应用场景的确已经成为最容易产生火药味的地方。
撰文 | 宇多田 微胖 高静宜 探险家
这一周，物流配送成为我们关注的焦点。一个消息来自科技巨头亚马逊，一个则是美国商超百年老店克罗格，它们都盯上了「送快递」这件事。
线上购物仍然处在一个较高增长水平上，随之而来的是快递费用的同等增速，一个数据显示，在美国，ups 已经有 5%-10% 的营收来自于亚马逊。从麦肯锡近期的一项研究结果里也可以看到，每年全球「最后一英里」快递服务支出费用约为 860 亿美元。
市场摆在那里，都想分一杯羹。亚马逊一直在研发无人配送产品和配送体系，从去年开始又在持续打造第三方配送生态，这周发布用于扶持快递创业公司的孵化器计划，则与此前的 amazon flex 项目形成了一个组合。
尽管收购全食填补了线下终端环节的缺失，但亚马逊需要从最基础的「众包」方式开始构建配送体系，而拥有接近 3000 家门店的克罗格，要想提供随时随地购物体验，缺少的是「最后一公里」的力量。就像沃尔玛那样，克罗格一直在寻求自动驾驶公司的方案来解决运力及其成本的问题。
对像 nuro 这类想要抵达 l4 的创业公司而言，明确当下真正的刚需场景也是一个挑战。除了这次与传统零售商合作配送服务，在更多创业公司面前，还有干线运输、城市配送等不同细分市场的机会。
不得不说，场景的确已经成为最容易产生火药味的地方。
即便是 ai 芯片的竞争，也早已迅速转向基于各类终端应用垂直化产品的研发抢跑上。从云知声、思必驰到出门问问、rokid 再到美图手机，不可避免地，这个名单还在增加，但究竟最核心的竞争点在哪里？有可能会是忆阻器这样的器件占领下一阶段 ai 芯片的投资热点。
除此之外，还有几家 ai 类公司又拿到钱了。在互联网创投模式备受考验的当口，人工智能创业公司的日子会更好过一些吗？
一、亚马逊正在「革」快递行业的「命」，这是否给技术创业者带来巨大的市场想象空间？
亚马逊本周一项涉及到零售业务的新举动，或许会让国内配送及电商平台「若有所思」一下：
「如果你想创建一个小型快递配送公司，我出钱，我出数据，我出各种物料，我出培训！就等你做 ceo，领导一群快递小哥给我的平台来送货！」
以上信息基本能概括出亚马逊这个新项目的主要内容。
更直接一点，亚马逊其实就是创建了一个孵化器，拿出一系列资源来专门扶持那些终端配送快递创业公司。
但这个计划实际上一点也不「新」。它更像是此前亚马逊发布的「最后一公里」众包项目——amazon flex 的升级版：
如果说 flex 像是复制了 uber 的运营模式，将配送任务分发给几乎没有劳动保障的平民快递员，鼓励司机接单；
而新项目，则是以鼓励创业者自建配送团队和招募运输服务合作伙伴的形式，把自己平台上快递任务以「模块化」的形式承包出去，为「散而无形」的平民快递员找到一个「包工头」。
如果说之前是「一根一根地收集柴火」，那么现在就是「一捆一捆地处理」。无疑会降低终端配送任务的难度，让任务分发更有秩序，一定程度上避免此前 flex 项目因抢单事件而引发的混乱局面。
但无论如何，亚马逊是铁了心要在终端配送系统中「一搅到底」。
这些举动也被许多外媒评论为「想要摆脱联邦快递（fedex）、联邦包裹（ups）、国际快递（dhl）等终端配送大佬的掣肘，而这些快递巨头也应该对此保持警惕」。
说到电商平台与快递公司之间「亦敌亦友」的关系，从国内「菜鸟联盟」中的快递公司扮演的角色便可以一窥究竟。
快递公司们在联盟中被赋予的任务几乎是以配送端为主，持股较少；与此同时，他们需要将客户资源及配送系统等重要商业信息交给菜鸟网络，或者说是阿里。
但我们实际上很难将「包裹量增加+效率提升」与「数据资源」进行等效价值划算，而对于快递巨头来说，拥有持续的商业与网络效益是头等大事，心存戒心很有必要。
而对于阿里菜鸟来说，为了实现「盘活物流供应链」这个大愿景，仓储网络与终端配送环节是需要协同改造的。在终端配送环节没有支配权，会严重影响到供应链上下的数据打通，毕竟历史告诉我们，大部分快递公司在「效率提升」这件事情上一直都表现糟糕。
因此，阿里一直强调「自己绝不做快递」，但却在用入股、收购等方式来影响快递行业。
而对比国内至少拥有一定话语权的阿里，亚马逊更像是一直在「孤身奋斗」。
