亚马逊帝国的人工智能革命史
2014年初，计算机科学家Srikanth Thirumalai给亚马逊CEO Jeff Bezos提了一个全新计划：将人工智能最新进展结合到部门产品中。
2018/02/08 10:55浏览 17.4W字体：宋
作者：Nurhachu Null 、侯韵楚、Edison
2014年初，Srikanth Thirumalai 见到了亚马逊 CEO Jeff Bezos。Thirumalai 是一位计算机科学家，2005 年从 IBM 来到亚马逊，负责公司的推荐团队。他给 Bezos 提了一个全新计划：将人工智能最新进展结合到部门产品中。
他带着「六页提案」去了。Bezos 很早之前就发布过一条命令，产品或服务推荐必须维持在这个长度内，包含描述最终产品、服务和计划的新闻稿。
当时，Bezos 正依靠左右手们将亚马逊转型为一家人工智能「发电室」。公司很早就将人工智能技术用于产品推荐。不过近年来，这个领域正在发生一场变革，机器学习变得越来越有效，尤其是深度学习。深度学习在计算机视觉、语音和自然语言处理方面引起了巨大的进步。
近十年早期，虽然亚马逊还没有明显利用这些技术发展，但意识到了需求的迫切性。新时代最激烈的竞争将会是 AI 领域。Google，Facebook，Apple 和 Microsoft 等公司都压下巨额赌注。
亚马逊正在落后。「我们和每个团队的负责人聊，基本上就是问怎么将人工智能技术应用在自身的业务中？」亚马逊设备和服务副总裁 David Limp 说。
Thirumalai 走心了。他来到贝索斯的办公室，谈了谈自己的年度计划，如何更加积极地使用机器学习技术。但他又觉得，完全重构现在这套精心维护了 20 年的系统，太冒险。更何况，机器学习表现最佳的领域（比如图像识别）和自己的领域（推荐系统）并没啥关系。
「还没人将深度学习技术应用在推荐中，并取得了比我们好很多的而结果。」他说。「所以，特别需要信仰上的飞跃。」
Thirumalai 还没准备好，不过，Bezos 却想要更多。
Thirumalai 想用深度学习彻底变革既有的推荐系统工作方式。但这就需要一些技术，但自己团队并没有掌握这些技术，连工具都没有，甚至还没人想出算法。
Bezos 却喜欢这样（尽管他那招牌式的笑声并不能清楚表明，他欢迎这种做法）。于是，Thirumalai 重写了遍新闻稿，继续工作去了。
公司领导层中，Thirumalai 是唯一一位几年之前，拿着「六 页提案」跟随 Bezos 的。
每位负责人认为，要针对不同客户全体，提供完全不同产品。基本上，这些观点都算是 Thirumalai 提议的变体：使用先进的机器学习技术改造亚马逊部分业务。
有些建议涉及到反思既有业务，比如公司的机器人、数据中心业务和亚马逊云。有的意味着创造全新业务，例如语音智能家居产品，后来落地成 Echo。
但结果的影响力远远超过了单个业务项目。Thirumalai 说，原来开会时，公司的 AI 人才都被分割开了。「虽然也会讨论、交谈，但不会分享大量技术和神器，因为经验教训这些东西很难直接发挥作用，」他说。这些人才就像是工程海洋中的 AI 岛屿。
但借助机器学习变革公司，彻底改变了这一现状。
虽然每位「六页提案」的人都在严格遵守亚马逊「单线程（single-threaded）」团队信条，也就是说，每个团队「拥有」他们所采用的技术，但大家开始了跨项目协作。
公司内部科学家负责解决重大问题，并将解决方案分享给其他团队。AI 孤岛被连接起来，而且随着公司的 AI 雄心不断壮大，所面临的难题也吸引着顶尖人才，尤其是那些想看到自己研究如何影响现实的人才。这也平衡了亚马逊对纯研究不感冒的文化，公司过去要求创新必须完全基于更好地为客户服务的语境中。
亚马逊庞大帝国运转起来，就像一台永动机。这是如何做到的？亚马逊喜欢用「飞轮（flywheel）」这个词作答。基于机器学习的创新，会为其他业务团队提供动力；这些团队通过打造产品和服务，对其他团队产生影响，甚至对整个公司产生影响。将公司的机器学习平台作为一种付费服务提供给外界，这种努力本身也会带来收益，在某些情况下，甚至能收集更多数据进一步提升技术。
