回顾亚马逊发家史AI如何成就了千亿身价的贝索斯

本文由腾讯数码独家发布

最近一段时间，在股价大跌的影响下，亚马逊公司的市值不断缩水，现已经跌破了 9300 亿美元，但是对于一个技术公司来说，亚马逊公司二十多年来能够取得如此骄人的成就已经实属不易，在不久前，其市值还首次突破了万亿美元，成为了继苹果之后的第二家华尔街估值万亿的美国企业，据《福布斯》报道，亚马逊 CEO 贝索斯也凭此成为世界上最富有的人，净资产估值已经超过 1670 亿美元。

那么亚马逊是靠什么从网上书店发家，形成了现在如此大规模的商业帝国？在这里，我们不得不谈的是亚马逊不断的科技创新，截至目前，亚马逊的全球专利拥有数量已经破万，无论是 Alexa 语音助手，Amazon Echo智能音箱，AWS云计算平台，Amazon Prime 服务，Amazon Go 无人商店，智能机器人仓库还是像 Fire HD 和 Kindle 电子书阅读器这样的智能设备，亚马逊发展到今天，靠的不仅是成熟稳定的商业模式，更是与时俱进的科技创新，比如 AI 技术。

在 Sivasubramanian 等人的带领下，亚马逊还成功开发了名为 DeepLens 的深度学习相机系统，该 DeepLens 相机配备可拍摄 1080P 视频的 400 万像素摄像头， 8 GB 内存， Intel Atom 处理器，Ubuntu 16. 04 LTS 操作系统以及 AWS GreenGrass 云服务功能，可以运行预先编程的人工智能模型来执行计算机视觉任务，如面部识别、情感分析或物体识别等，帮助开发者进一步创新。

其有许多的实际应用价值，比如可以在 DeepLens 上进行人脸检测，然后利用计算机视觉模型来对摄像头进行编程，当摄像头监测到你的脸部图像时就自动打开房门，或者预先对车牌进行图像检测，当车道旁边的 DeepLens 摄像头识别到你的车牌，就自动打开车库大门，或者编写一个报警程序，如果摄像头侦查到有陌生人闯入自己的房间，就立刻向你的智能设备发出提醒，DeepLens 还可以执行许多计算机视觉的操作，比如辨别食物的种类等。

这些都是亚马逊利用 AI 人工智能和机器学习改善用户体验的极佳例子，在早些时候，亚马逊公司还探索过根据用户的历史喜好提出产品建议的 AI 系统，并在多年来一直在完善相应的算法，亚马逊全球消费者部门 CEO Jeff Wilke 对此表示：”机器学习的出现让我们的建议提供显得更加动态，比如说在过去，当出现了一种新的服饰时尚潮流，我们使用的算法往往需要很长的时间才能意识到对消费者对新品鞋子和上衣的喜好趋势，而当我们针对顾客的喜爱推出了相关产品，却发现消费者的偏好已经发生变化，而通过新的 AI 技术，我们可以在早期就发现消费者的偏好，及时提供相应的产品建议。”

另外，亚马逊也将 AI 和机器学习技术应用到了 Alexa 语音助手，AWS 云服务，Amazon Go 无人商店和机器人仓库上，其几乎覆盖了亚马逊的所有业务领域，看上去亚马逊的人工智能部署已经相当完善，但是对于这家公司的员工来说，他们却总是认为一切才刚刚开始，就像亚马逊的内部名言“每天都是新的一天”。

在华盛顿州肯特市，西雅图以南18英里，占地 855000平方英尺的亚马逊智能仓库里，一群橙色的亚马逊机器人正在忙碌的工作，每个机器人由底部的运动滑块和顶部的九排产品货架构成，在人工智能技术的推动下，无论在全球各地，只要当某人在亚马逊网站上购买了某样商品时，仓库中对应的机器人就会自动启动，将货架上存储的货物商品递送到传送带上，由另一个工人把它打包装箱，在这个过程中，这些智能仓库机器人会互相配合，规划出最佳的移动路线。

