遭到饿了么频频退单后, 我才开始对AI寄予厚望


无人配送使用场景的三个价值衡量标准:刚需、普遍、是否频繁。


坦率讲,我们对各种咨询公司和专家苦心编撰的各种市场预测性数据没什么实感。

那些关于「未来几几年外卖市场会因为技术产生颠覆性变革」和「无人配送万亿市场价值」的一连串数字,只会让我们这群可以憋在电脑前 10 小时的技术宅频频打哈欠。

然而,最近遭遇的一连串外卖退单事件,让我不得不开始认真考虑一件事:

也许,无人配送真的有点靠谱。

12 月底 1 月初,北京迎来了一年内,甚至是几年内最冷的几天。

在最高温都是零下几度的前提下,我发现秋裤完全失去了作用,必须用棉裤来打底才能规避发展成老寒腿的悲剧。

但让我没有想到的是,这场寒冬的「并发症」,还有外卖平台的爆单。

怀着对出门即阵亡的恐惧,那几天我对维持生命基本体征的全部希望寄托在了外卖平台上。

然而,就在某天从上午 10 点开始,我先后下单了原麦山丘、三米粥铺(请以上两家店看到给我广告费),却均在等待近 20 分钟后被取消订单。

我打电话「控诉」原麦山丘的店员为何「如此待我」,他们的回复让我无言以对:

「您这已经是今天第 6 位取消订单的用户了,因为根本没有配送员接单。天太冷了,送的人本来就少。」

三米粥铺同样如此,甚至于后来的几天,这两家店还主动缩小了自己的配送范围,让我这样住在北京旮旯里的用户连下单的机会都没有。

最后,我只能随便下了一家附近餐馆的订单,也在等了将近 1 个小时后才吃上了饭。而鼻子冻的通红的送餐小哥见到我的第一句话是:

「真的不好意思,这几天平台爆单了,我们要一个人送几十张单,所以送晚了。」

这样的情况持续了几天。

而作为一个 AI 从业者,这几天的经历,让我第一次开始严肃考虑无人配送的可行性与市场价值。

要商业化,请给「无人配送」继续切割场景

2018 年,「无人配送」的概念掀起了物流公司、外卖平台以及科技企业的狂欢。

一众科技公司出品的无人配送小车在「视频」中出街,在展会上「量产」,在年中集中的时间点爆发,却又在年末集体陷入沉默。

当然,这并不是说各大公司在做一些无用功。

譬如上路牌照的确一纸难求,各家都在抓耳挠腮;

譬如试点范围的确在按照政府和大众可接受的速度「小心翼翼」地扩大;

再譬如,曾有路人亲眼目睹某快递网络发布的小车在城市道路上测试时被撞的飞起,这绝对能积累不少上路经验……

但我们在一年中看到的绝大多数无人配送工具,的确是在展会上看到的。

每每看到它们静态矗立在聚光灯前等人观赏的样子,我们就恨不得在后面踹一脚让它动起来。

然而我们很清楚,问题的焦点并不在于「作秀」,而是为何它不能迅速派上用场为 C 端用户解决实际问题。

首先,尽管很多人已经把无人配送的适用场景缩减到了「末端无人配送」这个长度,但这仍然是一个相对复杂的场景。

配送小车需要成功「开启」工作园区或小区门口的横杆,穿过沥青路或石子路,精准停在某栋楼下。

然后呢?让我从 23 层楼等着挤电梯,还要下来吹着冷风拿快递或外卖?

我表示绝对更爱能送货上门的快递和外卖小哥。

此外,从场景的横向角度来看,不同的生活小区由于条件差异太大(譬如我住的就是那种简陋的筒子楼,绝对塞不进去,也养不起机器人),要实现无人配送要比很多开放宽敞且智能化的办公大楼更难,要打通的环节也更多。

也就是说,无人配送的场景或链路是否应该更精准地划分为「末端室外无人配送」与「末端室内无人配送」?

其次,从 B 端来看,物流公司与外卖平台显然是「无人配送」最大的需求方,那么发展无人配送真的能帮他们省钱和赚钱吗?哪一段创造的价值最大?

