼市调控一直在收紧,但并没有阻止房价的继续飙涨。香港特区政府和金管局近两年多次出台了房地产调控政策,以抑制房价过快上涨,皆未取得理想的效果。2016年11月针对第二套住宅印花税加增至15%,非香港公民额外征收房价15%的买家印花税,多次提高首付比例,收紧开发商融资贷款,香港住宅价格不但没有因为交易税加重而下调,反而持续上涨。


货币政策方面,自2015年起香港就在跟随美联储加息,但也未曾打压到房地产价格,为何此时香港楼市呈现疲软现象?




二、之前“假”加息,涨了房价但打压汇率


要了解香港的房价变化,我们不得不先看下其货币政策,而要了解香港的货币政策,就必须了解香港的汇率政策。


香港自1983年10月起实行联系汇率制度,而联系汇率是固定汇率制度的一种,以百分百的汇率保证,紧紧盯住美元。香港金融管理局承诺在汇率达到7.75港币兑1美元的水平时向持牌银行买入美元(强方兑换保证),在汇率达到7.85港币兑1美元的水平时向持牌银行出售美元(弱方兑换保证),在7.75至7.85之间时,金管局也可以根据需要进行操作。按照这样的汇率制度安排,可以保证港币兑美元汇率维持在7.75-7.85之间。


但是这样的汇率制度安排,也导致香港彻底失去了货币政策的独立性,香港货币政策操作的唯一目标就是稳定汇率。由于在香港市场资本是完全自由流入和流出的,要维持港币兑美元汇率的稳定,香港金管局的加息和降息政策都只能跟随美联储的步伐。当美联储加息时,香港往往会面临资本流出和港币贬值的压力,需要被动跟随加息;当美联储降息时,香港又面临资本流入和港币升值的压力。在过去的20多年中,美联储每次加息或降息后,香港金管局几乎都会跟随行动。



本轮美联储加息周期中,香港金管局也每次都跟随加息,但港币市场利率并没有随之走高,加的是“假”息。香港的政策利率是贴现窗利率,即是银行向金管局借钱的利率,贴现窗最主要的作用是在银行间资金紧张时为金融机构提供流动性支持。但如果市场上的流动性很充裕,市场利率低于贴现利率时,金融机构可以从市场去借钱,而不需要向金管局借“高价”钱。此时,贴现窗利率的提高并不会带动短期市场利率HIBOR上升,金管局加的就是“假”息。


2008年之后,美国实行超级宽松的货币政策,在港币的升值压力下,香港利率也大幅降至低位,再加上大陆人民币资本流入,总的来说香港金融市场流动性充裕。所以金管局跟随美联储加息后,市场上的流动性并没有收紧,市场利率远远低于政策利率。


例如2018年3月,香港贴现窗基本利率为2.0%,而市场短期利率HIBOR 不足1.2%,所以这个时候金管局无论怎样上调贴现利率都无法影响市场利率。



货币并未大幅收紧,香港房价持续上涨。在流动性并没有大幅收紧的情况下,香港房地产市场上涨动力持续不减。2016年初-2018年1季度,香港政策利率从0.5%提升至1.75%,但由于市场利率并没有跟随提升,港岛A类私人住宅售价依然上涨了35%。


但港币对美元却面临较大的贬值压力,多次触及弱方兑换保证。2017年初至2018年1季度,1个月期限的Libor美元利率和Hibor港币利率之间的利差从不足5BP,不断扩大至110BP。当美元利率相比港币利率走高时,套利资金可以借入港币兑换成美元获得更高收益,套息交易频繁,是港币对美元贬值压力的主要来源。



三、现在“真”加息,稳了汇率但打压房价


2017年以来,由于港币市场利率偏低,港币对美元就在面临持续的贬值压力,香港金管局今年以来出手收紧流动性、稳定汇率,开启了“真”加息之路。2018年二季度以来,金管局多次买入港币投放美元,香港银行体系总结余账户降到了2008年末以来的最低水平。收紧了基础货币,港币短端市场利率与政策利率逐渐收敛,与美元利差也在缩小,从而稳定了港币汇率,港币兑美元的汇率稳定在了7.85弱方兑换保证下方。


但全面加息背景下,香港住宅按揭贷款利率上升,直接打压资产价格。香港的中长端贷款利率和短端政策利率是高度相关的,在短期港币利率一次次触及近10年新高后,汇丰、渣打、中银香港等主要银行也跟随上调按揭贷款利率。9月,香港最优惠贷款利率上调至5.125%,住房贷款利率也创近10年来最高值,对高企的房地产价格构成直接的压力。



货币紧缩后,香港房地产调控政策对房地产的压制作用也凸显了出来。2016年11月起针对第二套住宅印花税加增至15%,2017年5月收紧开发商融资贷款,且多次提高首付比例,住宅按揭贷款增速明显放缓至13%左右,住宅按揭贷款占总贷款比重也由2016年的14.3%降至13.1%。


资本从流入到流出,香港楼市也将面临考验。全球金融危机后欧美超级宽松的货币大量流入香港,当前美国继续加息紧缩,香港将面临资本流出的压力,在稳汇率的压力下,港币流动性势必收紧,打压房地产市场,而房价下跌也会进一步加剧资本流出压力。



四、不可能的权衡,汇率和利率的选择


香港面临的汇率、利率和房价问题,本质上是国际金融领域的“不可能三角”问题,即资本自由流动、汇率稳定和货币政策独立三者不可兼得。香港市场资本自由流动,在美联储加息的情况下,要稳定港币汇率就必须提高利率,而提高利率就会打压高企的房地产泡沫;而如果不提高利率,港币就会面临持续贬值压力,联系汇率制就会受到威胁。


当前香港金管局已经做出了选择,我们认为短期港币汇率无大碍。因为从汇率制度设计来说,港币在发行时需按7.8港元兑1美元的汇率向香港金管局提交等值的美元,有充足的美元储备支持。当前香港外汇储备(换算成港币)是流通中港币的6.89倍,占广义货币M3的24%,而且大陆充足的外汇储备也是潜在支持。在港币出现贬值压力时,金管局干预汇率本质上属于联系汇率制度下的正常货币政策操作,不必对港币汇率波动过于惊慌。


但稳汇率、收紧货币会打压房价,香港房价会面临回调压力。不过整体我们认为香港住宅市场供给体量有限,也有大陆等亚洲地区富人需求端的支撑,预计香港房价失速下滑的概率较小。



在经济下行压力较大的情况下,当前市场对于国内房地产调控政策放松的预期快速升温。通过货币刺激房价很容易,但问题是能否承受房价进一步走高的风险。从长期来看,资本项目的管理是很难维持的,若进一步宽松来刺激资产泡沫,汇率贬值压力会更大,必然要面临汇率和利率的选择。而且即使汇率贬值了,货币刺激再来,房价就会一直涨吗?其实也很难。没有永涨不跌的资产价格,15年的创业板下跌同样发生在货币宽松的环境中。没有人知道资产价格的拐点何时到来,但有一点是确定的,涨多了的价格肯定会回调。


五、结论


1、香港楼市寒意渐浓。过去十年中国香港地区房价持续攀升,成为全球房价最贵的城市。但最近几个月以来,香港房价明显下滑,楼市出现降温的迹象。其实最近几年香港的楼市调控一直在收紧,但并没有阻止房价的继续飙涨。货币政策方面,自2015年起香港就在跟随美联储加息,但也未曾打压到房地产价格,为何此时香港楼市呈现疲软现象?