将亚马逊从一家深度学习死忠粉公司，转型成一家「发电室」，需要很多这样的「六页提案」人。整个公司，都可以看到这一转型效果，包括运行在新的机器学习基础架构上的推荐系统。如今，亚马逊可以很聪明地推荐下一步读什么、将什么商品加入购物清单，以及今晚可能想看什么电影。
今年，Thirumalai 开启了一项新的工作——领导亚马逊的搜索部门。他希望将深度学习用于服务的各个方面。
「如果七八年之前问我亚马逊的 AI 实力如何，我会说，他们没有人工智能。」华盛顿大学计算机科学的教授 Pedro Domingos 说，「但他们一直在积极地成长。正成为一支劲旅。」
或许。
Alexa 效应
公司的旗舰人工智能产品是：Echo，以及背后的驱动系统——Alexa 语音平台。其实，这些项目也源于一份 2011 年交付给 Bezos 的「六页提案」，Operational Plan One 年度计划。
其中一位提议高管叫 Al Lindsay，2004 年开始在亚马逊工作。当时，他被要求从自己负责的团队转到主要技术团队，帮助打造全新的产品。
「一款低功耗普适计算机，大脑在云端，你可以通过语音与它交互。」他回忆道。
但是，打造这样一款科幻电影里才有的产品，需要具备一定的 AI 功能，但当时公司就没有这方面的人才。雪上加霜的是，那些有技术能力的专家，只有极少数愿意为亚马逊工作。Google 和 Facebook 当时也在抢夺这一领域的顶尖人才。
「我们当时处境很惨。」Lindsay 说。
「亚马逊过去形象不太好，公司对研究型人才不太友好。」Domingos 说。
公司对客户不懈关注以及自身的斗士文化，与对待学术人才的态度不一致。「在 Google 你是被宠爱的，而在亚马逊，你的计算机则摆在衣柜上。」他说。
更糟糕的是，当时亚马逊还因公司创新岗位还不如给公司搞包装的岗位而「声名远播」。
2014 年的一次内部聚会中，机器学习领域顶级专家 Yann LeCun 在亚马逊做了一次报告。当时，他已经接受了领导 Facebook 研究的橄榄枝，但他还是来做报告了。
先在一间能容纳 600 人的礼堂里做报告，LeCun 回忆道，然后被带到了一个小会议室，小团队一个接一个来向他请教问题。
但是当他向亚马逊的人提问时，他们几乎一无所应。这让 LeCun 很无语。他当初选择 Facebook，部分原因就在于后者愿意开源大部分 AI 研究工作。
由于当时公司内部没有相关人才，所以亚马逊开始巨资收购公司。
「在 Alexa 初期，我们收购了很多公司。」Limp 说。
2011 年年 9 月，它收购了 Yap，这是一家专攻语音文本转换的公司。2012 年年 1 月收购了英国剑桥的 Evi，这家公司软件可以像 Siri 一样响应用户的需求。2013 年 1 月收购了 Ivona，这家专攻语音合成的波兰公司，为 Echo 提供了能够交谈的技术。
但是，亚马逊的密保文化也妨碍了公司吸引顶尖学术人才的努力。
Alex Smola 曾经有希望成为亚马逊的员工，他是这个领域的巨星，之前在 Yahoo 和 Google 工作过。
「实际上，他也是深度学习领域教父之一。」Google scholar 引用超过了 90000 次，亚马逊云深度学习和人工智能部门负责人 Matt Wood 说。
但是，亚马逊高管甚至不向 Smola 透露他们将要从事的主要工作内容。最终 Smola 选择了卡耐基梅隆大学的一个实验室。
「即使到产品临近推出这种关键时刻，我们面前也摆着巨大的障碍。他们会嚷嚷：『我凭什么要在亚马逊工作？我又不想向顾客销售产品！』」Lindsay 说道。
亚马逊确实需要有所行动。
既然公司是由设想中的最终产品倒推，那么，产品蓝图可能会包含某些尚未发明的功能。「研究狂热型」科学家对这些难题兴趣十足。其在语音方面需配备能达到对话程度的 AI，这个 AI 应当能对「唤醒词」敏感，听取并译解指令，以及给出尽量合理的答案；而亚马逊目前无法做到这一点。
即便没有亚马逊的拥趸，这个项目也吸引了 Rohit Prasad（波士顿的技术承包公司 Raytheon BBN 中的一位知名语音识别科学家）的注意。（这个项目使亚马逊同意他在家乡建立了自己的团队。）
