响铃:AI+IoT新赛道单品爆破只是短跑,全场景长跑才能决胜未来

简介: 响铃:AI+IoT新赛道单品爆破只是短跑,全场景长跑才能决胜未来

今年两会,“智能+”无疑成为最热的词汇之一,总理的政府工作报告中直接提到要深化大技术、人工智能研发应用,并拓展“智能+”。毫无疑问,人工智能在国家层面“引领新一轮科技革命和产业变革的战略性技术”地位凸显。


而这其中,与物联网及AI高度相关的智能生活领域经过行业长时间的积累,其发展已经进入了新的阶段,一些试图重新定义智能生活的玩法确立。


3月12日,TCL在上海召开了春节发布会,提出AI×IoT的概念,宣布全面进入AI×IoT的赛道;与此同时,还对外表达了4T(T-LIFE、T-HOME、T-LODGE、T-PARK)业务战略,要实现入口去中心化的情景下硬件+软件+连接+融合的智能解决方案转型。


微信图片_20220104141043.jpg


上个月,在巴塞罗那MWC大会上,华为的5G折叠屏手机引爆了舆论。而事实上,华为2018年提出了1+8+X的IOT开放战略(1个重要入口——手机,8个辅助入口——智能电视、智能音箱等,X个智能硬件与服务),5G折叠屏手机本质是这个战略中“1”的升级。就在去年12月底,华为在深圳发布了AIOT生态战略,其“1+8+X”拓展到了更大的AI与IoT圈层。


此外,旷视、彩虹巴士、涂鸦智能、OPPO等一大票厂商也积极拥抱AI+IoT。可以预见在即将举行的AWE 2019上,AI+IoT必然将成为最大看点。值得一提的是,区别于传统“AI+IoT”更多体现为AI赋能,TCL此次提出的AI×IoT更强调AI融合,即用户需求、IoT设备与AI能力相互组合形成指数化场景拓展。


行业领头羊们如此积极,莫不真如TCL智能终端业务群CEO王成对智能生活产业的判断:未来3年内,仅生产单一品类的厂家以及不能为用户提供连接融合服务的这些厂家将出局,只有那些能够提供全品类智能终端,能为用户创造连接融合智慧场景的厂家,才能成为真正的头部玩家。



短跑结束了,但赛手们却高兴不起来


如果说,TCL的4T战略发布是对其自身双+转型战略的深化,那华为、TCL们全品类布局AI×IoT的打法是否会成为智能生活的主流?


在响铃这里,这个问题并没有答案。但行业内外已经逐渐认识到,单品为王的短跑基本结束,却并没有让赛手们跑到终点。


我们不妨看看,过去高喊爆品营销的娇子,如今“全家桶”成了他们的标配。


最典型的小米“杂货铺”,扫地机器人、智能空气净化器、智能压力锅、智能台灯……其品类还在往外扩张,业界甚至传言小米要做智能存钱罐,看起来远没有停下的意思。


小米老对手华为干脆省略了小米过去的单品道路,“华为智选”一上来就几乎无所不包,打出“小米能做的我都能做”的旗号。


而向来孤傲、单品取胜的苹果智能家居,也终于在今年2月耐不住向全品类进发,聘请前微软副总裁 Sam Jadallah 成为智能家居部门新掌舵人,目前苹果智能家居的产品已经包括桥接器、摄像头、灯泡、插座、感应器、开关灯等,料想下一步还会有更多动作。


三星的智能家居品类扩张最近也在加速,除了之前已有的智能冰箱、智能洗衣机等,按照三星对外发布的规划,空气监测器、数码相机、清洁机器人等智能产品已经提上议程。


海尔在智能品类的拓展上也不遗余力,除了智能冰箱、智能空调传统产品,最近海尔又在大力推广其智能门锁。


在产品布局上TCL表现得更加凶猛,这次一次性推出了多款智能产品,包括T-Life的声波电动牙刷、智能美妆镜,T-Home的8K AI电视,智能指纹锁、智能云锁、智能门铃、智能空调等(TCL或XESS子品牌),以及T-LODGE、T-PARK的多款ToB解决方案,全场景布局意图明显。


微信图片_20220104141106.jpg


以TCL、华为、海尔全品类打法为标志,头部玩家们大都把目光转向了全品类全场景。这一是因为智能生活领域迟迟没有迎来大的突破;二是因为过去拥有爆款的赛手们停下来后才知道AI和IoT原来是在长跑,依靠单品成爆款完成“短跑”占领智慧生活要道是不可能的,智能手机、智能音箱这类单品爆发、树立行业地位的做法在AI和IoT新赛道并不具备借鉴意义。


智能单品为什么只是短跑?


