圍繞人們日常的衣食住行，無論是互聯網電商企業，還是傳統零售企業，都開始使用云計算和大數據技術來提升客戶體驗， 提高營銷效率，降低企業運營成本，為“新零售”賦能。

阿里云人工智能產品研發總監許玲做了主題演講，給我們分享云計算和大數據是如何有效結合起來，并賦能新零售的。

“在以前我們的鋪戶很多時候要求你盡可能地自動化，其實自動化要求的最終本質上是人工智能，但那時數據庫核心交易系統和分析系統并不像今天這樣大量地擁有，數據也不在線，所以人工智能和數據庫很難結合在一起。后來云計算上的人工智能，因為有一個很好的土壤，就是云在線?！痹S玲說到。

第一，“AI要做人做不了的事情，或者幫人把事情做得更好，而不是取代人?！敝袊丝诜浅６?，人口紅利也在釋放。但是AI目前真正進入到高精尖領域非常少，所以說AI在商業領域替代人，會走得比較艱難。所以阿里云在AI領域，更多的是解決剛需。

第二，AI商用的成熟度落后于實驗室。之所以AI在實驗室的成熟度會遠遠強于商用，是由于AI在數據上的短板。AI要成功包含場景、算法、工程、數據四個因素。短板是數據，場景是找剛性需求，而不是創造性需求。

AI產品啟動的時候，需要大量的數據做喂養。隨著時間往后推移，一段時間之后，我們會發現，或者客戶會發現，其實人感知到的算法和準確性持續下降，為什么會這樣？

• 目前大多數商用機器人所處的階段：機器人靠人教。

• 機器人被“教”壞了

• 傳統的數據標注方法在領域知識屬性強的場景下不管用了

幸運的是，有顆物聯網和云計算，所有的東西都在線，我們總能夠通過一些方法不觸碰敏感的業務數據，做好足夠的安全、業務和脫敏的情況下，可以合理、合法地用到這些數據。

除此之外，我們還有一套算法教智能機器人自己持續學習，這就是阿里云解決方案：數據閉環。

具體來講，我們在最開始的時候，我們有一個數據集，我們通過工程的手段加人工輔助的手段來喂養它，我們生成最簡單的數據集，我們叫1.0，讓算法在很窄的適用領域正常算起來，在很小一部分用戶場景里面適用。

在內部小范圍適用之后，這些數據會沉淀出一些我們想要的信息。

再然后就是經過人工審核去讓機器學習達到商用的目的，到后期當效果穩定性、準確性穩定之后，人工審核的過程是可以去掉的，所以整個環路，我們叫數據閉環。

總的來說，有了云計算、物聯網和很多智能的終端，所有的東西都給數據回流提供了好的條件，因此可以讓AI不斷地成長，讓AI不斷地賦能新零售。