随着近几年人工智能、大数据、云计算等技术的发展，B2B电商平台把积累的数据加以利用，将产生巨大的价值：一方面，能够更为地分析市场需求，提高交易的质量与效率；另一方面，通过云计算和大数据分析，B2B电商能够将企业的交易数据提供给银行等金融机构，作为企业融资的重要信用凭证。随着大数据技术的日渐成熟，基于数据的人工智能技术将会推进多种新型服务蓬勃发展，不断地催生新应用和新业态，为人类社会生态带来巨大改革。

2016年3月，在全世界的关注下，谷歌旗下的围棋人工智能AlphaGo战胜了韩国著名棋手李世石。计算机在这个难以战胜人类的领域获得了胜利，这也代表着人工智能技术的再一次飞跃。尽管这只是一次棋类比赛，但飞速进步的AI技术，让大众看到了一个新时代的到来。

人工智能的三次热潮

追溯历史，AI并不是新概念。在1956年达特茅斯会议上，AI首次被提出，此后伴随着计算机技术的发展，AI也经历了三次热潮。

20世纪40年代，人工智能虽处于萌芽期，但进入了第一次热潮。20世纪50年代，罗森布拉特发明了感知器，它是一种单层神经网络，对生物神经细胞进行简单的抽象化。尽管结构简单，但是这种感知器已经能够识别出现较多次的字母，并能对不同书写方式的字母图像进行概括和归纳。不过，由于本身的局限，感知器只能识别那些包含在训练集里的图像，不能对受干扰（半遮蔽、不同大小、平移、旋转）的字母图像进行可靠的识别。

虽然初被认为有着良好的发展潜能，但感知器终被证明不能处理诸多的模式识别问题，比如感知器模型不能解决简单的异或（XOR）等线性不可分问题。这种局限性使人们对于感知器的应用前景产生了误解，再加上当时计算能力有限和机器翻译上的失败，造成了人工神经领域发展的长年停滞及低潮。

20世纪80年代，霍普菲尔德神经网络作为一种循环神经网络，由约翰·霍普菲尔德发明出来，其可以实现局部极小收敛。之后，反向传播算法采用了多层神经网络，并将神经网络学习过程设计为信号的正向传播与误差的反向传播两个部分。BP的出现使大规模的神经网络训练成为可能，并使人们逐渐意识到之前感知器模型不能解决的线性不可分问题，可以被多层神经网络解决，由此人工智能迎来了第二次热潮。

而如今的人工智能第三次热潮，主要源于近几年大数据和深度学习算法的突破，以及计算运算能力的显著提升。之前人工智能的发展强调数学逻辑和推理能力，通过分析人类认知系统或者人脑神经元所具备的机能，然后利用计算机来模拟这些功能。而新浪潮下的人工智能则通过大量数据分析和自动学习来实现智能化水平。

2006年，欣顿在《科学》杂志上发文，提出了深度学习的概念，并指出可以通过神经网络减少数据的维度。在海量数据的基础上，深度学习算法可以有效地运用在语音和视觉识别上。深层学习算法是机器学习算法的一个子集，其目的是发现多层分布式表示。近年来，人们提出了许多深度学习算法来解决传统的人工智能问题。2014年6月，一个计算机程序首次成功通过了图灵测试，让人们相信它是一个13岁的男孩，这喻示着人工智能进入全新的时代。

机器人助手

2017年“双11”期间，一个叫作“鲁班”的“设计师”出尽了风头。它拥有每秒做8 000张海报的超快作业速度，负责处理海量的工作任务。而运用谷歌的AlphaGo背后的深度神经网络，一些创业公司也正在解放“人力密集型”的电商营销行业。

2018年，谷歌开发者大会演示了谷歌助手给人类打电话的视频，人工智能助手现场展示了以“人”的身份和对方进行无障碍通话。谷歌助手的成功预示着AI客服时代的全面到来。

设计智能聊天机器人的重要技术支持是知识图谱。知识图谱于2012年由谷歌提出并成功应用于搜索引擎，属于人工智能的重要研究领域。基于知识的问答系统将知识图谱看成一个大规模的知识库，通过理解将用户的问题转化为对知识图谱的查询，直接得到用户关心的问题答案。

根据中国中文信息学会在《2018年知识图谱发展报告》中给出的定义，知识图谱“以结构化的形式描述客观世界中的概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力”。