全场景为何成了AI和IoT赛程的长跑?


当初小米手机、手环、路由等盛极一时要做智能生活的“入口”,最后发现根本不行,还是回到全品类铁三角模式。智能单品永远只是短跑,它无法符合AI和IoT赛程的长跑需求,全场景才是正确姿势。


01没有一条单品赛道,是无限的增量市场


靠单品可以获得一时的风光,但无法支撑长久的发展。


智能手机狂跑了12年,智能手环跑了3年,智能路由器跑了3年,这其中有不少辉煌的产品,但每一家企业在度过一定周期后,总不可避免要走下坡路,就连苹果到了今天也不得不通过价格策略的调整来吸引更多消费者(当然它的策略是成功的)。


增量有限的原因,在于单品市场断层不可避免,有用户的断层,例如小米、华为、苹果就是无法得到庞大“厂妹”群体的青睐;有市场的断层,例如手机经历多年发展出现低中高端,小米被卡在中低端上;还有场景的断层,“拍照手机”独自杀出了一个产品系。类似地,在手机之外,智能生活的所有单品包括红极一时的智能音箱,必然会出现上述三类断层。


02单品成功后,仍不能实现全场景覆盖


单个硬件或软件,单个入口的做法并没有完成场景的全覆盖,各种模式都有自己的空挡,如手机很难在厨房施展发挥,电视只是控制客厅,智能音箱很难影响到睡觉后……


大家的木桶都没有配齐的后果是,一会“自动挡”一会儿“手动挡”,用户的智能生活体验大打折扣。正如TCL王成所言,当前的AI+IoT的现状是,一方面智能设备间的兼容性差,不能互联或连接接不稳定;另一方面智能设备的功能应用场景单一,设备间没有形成有效融合,并不能为用户提供完整的智慧生活场景。


image.gif


用“父爱逻辑”把单品做得再创新、再想不到都不过分,例如在客厅葛优躺时,一个手势就能酷炫地调节灯的亮度等级;但做智能生活全生态必须是“母爱逻辑”,用户需要啥就得有啥,在客厅使唤灯光再酷炫,到了卧室则管不到,忘关灯还得从被窝出来,这样的单品很难获得认可。


03单品成爆品后,依然没有解决IoT不互通、不主动、不成套的三难问题


未来是链条对链条、生态对生态的竞争,单品虽然可以打“爆”,但不可避免地会造成产品单一、跟其他产品关联性较少等后果,这样就很难给用户带来系统级的智能家居体验。


如果单品当道,意味着消费者很可能面临不同的产品多是不同的团队(甚至不同的公司)来做的,在系统层的互联互通上出现“各自为政”的情形。


换句话说,要么智能生活有一个庞大到无法想象的行业同盟(这被证明难以实现),要么企业自己能“自成体系”,用户选择了某个企业后,至少能实现IoT的互通、主动、成套。


04单品的优势很容易被追上


单品更依赖产品层面的创新,而很多时候这种优势是容易追上的。


例如,在智能音箱领域,百度在时间上后发处于劣势,但因为在智能语音等AI上的优势,目前在市场上已经处于领先地位,在带屏智能音箱上更是位列行业第一。


TCL的XESS声波电动牙刷也是后来者,但紫外线杀菌技术和超声波清洗技术解决了电动牙刷本身细菌沉积痛点问题,杀菌率高达99.9%,这种创新让被动变成了主动。


05单品并没有护城河,充其量能很赚钱


vivo、 OPPO、三星靠着高溢价的确很赚钱,但也仅限如此,三星在不少市场上被竞品打得几乎要退场;联想PC卖得好重回世界第一,但市值却上不去;苹果单品卖爆了,然而价格一上去就卖不动了……


单品只能做长长板,没法补齐短板,链条加链条,生态加生态的融合才能带给AI+IoT护城河,而单品爆了却没法平衡利益链的关系,很容易受限于供应链,小米、苹果都吃过亏。


智能家居生态链涉及许多利益相关者,包括上游的芯片和软件供应商,中下游的联网设备制造商、平台提供商、零售商、服务提供商(诸如有线电视、通信或保安公司等)和大数据云提供商,每个相关供应商的需求都有所不同,若是押注单一产品,很难协调整体系统的利益关系,而只有全面整合,重新分配利益方可能做到均衡。


凭什么本事,才能跑完智能生活(AI和IoT)的全程?