2、之前“假”加息,涨了房价但打压汇率。香港自1983年10月起实行联系汇率制度,而联系汇率是固定汇率制度的一种,导致香港彻底失去了货币政策的独立性。本轮美联储加息周期中,香港金管局也每次都跟随加息,但港币市场利率并没有随之走高,加的是“假”息。在流动性并没有大幅收紧的情况下,香港房地产市场上涨动力持续不减。但港币对美元却面临较大的贬值压力,多次触及弱方兑换保证。


3、现在“真”加息,稳了汇率但打压房价。香港金管局今年以来出手收紧流动性、稳定汇率,开启了“真”加息之路。但全面加息背景下,香港住宅按揭贷款利率上升,直接打压资产价格,且香港房地产调控政策对房地产的压制作用也凸显了出来。全球金融危机后欧美超级宽松的货币大量流入香港,当前美国继续加息紧缩,香港将面临资本流出的压力,在稳汇率的压力下,港币流动性势必收紧,打压房地产市场,而房价下跌也会进一步加剧资本流出压力。


4、不可能三角的权衡,汇率和利率的选择。香港面临的汇率、利率和房价问题本质上是不可能三角的选择问题。当前香港金管局已经做出了选择,香港外汇储备充足,我们认为短期港币汇率无大碍,香港房价会面临回调压力。在经济下行压力较大的情况下,当前市场对于国内房地产调控政策放松的预期快速升温。从长期来看,资本项目的管理是很难维持的,若进一步宽松来刺激资产泡沫,汇率贬值压力会更大。而且即使汇率贬值了,货币刺激再来,房价就会一直涨吗?其实也很难。没有永涨不跌的资产价格,15年的创业板下跌同样发生在货币宽松的环境中。没有人知道资产价格的拐点何时到来,但有一点是确定的,涨多了的价格肯定会回调。




金准人工智能 运动大数据行业研究报告

金准人工智能运动大数据的定义为通过智能硬件对多名使用者的多维度运动行为数据进行获取,收集,储存及计算处理,在达到某一量级之后可以为运动者的训练做出指导,反馈身体状态及变现。


运动大数据特征主要为其来源及维度的多样性以及目前和未来的特殊应用场景;运动大数据行业以政策及技术为核心,经济与社会为驱动因素为行业未来发展赋能;运动大数据行业未来趋势会集中在算法及硬件的创新,应用场景便捷化以及与健康管理相结合的方向上;运动大数据人群具备高学历,高认知,以健康管理为目的进行运动并且愿意购买智能运动装备。


一、运动大数据定义与特征


运动大数据定义


通过智能方式获取的多维度运动数据并加以变现的信息资产


运动数据:通过硬件对使用者的单维度运动行为数据进行获取,收集,储存,为使用者提供其运动后的统计数据。


运动大数据:通过智能硬件对多名使用者的多维度运动行为数据进行获取,收集,储存及计算处理,可以为运动者的训练做出实时指导,及时反馈身体状态,长期关注并监测自身健康状态。



运动大数据来源


数据来源于自有硬件,合作运动装备商以及第三方硬件商


运动大数据的获取方式一部分是通过自有硬件以及合作运动装备商来实现,在软件内呈现出。以最广为人知的步数举例,步数是通过手机或者手环等的内置采集器(加速度传感器)和处理器(SensorHub协处理器)共同完成的。采集器采集加速度信息,并提供给处理器进行处理。处理分析后的数据通过APP或者小程序呈现出来。另一部分是通过与第三方硬件商合作,开放API数据接口,从第三方硬件中获取运动大数据。


二、运动大数据级别


根据数据价值将运动大数据分为初、中、高三级


对于除去“噪音”的运动大数据可进行维度划分,不同维度的大数据对于运动人群、企业以及行业均有不同的价值。目前运动大数据可以分为三个维度:初级运动大数据,中级运动大数据以及高级运动大数据。而“心率”作为当前落地价值可能性最大的单数据维度,不仅可以作为中级运动数据的核心指标,亦可以作为高级数据的基础指标。


初级运动数据价值:在日常活动中收集简单的运动数据,是纯记录型的运动数据,难以给运动人群提供更多参考改进价值。


中级运动数据价值:相比于初级运动数据更具价值,可供运动人群自行分析运动效果并且只提供笼统运动建议。


高级运动数据价值:在日常生活、工作、运动中通过智能设备不间断采集高级别数据,提升运动人群运动效率与效果,保障运动人群健康。


初级运动大数据应用场景


日常查看运动数据且数据类别无差异,难以留存用户


现有初级运动大数据类别较为固定,且各业内企业都有该类别运动数据。这些数据均可以达到为用户提供简单的运动数据统计对于引流时代的运动大数据行业内企业来说可以很好增加当时用户的粘性并提升用户忠诚度。


随着整个行业人口红利的消失,各家企业也吸引了较大的用户规模,但数据类别的无差异性导致用户逐步流失,粘性及忠诚度的下降。同时应用场景较为单一,无法解决用户运动中更深层次的痛点和需求,所以初级运动大数据应用场景的未来想象空间有限。


中、高级运动大数据应用场景


中、高级运动大数据的实时监测性更吸引用户并具发展空间


由于初级运动数据已无法满足用户对于运动健身更高的要求及期待,同时伴随着硬件及算法的不断迭代更新,中、高级运动大数据的出现则成为拉开企业与企业间差距的重要因素。目前用户对于运动效果的重视程度已达较高水平,运动中的专业性的运动指导意见与建议是用户较为期待的部分,实时对运动健身动作纠正及状态提示则显得尤其重要。


伴随着用户需求升级,在线运动健身课程和服务的出现不仅可以很好的进行数据上传,分析,可使在线教练为用户提供实时身体状态监测以及更专业的指导建议;同时合理的解决了用户运动健身时间碎片化等问题,最终为用户的健康所保障。所以中、高级运动大数据的应用场景不再单一,更具较大发展空间。


高级运动大数据未来应用场景


高级运动大数据将会颠覆传统健康管理方式及理念


目前国内运动大数据级别大多处于初、中级,硬件技术及算法等客观条件的制约限制了运动大数据的升级。但从用户需求上可知,健康管理成为促使用户越来越重视运动的驱动因素。未来高级别的运动数据监测有很大几率会在国内出现。


ECG(心电图)等医疗级别数据已出现在applewatchserious4等智能设备中并通过FDA认证,即该数据可作为医疗机构对患者进行诊断的参考。相比于医学上较为繁琐的检测方式,添加于智能设备中的电极最大程度的简化了用户身体状况的监测方式,同时获取的高级运动大数据也会为传统健康管理理念注入新鲜血液。


三、中国运动大数据行业现状及趋势运动大数据行业图谱


行业现状


政策/技术双核心,经济/社会双驱动引领行业发展


运动大数据行业用户规模


WHO研究显示中国仅有14.1%居民不经常运动


根据WHO研究显示,全球三分之一的女性和四分之一的男性没有达到专家推荐的、有益健康的活动水平,即每周至少进行150分钟中等强度的闲暇活动(比如骑单车或快走150分钟),或是75分钟高等强度的体育锻炼(比如跑步75分钟)。而目前中国仅有14.1%的居民不经常运动。


运动APP月活跃用户规模已超过7000万


根据金准人工智能统计,2018年6月运动大数据APP月活跃用户已达到7100万。用户对于健康重要性的认知升级,运动大数据行业中不断推出的智能装备以及APP数据功能持续的完善均成为行业活跃用户规模持续增长的原因。另据相关公开数据显示,目前运动健身行业活跃用户渗透率已超过7%。这也意味着运动健身理念在国内已经较为成熟,行业内各企业已经结束引流时代,接下来行业内企业将集中从用户需求及痛点上制订相关战略。


金准人工智能认为,即使渗透率已经较高,当前出现流量瓶颈,但未来仍有进一步增长甚至爆发的可能,但是必须以国家对于医疗级运动数据的权威认可,技术的强大为前提,使原来医疗器械的用户群体转向使用智能运动装备+APP进行长期的健康数据监测。


运动大数据行业优势与不足


用户需求层面优势明显,行业环境稍有不足


四、运动大数据行业趋势


行业趋势将集中应用场景创新,提升技术能力,更深整合供应链能力为主,静候国家对于医疗级运动数据的权威认可。


智能运动装备应用场景趋势


未来用户更加追求社交功能多样化,运动数据评估,个性化服务以及直播+实时数据监测。

金准人工智能 天猫双11研究报告:新消费时代到来(下)

可以想见,未来的零售领域,时间和空间的距离将无限缩短,从挪威三文鱼到新西兰面膜再到日本马桶、美国豪车,都将成为水电煤一样,打开开关即可享用的日常资源。

3.3 新制造满足更加个性化的消费需求

逐渐消失的人口红利以及全球化的竞争,使得不少传统制造业的处境变得艰难。在新消费时代,消费环节的多样化、个性化需求,消费端积累的丰富数据,以及智能化技术的进步,促使新制造的模式诞生。在2018年云栖大会上马云表示“制造业正在变革”,未来属于大数据重塑的“新制造”。

