文｜邓咏仪
编辑｜苏建勋
每一次点进直播间 ， 你的选择已经在深刻改变着商业生态 。
如今直播生态已经趋于成熟 。 直播间、社交媒体上的“达人” ， 事实上已经成了一个品牌的店面 ， 人设代表着受众群体、风格和定位 ， 达人负责捕捉新一季的时尚元素 ， 快速出设计图、打样 ， 国内工厂在半个月内就能完成生产和出货 。
这套被称为“小单快返”的模式如此运转多年 ， 催生出了类似SHEIN这样的跨境巨头 ， 已经成为国内市场的标配 。
但在广袤的海外市场 ， 电商的基础设施参差不齐 ， 物流、生产供给的缺乏、更多元化的用户群 ， 藏着大量可以被AI改造的空间 。
这是曾经负责淘宝直播业务的道放 ， 离开阿里后 ， 最想做到的事 。
他出生于1983年 ， 经历过移动互联网的所有风口——2008年毕业后 ， 加入百度、360等公司 ， 担任算法专家；2013年加入阿里后 ， 一待就是11年 。 他曾经从0到1做出过亿用户的印度短视频平台VMate ， 负责过“点淘”APP ， 2021年开始统管淘宝直播业务 。
“从达人的审美 ， 到设计师的桌子 ， 再到工厂再到消费者手中 ， 这个过程太长了 ， 信息严重扭曲 。 ”道放说 。
在电商还没有那么发达的其他市场 ， 他希望能在其中建立起一套完整的AI电商服务体系 ， 桥接国内供应链和海外达人生态 。
货跟着流量在动 ， 也直接重塑了供应链生态 。 比如 ， 传统的服装供应链中 ， 销售体系可能就会分为5到9级不等 ， 商品流转周期很久 ， 加价倍率也很高 ， 品牌需要提前半年 ， 就要把所有的商品设计出来、打样、下单 ， 导致传统女装的爆款预测准确率较低 ， 产生库存难题 。
而在消费者端 ， 因为大模型的发展 ， 每个人获得一对一的服务 ， 也变成了可能 ， 这成为道放创业新项目Infimate的开始：为每个人做一对一专属的“赛博闺蜜” 。
这个赛博闺蜜就像一个专属于你的AI购物Agent ， —个能理解时尚趋势、提供个性化穿搭建议的朋友 。 “会基于你的身材、肤色 ， 以及当下流行趋势 ， 给用户做搭配 ， 给到专业的建议 。 ”道放向我们描述 。
最重要的是 ， “赛博闺蜜”一定要能帮助你减少购物过程中的诸多繁杂琐事：计算最佳优惠、帮你抢券、告诉你各种小道省钱妙招 ， 监测何时是最佳下单时机等等 。
这也是Manus带来Agent浪潮之后 ， 道放觉得创业时机成熟的原因：模型能够调用内部工具 ， 完成各项任务 。 而这一切 ， 必须要建立在有足够纵深的垂直领域数据和场景之上 。
他以之前火爆的“Tiffany蓝”、“牛油果绿”等趋势举例 。 这些是由各个KOL、达人营造风向 ， 传导到更广大的消费者中 。
“这些KOL做到的事情 ， 就是在时尚领域‘造词’ ， 打造并传播当前热门的时尚元素 。 ”道放认为 ， 结合各类公域数据加以训练 ， 以及用户主动告知的喜好 ， 大模型已经足够有能力完成KOL所做的事：完成时尚元素的捕捉、预测以及表达 ， 给用户做更精准的推荐 。
同时 ， 模型将这些标签建立好后 ， 也可以把这套能力提供给B端 ， 同时服务B端的品牌、达人等等 ， 服务的场景多种多样 ， 包括爆款预测、爆款生成、选品决策支持 ， 最终构建起AI电商服务体系 。
但这个不可避免会涉及一个问题：道放想做的事情 ， 看似都在大厂射程范围内 。 为什么机会会在创业公司手中？
“首先 ， 我们定位海外 ， 海外电商平台无论是生态和玩家格局都更分散 ， 平台垄断程度比较低 。 这是更有利于大模型切入的生态——给C端做个性化定制 ， 用户天然就会更相信一个第三方的Agent 。 ”道放表示 。