众所周知，亚马逊在仓储、货运工具方面的投入一直都非常卖力，但自营配送业务只是针对买家，平台上大部分的第三方配送服务还是需要交给快递公司处理。
据分析机构 mwpvl international 提供的数据，2017 年亚马逊电商在美国的商品出货量估计已超过 12 亿。但其中大部分都是通过第三方快递公司来配送。
因此，亚马逊在终端配送环节一直受制于 fedex 与 ups 等快递运营商，而后两者的巨大体量与国际化地位代表了他们绝不可能在物流数据及供应连方面与亚马逊进行打通和分享。
在今年提交给证监会的年度文件中，亚马逊明确指出，如果快递业务继续依赖联邦快递 (fedex) 和联邦包裹（ups）等外部合作伙伴，且无法通过谈判达成可接受条款，将会为公司经营带来商业风险。
而根据另一项亚马逊提供的财务数据显示，电商业务的运输成本已经从 2015 年的 115 亿元增至 217 亿美元。随着运费持续增加，公司有必要控制配送环节带来的成本压力。
这也是亚马逊从 2018 年初便开始绞尽脑汁为自己平台的商家开展「最后一公里」配送业务的根本原因。
但即便亚马逊今年接二连三得发布新项目，招募独立快递配送承包商，但有美国物流公司仍然对此「嗤之以鼻」。他们认为，即便亚马逊开始达到一定的量级，fedex 与 ups 的最后一公里业务也不会有多大的损失，因为该项业务回报率很低，
「一方面是本身这一块利润率低，另一方面，如果亚马逊涉足配送，两大物流巨头也许会进行报复性提价，毕竟亚马逊还在依赖他们。」北卡罗来纳州物流公司 transportation insight 负责人 paul thompson 表示。
毫无疑问，快递巨头们也开始意识到自己不改革「对不起」自己的垄断地位，都在催促自己的快递员们勤快一点，譬如增加个「周六上门取件服务」等等（what？原来美国以前周六还不能上门取件）。
但显然与国内相比，美国快递乃至整个物流行业更亟待改革，这也给很多快递技术公司与创业者开辟了参与分割这块蛋糕的巨大空间。
只是不知道这个「革命发起者」，是不是应该由亚马逊来担当。
二、无人送货这块大蛋糕，自动驾驶公司也在盯着呢
长期看，终端配送这件事还是会向无人化迁移，无论是上述亚马逊还是国内的京东、阿里巴巴，都在研发无人机、无人车技术并积极申请相关牌照。如果你还认为这些都是科技公司一厢情愿地想要向传统模式发起挑战，那么这周一家连锁超市巨头和自动驾驶初创公司的合作就恰好撕开了一个口子。
这事儿的主角是美国超市业百年老店克罗格（kroger），曾经为对抗亚马逊传出和阿里巴巴牵手的「绯闻」，这次为了能真正做到随时随地向消费者提供商品，决定和 nuro 一起研究自动驾驶汽车送货服务。
测试车辆采用的是 nuro 公司的 r1，这款没有驾驶室的纯电力驱动汽车专为送货而生
用户可以通过 nuro 的应用程序或是 kroger 的在线交付平台下订单，克罗格工作人员把货物装进 nuro 的车舱之后，自动驾驶汽车驶向目的地并停在路边等待用户取货。换句话说，不会提供上门服务。
从目前的报道来看，测试使用的车型还是 nuro 在今年 1 月推出的 r1，上面搭载了摄像头、毫米波雷达和激光雷达等传感器。与普通汽车，r1 的车身更短小、轻盈，看起来像是一个带着轮子的烤面包机，或是一个超大的智能午餐盒。
在两个下单平台上，顾客可以掌握车辆的实时位置并与之互动交流。在此基础上，nuro 还在研发人脸识别等生物识别技术。
尽管目前两家公司的合作细节、试点城市等信息尚未完全披露，但很明显 nuro 会是这次合作中的赢家。
位于硅谷的机器人技术公司 nuro 由谷歌自动驾驶团队前首席工程师朱佳俊和 dave ferguson 于 2016 年创立。彼时还是最早项目创始团队成员之一的朱佳俊，主要负责带领环境感知技术和仿真模拟的研发。dave 则是谷歌自动驾驶汽车团队机器学习和机器视觉技术负责人，也是自动驾驶汽车业界最早的开拓者之一。
作为传统零售商，克罗格超过 2800 家门店已经遍布美国 35 个州，每天为 900 万顾客提供服务。这意味着，nuro 可以快速把业务拓展到更多城市的同时，拥有不同城市的地图数据，并在配送服务场景中进一步打响自己的知名度。