譬如,饿了么「未来物流」研发部门——π团队负责人任斐就给无人配送的使用场景设立了三个价值衡量标准:

刚需、普遍、是否频繁。

「我们定义『刚需』的方法很简单,用户愿不愿意为这个服务付钱?而『普遍』,是指大部分的骑手都会遇到这个问题。那么什么叫频繁?则是指大部分骑手每天都会遇到这个问题。」

在很大程度上,骑手在路上的时间能够通过外卖平台的路线调度能力进行优化,而到达目的地以后浪费的时间,则无法靠平台自身来解决。

譬如,作为普通用户的实际体验,由于我们的办公楼有门禁,很多时候送餐小哥是上不了电梯的,通常需要在门口等待我们下楼取餐;

甚至有办公楼明文规定「禁止外卖小哥坐员工电梯,需绕行走后门坐送货电梯进行派送」(真实案例,就在我们的办公楼,冲突频发)。

这些存在的问题都在无形中增加了订单的派送时间,也提高了骑手们受罚的风险(外卖平台有时会规定如果超时派送会被罚款)。

这种我们常见的情形也契合了任斐提到的一个极具现实业务价值的场景:

「根据我们的测算,一张订单差不多有 1/3 的时间是骑手在到达目的地与成功送出外卖之间浪费的。如果把这部分时间省下来,他就可以配送的订单,而且可以规避掉不必要的超时风险。」

没错,这个在「到达目的地与成功送出外卖之间」产生的问题与场景,很大程度上,对应的解决方案就是「室内末端无人配送」。

而在未来,如何让室内室外配送进行对接,或许也会在某个时间点提上日程。

譬如,大陆集团在 2019 CES 上发布的嵌套式无人配送解决方案,就是一个想象力很丰富的合适案例。

Yogo 与饿了么合作的外卖机器人关于末端室内无人配送的一种摸索

就像前面所说,受小区复杂条件所局限,很多聪明的技术公司开始纷纷主攻基于办公楼的室内无人配送场景。

譬如很多电子科技园区,房龄也许不算小,但楼宇自动化程度高,本身联网条件也较好,年轻人也较为集中(不仅意味着他们愿意接受新概念,也意味着点外卖的人会多……),因此是很多室内配送机器人公司的首选试运营场地。

在张江科技创新园区的一层角落,就有饿了么与一家名为 Yogo 机器人公司合作的室内机器人配送站(Yogo Station)及配套的三台送餐机器人。
上海张江科技创新园区的 Yogo Station

比起很多公司正在测试的单件配送机器人,这个配送站的概念听起来新鲜,但其实很好理解——

你可以把它们看作是一台物流中转站与三台物流配送车。

但首先,我们就要针对这个较新的概念提出一个问题:

为何要花费更多的钱来打造一个「中转站」式的产品?

从这张放大的图来看,配送站的底座连接机器人(类似于扫地机器人与充电底座的连接方式),而上方则是一个巨大的塑料外壳。

因此,这个产品的用途很明显——「集中式调度」与「转存」。

「如果让机器人分批跑,会造成电梯等资源以及时间的浪费。」

Yogo 工程师认为,在配送站进行集中式调度后,能够显著提高室内配送效率。

据其透露,这个配送站上层还划分出了 19 个隔层用来存放外卖。

如此大的空间,除了可以应对这栋楼当天点餐量较大,饿了么小哥手头订单较多的情况,也能够为正在开会的用户暂时储存外卖,节省骑手时间。

按照正常规划,饿了么骑手把餐送到一楼大厅,只需要在配送站显示屏中输入订单的楼层及手机号,一个空闲的配送机器人接到指令后就可以从基站脱离,前往电梯口配送这份外卖。
饿了么兼职小哥在现场测试 Yogo Station

然而,这个流程听起来很简单,但其实隐藏着很多坑:

第一,机器人如何过门禁,如何「按」楼层,如何精准停靠在某公司门口呼叫订餐者?

第二,三个室内配送机器人如何配合送餐才能做到时间利用最大化?

第三,如何做到在不同材质的地板上流畅行走?