更重要的是 ， 道放曾在大厂内部从0到1创业 ， 深知大厂在做决策时 ， 需要考虑既往业务 ， 也有资源侧重的考虑——对于探索Agent这类更新的业务方向 ， 创业公司还是有着不少时间和空间 。
事实上 ， 在离开阿里后 ， 道放曾在朋友圈宣布将在具身领域创业 ， 目标是“为机器人尽快进入千家万户贡献自己的一点力量” 。
但他和创业核心伙伴摸索一圈 ， 最终评估下来 ， 具身智能如今的技术探索还相当早期 ， 起码要5-10年才有可能出现商业化上的飞跃 ， “离消费者还是有点远” 。
为了离消费者、市场更近 ， 道放还是选择暂缓具身方向的探索 ， 把重点放到了AI+电商上 。
在淘宝11年 ， 掌管在风口上的直播电商业务 ， 在道放身上也投下了浓重的影子——他语速极快 ， 你甚至很难从他连续的思绪中 ， 找到提问的切口 。
道放也和普遍印象中的大厂高管不太一样 。 过往印象中 ， 大厂高管可能手握天价预算 ， 随对各种宏大战略信手拈来 。 但我们从道放的叙述中感受到一种朴素的目标——要找到贴近用户的场景 ， 迅速建立起商业闭环 ， 养活团队 。
这是从阿里离开之后 ， 道放的第一次公开表达 。 以下为我们和道放的对话 ， 经编辑整理：
△Infimate创始人程道放 图源：企业授权
想过做家庭机器人 ， 但也许太早了《智能涌现》：你离开阿里后 ， 发的第一条朋友圈就说自己要做具身机器人 ， 现在要做AI电商 ， 这个想法是怎么演变的？
道放：我是去年7月左右 ， 阿里内部第一波GPT影响下来 ， 就在研究AI对具身机器人和电商领域的影响 。 我一直呆到今年2月份 ， 才最终决定出来创业 。
其实我出来后还是在同步推进这两个方向 ， 毕竟具身机器人和AI电商我们都深入研究了很多年 ， 我自己也是学计算机的 。
《智能涌现》：当时想从什么方向切入？
道放：从2023年7月开始 ， 我还在阿里的时候 ， 已经同时在关注具身和电商的AI应用了 。 出来创业后 ， 我们把所有信息采集完 ， 当时想过从家庭机器人开始切入 。
当时 ， 我们思考的是 ， 具身当前的瓶颈在于真实场景的操作数据 ， 所以从可行路径来看 ， 应该去切垂类场景 。 在垂类上面 ， 用现有的方法可以启动 ， 能开始干活 ， 进入场景之后就能获取更多的反馈和数据 ， 才能迅速迭代 。
我们的目标还是希望做具身机器人 ， 但这个赛道现在处在一个技术发展的早期阶段 ， 特别是第三步的精细操作 ， 还需要很长时间的技术积累和突破 。 我们估算真正能做到家庭实用级别 ， 至少还需要5-10年 。
《智能涌现》：调研完之后 ， 怎么看这个赛道的发展阶段？
道放：具身智能实际上涉及三个技术方向 。
第一个技术方向 ， 是AI的多模态交互 ， 涉及到交互界面跟整个认知的理解 ， 这个其实是偏软件 ， 跟大模型同步发展的 。 它是豆包这类大模型APP的延伸 ， 豆包多模态交互主要是文字和语音 ， 但机器人除了语言之外 ， 还需要控制表情、眼神、语气、微动作等 ， 需要更多元的交互和控制 。
第二个技术方向是基于强化学习的运动能力（Locomotion） ， 主要解决双足行走以及全身控制 。 像唱歌跳舞、空翻 ， 都是在这一部分基础上做出来的 。
最重要的是第三个方向 ， 端到端的模仿学习 ， 去做手的操作 。 手的操作才会真正意义上替代人 。
