今天预计有多少人买饭团？李彦宏说百度用PaddlePaddle给答案

李根 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

百度AI又在乌镇搞了大事情。

去年在乌镇，百度无人车队成功登上各大外媒头条。

今年在乌镇，同样还是AI相关，同样还是来自百度。12月5日，百度与联合国全球契约组织（UNGC）共同发起了一项名为“鲜食代 零浪费”倡议计划。

该计划利用百度深度学习开源平台PaddlePaddle，打造CTR预估模型，通过AI变革传统供应端，为生鲜类食品精准预测销售量，帮助商家提升利润率，减少资源浪费。

目前，该AI方案已经在连锁便利店Today进入运营状态，而通过与联合国的共同倡议，百度希望这一AI赋能商业、AI赋能社会责任类的项目，能产生更广泛的影响力。

百度创始人李彦宏，还在乌镇世界互联网大会现场，专门以此举例，认为AI变革供应端、发挥AI to B影响力的时刻，已然到来。

△ 李彦宏介绍AI变革供应端AI变革供应端

李彦宏介绍说，最近最受关注的百度AI产品是智能音箱Raven H，但在B端、供应侧，百度的AI也已经在发挥作用，利用AI，可以更好提升效率，减少浪费。

“我们跟一个连锁的超市合作，用人工智能的技术去提升超市里的生鲜货品效率，进多少，什么时候摆出来，什么时候撤掉，做这样的预测，我们有了这个预测之后，做了10家店，利润可以让它提升20%，报损率降低30%以上，就是很多本来需要扔掉的东西，因为人工智能而变得不需要浪费了。”

百度董事长所称的这次合作，正是百度AI在Today连锁便利店的首次试验。

当时，百度与Ping++联合，进行的一次AI+零售的实地试验。他们以Today的10家连锁便利店作为首批试验对象，针对便当、饭团等保鲜期为1天的商品，进行了为期10天的实测。

这些商品属于难保存、易报损，之前供应进货，全靠店长经验判断——算不上完全可靠，但也没有更好的办法。

而在这为期10天的试验后，数据结果显示，在销售额未受影响的前提下，按照预测结果进行进货的店铺，较店长自行进货商家净利润提升近20%，报损率(食物浪费)降低超过了30%。

△ 模型实测数据对比

更重要的是，相比严重依赖店长经验的模式，AI方案显然不受个体限制，也不受时空限制，可以快速规模化复制。

但是，在整个过程中，AI究竟如何发挥“神力”？

一切并非无迹可循。

PaddlePaddle，CTR预估模型

实际上，运用在Today便利店中的AI技术，算不上“新物种”。

其间发挥作用的算法模型，使用的是百度开源深度学习平台PaddlePaddle中的CTR预估模型。

利用该模型，可以对传统的消费领域过去一年的70个数据维度、200+特征，包括商圈、人流、天气、节假日、实际销售量等进行深度学习、分析，并精准预测第二天的销售量，进而判断商铺当天的进货量，利用数据反馈做出调整，最终避免食物过剩和浪费。

之所以说CTR预估模型不算“新物种”，是因为在用于变革新零售之前，CTR预估模型早已在广告和商业领域发挥了作用。

CTR，全名Click-Through Rate Prediction，中文译名“点击率预估模型”，用PaddlePaddle提供的深度神经网络构建能力搭建而成。

具体来说，CTR在原来逻辑回归模型（LR: Logistic Regression）基础上添加深度神经网络，也可以说是传统模型和神经网络模型的结合体，模型融合了适用于学习抽象特征的深度神经网络（DNN：Deep Neural Network）和适用于大规模稀疏特征的逻辑回归模型（LR: Logistic Regression）两者的优点，可以作为一种相对成熟的模型框架使用，较传统逻辑回归模型（LR: Logistic Regression）准确率更高。

CTR预估模型的研发初衷，是为了在合适的时候把合适的内容放到合适的用户面前，俗称“精准营销广告”。它是百度PaddlePaddle的众多模型中最为经典的模型之一，积累了百度十多年来搜索业务的成果。

比如，当一个用户搜索苹果时，模型会去分析用户历史搜索特征和用户画像，来决定是展示iPhone相关的内容，还是牛顿和苹果的故事。

其本质也可以拓展至预测不同目标之间的关系，比如销量预测中建立不同时间点与某个商品销量的关系。

在百度内部，CTR预估模型早已在发挥作用。不过真正开源使用，还经过了4个步骤的优化调整。

第一步，业务数据的采集和处理；第二步，用PaddlePaddle构建或调整网络模型；第三步，调整参数和线上实验验证模型；第四步，迭代第二步和第三步，直到模型达到理想的业务效果。

其中，数据处理和计算，是最核心挑战。往往需要开发者有较长的工作经验，才能很好的解决。不过作为深度学习开源平台，PaddlePaddle社区中有海量业务经验，除了上手指导，还会帮助开发者规避一些通用问题，快速完成高质量模型的建立。

CTR预估模型的研发门槛并不低，但现在通过开源方式打造具体业务场景的CTR预估模型，难度已大大降低，因为该模型在开放前，已经在百度内部广泛的业务线中，完成了数据训练和模型实践。

打造具体场景的新零售AI

理论上，零售企业只要拥有完备的订单基础数据，就可以使用PaddlePaddle进行具体场景下的模型建设。

比如经营数据（订单、进货）、与经营有较强关联的外部数据（门店的开店时间、门店所在位置、历史天气情况等信息），PaddlePaddle拟合经营数据和外部数据之间的关系，将外部数据输入到拟合好的模型就会对应输出预估的经营数据。

其实每个精明的管理者，在经营过程中都会积累一套自己的经营理论，这也是一个数据拟合的过程，而PaddlePaddle的作用，只是把这个拟合的过程程序化了。

通过PaddlePaddle进行类似模型的的建设步骤并不难，可能相对要花点心思的环节是数据维度，数据维度越丰富全面，模型效果就会越好。

AI赋能传统商业

实际上，大到超市，小到早点餐铺，其实都能通过这样的AI，享受最新的开源技术成果，让经营更简单。

而且在一些“看不见”的地方，AI也在悄然赋能传统商业，提升效率。比如基于语音识别和自然语义理解等AI技术，AI已经在不少企业内部充当起了“金牌销售”和“智能客服”，对于不少面临大量客服需求的企业，直接接入智能客服解决方案，就能拥有一个专属的“AI客服”，它不仅7*24小时在线，而且还能基于对用户的了解和前期积累的经验，对用户的疑难有更精准的判断，并且通过语义分析和数据分析，挖掘之前被忽略在客服中的商机。

AI给传统产业带来的赋能和变革，显然毋庸置疑。更为重要的是， AI带来的变革，不仅体现在商业效率的提升，更在于让生活变得更美好。

比如此次联合国全球契约组织（UNGC）和百度携手，或许看重的就是AI对于传统难题方面的攻克上。

在零售行业，生鲜食品的供应和保存一直是一个复杂的系统工程。有关统计显示，我国餐饮食物浪费量约为每年1700万至1800万吨。

而管理规范的地方和企业，可能会用严格流程去努力追求生鲜食品的供需大体平衡，但在有些灰色地带，则可能为了降低报损率，减少成本损失，存在以违规添加剂、人为修改保鲜期等方式制造所谓的“保鲜”效果。于个体健康，还是大众利益，都有害无益。

现在，AI站了出来，还有可以直接利用的PaddlePaddle等开源平台，而且最重要的是：这一切才刚刚开始。