由于亚马逊订单规模相当庞大，几乎每年都会新增数百万计的订单，在这样的峰值效应影响下，物流仓库机器人即使节省一两秒的时间也会给整个配送服务造成很大的差异，为了改善和提高仓库物流速度和效率，让货物尽早送到消费者的手上，亚马逊也采用了机器学习和 AI 技术，基于最新的一项人工智能创新，亚马逊将让仓库工人可不再逐一扫描归类入库货品，而直接让工人将从经销商和制造商那里运来的物品储存在仓库货架上，只要它们的位置被记录在电脑数据库中，就可以被迅速找到。

此前工人们需要用条形码扫描仪分别对货架上的商品位置和货架位置进行双重扫描存档，而现在通过计算机视觉和机器学习技术结合的新型货架系统，这两项操作可以由工人同时处理，他们只需要将货物送到相应的扫描仪下进行扫描，然后将货物存放到指定的货架位置上，该系统就会自动生成关于货物的位置信息，无需工人二次扫描，亚马逊 Robotics 的工程副总裁布拉德·波特（Brad Porter）对此表示，这样的操作方式可以大大提升仓储效率，改善用户体验。

这种新型仓储系统让亚马逊公司历时 18 个月才研发完成，而亚马逊还在测试更加复杂的人工智能仓储系统，他们希望能够让计算机视觉和机器学习算法自动对货品进行识别扫描，直接监测记录工人放置货品的位置并存档记录，也就是说彻底免除工人手动扫描货品这一重复性动作，这项技术如果要研发成功，至少需要花费一年的时间。

因为这需要仓储系统精准的辨别工人是否将货品放置在了货架上，放置在了哪一级货架上，同时要求相当清晰的照明环境，而亚马逊现在也将这种新型仓储系统引入了 Milwaukee 等十个物流中心，为了改善现有的仓储物流效率，Brad Porter 还想到了通过搭载更多的摄像头感测器来识别包裹条形码，来代替传统的工人扫描步骤，可以节约相当大部分的时间。

这些适用于仓储中心的货品存放技术，也被亚马逊公司应用到了 Amazon Go 无人商店上，顾客可以用 App 扫码进入该店，挑选商品，然后直接拿走离开，免去了中间的收银结账流程，该步骤将通过亚马逊的计算机视觉和人工智能系统，自动在用户的网银账单上结算扣费实现，简单来说，Amazon Go 便利店的 AI 系统由大量的感测摄像头和软件算法协同研发完成，它们可以多角度的监测到顾客在店内挑选的商品，并自动加入用户的购物清单。

截止目前，亚马逊公司已经在全美开设了四家 Amazon Go 商店，三家位于西雅图市，一家位于芝加哥市，Amazon Go 副总裁 Dilip Kumar 对此表示，Amazon Go 遇到的最大的技术性挑战在于顾客的商品挑选阶段，不管人流有多拥挤，Go 的 AI 系统必须要具备监测每位店内顾客行为动作的能力，否则无法将货物商品和顾客相对应起来，就会导致客户清单商品数量和价格不匹配的情况发生，而店内环境通常会非常复杂，比如有时候顾客挑选了商品没有放回原处，而其他顾客又拾取了该商品，亚马逊 的 AI 系统需要对两者的行为动作都清晰捕捉。

Amazon Go 无人商店还需要面临非常棘手的室内光线变化问题，毕竟摄像头感测器对于光线非常敏感，如果 Amazon Go 的摄像感测系统识别效果无法做到足够的精准，那么对于亚马逊来说，他们或许会面临很大的商业化损失，至于现在 Amazon Go 的精准度可以达到多少，Kumar 还无法给出一个准确的数值，但是可以肯定的是，如果该精度无法达到亚马逊要求的水平，大规模的 Amazon Go 商业化是不现实的。