在现有技术进展上 ， 前两部分进展还比较好 ， 尤其是强化学习的运动能力 。 我们见到的所有空翻、马拉松跑步 ， 全部都是这个技术的发展结果 ， 但是这些展示的机器人很多都还需要遥控器控制的 。
要做到自主操作 ， 就需要第一步的多模态交互能力 ， 包括表情微动作语音这部分 ， 还有规划层 。 第二步强化学习这部分也还好 。
《智能涌现》：现在前两步应该都做得不错了 。
道放：现在所有人面临的难点是第三步的精细操作 ， 因为它是接触式的精细动作 ， 要到毫米级的精度 ， 需要触觉和力的反馈信息 ， 而且需要通用性才能进入家庭 ， 所以很难 。
我在阿里时调研完后得出结论 ， 具身机器人的发展途径应该是切垂类 ， 在垂类上用现有方法做启动 ， 虽然准确度不够好 ， 但通过不断给数据 ， 处理各种Corner Case（罕见案例）后 ， 会做得越来越好 。
问题就是Corner Case（罕见案例）获取也是很难的 ， 现在的高质量数据非常缺 。 我调研一圈下来 ， 大家公认的还是做端到端模型是最优雅的方案 ， 但这里需要的起码是十亿级别的数据 ， 现在瓶颈还是很明显 。
《智能涌现》：除了数据 ， 还有其他难点吗？
道放：首先是精度和力控的问题 。 手部操作需要毫米级的精度 ， 而且要有力的反馈 。 比如你拿一个鸡蛋 ， 力度大了会捏碎 ， 力度小了会掉 ， 这需要非常精确的力控 。 现在的机器人手很难做到人手那种精细的触觉反馈和力度控制 。
其次是通用性的挑战 。 不像工业机器人只需要做固定的几个动作 ， 家庭机器人需要处理各种不同的物体、不同的环境、不同的任务 。 今天可能要叠衣服 ， 明天要洗碗 ， 后天要整理书架 ， 每一个任务的动作空间和要求都完全不同 。
第三是数据收集的问题 。 Imitation Learning（模仿学习）需要大量高质量的示范数据 ， 但收集人类精细操作的数据非常困难和昂贵 。 不像图像识别可以从网上爬数据 ， 手部操作的数据需要专门录制 ， 而且要保证动作的准确性 。
Corner Case（罕见案例）太多了 。 真实环境下的变化太多了 ， 物体的材质、形状、重量、摆放位置都不一样 ， 很难通过有限的训练数据覆盖所有情况 。
所以虽然前两步技术相对成熟 ， 但第三步的精细操作是真正决定机器人能否实用化的关键 ， 也是最难攻克的 。
《智能涌现》：这意味着落地场景很受限？
道放：现在存在明显的技术能力与市场需求之间会有一些错配 ， 我们是想做“有用”比“有趣”多一点的场景的 。
但用户真正需要的那些精细操作功能 ， 比如帮你处理日常家务、分拣物品之类的任务 ， 技术上还远远不成熟；现在的机器人用得更多的还是简单的迎宾互动、表演之类的 ， 离真正打工还很远 。
当然这不是说它没有价值 ， 只是我们需要正视这个现实 ， 同时也理解为什么消费级机器人市场推进得相对缓慢 。 技术发展需要时间 ， 而市场也需要找到那个平衡点 。
《智能涌现》：所以是因为技术曲线发展还相对早期 ， 才选择考虑别的方向？
道放：在具身的第三阶段 ， 就是真正能够自主规划操作的部分 ， 大家公认的终局是要建立端到端的模型 。 但现在的真正问题在于 ， 这个端到端的数据驱动 ， 目前大家用的模仿学习方法 ， 最大的问题就是通用性很差 ， 要做出超出预期的体验感很难 。
我们想做的 ， 还是让机器人能走进千家万户 ， 真正能干活 。
我们预计这个方向需要等待一些通用性、“大单品”出现 ， 我们团队擅长的部分才比较能发挥出更大的能量——做产品、做商业化 。
要做“AI闺蜜” ， 而不是冷冰冰的推荐系统《智能涌现》：如果具身智能赛道还太早 ， 你后来看到了AI+电商的什么机会？