知识图谱先应用于搜索引擎领域，在学术界和工业界掀起了一股热潮。随着人工智能的兴起，知识图谱被广泛应用于聊天机器人和问答系统中，用于辅助深度理解人类的语言和支持推理。

知识图谱问答系统不同于搜索引擎，返回的不再是基于关键词匹配的相关文档排序，而是精准的自然语言形式答案。华盛顿大学图灵中心主任Etzioni教授2011年曾在《自然》杂志上发表文章，其中明确指出：“以直接而准确的方式回答用户自然语言提问的自动问答系统，将构成下一代搜索引擎的基本形态。”因此，问答系统被看作是未来信息服务的颠覆性技术之一，被认为是机器具备语言理解能力的主要验证手段之一。

随着机器学习技术的不断发展，AI客服的“智商”不断提高，已经出现了不仅能回答客户疑问，更能进行电话销售的机器人，它们不仅懂业务、会主动推销产品，还能够分析客户意向，主动学习，自我进化。这样的机器人助手将使B2B平台的服务效率得到质的提升。

助力平台服务升级

无论是智能问答、刷脸登录、电子支付还是线下无人超市，无论是商品个性化推荐还是自动化营销，人工智能已经广泛渗透到零售领域。由于B2B平台上产品的非标准性及价格、库存等因素的波动性，过去严重依赖熟人圈子的信息流转与线下撮合，而在未来，人工智能在B2B交易撮合、智能定价、库存管理、自动化订单等方面有巨大潜力。

人工智能也将成为加速企业创新的利器，革新企业的运营服务模式，推动B2B向精准化的方向发展。B2B平台可以利用海量数据去挖掘用户的需求点，为用户提供个性化、精准化和智能化的增值服务，提高服务效率。不仅如此，它还可以通过对大数据的挖掘、分析，开发新的产品、服务来增加客户黏性，降低运营成本。

当B2B平台已经掌握了海量交易数据，如何深度挖掘数据价值以建立行业、企业交易模型，摸清买卖双方的浏览、下单习惯，并将内部数据与经济运行数据、产业数据等外部数据相结合，从而为商家提供产品定价、库存补充、产品促销等方面的决策信息，都是人工智能大有可为的地方。

目前中国的B2B电商处于同质化的竞争阶段，商家的黏性普遍都很低，商家信息往往在多个平台投放，但效果却不如人意。交易过程中，平台无法提供信息、撮合之外的更多价值，所以很难提供让商户真正实现平滑交易，产生对平台的依赖性。

而更聪明、更懂人心的B2B平台显然会受到企业的青睐。通过企业的历史交易和行为数据的知识计算，系统会主动学习企业的兴趣特征、销售行为轨迹等，建立企业客户画像，实现精准的需求匹配，相当于每一位客户都有了专属的AI智能管家。当用户由被动搜索、被动撮合变为以更精准的方式获得销售线索，当用户每天登陆平台查看新的个性化推荐咨询，意味着低频的B2B平台变成了高频、高黏性的交易平台。

人工智能还可以将外部数据与内部数据相结合来进行精准的需求预测。随着大数据背景下市场需求的逐渐透明化，利用人工智能可以实时控制库存容量，帮助商家优化运输与储藏成本，减少产品损坏，降低销售损失。

目前，一些为B2B平台提供客户画像分析、销售线索跟踪、客户管理并由此进行精准营销的公司不断涌现。它们对于B2B平台服务形成了很好的补充。B2B平台可以将这些服务商引入生态之内，为商家提供更高效的服务。

亚马逊全方位应用人工智能

成立于1995年的亚马逊是美国的网络电子商务公司，已经成为全球商品品种多的网上零售商和全球的互联网企业。近年来，亚马逊不断加大科研投入，全面应用人工智能技术，在各方面取得了令人瞩目的成绩。

早在2012年，亚马逊斥资7.75亿美元收购了机器人制造商Kiva Systems，大大提升了亚马逊的物流系统。据悉，至2015年亚马逊已经将机器人数量增至10 000台，用于北美的各大运转中心。Kiva系统作业效率要比传统的物流作业提升2~4倍，机器人每小时可跑约48千米，准确率达到99.99%。Kiva机器人作业颠覆了传统电商物流中心作业“人找货、人找货位”模式，通过作业计划调动机器人，实现“货找人、货位找人”的模式，整个物流中心库区无人化，各个库位在Kiva机器人驱动下，自动排序到作业岗位。