第四,在电梯口人满为患时,究竟是礼让行人?还是「硬着头皮」挤上去?

前三个问题,Yogo 创始人赵明把它们归结为「工程问题」,从技术及商务层面均可解决。

室内机器人入驻某栋大楼的首要任务就是与楼宇内的多个控制模块打通。

其中,打通底层门禁与电梯控制系统均需要获得物业的许可。当然,进一步与办公楼里的企业打通不是不可能。

而三个配送机器人的「配合」涉及到的是路线规划调度)问题。

譬如,哪个机器人先上哪个电梯,哪一楼层的机器人可以再送第二单,但这一块 Yogo 只是粗略表示会与饿了么进行合作处理。

最后,适应不同的路面材质,考验的是机器人底盘及轮子的设计和工程能力。

毛毯、木地板、大理石……不同的材质,都对机器人的底盘提出了不同的要求。

「一个抓地力很强的轮子可能在大理石板上走的很好,但是一上地毯可能就糟了,」赵明创业早期在做 Yogo 酒店服务机器人时在这一方面曾遇到此类难题,「因为会出现一道黑黑的划痕。」

「当然,对机器人来说,毛茸茸的地毯是最害人的。为了不被小孩轻易推倒,机器一般都会做的有一定重量。但有重量的机器人在地毯上容易下陷,这样移动会更加困难。」

因此,表面上看 Yogo 的配送机器人有 4 个轮子,但据赵明称「轮子数绝对不止这个数,内部是暗藏玄机的」。
配送机器人与 Yogo Station 进行归位对接

而第四个问题,则被赵明称为「产品定义与大众心理学上的难题」。

一方面,机器人的确需要避让行人,做到不伤害用户;

但另一方面,配送机器人也代表着外卖平台与订餐者的利益,需要积极达成商用目的。

「在做产品外观设计时,我们得考虑怎么做到让它与人和谐共存,考虑在什么样的场景下用户才能接受它。所以,你是应该把它做的可爱还是吓人呢?

可爱的话,大家可能都会围着它,这样会降低它的行进效率;但设计的吓人,可能大半夜会吓到你,不过好处是你可能会躲得远远的。

而至于跟路人抢电梯,机器人肯定会知道哪个电梯先到,这样就可以在别人做出反应前走到电梯口。」

的确,从近期大众对智能产品态度的微妙转变来看,「和谐共存」是一个值得思考的话题。

例如,隐私数据泄露事件的频频发生,让普通用户开始对智能硬件有了更大的警惕心;

而前段时间 Waymo 无人车上路遭到路人恐吓扔石子的现象,则在美国社会引起了巨大争议。

即便国情不同,Waymo 的遭遇不一定就不会在中国发生。

不过,根据 Yogo 提供的一个电梯测试视频显示,对于机器人上电梯一事,路人倒是颇为「礼让」,而机器人的反应速度感觉也不错。

经 Yogo 保证这是一次在真实场景下的测试

但「礼让」显然更多是因为,一方面等电梯的人并不多,另一方面是人们对机器人上电梯这件事感到新奇因而注意力转移,行动有点「迟缓」。

假如配送机器人已经较为普遍,且电梯口前排着一条长长的队呢?

如果机器人在最后时刻「挤入」电梯,但电梯响起超载警示,那么机器人会做出决策判断主动下电梯吗?

这些都是演示视频无法做出说明的。

最难的从来不是技术问题

尽管我们对「末端室内无人配送」的刚需特质表示认同,但这不意味着技术公司们可以在这条路上走得较为顺畅。

实际上,很多技术专家都曾表达出同一个观点——

用技术能解决的从来都不是难题,难的只有商业化过程中不断堆叠的附加项。

譬如,尽管试运营的基础条件都已具备(配送站已经设好,物业已同意,控制模块已打通),但是饿了么小哥会主动使用这个配送站吗?