既然单品短跑行不通,如何进行“长跑”就成了行业最关切的问题。而这其实可以拆解成以下四个问题,一一回答后,“长跑”的方式也浮出水面。


01没有中枢,全品类到底拉不拉得动?


单品思维的一个很大驱动力在于寄希望于单品成为入口,让同行来“投靠”,最后自己把握住了入口的生态,例如智能音箱。


现在,虽然单品短跑被证实难以奏效,但是,全品类的玩法事实也需要这样一个入口,在所有品类中形成“中枢”。缺乏这样的硬件优势,所谓全品类扩张也是无法落脚的。


试想一下,TCL的T-LIFE、T-HOME、T-LODGE、T-PARK4T战略虽然是全品类延伸,但TCL在中枢产品上如果缺乏优势,这副牌就不好打。


image.gif


好在,TCL的TV可以做为TCL智能生活的重要入口之一。2018年前三个季度,TCL电视出货量全球排名第三,而全年数据上TCL已经跃居全球出货量第二位。而作为整个客厅的视线中心,TCL的电视又十分适合作为控制整个家庭智能设备的中枢。


同样,小米、海尔、华为如果要完全拿下这场比赛,也得继续优化自己的优势品类,比如手机、比如洗衣机。


02单品重要,还是场景重要?


单品太强有时候也不见得是好事,TCL花了很大功夫才让“卖电视的”印象淡出大众视野,转变到“智能+互联网”与“产品+服务”上。而很多企业甚至还无法克服这种“肌肉记忆”式的刻板印象,例如,格力在智能生活领域动作频频,然而很多人还是认为“格力就是卖空调的,其他不行”,这对格力的智能生活市场突破非常不利。


也由此,TCL“学乖了”,在智能终端业务上,选择从场景出发,先做单个场景再全面渗透,实现爆破。


T-LIFE、T-HOME、T-LODGE、T-PARK在私人生活、居家生活、酒店住宿、社区管理等智能方面,能形成每个场景下的“场景产品组合”,对每个场景的全面突破。一旦四大场景全部完成渗透,所谓智能生活也就自然而然了,这在过去单品时代是做不到的,肌肉记忆会毁了大众认知。


而且,只有真正实现连接融合的智慧生活场景,才能给用户带来真正的价值。TCL之所以把AI+IoT演进到AI×IoT也应该是希望在智慧生活中,从“赋能”到“融合”完成维度升级,实现全场景覆盖。


因为过去AI+IoT往往只是强化产品原有的功能属性,如AI提升TV音质画质;或增强交互能力,如通过图像识别,语音识别,声纹识别为用户提供千人千面的精准推荐(人找信息+信息找人);或赋能设备24小时在线,随时响应。


现在,AI×IoT就可以做到基于设备间互联互通,融合用户需求、IoT设备功能和AI能力后,通过场景的指数级增长,进一步满足用户的多样化、智能化场景需求。


微信图片_20220104141245.jpg


事实上,华为、小米正在做的也是想要摆脱公众对他们的“刻板印象”,让自己不再只是一个做手机的,而是什么都能做,而且什么都做得好,这样不同的场景才能拿下。


03全品类全场景,用什么串联起来,到底有没有中心?


获得优质的中枢入口、全场景渗透之后,如何将全品类全场景“串”起来就成为下一步动作。


轻模式下,这种“串”的方式可以通过软件实现,例如小米的APP尝试控制自己生态中的几乎所有智能产品,百度的DuerOS则成为智能生活语音串联的重要第三方平台(官方称安装量2亿)。


而类似TCL这种做全品类全场景的“重模式”,其串联方式更适合整体式的解决方案,也即实现与全场景对应的一整套机制设计。前文将TV作为中枢,其背后构建了全屋智能成套解决方案,而不是某一个产品或APP作为中心。这也说明,TCL布局的是全场景AI,尝试做的是一个开放的平台,从而能够成为全球化的、智慧生活场景连接融合服务提供者。


微信图片_20220104141325.jpg


04全场景,到底有没有标准?