道放：更多是因为看到了AI技术带来的巨大变革机会 ， 尤其是在电商领域 。 我们想做的事情 ， 本质上是在AI时代探索新的电商入口的可能性 ， 这需要全新的视角和组织形式 。 我相信AI在电商领域的应用 ， 尤其是在个性化推荐、内容生成方面有很大潜力 。 创业会给我更大的自由度去探索这些可能性 。
《智能涌现》：哪些关键技术转变 ， 是比较核心的？
道放：今年年初的Manus其实是标志性事件 。
这几年的AI应用 ， 我会把他们分成三个阶段：
1.0时代主要是对话交互阶段 ， 解决一些简单的信息需求 ， 这个阶段持续了2-3年左右； 2.0时代的AI垂类应用 ， 则更多关注提升效率 ， 比如基于文生视频、图生视频、应用于各个垂直领域的场景中 ， 这些应用大多面向企业端； 3.0时代是一个非常典型的发展阶段 。 最近一些新的模型 ， 比如GPT-4 ， 已经把工具的使用变成了模型训练的一部分 。 这就意味着3.0时代的技术 ， 比如以Manus为代表的应用 ， 已经不仅仅是信息交互 ， 而是开始进入到操作的层面了 。这意味着什么？意味着AI不再只是给你信息 ， 而是能像一个实习生一样 ， 帮你操作电脑 ， 执行一些机械但必要的工作 ， 比如收集资料、应用滤镜等 。 这种computer use的能力是有巨大价值的 。
《智能涌现》：怎么用一句话概括你们想做的事情？
道放：我们第一阶段要做的是电商领域的AI闺蜜 ， 为用户提供专业购买建议和陪伴式购物体验 。
《智能涌现》：你用的词是“闺蜜” ， 而非助手 ， 为什么？
道放：我们更想做的Agent ， 是类似”赛博闺蜜”的概念 ， 我们希望这个是类似闺蜜的亲密关系 。
传统的AI助手更像是工具 ， 你问它答 ， 但闺蜜不一样 。 你跟闺蜜的关系是平等的 ， 她也可以跟你聊一些兴趣话题 ， 她也可以聊购买建议 ， 就像你身边总有一个特别会买的朋友一样 。
《智能涌现》：可以算是KOC（Key Opinion Consumer ， 关键意见消费者）吗？
道放：不是基于现有有名的KOL或者KOC的IP ， 而是基于这些人的专业能力 。
我们希望做的是”闺蜜电商”这个场景 。 想象一下 ， 如果你的闺蜜具有李佳琦的专业能力 ， 同时能专门为你服务 ， 你可以随时问她怎么买 。 她的专业性体现在所有的购买决策上 ， 在趋势捕捉上比一般人更厉害 ， 因为她有更全的数据 。
但同时她又不是冷冰冰的 ， 而是有温度的 。
最重要的是 ， 她不只是给建议 ， 还有完整的执行能力 。 你可以直接跟她说想要什么 ， 她就给你买了 。
《智能涌现》：用户要怎么和这个AI闺蜜互动？
道放：有很多形式 ， 单独App是一个形式 ， 我们甚至希望用最极简的方式实现这个体验——他跟你加个社交媒体加好友 ， 每天聊微信就好了 ， 把所有的信息源和履约都帮你搞定 。
你把商品链接发给他 ， 他直接帮你买 。 他还有很多技巧性的领券能力 ， 你自己都搞不到的优惠 ， 他能在各种奇怪的群里薅出来 。
虽然我们从时尚领域开始 ， 但本质上可以扩展到整个生活领域 。
《智能涌现》：怎么搞定履约？这个会涉及到很多终端、软件的交互 。
道放：最近我和一个朋友讨论过一个场景 ， 比如你想去星巴克点一杯咖啡 ， 这有很多人会选择在闲鱼上抢券 ， 便宜个几块钱 ， 或者找代点 。
这个过程是这样的 ， 你先买券 ， 买完券以后 ， 你通过对话的方式找商家客服 ， 然后你跟他讲说我在哪个店里面 ， 我要买什么咖啡 ， 把这个券给我用了 。 用完了以后 ， 他会告诉你有一个码 ， 有了这个码你就会去自提 。