3.3.1 智慧化、个性化的C2B新制造时代正在到来

金准人工智能专家分析,以数据为核心的新制造,追求的不再是工业时代规模化生产的流水线,而是依托IoT、大数据、云计算、人工智能技术,用互联网链接实体工厂,依据市场和消费需求快速反应,传统制造业延续已久的B2C模式将彻底转向智慧化、个性化的C2B新制造时代。

金准人工智能专家认为,在这一过程中,数据重新定义制造,倒逼产能配置,驱动即时定制,打通产业链。

3.3.2 大数据分析赋能品牌新品孵化

新制造的模式也已经从阿里渗透到更多品牌厂商。2015年,天猫通过大数据分析判断洗碗机将爆发,联手美的培育市场,生产定制款的美的洗碗机。2016年天猫双11,美的洗碗机销售额同比增长超过1900%。

基于阿里的大数据资源,天猫推出新品创新中心,利用大数据建立新品研发的全局仿真系统,向新零售上游推进,帮助品牌主精准把握消费趋势和人群喜好,精准击中消费需求的同时,将新品孵化平均周期从18个月缩短为9个月,助力品牌加速向新制造转型。

母婴品牌全棉时代,通过和天猫合作调研,发现女士洁面、湿护市场存在消费升级需求点,在此基础上该品牌开发了新的洁面巾、卸补妆套盒、湿厕纸三款新品,再通过天猫线上模拟试销产品潜力,产品正式上线首发后一小时销量即达到100万元。

消费者直接参与商品的即时定制也已经开始实践。亿滋联合天猫特别定制奥利奥音乐盒,用户只需打开手淘点击开始定制,就能选取自己喜欢的图案、颜色,并附上祝福语,定制属于自己的私人礼物。

以消费者为中心的新消费时代,消费者将在越来越多品类中,自己决定他们将拿到什么样的产品,成为新品和爆款的真正制造者。

3.3.3 数字化工厂、柔性供应链驱动制造业全面升级

阿里改造升级后的淘工厂是新制造的先行者。通过整合前端供应链的大“S”,赋能零售行业的众多小“b”,利用工业机器人、传感器、摄像头等硬件及协同效率软件,让工厂感知消费温度,实现对C端消费需求的灵活响应。

2018年俄罗斯世界杯急需超大批量世界杯吉祥物,淘工厂通过阿里云IoT工业互联网平台,整合安徽、湖南、广东等10个省份30余家制造商,在30天内完成100万件吉祥物。

3.4 全球共振进一步延展消费地域

2017年阿里巴巴集团主办的天下网商大会上,马云透露了一个小目标:阿里巴巴要做到“五个全球”,即全球买、全球卖,全球付、全球运、全球游。

天猫双11作为线上消费的重要节点,自然也在朝着实践“五个全球”的方向发展。在天猫双11发展的十年中,参与的品牌数量从27扩展到18万+,发货范围从国内拓展到世界各地。

2018年天猫双11期间,天猫国际联合菜鸟、阿里云将率先实现基于IoT技术、区块链技术的全球原产地溯源升级。国内消费者收到商品后,通过手机扫一扫IoT货品追踪溯源码,即可查看进口商品完整的商品溯源实时信息。

2018年天猫双11前夕,阿里巴巴集团宣布与瑞士历峰集团旗下奢侈品电商Yoox Net-A-Porter(以下简称YNAP)签署全球战略合作协议。YNAP是全球第一大奢侈品电商,拥有约950个高端时尚品牌合作伙伴。这意味着通过与YNAP的合作,阿里巴巴间接地获得了近千个时尚品牌的授权,国内消费者在家就能“买遍全球好货”的消费体验又提升到了新高度。

在积极将全球好物引进国内的同时,阿里巴巴也在积极将国内积累的成功经验推广至全球。阿里2017年6月正式推出“天猫出海”计划,以天猫作为主引擎,利用阿里巴巴核心电商板块20亿商品,将天猫生态模式逐步成功复制并落地到东南亚、印度以及全球市场,提高当地电商效率,服务海外消费者。

3.4.1 “天猫出海”助力中国品牌全球化

要帮淘宝天猫平台上近20亿国货“卖到全球”,“天猫出海”计划分成两个部分实施:一是以淘宝为入口,服务在海外生活的近1亿华人;二是通过被收购的东南亚电商平台Lazada,服务于该地区无法使用中文的非华人群体。

2017年4月,阿里巴巴以10亿美元收购了在东南亚覆盖5.6亿消费者的电商平台Lazada的控股股权。后者覆盖东南亚六国、且已建立跨境仓储和物流体系,能帮助阿里巴巴平台的中国商家打开东南亚电商蓝海市场。Lazada在各个国家的站点设立”Taobao Collection(淘宝精选)”频道,中国商家无需投入更多的成本就可实现“一店卖全球”。2017年3月中旬,Lazada新加坡站Taobao Collection(淘宝精选)频道上线,三个月后订单增长已超过六倍。

如今,“淘宝精选”已经在马来西亚、新加坡、印尼、菲律宾及泰国落地,未来还将赋能更多的国内商家。

在逐步完善跨境物流、海外营销、支付等基础设施的同时,天猫推出“超新星全球计划”,以定向邀约的方式快速将中国知名品牌投入海外市场。

一批国人熟悉的民族品牌搭乘“天猫出海”的列车走出国门,组成了一个涵盖了服饰、美食、电子等行业的庞大军团,用硬商品铺陈“中国制造”的强大底气。

据天猫相关数据显示,中华老字号一直高居澳新、欧美等华人集聚地区的热搜榜。老干妈、马应龙、永久、大白兔、张小泉、西泠印社、龙泉宝剑、 华佗、云南白药等成为搜索热度最高的国货品牌,其中恒源祥、云南白药、张小泉、桥头、上海、红心等成为海外地区最畅销的前十大老字号品牌。

从短期来说,“天猫出海”战略是帮助中国商家卖货,从长远来说,实际是在进行中国文化的输出,通过硬商品和软文化的电商方式打造全新的“中国名片”,用代表当下中国最好的制造水准和创新能力来传递中国价值和中国声音。

3.4.2 智慧物流经验输出,致力打造72小时“货通全球”

除了提供平台支持以外,天猫出海还在物流等方面,赋能当地,全方位助力商家深耕海外市场。

早在2015年7月,新加坡邮政就成为菜鸟的战略合作伙伴,并成为菜鸟国际化“货通全球”的重要一环。在新加坡邮政截至2017年6月30日的一季报中,其国际邮政部分的收入增长28.5%,主要因素就是阿里巴巴所提供的运输量提升。

在阿里集团收购Lazada以及首个eWTP(电子世界贸易平台)试点落地马来西亚后,菜鸟向东南亚物流合作伙伴输出技术赋能。以中国家具为例,今年4月,菜鸟引入Lazada物流作为天猫海外出口东南亚的物流合作伙伴后,大件家具原本两个月的递送时效被直接缩短至20天。

金准数据显示,目前菜鸟网络在东南亚的物流仓库超过16个,覆盖新马泰越菲印等东南亚重要区域,马来西亚eWTP和泰国epark正在建设中。菜鸟的智慧物流仓已经在马来西亚落地,通过系统链接和机器人的运用,智慧物流经验从中国走向海外。

目前,菜鸟已做到“货通全球”,服务覆盖224个国家及地区。“未来的物流将跨越国与国间的壁垒,我们希望构建一张没有国界、自由流转的72小时全球物流网。”菜鸟国际总经理关晓东表示。

3.4.3 eWTP计划推动新消费走向更高水平的全球化

2016年,阿里巴巴提出了eWTP(世界电子贸易平台)的设想,这一计划被写入当年的G20峰会文件。所谓eWTP,是一整套面向未来的全球化解决方案,它涵盖物流、清关、支付等方方面面,它是一个在传统多边贸易体系之外的,以中小企业为骨干的贸易平台和机制,将为青年、妇女等各类创业者提供更好地触达全球化的机会。

eWTP甫一提出,就在全球引起了旋风式的反响。东南亚是中国企业出海的前沿。马来西亚是首个eWTP海外数字中枢的所在,泰国也和阿里旗下的菜鸟物流开通中泰生鲜直达通道,当地的金枕头榴莲从原产地开始120小时内,就将被送到19个中国城市的仓库。