麦肯锡近期的一项研究表明，每年全球「最后一英里」快递服务支出费用约为 860 亿美元，同比增长速度惊人。沃尔玛也曾寄希望于与 uber 和 lyft 的合作，通过出行领域的按需分配完成其线下货物的运输。不过可惜的是，最后却以「分手」告终。
在国内，试图以支线任务通关物流配送的玩家同样不在少数。
上周，京东配送机器人开启了全球首次全场景常态化配送运营。载有货物的京东配送机器人根据调度平台的指令驶向目的地。在送货的过程中，机器人会对周围环境进行感知，并据此作出相应决策。即将到达目的地时，后台系统会把取货信息发送给用户，用户可自行选择人脸识别、输入验证码、点击手机 app 链接这三种方式取货。
3 个月前，苏宁自家的送货机器人「卧龙一号」还亮相南京。
现在看来，各家在智能配送无人车上都称得上是重金投入，而且无人车的外观形态和具体场景都不尽相同。而想让用户真的接受从机器人「快递员」手中取货，还有很长的路要走。
三、当我们谈起深度学习芯片时，我们在谈哪些趋势？
计算机体系结构顶级会议 isscc 2018，「digital systems: digital architectures and systems」分论坛主席 byeong-gyunam 对深度学习芯片的发展趋势做了概括——
如果说去年的焦点是卷积神经网络的实现问题，那么，如何更高效地实现卷积神经网络，特别是针对手持终端等设备成为今年关注的重点。
这一点并不是没有切实迹象。
全球先进半导体与集成电路领域的顶级会议——2018 国际超大规模集成电路研讨会上，清华大学 thinker 团队发表了两款极低功耗 ai 芯片（thinker-ii 和 thinker-s）的相关论文，其中，thinker-s 芯片受邀在大会的 demo session 进行了现场演示。
产业方面，绝大多数公司尤其是初创公司也纷纷看好芯片在终端应用上的商机。
继云知声 5 月推出国内首枚针对 aiot 的 ai 芯片后，思必驰也透露，与国内芯片厂商合作研发的一款 asic 语音芯片将于下半年流片上市。
低价、功耗以及快速推向市场，可以说是这类创业公司自研芯片最重要的因素。
另外，为了自己的算法可以在新硬件上落地，中间也必须加上符合自己需求的阵列和芯片，否则技术优势也很容易被突破。
鉴于语音技术可能成为下一代交互界面，语音技术起家公司的自研芯片也会考虑面向物联网智能终端设备的可能性。
不过，值得注意的是，除了算法，思必驰的这枚芯片甚至集合了声学信号的处理能力。公司 ceo 高始兴将这枚芯片的特点概括为「超低功耗，声学信号处理能力比较强，扩展力也比较强」。os 是否可以集成到芯片中，还有待进一步观察。
除了语音 ai 公司，一些智能硬件创业公司也步入自研芯片的行列。
5 月，出门问问推出了自己的 ai 语音芯片模组。本周，前三星半导体研究所长周军博士加盟 rokid 也与杭州国芯合作推出 kamino18，一款 ai 语音专用的 soc。
芯片集成度比较高，整体成本比市场主流通用芯片低 30% 以上。据透露，rokid 掌握了从指令集到系统体系结构设计的流程，具备完整的自主知识产权。
智能硬件创业公司的产品通常没有多大规模，芯片需求量也很少，然而，不足千万级别的市场很难支撑传统芯片厂商的一条产品线，芯片厂商更愿意以通用方案替代。因此，一些创业公司进而走向合作、自研的路子。
智能手机领域也是如此。
本周，美图在正式发布美图 t9 标准版的同时，宣布下一步将进军芯片领域，推出自研的 mt-ai 图像处理芯片。
虽然外界对于这一消息流露出的更多是质疑，但公司有自己的逻辑：手机影像处理技术开发遇到了硬件的性能掣肘，现有的手机硬件无法及时地支持某些需要庞大计算量的尖端影像技术，比如夜景相机的降噪处理。因此，美图希望自研的 mt-ai 芯片能够实现很多之前无法实现的畅想。
对于 ai 芯片的下一个突破口在哪里的问题，深鉴科技 ceo 姚颂于本周在接受机器之能采访时表示，「如果说未来可能会有一个突破，那一定会是 in-memory computing。」
目前在学术研究上，对数据存取具有较高要求的全连接网络比如 rnn 和 lstm，也是研究热点之一，而数据搬运方式，而非单纯的处理速度提升，会是接下来 ai 芯片的突...