现在以Manus为代表的通用Agent ， 可以做到前面的部分 ， 就是在小程序上帮你下单 ， 但是涉及到更复杂的履约——在闲鱼上比较商家 ， 甚至看看美团、抖音、私域社群之类的优惠券哪里更便宜 ， 最后下单 。
大模型调用工具完成更多工作 ， 在我们看来就有很大价值了 。 这就是我们看中的一个机会 。
《智能涌现》：履约其实会涉及智能体在执行任务 ， 智能体也在技术发展很早期 。 想做到你们的目标 ， 难在什么地方？
道放：这种过程一定需要更复杂的私有信息 ， 包括把通用的知识与某个垂类应用的知识结合起来 ， 形成一个垂类模型 ， 才能解决很多问题 。
《智能涌现》：怎么让这个智能体更有人味？我们过往的购物数据、互动数据可能很多都在平台 。
道放：产品形态可以非常简单 ， 就像一个数字闺蜜加了你的微信 ， 每天聊天就好了 ， 不需要很复杂的设计 。
关键在于利用好平台上已有的数据资产 ， 同时建立持续的互动机制 。
本质上 ， AI是可以基于“懂你”的基础去收集和筛选信息的 ， 它在趋势捕捉上比普通人更厉害 ， 因为它能接触到更全面的数据 。
但光有数据还不够 ， 互动是核心 。 跟你的互动需要日常化 ， 每天通过聊天才能真正了解你 。
比如 ， 和用户聊最近的流行趋势、明星节目如浪姐浪哥 。 这个AI闺蜜可以和你聊喜欢哪个选手 ， 喜欢什么风格 。
审美可以被”元素化” ， 这是AI的新机会《智能涌现》：你经历了从货架电商到直播电商的时代演变 ， 每个阶段 ， 你觉得在供给和消费端都完成了什么事情？
道放：过去几年 ， 直播电商的增长速度远超大盘 。 但现在其实国内的电商格局已经趋于稳定 ， 大家对直播这个形态也会有些疲惫 。
直播有很多好处 ， 但它最大的问题就是时间成本太高 。 花那么长时间看直播的用户越来越少 ， 你能看到抖音这些年也在回头大力搞货架电商 。
这会是AI重新提供价值的机会 。
《智能涌现》：怎么定义AI起到的作用？
道放：内容电商在电商2.0时代的核心价值 ， 是KOL、主播和主理人们完成了一场“时尚平权” 。
很多高奢品牌的高定和走秀 ， 普通消费者在日常生活里是有点难get到（他们的厉害之处的） 。 但主播们把这些概念普及下来 ， 在100到300块钱的夏装区间里 ， 就能让你很快接触到这些元素 。
最厉害的是 ， 主播们不仅把这些元素融到商品上面 ， 而且还把它说出来——牛油果绿、泡泡袖、小香风、西装版型——它实际上造了很多词 ， 这些都是风格元素 。
这是我们在2.0时代一直在探索的逻辑 。
《智能涌现》：AI能够在2.0时代的基础上 ， 在哪个环节发挥最大的作用？
道放：现在的问题应该是：AI有没有可能开启电商的3.0时代？
这一波大模型有个很重要的变量 。 在时尚领域 ， 以前不可描述的东西——本质上是审美结果 ， 现在可以被AI学习了 。
因为数据现在够多了 ， 模型可以去学习时尚趋势 ， 把趋势元素化 ， 基于元素化进行捕捉和预测 。
原因很简单 ， 主播已经把这些词表达出来了 。 小红书里有大量的人在讲这些东西 ， 这些数据已经足够了 。 当你有足够数据的时候 ， AI学习这件事一点问题都没有 。
难点在于预测之后 ， 你需要把这个东西表达出来 。
【前淘宝直播业务负责人道放再创业，要用AI做消费者的“赛博闺蜜”丨智能涌现独家】我和达人主播一直有交流 ， 有一些头部主播讲的质量 ， 就是跟普通主播不一样 ， 能够清晰地讲出这个货的特点 ， 而且非常迅速归纳风格和元素 ， 一下就能让你懂 。