Kumar 表示，Amazon Go 的下一步技术研发中心将放在“搭建更强大的机器算法来提高低成本感测器的性能”，以此用来改善摄像头对物体的识别精度，至于亚马逊是否计划用这类 Go 平台来抢占未来的零售市场，有官方发言人对此表示，亚马逊希望利用机器学习和 AI 技术，以 Amazon Go 的方式让顾客有更好的购物体验，零售行业不是亚马逊的强项，因此不会作为公司未来的发展中心。不过根据外媒彭博社的报道，亚马逊公司拟在未来几年内在全美新开 3000 多家 Amazon Go 无人商店。

最后，来到亚马逊 AI 技术发展得最成熟的智能语音助手市场上，亚马逊的 Alexa 在推出几年后大大推动了 Amazon Echo 这类智能扬声器的市场发展，截至目前，这类 Alexa 驱动的 Echo 设备出货量已经超过了上百万台，在第三方开发者的帮助下，其已经学会了超过 45000 项新技能，通过和语音控制 App 的协同应用，其可以帮助用户控制智能家居，播放当日新闻和天气信息，提醒日常议程等。

亚马逊公司还将这些 Alexa 语音服务推广到像 Sonos，Ecobee，索尼，联想等其他品牌上，研发人员 Rabuchin 对此提到，一般来说，Alexa 语音助手服务就是一套放在云上的 APIs，任何硬件制造商都可以接入使用 Alexa，亚马逊将会为这些第三方开发商提供最前沿的语音算法，帮助他们组建 Alexa 设备。

亚马逊也在积极的高等学府和研发机构合作，让他们利用 Echo 设备在大学宿舍或者酒店房间创建个性化的语音控制技能，而最近，亚马逊公司还携手知名五星级酒店连锁品牌，万豪集团将自己的 Amazon Echo 设备引入了酒店客房，让其可以实现开灯，关电视，调频道和其他一些客服中心所提供的咨询工作。

亚马逊下一步就是让消费者可以定制化创造他们想要的 Alexa 技能，在此前，这需要有技术软件开发技能的开发者才能实现，而亚马逊希望的是让每个家庭用户都可以这样做到，于是他们还发布了一款名为“Blueprints”的 Alexa 技能创作工具，通过 Blueprint，每个非编程技术人员都可以创建高度个性化的语音控制技能。

总的来说，现在亚马逊的 AI 技术已经无处不在，其中最主要的驱动力还是基于云存储和服务器端 的 AWS 服务，其现在已经成为了许多公司和开发人员的云标准，与 Alexa、Amazon Go、Amazon Prime Video具有类似特性，正如亚马逊机器学习的副总裁 Sivasubamanian 所说的：

“我们想把这些机器学习能力重新交还给企业的开发人员和数据科学家，让他们可以利用机器学习技术改善和转型用户体验，截止目前，从零售商，地产行业，服饰，娱乐和医疗等各个行业都开始使用了我们的 AWS 机器学习服务，这些客户都具备一定的 AI 技能，有些事机器学习的博士研究员，有些只是普通的 App 开发者，亚马逊希望将自己的 AI 和机器学习定制化，满足各种客户的个性化需求。”

毕竟在这个领域里，有人具备丰富的编程经验可以搭建自己的机器学习模式，而那些没有该类经验的人就可以亚马逊的机器学习平台，因此亚马逊公司如此组建了 SageMaker，这种端对端的机器学习服务，帮助开发者组建和训练机器学习模型，并在自己的云端和智能手机这类设备上运行。

在过去一年的时间里，亚马逊的 AWS 机器学习工具已经成长了 250%，在其服务中又新添加了 100 多项新技能，其中一个就是我们此前提到的 DeepLens，让开发者可以在十分钟内搭建好自己个性化的机器学习模型。

来源：fastcompany