在美洲,eWTP的拥趸同样众多。加拿大总理特鲁多则在和马云对话时表达对阿里巴巴的期待:

“希望阿里巴巴在加拿大多花一些时间,帮助加拿大更好地培育、运营和支持那些想要通过阿里平台进入中国的中小企业。”

今年7月初,马云造访比利时并与比利时首相米歇尔会晤,米歇尔表示将成为eWTP合作伙伴,并在列日建立欧洲首个eWTP超级中枢。这意味着,eWTP在欧洲的布局也在加速。

各国对eWTP的积极态度,反映出当前全球化的新趋势,跨国商业平台可以发挥更重要的角色。

而今,eWTP已经得到了WTO(世界贸易组织)的认可。2017年12月,eWTP和WTO、世界经济论坛宣布建立“赋能电子商务”的长期对话合作机制。

eWTP计划的助力下,新消费不会是地区性的现象,而是世界范围内的升级趋势。中国制造正在走出国门,中国的技术、经验以及文化软实力也在不断输出国门。互联网新经济势力的出现,为“全球化”提供了崭新的空间和可能。

结语

金准人工智能专家认为,对于来到第十个年头的天猫双11,主要意义已不再局限于成交额的数字。

作为全世界最大的购物盛典,它记录和推动了这场消费狂欢中各个参与者的变化:消费代际更迭、消费地域延伸、消费内容升级、消费场景拓展……一个又一个边界被突破,这些趋势印证着移动互联网和数字技术推动下的新消费时代到来。

进入新消费的下半场,数据与技术创新将继续变革消费形态、优化供应链,全球共振也会进一步拓展消费地域……消费者成为中心,极致的生活体验成为时代特征。

随着第五代通信技术(5G)标准确立,在全移动与全连接的数字化社会到来之际,新消费时代又将翻开新的篇章。

金准人工智能 天猫双11研究报告:新消费时代到来(上)

前言

十年,对于人群来说,是划分代际的一个标尺;对于企业来说,是验证长远战略眼光和生命力的时间尺度;对于国家来说,则可以看到一个完整的经济周期;对于一个购物节日意味着什么呢?

天猫双11,起源于淘宝商城的一个小范围促销活动,经历了十年的发展,成为每年例行的全民购物大狂欢,参与人数从十年前的百万人发展成现在上亿人,成交金额从5200万跃进到上千亿,增长了3000多倍。而据公开资料显示,中国电子商务交易额2009年接近4万亿,2017年约29万亿,增长了超过6倍,同期的社会消费品零售总额增长了1.92倍。

数字的背后,我们看到的是,天猫双11成为中国人迅速全面拥抱互联网生活的一场洗礼。上到七十多岁的老人下到十几岁的孩子,从沿海一线城市的高端白领到西部小乡村的农妇,都开始懂得使用移动互联网工具来采购商品。我们也看到,天猫双11对于商业世界的推动意义。2009年的天猫双11只有27个品牌参与,今年已经增加至18万个。每一个品牌、每一个商家都想出各种营销新玩法,天猫双11几乎集结了最有实力的品牌和最有创意的营销,已经成为商业品牌的奥林匹克。不仅如此,天猫双11也带动支付、物流、技术等基础设施领域的巨大变革,并催生了新产品、新零售、新制造等更多业态的创新。

天猫双11的十年,正好也与智能手机、移动互联网的兴起同步,见证并经历了中国经济的一个完整周期。通过天猫双11可以更清楚地看到,人们购买行为和购买偏好的变化,背后是人间烟火的升级;看到商业模式的演进、品牌行业的兴衰,背后是宏观经济的冷暖。

天猫双11就像是一幕中国十年经济社会变迁的浓缩剧,而数据就是最好的见证。

更重要的是,我们分明看到这部剧的精彩还在继续。天猫双11对于整个消费经济有引领和预见作用,未来的消费趋势和业态已经初见端倪,这些一日千里的消费升级,都表明我们正身处一个全新的时代。我们叫它——新消费时代。

下面就让我们正式拉开帷幕,欣赏这个大数据镜头下的新消费时代。

一、新消费时代消费升级的真命题

1.1 消费对国民经济发展的驱动作用进一步增强

过去十年,中国经济逐渐步入消费主导的新发展阶段。

一方面,我国居民消费总体规模稳步扩大,2017年全国社会消费品零售总额达36.6万亿元人民币,相较2009年增长了1.92倍,消费品市场稳居世界前列(如图1-1)。

另一方面,消费对我国经济发展的驱动作用明显增强。过去十年,消费对经济增长的贡献率稳定保持在45%以上(如图1-2),2018年上半年,最终消费对经济增长的贡献率更是上升至78.5%。在这期间,我国对外贸易依存度从2009年的43%下降至2017年的34%,回归至加入WTO初期的水平(如图1-3)。以上数据表明,这十年驱动我国经济发展的动能,真实地从外贸转移到了消费。

1.2 升级是新消费的内涵

随着我国居民人均可支配收入逐年攀升,数字化推动消费领域变革,我们进入了新消费时代。过去十年全国城镇居民恩格尔系数逐步降低(如图1-4),2017年全国居民恩格尔系数上升至29.3%,进入了联合国划定的20%-30%的富足区间,这同时也意味着大众消费在升级。

根据居民消费内容结构的变化,新消费时代的升级主要体现在以下三个方面:

从基础消费到品质消费:随着大众对生活品质提出更高要求,居民消费从满足于“量”的基础性消费转向追求“质”的品质消费。居民更加注重膳食均衡健康,从国家统计局公布的2013年-2016年全国食品消费情况来看(如图1-5),禽类、蛋类、干鲜瓜果、水产品等是累计涨幅最高的品类。酒类市场上,近年来红酒消费增速不断上升,而白酒和啤酒的增速放缓。另根据中国汽车工业协会统计,代表汽车消费品质升级的运动型多用途车(SUV)2018年上半年全国售出496.47万辆,相较2009年同期上涨了18.72倍,远超出基本型乘用车上涨的75.5%。

从实物消费到服务消费:在物质需求被满足后,居民消费逐渐向服务延展。人们越来越愿意为“省时、省事、省力”的服务买单,近年来,在“互联网+”的技术支持下,餐饮、家政、医疗、交通、教育等服务行业形成了新的市场增长点。此外,在越来越注重精神消费的中国消费者推动下,旅游、电影演出、医疗保健等行业蓬勃发展。从国家统计局公布的2017年中国居民人均消费支出结构来看,医疗保健、教育文化娱乐的同比增长率明显高于衣着和食品烟酒等物质消费(如图1-6)。

从大众消费到个性消费:过去十年,新生代逐渐成长为最重要的消费群体,个性化、多元化的消费也随之崛起。根据第六次人口普查数据,1990年之后出生人口占全国总人口的比例为26.2%(如图1-7)。他们的成长环境相对富裕,受教育程度提升,高度互联网化,对新兴事物接受能力强,面临更加丰富和多元的商品服务市场,消费需求也更加多样与前沿。

在新消费时代被改变的,不仅仅是消费本身,它作为交系在各个链条上的重要环节,也对上下相连的其他领域产生了重大影响。

一方面,新消费促就了新的生活方式。消费内容与结构的转变,都直接对应居民生活的相关方面,品质消费、服务消费和个性消费的偏好,也即意味着我们生活品质与效率的大幅提升。另一方面,新消费反推商品与服务的提供方做出改变,从B2C转向C2B的新生产模式,打破了投资、生产、营销等环节的传统逻辑,形成新的产业生态。这些变化汇集成力,推动产业结构升级,形成推动经济结构转型升级的重要基础。

1.3 线上消费是升级的重要推手

中国消费全面升级的十年,也正是互联网数字化与线上消费蓬勃发展的十年。

回到2009年,天猫双11才刚刚诞生,线上与线下零售市场竞争割裂。谁也不会想到,随着移动互联网兴起,线上消费的方式与场景不断变革、延展,成为引领升级的主导力量之一。而大数据、云计算等技术的发展将继续推动线上服务、线下体验和物流网络深度融合,为新消费的下半场带来更多想象空间。