不是什么场景里都丢一点东西就能算作所谓“全场景”了。全场景概念自带用户层面的“随时随地”、“随心所欲”智能化要求。


短跑是拼单点致胜,长跑要求没有木桶的短板,实际上就是要把体验回归到人身上,“人”会有什么智能化交互需求,就是全场景要实现的。而这其实并不复杂,人对外的表达,无非包括说出去、肢体表达出去,以及情感层面的需求交互这三种,同时,这些表达会发生在任何时间,在同一个空间内会有多名参与者。


如何满足这种需求,我们可以看到TCL推出的“TCL全场景AI”,利用理解引擎、情感计算引擎、个性推荐引擎、智慧场景引擎,尝试在AI交互能力上实现听觉交互(听懂)、视觉交互(看见)、情感交互(了解)。


海尔、联想们采取的方案也类似,据说海尔年内将推出全球首个采用5G技术的智慧成套家电及场景解决方案,他们希望通过用平台或生态的方式实现全场景覆盖。

 

总之,尽管这些模式优劣如何,成功与否还不好定论,但长跑已经开启,不服来战吧。

相关文章
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
4天前
|
机器学习/深度学习 人工智能 算法
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
X-AnyLabeling是一款集成了多种深度学习算法的图像标注工具,支持图像和视频的多样化标注样式,适用于多种AI训练场景。本文将详细介绍X-AnyLabeling的功能、技术原理以及如何运行该工具。
32 2
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
|
18天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
283 34
|
3天前
|
存储 人工智能 开发工具
AI场景下的对象存储OSS数据管理实践
本文介绍了对象存储(OSS)在AI业务中的应用与实践。内容涵盖四个方面:1) 对象存储作为AI数据基石,因其低成本和高弹性成为云上数据存储首选;2) AI场景下的对象存储实践方案,包括数据获取、预处理、训练及推理阶段的具体使用方法;3) 国内主要区域的默认吞吐量提升至100Gbps,优化了大数据量下的带宽需求;4) 常用工具介绍,如OSSutil、ossfs、Python SDK等,帮助用户高效管理数据。重点讲解了OSS在AI训练和推理中的性能优化措施,以及不同工具的特点和应用场景。
32 10
|
3天前
|
弹性计算 人工智能 数据管理
AI场景下的对象存储OSS数据管理实践
本文介绍了ECS和OSS的操作流程,分为两大部分。第一部分详细讲解了ECS的登录、密码重置、安全组设置及OSSUTIL工具的安装与配置,通过实验创建并管理存储桶,上传下载文件,确保资源及时释放。第二部分则聚焦于OSSFS工具的应用,演示如何将对象存储挂载为磁盘,进行大文件加载与模型训练,强调环境搭建(如Conda环境)及依赖安装步骤,确保实验结束后正确清理AccessKey和相关资源。整个过程注重操作细节与安全性,帮助用户高效利用云资源完成实验任务。
40 10
|
12天前
|
人工智能 Cloud Native 调度
阿里云容器服务在AI智算场景的创新与实践
本文源自张凯在2024云栖大会的演讲,介绍了阿里云容器服务在AI智算领域的创新与实践。从2018年推出首个开源GPU容器共享调度方案至今,阿里云容器服务不断推进云原生AI的发展,包括增强GPU可观测性、实现多集群跨地域统一调度、优化大模型推理引擎部署、提供灵活的弹性伸缩策略等,旨在为客户提供高效、低成本的云原生AI解决方案。
|
28天前
|
人工智能 自然语言处理 算法
【AI问爱答-双十一返场周直播】AI产品专家直播解读重点AI应用场景怎么用?
阿里云【AI问爱答】栏目强势回归,11月25日至28日每晚19:00,连续四天直播,涵盖AI营销、企业办公、社交娱乐及大模型推理调优四大主题,助您深入了解AI应用,解决实际问题。欢迎预约观看!
|
29天前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
80 4
|
27天前
|
机器学习/深度学习 人工智能 自然语言处理
【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,涵盖AI系统的初步设计原则,并深入探讨了AI在计算机视觉、自然语言处理和音频处理三个领域的具体应用。同时,文中还介绍了AI在金融、医疗、教育、互联网及自动驾驶等行业中的广泛应用,强调了AI基础设施的重要性及其对企业竞争力的影响。通过阅读本文,读者不仅可以获得系统的AI知识,还能激发对AI系统研究的兴趣,掌握相关的设计原则与方法。
69 1
|
3月前
|
人工智能 Prometheus Cloud Native
新场景、新能力,AI-native 时代的可观测革新
借助 AI-native 可观测解决方案,阿里云为用户提供开箱即用的覆盖大模型应用、大模型到基础设施的全链路实时观测、告警与诊断能力,帮助企业在复杂的数字化转型过程中更有效地确保资源的高效利用与业务的持续成功。
219 18