飞桨EasyDL难以走出的商业化困局( 二 ) 编辑|于斌出品|潮起网「于见专

单一的技术供给，恐难满足实际需求
在百度的对外活动和分享会中，「于见专栏」捕捉到一个重要细节：EasyDL的技术研发目的，在于对实体产业自身升级和产业转型需求的满足。
这意味着， EasyDL在应用层面上是想要解决现实商业问题的。无论是工业生产重新布局、零售产业调整层面，还是相关服务业转型层面，最终都是要将飞桨全景技术中的各个项目转换成为生产力的一部分。
按照这样的战略布局， EasyDL还无法实现这一伟大愿景。在此以EasyDL在零售和仓储行业中的应用为例。
在百度对外分享的应用经验中，也有这样一个案例：运用EasyDL平台，可以对货架上的商品进行AI扫描，进而建立起一整个货架商品情况汇总信息库，帮助管理人员更好地掌控货架商品和仓储库存等。

文章图片
作为一项创新技术而言，能够自动识别商品信息并自动生成实时货架虚拟数据是一项巨大突破。但其实际应用作用却显然是极为有限的：货架管理和仓储库存统计只是第一步，重要的是后续调动、整理和销售应用。
在翻阅了其他相关资料后，「于见专栏」并未发现该案例的后续介绍。这就引发了一个问题：如果EasyDL只能自动识别信息的话，是不能满足商家实际需求的，其应用意愿显然也存在极大疑虑。
在这一案例的分析中，可以清晰地看到这样一个问题：如果没有后续的应用操作， EasyDL所描述的应用场景，是不具有现实应用意义的。
一个售货员或者仓库管理人员，拿着商品库存表进行商品核对和后续整理就可以完成的任务，可能不需要AI技术的辅助。至少在性价比上， EasyDL是比不上一名现场工作人员的。
换句话说， EasyDL描述的只是应用场景的一部分，且是并不具备完全取代人工服务的一部分。
如若不能规范行业标准，或难保交易效率
在“百度大脑开放日·福州站”智能制造与安全生产专场中，有企业分享了自身借助EasyDL技术帮助纺织产业进行智能化建设的案例。
【飞桨EasyDL难以走出的商业化困局】借助百度AI技术，该公司实现了面料精准化寻找、面料智能化检测。在一定程度上降低了产业链成本、提高了工作效率。
这样的成功案例当然值得重点关注，但是单个案例的成功对整个行业的改革而言并不具备足够说服力。

文章图片
首先，「于见专栏」注意到案例中技术应用场景的问题。找寻布料和面料检测当然是纺织行业的重点工作内容，解决工作难点对整个行业效率的提升必然是巨大的。但问题在于：在面料标准缺乏规范性、设计需求存在特殊性的情况下，商家上传的数据对纺织企业的采购影响显然有限。
这一问题，在中小型纺织企业的采购中显然更加明显。当产品设计参数有所调整时，原本的面料需求参数不能满足需求时，是很难规范面料供应方的参数供给问题的。
除此之外，大型企业的产品输出相对稳定，面料供给商也相对确定。在此背景下， EasyDL平台所发挥的作用必然也是有限的，这将在很大程度上影响飞桨平台的用户获取。
而中小纺织企业的产品输出样式相对较多、面料采购丰富度高、面料供给商转变较快，但对面料的实际性能考察更为仔细。而EasyDL在规范面料参数和技术标准上显然还有很大提升空间。
一方面，是针对商家上传面料参数的确定上。手持设备的测绘存在一定误差，将直接影响到最终生成产品的性能确定；另一方面，面料供给行业在生产标准和市场监管上存在的漏洞，并不会被AI技术填补，一旦大面积推广也将造成品牌竞争、技术参数确认等一系列问题。