1.3.1 线上渠道对消费的贡献逐年提升

来自线上渠道的消费力量不断增强,如实地呈现在统计数据里。

从商务部发布的报告来看,中国电子商务交易总额一直处在高速增长中(如图1-8)。另据国家统计局的数据,2015年-2017年来,全国网上零售额增速持续加快,而实物商品网上销售额占社会消费品零售总额的比重也逐年提升(如图1-9),至2017年,这个比重已达到15%。

1.3.2 天猫双11引领消费领域的变革和创新

线上渠道对消费的代表性越来越强,在这个背景下,天猫双11最大程度上聚集了人们的消费热情,成为消费革新的先行者,它在24小时内集中释放消费者、商家、平台的能量,可以说是新消费时代升级浪潮的微缩图景。

开始于2009年11月11日“光棍节”的天猫双11,原本只是一个推广淘宝商城(天猫)的促销活动,但由于营业额远超预期,自此成为每年举办的大规模促销活动。三年后的2012年,天猫双11已经是全球最大的购物节。

2017年,天猫双11成交额达到1682亿元,是第一届(2009年)成交额的3000多倍(如图1-10)。

纵观十年,天猫双11全天24小时的成交额从5200万一路跃升到1682亿,每一个上升的数字背后,是促成这个“奇迹”不断突破的重要节点,也是这些年引领消费革新的重要力量。

移动互联网消解购物场域限制,释放消费潜能:互联网发展将消费行为从线下转移至线上,革命性地改变了购物这一行为,而移动互联网进一步消解购物的边界、解放“场”的限制,释放更多消费潜能。天猫以双11为契机,自2014年开始,集中引导线上消费从PC端向无线端迁移,真正改变了人们的消费习惯。

品牌扩充与升级,全面提升消费品质:过去十年,我们的消费篮子越来越大,这得益于更广范围的品牌加入到线上零售阵营中,为消费者提供更多更高品质的选择。参与天猫双11的品牌数量从2009年的27家到十年后2018年的超过18万家,从较为单一的服饰行业到全品类覆盖,国际品牌商品成交额占比也呈稳步增长态势。

提振新基础设施,优化消费体验:每一年天猫双11都在对新消费基础设施的极限进行挑战与考验。交易额快速增长、消费体验不断优化的背后,是物流、支付与云服务的商业效能的不断提升。2017年,天猫双11当天最高峰一秒内完成25.6万笔交易,全天产生了超过8亿物流订单,以实际需求考验提升物流、支付系统的优化与操作系统等新消费基础设施的形成。

线上线下联动,新零售赋能新消费:融合与联动是新消费下半场的关键词,以数据驱动线上线下协同将进一步推动整个消费生态变革。2018年天猫双11,全国400个城市20万智慧门店都将参与其中,无疑是全渠道融合的一个缩影。


二、从天猫双11看新消费时代八大趋势

2.1 新消费群体

2.1.1 趋势一:消费代际更迭,产生新的消费需求

波士顿咨询与阿里研究院联合发布的《中国消费新趋势:三大动力塑造中国消费新客群》中提到,随着中国人口结构的成熟,出生于1980年以后的年轻消费者成为中国消费经济增长的极大潜力股。

天猫双11的消费者结构变化也印证了这一点。数据显示,2009年参与天猫双11的主体消费者是80后,占比超过6成,90后消费者占比也逐年增长,在2015年之后90后消费者的占比超过80后,成为最主要的线上消费群体。2017年参与天猫双11的消费者中,80后/90后的年轻消费者占比接近8成,值得注意的是,95后消费者的占比也已经接近2成(如图2-1)。

消费群体的变化直接关联到消费的变革。

一方面,90后新生代消费者崛起,成长于物质充裕年代,高度互联网化的他们,拥有不同于以往的消费观念与需求。另一方面,80后步入新的人生阶段,更具消费力且更加成熟,消费品质进一步上升,消费偏好也从个人关照开始转向家庭关照,关注的消费品类发生变化。

2017年天猫双11的消费行为数据中,不同代际的消费特征被区分出来。

我们看到,80后与85后是现在最具消费力的群体,90后的消费力在较大幅度的增长后已经接近80后。而95后虽然消费水平仍较低,但在所有消费群体中增速最快(如图2-2)。

天猫双11当天不同消费品类的成交占比,表现出各个代际的消费偏好。90后消费者有更加明显的个人关照偏好,他们在服饰鞋包、美容护理、运动户外等消费品类中占比都明显偏高;80后的天猫双11消费结构则已经具有了较为明显的家庭关照转向,最为突出的是在母婴类消费中占比最高,而在家装家饰和包含了家电的3C数码两个品类中也有偏高的消费偏好(如图2-3)。

除了年轻消费主体的需求更迭,50岁以上银发族消费者的消费升级潜力也被释放。

阿里巴巴发布的银发族数据显示,从2016年至2018年,淘宝天猫的银发族用户增长了1.6倍,银发族剁手党增速最快的地区为河北、安徽、黑龙江、北京和重庆。其中三四线城市的涨幅明显高于一二线城市,互联网消费潜力巨大。

另外,银发族各个年龄层呈现不同的消费特点,50-60岁银发族占比最高,占7成,成消费主力;60-70岁群体天猫双11购买热情最高,他们的天猫双11购物频次三年内翻了一番;70岁以上群体化妆品、运动装备购买量增速最快。

随着80、90后消费力上升、消费结构升级,银发族联通互联网、消费潜力被释放,消费整体倾向出现了结构性变化。

从最近三年的天猫双11数据来看,重度消费人群增加迅速。在天猫双11当天,消费超过1000元的中高等消费深度消费者人数,增速明显高于1000元以下人群,尤其是天猫双11当天消费超过5000元的重度消费人群,连续两年增速持续提升,增速是500-1000元人群增速的3.4倍(如图2-4)。

2.1.2 趋势二:消费地域延伸,更多城市消费潜力被挖掘

线上消费带来的最大变革之一,无疑是延伸了消费地域的边界。从天猫双11消费数据中可以发现,虽然成交金额TOP 10的城市一直集中在1-2线(如图2-5),过去十年天猫双11成交金额增长最快的都是2线城市(如图2-6)。但3-4线的消费潜力也正在逐渐释放,从2013-2017年天猫双11参与情况来看,3-4线城市与5-6线城市的消费人数占比一直处于稳定增长中(如图2-7)。

除了消费参与度和消费水平在提升,城市的消费结构也在发生变化,更多消费升级潜力被挖掘出来,展现出不同的城市特色。从2017年天猫双11消费情况来看,在服装箱包等常规消费品类之外,代表品质与个性消费的品类开始占据更高的消费比例,这是城市消费结构升级的体现。然而在这些品类上消费比例排名靠前的,并不全是是1-2线城市。在被数字技术逐渐拉平的新消费时代,不同线级的城市在消费生态中重新站在了同一起跑线。在这样的大背景下,3-4线城市实现了跨越式的消费升级。

2017年最智能城市TOP 5中,除了深圳、上海和广州等一线城市,广东省的珠海与东莞也表现出对智能设备相对较高的重视度(如图2-8)。在美妆(护肤和彩妆)品类上展现出相对更高重视与偏好的TOP 5城市中并没有1线城市,而是长春市、郑州市、济南市、合肥市和兰州市等5个省会城市(如图2-9)。而对保温杯与枸杞购买更加重视的城市TOP 5,则全部来自3-4线阵营,抓住了健康养生的新生活方式潮流(如图2-10)。

2.2 新消费内容

2.2.1 趋势三:从大众化消费到品质与个性化消费

在新消费指代“新”的所有趋势中,最容易被切身感知的是消费者购买商品结构与类型产生的变化。

天猫双11一年又一年的24小时,集中记录了参与者们在过去十年中的消费品类结构变化趋势,他们从基本的衣食品类转向更加多元化的品类,在传统的品类中开始购买更加升级的产品,消费质量转变提升。我们的消费支出比例如何分配,与生活需求密切相关。

2013走到2017年,天猫双11中十大行业成交金额发生了比较明显的变化,意味着大众在如何分配钱袋子这件事上有了新的考量。

服饰鞋包一直是大家在线上消费中花费最多的大类目,但在2013-2017年这几年的天猫双11中,这一品类的占比正在逐年下降,更多的成交金额分配到了3C数码、家装家饰、美容护理和更多细分品类上(如图2-11)。