亚马逊是第一家将大数据推广到电商物流平台运作的企业。电商端到端的服务可分为5大类，即浏览、购物、仓配、送货和客服服务等。

1. 用户浏览：亚马逊有一套基于大数据分析的技术来精准了解客户需求。具体的方法是：后台系统会记录客户的浏览历史，随之把顾客感兴趣的库存放在离他们近的运营中心，尽可能高效完成交易。

2. 便捷下单：客户不管在世界哪个角落，都可以快速下单，系统也可以很快知道用户喜欢的商品。

3. 仓储运营：在中国亚马逊运营中心，快可以在30分钟内完成整个订单的处理，即货品出库。从订单处理、快速拣选、快速包装到分拣等一切流程都由大数据驱动，且全程可视化。

4. 精准配送：电商物流的快物流不是核心竞争力，真正高技术的电商物流服务，是精准配送。亚马逊会根据客户的具体需求时间进行科学配载，调整配送计划。

亚马逊的智能入库管理技术把大数据技术应用得淋漓尽致。

在入库方面，采用独特的采购入库监控策略，亚马逊基于自己过去的经验和历史数据的收集，了解什么样的品类容易坏、坏在哪里，然后将其预包装，这都是在收货环节提供的增值服务。

在商品测量方面，亚马逊的CubiScan会一起测量新入库的中小体积商品的长、宽、高和体积等信息优化入库，例如鞋服类、百货、特定爆品等。这让供应商避免了这一步骤的资源浪费，大大提升了他们的新品上架速度。掌握尺寸之后，亚马逊可以将这些数据在全国范围内共享，直达其他库房，有利于后续的优化、设计和区域规划。

大数据驱动的智能拣货和智能算法，为亚马逊的仓配中心装上了“超级大脑”。亚马逊仓配中心的后台有一套数据算法，它会给工作人员优化拣货路径，通过这种人工智能的推荐，相比传统作业模式，拣货行走路径减少了的60%的距离。

潜力巨大的商用前景

人工智能在亚马逊的成功运用，其背后是技术领域的快速发展。2012年左右，深度神经网络在大数据的训练下，将人脸识别准确率从50%~60%提升到了80%以上，并在后来进一步提升到95%以上的商业可用水平，推动了人脸识别全面商用，也使马云选择在2015年CeBIT展会开幕式上演示刷脸支付。此后，受人脸识别的启发，越来越多的行业开始引入深度学习技术，很多应用场景取得了不错的效果。自然语言理解、知识图谱等各种相关AI技术也随之快速发展。

风口之上，人工智能正在深刻变革着各行各业。产业结构、城市形态、生活方式和科技格局都因此改变。尤其是过去几年，随着大数据的发展和在各行业“互联网+”的深入，以数据为基础的AI将各行业快速带入智能化，如智慧城市、智慧物流、智能金融、智能家居、智能制造等。

基于大数据的人工智能技术为B2B电商的智能交易发展提供了强大的技术支持。“智联天下生意”是B2B电商的终极目标，当电子商务迎来智能时代，技术将催生新增长拐点的关键主推力量。

市场调研机构Gartner认为，未来10年，人工智能将成为具颠覆性的技术，图像识别、自然语言处理、智能推荐引擎、智能数字挖掘销售分析、虚拟个人助理技术等已经脱离稚嫩期，走向成熟。

在人工智能的赋能下，“智能交易”的采购场景将会带给人们更多惊喜。采购商再也不会苦苦搜寻却找不到所需产品，智能交易系统可以自动推送优化的货品需求及准确的数量；中小企业的短期融资可以凭借以往良好的信用一键贷款到账；智能终端可以观测分析店铺陈列，将顾客试穿频度的服装款式反馈到数据平台，智能化地辅助设计师进行创作。

这就是我们所设想的由大数据、人工智能等先进科技打造出的智能化商业交易。未来的智能化商业交易生态将使全球贸易更简单，将帮助遍布世界各地的客户降低交易成本、物流成本、金融成本。在交易生态圈中，需求发现、需求聚集、产能配置、金融配置、物流分发、服务众包等可以完全智能化地组织。

这样一来，B2B平台的服务内容就不只停留在信息展示和双方交易的阶段，而是进一步，为贸易双方提供更加专业化、个性化的服务内容，依托大数据和人工智能技术的精准化导向，助力更多的新型服务模式涌现，从而推动B2B平台服务模式更加成熟，推动产业经济更加高效。

（本文节选自阎志编著《B2B 4.0：新技术应用引爆产业互联网》，有删减。）