AI的厉害之处就在这里——它可以在大趋势下把它元素化 ， 学会所有优秀主播的表达能力 。 我们现在在不同风格下面 ， 基本上都可以做得很好 。 而且要基于人群和场景做区分：年轻职场女性的OOTD、家居服饰 ， 年轻人的party和年纪大女性的party ， 每种场景需求都不一样 。
《智能涌现》：所以区别是在于可以一对一互动甚至服务 。
道放：内容电商时代 ， 就算强大如李佳琦 ， 本质上也是广播式的一种覆盖 。
他在618前做美妆小课堂 ， 让女生们把自己情况——多少岁、什么肤质、是不是敏感肌、想买什么东西在评论区发出来 ， 然后进行回复 。
这其实是一种个性化定制过程 。 但是再怎么扩大 ， 也只能覆盖很小一部分人 。
加上大模型之后 ， AI本质上可以做到个性化定制全覆盖 。 它有这个能力 ， 可以覆盖很多人 。 所以它变成了一个专业KOL的能力——趋势捕捉、预测 ， 以及打动人的表达 ， 以及可以跟你一对一服务 。
这就像最有钱的人有专属造型师一样 ， 现在年轻人也可以有这么有个性的穿搭师 。
这也是更进一步的平权 。 以前是通过广播方式普及时尚信息 ， 现在AI可以一对一告诉你 ， 基于你的身材、肤色和最近流行趋势 ， 给你搭配建议 。
《智能涌现》：所以 ， 这个AI闺蜜更多是工具属性的？
道放：这是第一阶段的能力 。 往后工具还可以拓展到社区 ， 比如我们可能第二阶段会上AI试衣、穿搭社区之类的功能 ， 用户可以在上面评价、互动 ， 推一些很酷炫的玩法 。
这就是AI闺蜜这个工具属性的产品 ， 加上搜索场+推荐场 ， 可以和购买场景连接在一起 。
《智能涌现》：现在产品进展情况怎么样？
道放：我们已经基本完成产品验证 ， 很快就会上线第一个版本 。
AI+电商的最大价值是创造新入口《智能涌现》：你们的目标用户、目标市场 ， 是什么画像？
道放：第一部分会切年轻人群 ， 因为年轻人对AI的整个接受度会更好一些 ， 是AI Native用户 ， 市场也是可能优先会选海外市场 。
《智能涌现》：完全走To C路线吗？
道放：第一阶段会先从C端切入 ， 但其实我们的能力是可以复用到B端 ， 核心在于对趋势的把握和供应链的优化 。
比如 ， 在和用户的聊天的时候 ， 包括用户的反馈 ， 以及我们去抓取市面上流行的时尚元素 。
模型能在一个流行趋势发酵周期的前期 ， 就发现机会 。 一个服装的完整周期 ， 典型的时间大概是45天 。 如果商家能提早十天就感知到 ， 那就可以快速去生产 。
《智能涌现》：所以在B端 ， 更多是在生产流程的前端 ， 帮他们找爆款？
道放：对于B端来说 ， 我们能提升他们的选款能力 ， 模型把选款能力可以提高了一个门槛 。 我们现在模型内测的效果 ， 爆款率10%能上升到18% 。 正常平均60分 ， 我其实能做到80分 ， 这个就是很大的价值 。
《智能涌现》：海外电商市场的发展阶段 ， 和国内有多大差异？
道放：海外市场的内容电商还处于比较早期的爆发阶段 。 我们直观判断相当于国内2018年左右的阶段 。
但海外市场的流行趋势信息更分散 ， 这种分散的信息其实更有价值 ， AI可以更好地发挥打下信息差的作用 。
货的差异也很大 。 比如美区 ， 但他们内容电商的服饰品类只占20% ， 国内这个比例50% 。 为什么这么低？核心问题在于供应链 。
以前 ， 我们一直担心欧美人不适应电商直播 ， 但问题可能既是用户习惯 ， 也是供应链不足—货不够 ， 自然养不成消费习惯 。