2013-2017年的天猫双11中,成交金额增速最快的TOP 5行业分别是医药健康、家装家饰、美容护理、书籍音像和3C数码(如图2-12)。

这表明,健康化、家庭化、追求精神消费等新的消费理念正在形成,从“面子”消费转向“里子”消费,大家开始更加关注能提升生活品质的消费品类, 大众消费进入更加品质化的新阶段。

个人生活品质提升:医药健康、美容护理等品类的快速增长,来源于消费者对个人生活品质的关照。2013-2017年天猫双11的数据显示,个人护理/保健/按摩器材的成交金额在2014年之后提速增长(如图2-13),运动/瑜伽/健身/球迷用品相关品类成交金额在这期间也稳步上升(如图2-14)。它们走红的背后,是“健康”这一品质生活的前提开始成为“常识性”需求,是新消费群体越来越关注自我生活的观念在消费数据上的体现。

家庭生活品质标准更新:天猫双11的消费数据显示,消费者们在消费预算中愿意为家装家饰分配更多比例,3C数码品类的快速崛起也得益于消费者对大家电的投入持续增加——它们都与家庭生活息息相关(如图2-15)。

十年天猫双11,见证了家庭必备“三大件”的变化。按照成交金额排名来定义,2009年最热销的“三大件”分别是LCD液晶电视、油烟机和洗衣机,到2017年更新为平板电视、空调和洗衣机(如图2-16),电视和洗衣机依旧是家庭生活场景中核心必备的功能电器,十年间最大的变化在于,空调升级成为“刚需”电器。家庭消费者对家的要求不再局限于满足生活所需,而是越来越注重舒适度。而且,消费者对生活效率的关注也在提升,从2013年和2017年天猫双11的对比来看,洗碗机是成交金额增速最快的家电商品(如图2-17)。

更关注细节的生活电器也在这十年间逐渐成为新的家庭刚需,技术的革新推进生活电器的高频创新,新兴的家电爆品不断涌现。

从天猫双11当天成交金额来看,2009年的家庭“三小件”是取暖器/暖风机、电暖手器/电暖足器和加湿器,2017年的新家庭“三小件”更新为扫地机器人、空气净化器和吸尘器(如图2-18),在天猫双11当天购入扫地机器人的消费者数量相对五年前上涨了4倍(如图2-19)。

生活电器的创新也越来越容易被消费者接受,蒸汽拖把、空气净化机器人等成交金额增速都位于前列(如图2-20)。在逐渐兴起的生活电器消费热潮中,戴森、Blueair等价位较高的国际品牌受到追捧,有更多消费者愿意为体验、品质和品牌溢价买单。

个性化消费崛起:在新消费时代,为更好的设计买单这一消费理念也正在被更多消费者所接受,形成一个主要的消费趋势。新消费群体审美意识崛起,产生更多元化的需求。有意识地追求更符合自我偏好的商品,成为塑造个性化“人设”的重要组成部分。

参加天猫双11活动的原创品牌主要覆盖了家居、服装和文创三个更容易体现设计感的品类。这些品类的消费规模增长迅速,2017年天猫双11当天原创品类的成交金额相对2013年翻了36.4倍(如图2-21)。

个性化消费者拥有广泛的地域分布。以天猫双11当天原创品类的成交金额占比来衡量个性化消费的崛起程度,最原创的城市覆盖1-4线,珠海、台州等地也展示出较高的个性化消费偏好。

在个性化消费崛起的趋势下,上述品类也各自孕育出头部原创品牌。规模越来越庞大的个性化与品质化消费需求,将小众推向了大众。

在原创服装、家居和文创的畅销品牌中,国牌都占据了比较靠前的位置(如图2-25)。

以文物藏品为设计核心延展创意的故宫文创,是2017年天猫双11最畅销的原创文创品牌,兼顾故宫文化底蕴和流行时尚元素,契合了对文化创意有审美偏好的消费者需求,收获广大的年轻消费群体。

除了原创设计品牌兴起,个性化的消费需求也激发出了传统品牌的创新活力。如六神、大白兔等传统国货品牌推出跨界创意联名商品,安踏、阿迪达斯推出定制产品。而在2018年天猫双11,仅在美妆洗护领域,就有2万款创意产品发布。

2.2.2 趋势四:从实物消费到服务消费

对消费社会的研究已经形成了这样的共识,进入新消费阶段,就是从解决温饱、满足物质需求,过渡到追求心理上的满足感和精神上的享受。互联网等技术创新,将服务转化为可方便购买的品类,还形成了更多的服务消费类型,加快和丰富了服务性消费的转向。

参与天猫双11的消费者们在购买服务方面表现出强劲的增长势头,这其中既包含了为非必需的享受型服务付费,也包含了为效率和品质的溢价服务买单。

休闲型服务消费是近几年的热点,旅游产品的热销,是这一类消费力量上升的典型代表。越来越多的消费者在天猫双11这一天抢购旅游产品,提前完成全年的旅行规划。飞猪是阿里巴巴旗下提供综合性旅游出行网络交易服务的平台,从2014年到2016年的天猫双11,其全天交易额上涨超过4倍(如图2-26)。

购买旅行服务消费力上升的同时,注重多样性和个性化的精品化服务消费趋势也上升明显。

出境游越来越受欢迎,2015年飞猪天猫双11热门境外目的地包括美国、日本、韩国和台湾,2017年不少消费者的把目光转向欧洲,法国和意大利。一些小而精的旅游产品也热度上涨,如飞猪的特色境外旅游产品北极光系列在2017年天猫双11的销售较去年同期增长280%,而年轻群体主导的特色出境游比如俄罗斯世界杯、西甲、英超、NBA等赛事门票的预订也显著增加。

新消费时代移动互联网的蓬勃发展,还催生了“懒人经济”的崛起,消费者开始购买省事省力的生活服务类消费,在购买商品外,还会为各种到家服务买单。

这也促使外卖服务提供平台发展壮大。截至2018年10月,以提供外卖服务为主的生活服务平台饿了么,已经有66.7万月度活跃骑手为消费者服务,平均每个用户每年下单近20次。从消费者的角度来说,购买30分钟配送到达、夜间配送等服务,足不出户便能享受美食,手机下单日用品就能送达上门,生活效率提升。

供应链整合与新零售业态的发展,进一步丰富了生活服务消费的内容。2016年1月开出首店的盒马鲜生集超市、餐饮店和菜市场为一体,为3公里以内的消费者提供30分钟到家服务。

天猫双11来到第十个年头,开始加入了生活服务类消费内容。饿了么在天猫双11期间将举办“瓜分10亿红包”、“百万霸王餐”和“11.11元吃大餐”等一系列活动,盒马鲜生也延续天猫双11最传统经典的“五折”玩法。

在生活服务消费的版图中,通过线上搜索、下单,线下药房送药上门,医药O2O提高了满足刚性需求服务的效率,也正在成为消费者的生活日常。2017年天猫双11期间,全国近80个城市可提供这样的服务消费,天猫双11当天的医药O2O订单量显著提升,客单价同比增幅高达143%。据阿里健康披露,借助新零售,2017年天猫双11开场仅6分钟,天猫医药成交额便突破3亿。消费者对医疗健康服务消费关注度在上升。这一方面来源于大众对健康越来越重视,人们在运动健身类营养品的投入明显增加,2017年天猫双11当天蛋白粉成交额同比提升70%,海外保健品成交金额同比提升93%;另一方面,医疗健康服务体验本身在逐渐完善发展中,尤其是在移动互联网的加持下,获取服务与购买服务的空间和时间限制被打破,一定程度上也帮助降低了医疗健康服务的消费门槛和障碍。

除了传统的医药服务升级,医美、孕产、口腔等细分精品服务消费的提升趋势也比较明显。数据显示,2017年天猫双11期间阿里健康平台医疗美容类成交额同比去年增长520%,玻尿酸、瘦脸针、水光针、双眼皮、瘦腿针成为天猫双11美容消费金额最高五类产品(如图2-28)。值得注意的是,从医美消费情况来看,男性对“美颜”服务的关注度明显上升(如图2-29)。

