共计 2639 个字符，预计需要花费 7 分钟才能阅读完成。
简介： 当下购物峰值不再是最大挑战，下一代技术创新将会呈现在哪里？
诞生 12 年后，双 11 依然续写答卷，也留下了问卷：当购物峰值不再是最大挑战，下一代技术创新，将会呈现在哪里？
“好的翻新是在低压的场景下产生的，‘双 11’发明了一个个低压的场景，让最前沿的技术和最前沿的商业模式，可能产生高速的碰撞。”昨晚，阿里巴巴团体首席技术官程立的双 11 收官阶段演讲时说，双 11 的技术挑战将进入新的历史阶段。
往年的双 11 史上跨度最长，加上新冠疫情背景，有 2000 多个产业带、30 万个外贸工厂和 3 万多个海内品牌的退出——当有机会将 4000 万新商品，推向 8 亿以上消费者时，每一个关键环节，都有诞生新一代技术的可能性。
▲ 图：阿里巴巴团体 CTO 程立在双 11 当晚的演讲
相比程立这样“12 年全程参加的工程师”，人们并不能即刻感知技术工程的全副价值，许多我的项目刚开始设计时，说穿了是为消费者和商家节俭几分钟、几块钱；从社会老本上，须要把一个峰值，在工夫或空间上烫平；最终，还是回到如何让每一个订单稳固、高效的达成。
就像程立所说的，往年双 11，在新品研发、生产制作、用户触达、供应链、物流配送等环节，技术和商业的共振产生了大量翻新。而它们的最终方向是让“商业因素在线化、数字化，在这个根底上，形成一个真正数字化的商业网络”。
也因为工夫窗口最长，这次双 11 也让咱们从更长的产业链条上，预测一下将来还会有的新货色：
C2M 技术会代替“电商”，就像云计算代替传统 IT
C2M（用户直连制作）兴许还是一个定义不清的词汇，更没有“C2M 技术包含什么”的共识。然而，就像云计算公司，代替了 IT 公司，这届双 11 让将来的 C2M 技术集群变得更加清晰。
阿里巴巴至多有三个不同的技术模块，尝试深度买通 C2M。
- 天猫精灵背地的 AIoT 技术和多模态交互模组，曾经影响了许多家电、家居厂商的智能化设计研发。
也带动了一些小家电产业带、外贸工厂的快速增长。
整体技术、设计资源的开放度依然是全行业最高的。 - 躺平智造为代表从终端到本地的工业化数字技术，其中 3D/AR 前端渲染模型，家装设计师的设计软件和建材工厂的生产数据库实现了连贯。
双 11 的 10 万样板间还只是开始，将来半年还会有 2 万个门店进入全屋定制业务。 - 犀牛智造在数据智能技术支持下的智能工厂和柔性产线，犀牛智造带给产业带工厂的机会，不仅仅是小样本的测款，更有大数据下的丰盛机会。
家装、家电、家居和服饰都增长显著，这些行业也都存在制作端柔性与消费者共性的强烈趋势，市场规模曾经足够微小。诸如本地化配送组装这类问题，阿里巴巴已有很强技术的末端问题。
加上阿里云在工业大脑畛域多个基础性行业的积攒，兴许不须要太久，淘宝天猫就会从一个电商平台，孵化出一个 C2M 技术集群，或者智能制作平台。
数字供应链成为大型企业数字化的突破口
如果云是调度线上的资源，供应链则对应企业线下的资源，无疑异样重要。因而，程立在演讲中屡次征引了阿里巴巴一个叫 DChain 的我的项目。通过这当中的智能预测技术，在双 11 前，曾经将超过 11 亿商品提前调配进离潜在消费者最近的物流仓库；让一些批发企业间接省去了仓储物流老本，间接从工厂进行发货；甚至，在主播的直播间开启前夜，也能够去预测千万级规模的订单，可能会散布在哪里。
图：程立演讲中提到社会可共享的服务能力
这套零碎目前应该通过菜鸟数字仓储体系，和阿里云的新批发中台产品等界面，都能够让企业接触应用。能够想见，在淘宝特价版或者批发通这样十分下沉的商品治理中，这种能力会更大幅度晋升过来由人工治理的供应效率。然而，仅此而已吗？
- 企业的供给打算，是整个经营资源决策的外围，相比过来解决的客户关系问题，过来会被认为因为库存进出频率不高，而没有率先进入数字化。
而实际上很可能是因为没有足够多真的能够优化供给的数据和算法。 - 很少有机构的数字供应链能够汇集阿里巴巴当初这么多维度链路。
并且曾经将影响供应链的订单音讯，与简直所有这个畛域的 140 多家服务商有深度的技术对接；
一旦大型企业能够参考，则会带动上下游大量生态企业。 - 这个畛域也不须要新的软件，而是须要新的数据处理和算法框架，例如在阿里巴巴商家服务和数据仓库产品中曾经大量存在的流批一体架构。
双 11 积攒的教训，仿佛越来越凑近产品化了。
此外，还有淘宝天猫新品平台，这样间接帮忙品牌研发晚期的技术平台。对于一些须要用爆品来决定企业打算的行业，将十分要害。
对消费者和产业的了解，可能催生出新的智能计算框架
11 月 3 日的阿里巴巴双 11 技术沟通会上，首次详解了认知智能引擎，在商业 AI 体系中的重要作用。紧接着 11 月 9 日，这个团队就受邀在中国科协、中国科学院、中国工程院主办的顶级会议上，公布开源一站式图计算引擎 GraphScope。
这个开源框架还没有颁布特地多细节，然而从项目组的介绍看，它间接来自于双 11 中每天数千亿次调用的智能场景是无疑的：
- 在阿里巴巴的场景里，因为有产业、地区、经济行为等概念化的图谱存在，对于计算的需要与个别的深度学习场景是不同的。
具备这种遍历图的能力后，针对不同行业，更高认知程度的智能技术才有可能产生。 - 图计算性能近年来曾经提高的数 10 倍，但依然存在三个大规模利用挑战：
一是相干畛域问题简单，计算模式多样，大量解决方案碎片化；
二是学习难度大，对于非专业编程人士门槛很高；
三是跨域数据量大、计算效率依然偏低。 - GraphScope 与 TensorFlow 等框架，在零碎上会有一个协同关系，行将深度学习和传统的图模型做更严密的联合，获得更好的成果。
图: 阿里巴巴认知智能团队介绍的图计算利用场景
外界对平台型公司的察看，往往颗粒度差别很大。尤其对阿里巴巴科技，每个人摸到的部位不同，评估不一。因为涉猎的行业最丰盛，阿里巴巴仿佛始终是最违心向客户展现最新研发产出的大型公司：有的在天上，有的长在地里，有中台这样摸索中的架构理念，也有云栖大会间断抛出达摩院、平头哥这样的爆炸性新闻。
如果回到公司策略之一：云计算与大数据，在历年双 11 的催化下，阿里巴巴自研云计算、数据库的故事，都最终实现了这种因素级的技术创新。云计算在中国规模与增速同时放弃第一、数据库在中国曾经超过 Oracle 位列第一；不仅撑持了双 11，而且是许多国民利用的基础设施。
与个别关闭集中式的垄断平台不同，高科技倒退，肯定是凋谢和利他的。从一个个门路越来越丰盛的双 11 订单也能看出，保持大规模的凋谢接口，放弃高频率的社会协同，自身就是最可继续的翻新。
原文链接
本文为阿里云原创内容，未经容许不得转载。