据 Yogo 工作人员透露,在试运营期间他们一直在主动邀请饿了么送餐骑手来使用这款配送机器人,但并不是所有小哥都会对这个中转站感兴趣:

「这需要一个过程,也许有小哥会抵触,但是我们要告诉他们这绝对不是在替换他们的工作,而是在帮他们减轻工作负担。」

此外,赵明也承认这款配送站目前还没有开模,其中一个原因是配送站的存储空间设计还需做进一步修改。

而这就意味着,成本暂时不会降下来。

据一位现场工程师告诉我们,在开模(行话,这里Yogo后来表示主要指量产)后单个配送机器人的成本会降至几万。

显然,配送站的造价会更高。因此这一整套市场报价基本可以被估算出来。

「不开模,甚至开模在短时间内,机器的市场价可能降不下来。」有现场业内人士透露。

最后,也是我们最关心的一个问题,配送站的商业模式究竟是什么?

谁愿意买下整套配送站及配送机器人?或者说 Yogo 靠配送站如何赚钱?(显然不太可能是写字楼物业)

关于这个问题,Yogo 给予的回复较为隐晦:

既会走普通的硬件销售模式,也会走租赁/许可模式

「目前这套设备仍然在测试阶段,而且涉及到物业以及递送客户这三方的利益,因此目前商业模式还在探索中。」

但与此同时,现场一位不愿透露姓名的机器人厂商在接受我们采访时则表示:

「这个设备由于目前造价肯定很高,饿了么应该不太会以购买的形式合作。如果回归到商业本质,其实只有花钱买机器人送外卖能省钱,这个产品才有生命力。

对技术公司来说,怎样把它价格降下来才是关键。」

换句话说,目前可行的,而且能被 B 端用户接受的合作形式或许是「收取租赁或使用许可费」以及「参与运营的模式」。

此外,尽管饿了么与 Yogo 都表示,末端室内无人配送的财务模型经过大半年测试是可以接受的。

也就是说,包括机器研发、制造以及维护成本外加电费以及运营费等支出,要小于等于配送机器人创造的效率价值和节省的人工成本。

但是要判断这种商业模式否有助于技术创业公司扩大市场规模或者产生更多收益,还需要更多摸索。

当然,室内无人配送的生意是否能进行下去,最终还是要取决于外卖这项 2C 业务消费者群体的使用体验。

而目前,没有任何公司能保证机器人就一定会比外卖小哥表现出色,不会晚点,不会洒漏餐食,不会把饭送到对面公司里去。

就像一个星期前,曾被吉尼斯世界纪录认证的世界上第一家雇佣机器人员工的酒店 Henn na 就被曝光已经淘汰了一半店里以上的机器人,原因是「经常发生故障」。

「酒店使用机器人本来很大程度上就是一种噱头,并不是一种刚需。

而作为一家技术公司,我们想的不是自己能不能卖得出去产品,而是应该反思自己做的应不应该被叫做『服务机器人』。」赵明说。

作为一名外卖平台的忠实用户,我们认为无人配送被需要的时机确实到了,你呢?

产业物流机器人美团外卖无人配送物流
2
相关数据
Waymo机构

Waymo是Alphabet公司(Google母公司)旗下的子公司,专注研发自动驾驶汽车,前身是Google于2009年开启的一项自动驾驶汽车计划,之后于2016年独立。2017年10月,Waymo开始在美国亚利桑那州的公开道路上试驾。2018年12月,Waymo在凤凰城郊区推出了首个商业自动乘车服务Waymo One。

http://www.waymo.com/
调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

堆叠技术

堆叠泛化是一种用于最小化一个或多个泛化器的泛化误差率的方法。它通过推导泛化器相对于所提供的学习集的偏差来发挥其作用。这个推导的过程包括:在第二层中将第一层的原始泛化器对部分学习集的猜测进行泛化,以及尝试对学习集的剩余部分进行猜测,并且输出正确的结果。当与多个泛化器一起使用时,堆叠泛化可以被看作是一个交叉验证的复杂版本,利用比交叉验证更为复杂的策略来组合各个泛化器。当与单个泛化器一起使用时,堆叠泛化是一种用于估计(然后纠正)泛化器的错误的方法,该泛化器已经在特定学习集上进行了训练并被询问了特定问题。

暂无评论
暂无评论~