他认为，亚马逊专业化的缺乏是一种特色而非缺陷。「这个领域充满希望。谷歌和微软已经在语音方面研究了很多年，而在亚马逊，我们可以从头开始，抓住并解决所有难题。」
自从 2013 年加入亚马逊以来，他就被委派到了 Alexa 项目中。「这个设备以硬件的形式存在，但在语音领域属于早期技术。」他说。
Echo 最棘手的部分便是远场语音识别，这个问题迫使亚马逊开创了新局面，并在此过程中提升了机器学习技能。
它包括将与麦克风存在一段距离的语音指令进行译解，甚至能够译解被环境噪声或其他细声碎语干扰的语音指令。
而具有挑战性的一个因素，便是设备在识别指令时不能有延时，它必须极快地将音频发送至云端而后产生答案，使彼此之间像在进行对话，而不像处于某些「你不确定对方是否还活着」的尴尬场合。
若要建立一个在嘈杂条件下能够理解并回应对话式查询指令的系统，则需要大量的数据，即许多人们可能与 Echo 进行的不同类互动的例子。至于亚马逊可能会从何处得到数据，目前还不可知。
设备与服务的副总裁 Limp 说道，远程技术早已完成，但「它建立在 Trident 潜艇的鼻锥体上，并且花费了十亿美元。」亚马逊试图让技术落地在一款可以放置在厨房柜台上的设备中，它的价格也必须足够低廉，才能吸引顾客购买这些稀奇古怪的小玩件。
「我们的团队中，有十分之九的成员认为这无法完成。我们在亚马逊之外有一个技术顾问委员会，我们没有向他们透露正在做什么，但是他们说『不管做什么工作都不要绕过语音识别！』。」Prasad 说。
Prasad 的经历使他坚信这能够做到。但亚马逊并未提供一个能将机器学习用于产品开发的可靠系统。
「好消息是，亚马逊拥有全部必备品——无可比肩的云服务，装有 GPU 来压缩机器学习算法的数据中心，以及知晓如何快速移动数据的工程师。」他说。
他的团队利用这些部分创建了一个平台，平台本身便是宝贵的资产，其价值远超出「丰富 Echo 的功能」这一使命。
「一旦我们将 Echo 开发为远场语音识别设备，便有机会做的更多，即将 Alexa 的范围扩展到语音服务当中。」Alexa 的资深首席科学家 Spyros Matsoukas 说道。
这位科学家在 Raytheon BBN 公司，并与 Prasad 合作。（他的工作包括一个很小众的 DARPA 项目，称为 Hub4，该项目利用广播新闻节目和被拦截的电话内容来提升语音识别和自然语言理解能力，这是针对 Alexa 项目的一次大型训练。）他们扩展 Alexa 的一个直接方法，便是允许第三方开发者创建属于自己的语音技术迷你应用程序（称为 skills）来运行 Echo 自身。但这仅仅是开始。
通过将 Alexa 应用于的 Echo 设备之外，公司的人工智能文化开始融合。整个公司的团队开始意识到，Alexa 也可以为他们的小项目提供有用的语音服务。
「尽管我们在项目负责制方面非常强，所有这些数据和技术还是要结合在一起。」Prasad 说。
首先，亚马逊的其他产品开始集成到 Alexa：当你在 Alexa 设备上讲话时，你可以访问亚马逊音乐（Amazon Music）、Prime Video，来自亚马逊购物网站的你的个人推荐和其他服务。
随后，这项技术开始在其他亚马逊领域推广。「一旦我们有了基本的语言能力，我们就能把它带给非 Alexa 的产品，比如 Fire TV、语音购物、Amazon fresh 的 Dash Wand，以及最终的 AWS。」Lindsay 说。
亚马逊内部的人工智能小岛正在逐渐聚集成洲。
一旦数百万用户（亚马逊不会确切地说到底有多少）开始使用 Echo 和其他一系列 Alexa 驱动的设备，该公司转型的另一个关键部分就开始了。
亚马逊开始积累大量的数据，这可能是所有对话驱动设备中最大的交互集合。这些数据成为潜在雇员的有力诱饵。突然间，亚马逊迅速蹿升成为那些它梦寐以求的机器学习专家可能想要工作的地方。