孕产服务方面,分娩服务客单价提升也反映了消费升级趋势。2017年截至天猫双11中午12点,阿里健康平台孕产服务包的平均客单价即超过2.3万元。

与此同时,口腔医疗服务中的种植牙也广受欢迎,杭州、苏州、成都超越北上广深成为最爱买种植牙产品的城市。消费者对医疗健康服务消费关注度在上升。这一方面来源于大众对健康越来越重视,人们在运

动健身类营养品的投入明显增加,2017年天猫双11当天蛋白粉成交额同比提升70%,海外保健品成交金额同比提升93%;另一方面,医疗健康服务体验本身在逐渐完善发展中,尤其是在移动互联网的加持下,获取服务与购买服务的空间和时间限制被打破,一定程度上也帮助降低了医疗健康服务的消费门槛和障碍。

除了传统的医药服务升级,医美、孕产、口腔等细分精品服务消费的提升趋势也比较明显。数据显示,2017年天猫双11期间阿里健康平台医疗美容类成交额同比去年增长520%,玻尿酸、瘦脸针、水光针、双眼皮、瘦腿针成为天猫双11美容消费金额最高五类产品(如图2-28)。值得注意的是,从医美消费情况来看,男性对“美颜”服务的关注度明显上升(如图2-29)。

孕产服务方面,分娩服务客单价提升也反映了消费升级趋势。2017年截至天猫双11中午12点,阿里健康平台孕产服务包的平均客单价即超过2.3万元。与此同时,口腔医疗服务中的种植牙也广受欢迎,杭州、苏州、成都超越北上广深成为最爱买种植牙产品的城市。

2.2.3 趋势五:从本土消费到消费的全球化

消费走向新阶段的十年,经济全球化也在加快步伐。

市场咨询机构Westwin与Nielsen发布的研究报告显示,2017年中国跨境电商市场扩大34%至1.5万亿元。2017年天猫双11开始1小时,即有62家品牌实现销售过亿,其中24家为国际品牌。线上消费更大程度地拓展了消费者的选择范围,买遍全球,成为中国新消费时代的常态特征。近几年,在参与天猫双11购物狂欢的消费者中,跨境购物的消费者比例越来越高(如图2-30)。

2017年天猫双11当天,超过1000万名消费者通过天猫国际购买跨境商品。

消费者足不出户就可以购买到的进口商品范围越来越广。

2017年天猫双11这天消费者可购买的进口商品品类数量相比三年前上涨了1/4。覆盖的国家数量也逐年增多,2018年消费者在天猫双11当天可以购买的进口商品将来自75个国家。

2015-2017年三年间,消费者最爱购买来自美国、日本、韩国、德国、澳大利亚等国的进口产品。

2017年的天猫双11,来自澳大利亚与法国的进口商品成交金额均同比翻倍增长(如图2-32)。

澳洲大药房Chemist Warehouse单日成交破亿,日本ReFa、花王成交接近5000万,爱他美、swisse、a2、moony、德运等各国品牌则跻身千万俱乐部。

来到第十个年头的天猫双11,全球购的障碍感与距离感进一步被削弱。

在消费全球化趋势中,线上购买进口商品的热门品类主要集中在个人护理和母婴两大类别。

2017年天猫双11天猫国际成交最高和热度提升值最快的品类来看,一部分是与个人护理和健康相关,如膳食营养补充食品、面膜、面部精华、面部护理套装、化妆水/爽肤水等,剩余部分则主要是母婴品类,如婴幼儿奶粉和婴幼儿营养品(如图2-33)。

在这两个大类之外,还有猫主粮进入了热度提升值最快的品类榜单(如图2-34)。这表明,与宠物相关的消费,具备成为跨境消费中另一个重要品类的潜力。

2.3 新消费体验

2.3.1 趋势六:从PC到无线,消费更加移动化

过去十年,智能手机和移动互联网普及率的快速提升,是大众消费体验变化的基础。进入互联网下半场,移动互联网成为最主要的入口。据中国互联网络信息中心数据,截至2018年6月,我国手机网民规模达7.88亿,相对于2013年提高了近7成,网民通过手机接入互联网的比例高达98.3%(如图2-35)。

智能手机和无线网络的普及、无线端碎片化和消费场景化的特征,使消费者从PC向无线端加速转移。从天猫双11消费者的选择来看,移动消费已经成为新的日常。天猫双11刚发起的2009年,交易还基本全是在PC端完成,至2014年已经有一半的订单发生在无线端,而走到2017年,无线端订单占比已达到9成(如图2-36)。

在移动消费逐渐常态化的背后,移动支付的迅速发展,将“移动”这个关键词融入消费者各类生活场景中。

2003年以淘宝网第三方担保交易支付平台定位出现的支付宝带来了新的支付方式,在天猫双11逐年递增的消费极限挑战中,完成三代技术架构调整,从“烟囱型”到“面向服务型”,再到“云平台型”,夯实移动支付作为新商业基础设施的承载容量和稳定性。2010年天猫双11,支付宝每秒钟交易笔数只有300笔,而2017年天猫双11的交易峰值已经达到25.6万笔/秒(如图2-37)。

另一方面,通过天猫双11,支付宝交易笔数在十年间指数级增长,移动支付方式被快速推广开来,逐渐渗透成为一种新的生活方式。据阿里巴巴2019财年Q2季报披露,截至2018年9月底,蚂蚁金服国内年度活跃用户超过7亿。

除了为线上消费提供支付渠道,移动支付进入了衣食住行的消费场景。不管线上还是线下,碎片化购物成为常态,消费不再受到时间的限制,也拥有了无限伸展的想象空间,线上线下众多场景可以通过智能手机设备被打通,消费决策与行为模式被改变。

2.3.2 趋势七:物流更加便捷,实现即买即得

在浏览、加购、支付、收货这样的消费链条中,物流服务体验是影响消费者体验的重要环节。

在电商带动下,快递业从2007年开始连续9年保持50%左右高速增长,2016年全国快递量便超过300亿件大关(如图2-39)。天猫双11当天暴涨的订单需求更是对物流系统极限的挑战,天猫“天猫双11”物流订单从2009年的26万件,到2017年的8.12亿件,增长了3100多倍(如图2-40)。

爆发式增长的业务量,对于物流行业的效率与成本提出了更高要求,得益于技术发展对仓内、运输、末端等物流环节的降本增效,消费者的物流体验也逐年优化。

天猫双11是新消费时代物流体验快速提升的一个缩影。

2013年菜鸟物流成立后,通过物流雷达预警、智能分仓、四级地址库以及电子面单等信息化产品,大幅提高了物流过程中的库存效率、商品处理效率以及送达的准确率。跟踪天猫双11包裹发出与签收的情况,2014年天猫双11包裹发货量破亿时间同比大幅降低了50%(如图2-41)。

随着数据基础设施和物联网等技术的协同发展,物流骨干网络更加智能化,2017年天猫双11当天仅9.5小时发货量即破亿,用时为五年前的1/5,天猫双11包裹签收量破亿时间从五年前的9天降低到2.8天(如图2-42)。

过去十年间,需求与技术的推动下,物流网络已经发展成为另一个重要的新商业基础设施,从消费者体验来看,从下单到收货的时间越来越短,更多订单可以精准快速地送达,真正实现即买即得。

2.3.3 趋势八:全生态联通,消费场景无处不在

新消费时代,在数字技术的推动下,通过线上线下不同的端口,消费者与商品之间可以更便捷地发现与连接,消费场景更加丰富。

2009-2018年,大数据、云计算、移动互联网等中国新商业基础设施逐渐形成,消费者数字化程度逐步提高,借助数字技术,物流、文娱、餐饮等多元业态都延伸出了零售业态,表现出零售泛化的趋势,跨越线上线下的全渠道购物开始成为中国消费者的主流购物模式。

近几年,天猫双11已经不再局限在线上消费,而是通过联通阿里巴巴生态体系线上线下多个端口,推进消费场景多元化,推动消费者获得更丰富的场景体验。

2018年天猫双11以打通会员、积攒能量跨端口换取红包等方式,协同了跨越线上线下、覆盖吃喝玩乐多个领域的势力,包含电子商务、线下新零售门店、生活服务、文化娱乐等不同的端口。

线下新零售端口中,除了20万家天猫新零售智慧门店将与品牌线上门店联通,来自165个城市的600家新零售卖场和商超也参与了商品折扣、积攒能量值等天猫双11活动,其中包括近100家盒马鲜生门店、62家银泰百货门店和41家居然之家门店。