直播电商必须依靠非标的时尚品类 ， 但海外缺乏快返供应链 。 从中国海运就要一个月 ， 清关再耽误时间 ， 整个链路太慢了 。 目前美区只能卖李宁、耐克这种传统品牌 ， 缺少快时尚支撑 。
从用户习惯看 ， 去年TikTok美区只有10%是直播售卖 ， 70%是短视频售卖 ， 20%是货架售卖 。 今年直播占比提升到了15% 。
《智能涌现》：所以 ， 海外实际市场需求和供应链之间的空隙 ， 就是你们的机会 。
道放：现在中国快时尚这套供应链很多能力是溢出的 ， 供应过剩 。 市场需要有一套这一块的这个SaaS ， 帮助美国KOL桥接中国供应链 。
《智能涌现》：SHEIN很早就把这个模式跑通了 ， 他们如果愿意输出这套能力 ， 只是差前端的KOL ， 如果SHEIN要做 ， 怎么办？
道放：SHEIN是自营平台 ， 本身就是品牌 。 当前KOL的核心需求还是做自有品牌 。 如果帮KOL做品牌 ， KOL可能会去TikTok卖 ， SHEIN就变成了供货商 ， 做这件事情的动力可能是不足的 。
而且要做这件事情 ， SHEIN需要改造整个设计链路 ， 需要将现有的生产线和供应链与KOL的审美链接起来 ， 服务成本很高 。 Tiktok这些电商平台也很难有精力自己下场深入到供应链来解决问题 ， 所以还是迫切需要第三方的服务商来解决供给问题 。
从价格区间来看 ， 目前内容电商的价格区间会明显高于Shein目前的价格区间 ， 因为KOL掌握有时尚元素的定义权和传播权 。
《智能涌现》：在C端 ， 你们要做AI闺蜜 ， 在B端 ， 还要做供应链服务的话 ， 类似淘宝这样的大平台肯定会做 ， 他们很难坐视一个新入口来颠覆他们 。
道放：大厂的战略重点和平台属性 ， 决定了他们很难在垂直细分领域做到极致 。
比如AI试衣在很多电商App里的入口很深 ， 从资源角度也需要花很多精力去争取 。 但这个功能是我们的核心业务 。
另外从市场来看 ， 目前海外电商的收敛远比国内小 ， 所以基于海外市场还是存在大量的机会 。
《智能涌现》：这次创业的目标 ， 是什么？
道放：从我个人的发展经历其实可以看出我自己的选择偏好 。 虽然我过往基本都在大厂 ， 但是基本上做得都是从0开始 ， 或者高速增长的业务 。 业务相对比较独立 ， 决策也相对闭环 。 所以我自己的能力和擅长的领域还是一些高速增长的独立业务 。
我自己目前的阶段 ， 其实已经过了财务追求的阶段 。 但是我坚信这一波AI的发展会深刻影响和改变整个人类社会的方方面面 ， 甚至人类和自然的交互模式都有可能改变 。 所以我投身到这个领域 ， 从自己熟悉的AI+电商切入 ， 还是期待能亲身参与到这个进程中 ， 如果能做出一些不错的产品 ， 有我个人的签名 ， 我感觉还是非常兴奋和值得投入的 。
封面来源｜企业授权
欢迎交流
推荐阅读
- 淘宝新出的大会员体系，我们划了三个重点
- 学习美团好榜样，淘宝也要让用户人人都是会员
- 阿里继续整合，淘宝快要成了“超级App”
- 全球首款珠宝小折叠！小姐姐开箱联想moto razr 60冰钻限定版
- 小米“挖穿”宝马，雷军再揽大将，还在德国设立了研发中心！
- 充电宝新规8月15日起实施：明确规定 一定要认准3C标识
- 新机“自带风扇”，OPPO押注AI和中低端的这个法宝灵不灵？
- 杜绝罗马仕充电宝事件！移动电源新规，本月中旬正式实施
- 共享充电宝变身“数据窃贼”，一文教你如何防范？
- 一文搞懂，为啥手机电池容量突然直逼充电宝？