「让 Alexa 如此吸引我的原因之一是，一旦你在市场上有了一个设备，你就有了反馈的资源。不仅是客户的反馈，而且是真正的数据，对于改善一切——尤其是底层平台——是如此重要。」去年加入亚马逊的一位 Alexa 机器学习副总裁 Ravi Jain 说。
因此，随着越来越多的人使用 Alexa，亚马逊得到的信息不仅使该系统性能更好，而且还加强了自己的机器学习工具和平台，并使这家公司成为机器学习科学家的一个更热门的目的地。
飞轮正开始旋转。
一个更具智慧的云端
亚马逊在 2014 年开始向高端客户销售 Echo；而同年，Swami Sivasubramanian 对机器学习入了迷。
当时正在管理 AWS 数据库及分析业务的 Sivasubramanian 正和家人在印度旅行，在时差和思维千奇百怪的女儿的混合「打击」下，他开始深夜在电脑前研究谷歌的 Tensorflow 和 Caffé这样的工具，而它们恰恰是 Facebook 和许多学者青睐的机器学习框架。
他总结道，将这些工具与亚马逊的云服务相结合可能会产生巨大的价值。他使机器学习算法在云端易于运行后，认为公司可能会进入潜在需求所组成的脉络。
「我们每月能够为数百万开发者提供服务，其中大多数都没有机器学习背景，而不是麻省理工学院的教授。」他说道。
之后 Jeff Bezos 评论道，他带着史诗般的六页提案，气宇轩昂而来。
从某层面而言，它是向 AWS 增添机器学习服务的蓝图；而 Sivasubramanian 却看的更远：这是使 AWS 成为所有科技领域机器学习活动活跃中心的宏伟愿景。
从某种意义上而言，向数万亚马逊的云客户提供机器学习是不可避免的。
「当我们首次将 AWS 的初始商业计划整合到一起时，其任务便是，采用只有少数资金雄厚的组织才能实现的技术，并使其分布尽量广泛。我们在计算、存储、分析与数据库方面取得了成功，并且正利用机器学习，采取了完全相同的方法。」AWS 的机器学习经理 Wood 说道。
而能够吸取公司在其他方面所积累的经验，则是使 AWS 更加顺风顺水的一大法宝。
Wood 说，AWS 在 2015 年首次推出的 Amazon Machine Learning 使像 C-Span 这样的客户能够建立私人面部目录；Zillow 用来估算房价，Pinterest 则用于虚拟搜索，并且有几家自动驾驶的初创公司正应用 AWS 的机器学习，通过数百万英里的模拟道路测试来改进产品。
2016 年，AWS 推出了新的机器学习服务，一个名为 Polly 的文本到语音组件，以及一个名为 Lex 的自然语言处理引擎——它们更直接地利用了 Alexa 的创新。
这些产品帮助 AWS 的客户们建立自己的迷你 Alexa，从 Pinterest 和 Netflix 等巨头到小型初创公司都可以轻松完成。
涉及视觉的第三项服务 Rekognition 利用在亚马逊一个相对不太出名的团队 Prime Photos 完成的工作，这个团队试图实现谷歌、Facebook 和苹果的照片产品中同样的深度学习功能。
这些机器学习服务既是强大的收入来源，也是亚马逊人工智能飞轮的关键，因为诸如美国国家航空航天局（NASA）和美国国家橄榄球联盟（NFL）这样的来自各界的客户都在花钱让他们的机器从亚马逊的数据中学习。
当这些公司能在 AWS 内部建立他们的重要机器学习工具时，他们转移到竞争对手的云运算平台的可能性就变得微乎其微了。（真是抱歉了，谷歌、微软、或者 IBM）
看看 Infor，这是一家为企业客户创建业务应用程序的价值数十亿美元的公司。最近，它发布了一个名为 Coleman（以电影 Hidden Figures 里 NASA 数学家的名字命名）的大规模新应用程序，它允许客户仅通过对话界面来自动化各种过程、分析公司表现，以及与数据进行交互。它并没有从头构建自己的程序，而是使用了 AWS 的 Lex 技术。
「无论如何，亚马逊都在做这个方面的研究，那么我们为什么要在这上面花时间呢？我们了解我们的客户，可以让应用程序更适合他们使用。」Infor 的高级副总裁 Massimo Capoccia 如是说。