在本地生活服务和文化娱乐端口,饿了么和口碑联动了100万餐饮、水果、鲜花、娱乐的本地商家、300万外卖骑手参与天猫双11。淘票票联动5000家影院,飞猪“旅行狂欢趴”集结了全球超过200个旅行目的地和超过1万种旅行商品,优酷集结了六大品类26部精品影视剧和综艺。

在天猫双11中被集中联动的各个场景互动,消费者已经逐渐习以为常。

电子商务和线下门店的场景联动更多,线上下单、线下体验和提货组合形成的购物模式,整合线上和线下购物的优势,为消费者提供了更良好的消费体验。

新零售物种盒马鲜生一方面通过供应链技术提升,从丰富度和新鲜度层面优化产品,扩大了消费体验边界;另一方面,通过数字化技术,使消费者可以在线上线下的消费场景中自由切换,体验更加灵活。

而将直播、视频等休闲娱乐内容与购物联通的“内容电商“,也已经成为消费者越来越习惯的新消费场景。

三、科技创新驱动的新消费时代下半场

3.1 技术创新驱动消费形态变革

在新消费的下半场,虚拟现实技术、传感器、物联网和人工智能等技术创新,有望再次全方位颠覆消费体验。

3.1.1 虚拟现实或成下一代网络入口,未来消费形态呼之欲出

作为新的设备及显示技术,过去两年,AR、VR技术的应用在线下门店中开始被试验推广,如AR试衣镜、虚拟试妆镜等。马克华菲(Mark Fairwhale)的首家新零售智慧门店为每一个商品配置了类似于身份证的RFID,消费者试穿后站在店内的智能大屏前,就可看到模特试穿效果、还将呈现产品介绍、评价、相关搭配等内容。

戴上智能头显设备,唤起全球首个消费级混合现实(MR)产品“淘宝买啊“,你眼前的世界就将被数字信息“加持”。在iFashion服饰店里,用眼神“打量”一下模特身上的衣服,淘宝红人杨文昊就被“唤出”。他以全息方式来到你身边,不仅为你跳一段舞蹈,还仔细为你介绍商品,就好比真人亲临;在故宫淘宝店里,随便扫一眼墙上的帝王画像,他们就像是“被施了魔法”一样,与你交流攀谈起来。

未来,随着相关技术的进一步成熟和普及,虚拟与现实的结合将全方位改变人们接入网络的方式,也将带来一场新的、颠覆式的消费革命。

3.1.2 传感器和物联网技术成熟,进一步升级线下零售门店

随着射频识别、红外感应器、全球定位系统等信息传感设备逐渐普及,物联网进一步发展,消费者与商品、商品与商品间将进一步被建立连接,消费体验会再次提升。

在九月的云栖大会上, “天猫未来店”首次亮相。这个占地80平方米的天猫未来店,陈列着多种食品饮料和零食,一次性可容纳20余位消费者。进入店内,天猫的全域追踪技术将捕捉到消费者的行为,在“T-guide”指引下即可迅速找到你想要的商品,选购结束后自动结算,实现“即拿即走”。

据悉, “天猫未来店” 是一套以深度学习技术与算法为驱动,将人、货、场数字化极致感知、分析、互动的门店零售解决方案。在此次亮相后, “天猫未来店”的相关技术将在线下零售店大规模商用,只需要一年的时间,消费者在线下门店购物的体验会被大大提升。

3.1.3 人工智能时代到来,消费各环节全面智能化

人工智能在不同消费场景的应用越来越多,如智能客服、智能客流分析、智能选品等,都将使消费者的个性化需求更容易被满足。

2017年3月29日,基于阿里云智能技术的“店小蜜”正式发布,过去一个店小二每天服务客户约200-250个,位于云端的“店小蜜“则能服务350万客户,并且可以7*24小时提供多语种客服服务。

通过智能客服的加入,不同消费者的问题可随时被解答,消费体验效率进一步提升。

阿里巴巴集团客户体验事业群(阿里CCO)在2018年天猫双11前夕推出阿里“店小蜜“商业版,对此前的人工智能客服两大服务模式进行全面升级,打造24小时不间断、售前到售后全链路的智能服务。首批注册使用的80多万商家已经覆盖天猫淘宝平台全部品类。

金准人工智能专家根据《中国云客服市场研究报告》,2018年中国云客服市场销售规模预计将达到9.46亿元,年复合增长率超过70%。

人工智能还将通过使服装搭配等个性化服务普遍化,进一步提升消费体验。2018年7月,阿里巴巴第一家人工智能服饰店FashionAI落户香港。这个跨界时尚领域的人工智能,储备50万套造型师搭配方案,1秒钟可以提供100套个性化穿搭建议,它将尝试以更加智能的方式解读人类的穿搭密码。

一场以技术为武器的革命已经在零售业打响,随着线下零售行业数字化改造的深入,线上与线下进一步融合,技术创新将对零售业产生革命性的影响,不断探索未来消费的新形态。

3.2 供应链改造带来更极致的消费体验

商务部发布的2018年上半年《中国商贸物流运行报告》指出,阿里巴巴新零售生态内的商业与物流协同促进,已实现线上线下深度融合,从生产到消费等环节有效对接,极大提高了居民生活的智能化和便利化水平。

在大数据、物联网、云计算、仓储机器人等技术创新的驱动下,数字化场景和智能决策正在成为推动传统物流行业向场景数字化、决策智能化转变的新力量。

3.2.1 大数据、机器人赋能智慧物流,挑战消费体验新极限

2017年天猫双11,菜鸟“智慧物流大脑”通过大数据预测,将更符合农村地区购买习惯的家电、农资农具等爆款,提前下沉至菜鸟县城仓库,帮助商家缩短商品在途时间,实现50%当日达,99%次日达的高效配送。

2018全球智慧物流峰会上,阿里巴巴集团董事局主席马云表示,要全力以赴建设国家智能物流骨干网,打造全球端到端供应链解决方案,实现“全国24小时,全球72小时必达”。

2018年天猫11,菜鸟升级“一揽子”智慧供应链解决方案,为商家量身定制一盘货、落地配、爆品下沉、门店发货等业务,再次帮助物流行业降本增效。仓内机器人在智慧物流的商用趋于成熟。2015年,阿里成立ET实验室,在天津仓自主研发部署“曹操”仓内机器人,负重500斤的同时可灵活移动,迅速定位商品、规划分拣路径,有效提升分拣效率。金准人工智能专家根据中国物流与采购联合会数据,2016年智慧物流市场规模超过2000亿元,预计到2025年这一数字将超过万亿。

Tractica预测,到2021年,全球仓储和物流机器人出货量将达到62万部,是2016年的14.5倍。

金准人工智能专家认为,除了已经投入商用的大数据、无人机、仓储和物流机器人,未来5-10年,可穿戴设备、3D打印无人卡车、人工智能等先进技术也将深入物流行业的每一个末梢神经,广泛应用于仓储、物流、配送等具体环节。

在智慧物流的全景驱动下,消费者将有望体验物流速度继续挑战精准快速的极限,而机器人敲门送快递也有可能成为新的日常。

3.2.2 配送服务助力新零售,提升城市生活便利程度

除了菜鸟智慧物流网络,以盒马鲜生为代表的外卖配送网络也通过提升配送速度与服务,让城市生活变得更加便利。

作为阿里新零售的标杆业态,盒马鲜生通过打造数据驱动的供应链物流体系,重构田间、渔场到餐桌的点对点供应链,将各种时令生鲜第一时间送到消费者的餐桌上。

今年11月5日,天猫宣布天猫超市“一小时达“已接入饿了么配送,这意味着天猫新零售正在全力提速加码便利店创新之路,赋能本地便利店实现线上线下一体化的运营模式。此前,饿了么旗下“蜂鸟配送”宣布已经承接包括大润发、欧尚、三江、新华都、中百超市、顺客隆等在内的全国近千家商超门店的配送服务。

去年9月起,天猫联动盒马、苏宁、银泰、易果生鲜等,在北京率先启动了“三公里理想生活区”计划。经过了一年多的发展,天猫超市一小时达所开启的“新零售”体验,正在成为市民的日常。