AWS 在以太领域的主导地位也使其在战略上优于竞争对手，尤其是谷歌，该公司曾希望利用其机器学习的领导力，在云计算领域赶上 AWS。是的，谷歌可以在服务器上为客户提供超快、机器学习优化的芯片，但是 AWS 上的公司可以更容易地与那些也在服务的公司进行互动和销售。
「就像 Willie Sutton 说他抢银行是因为钱就在那里一样，」DigitalGlobe 公司的 CTO Walter Scott 在谈到他的公司为什么使用亚马逊的技术时说，「我们使用 AWS 进行机器学习，因为这是我们的客户所在。」
去年 11 月，在 AWS 的 re:Invent 会议上，亚马逊为其客户推出了一个更全面的机器学习外延辅助工具：SageMaker，这是一个复杂但超级易用的平台。
它的创造者之一正是 Alex Smola，他是机器学习领域的超级明星，有超过 9 万次学术引用，在五年前曾拒绝了亚马逊的工作邀请。当 Smola 决定重返行业时，他想要帮助创建强大的工具，让日常软件开发人员能够访用上机器学习。所以他去了他认为能让他产生最大影响力的地方。
「亚马逊太好了，不能放弃，」他说，「你可以写一篇关于某个问题的论文，但如果你不去实现它，就没人会真的用你那漂亮的算法。」
当 Smola 告诉 Sivasubramanian，构建能够将机器学习传播给数百万人的工具比发布再多一篇论文更重要时，他得到了一个惊喜。
「你也可以发表你的论文！」Sivasubramanian 说。
是的，亚马逊如今在允许其科学家发表文章方面更加自由。「这对招募顶尖人才有很大帮助，同时也为亚马逊的研究提供了可看性，」帮助制定了更开放立场指南的 Spyros Matsoukas 说。
要想知道 AWS 的一百多万用户是否会开始使用 SageMaker 将机器学习应用到他们的产品中，现在还为时过早。但是每一个做过的客户都会发现自己在亚马逊上投入良多。
此外，该平台非常复杂，甚至包括 Alexa 团队在内的亚马逊内部人工智能团队都表示，他们打算成为 SageMaker 客户，使用这个本是提供给外部人员的工具。
他们相信，通过为他们的项目设立一个基础，让他们能够专注于更高级的算法任务，这将为他们节省大量的工作。
即使只有 AWS 的部分客户使用了 SageMaker，亚马逊也会发现自己的系统性能数据丰富许多（当然，这不包括客户自己的机密信息）。这将带来更好的算法、更好的平台，和更多的客户。飞轮正在加班加点地工作。
人工智能无处不在
随着机器学习的彻底改革，该公司的人工智能技术已经遍布了许多团队，这让 Bezos 和他的助手们非常满意。
虽然在亚马逊没有人工智能的中心办公室，但的确有一个部门专门负责机器学习以及一些将新科学推进公司项目的应用研究的推广和支持。
核心机器学习小组由 Ralf Herbrich 领导，在 2012 年被亚马逊引入之前，他曾在微软的 Bing 团队工作，然后在 Facebook 工作了一年。
他说，在公司内部「有一个拥有这个社区的地方是很重要的。」（当然，这支团队的任务归纳在了一份 Bezos 批准的充满抱负的六页提案上。）
他的部分职责包括培育亚马逊快速增长的机器学习文化。由于该公司以客户为中心的思路——解决问题而不是进行理论研究——亚马逊的高管们承认，他们的招聘工作总是倾向于那些对构建新事物感兴趣的人，而不是那些追求科学突破的人。
Facebook 的 LeCun 则以另一种方式表达了同样观点：「你即使不领导知识的先锋，也可以做得很好。」
但亚马逊也在跟随 Facebook 和谷歌的领导，培训其员工在人工智能方面更加熟稔。它开设了关于机器学习策略的内部课程，主办了一系列内部专家的讲座。从 2013 年开始，该公司每年春天都会在其总部举办一场内部机器学习会议，这是一种亚马逊内部版的 NIPS，NIPS 是最重要的学术机器学习平台。
「刚开始的时候，亚马逊的机器学习会议只有几百人，而现在已经有成千上万的人了，」Herbrich 说。
「我们在西雅图最大的会议室容量也不够，所以我们把在那里举办，然后在园区里的其他 6 个会议室直播。」亚马逊的一名高管说，如果它变得更大，而不是把它称为一个亚马逊的机器学习活动，而可以被称为亚马逊本身了。
Herbrich 的团队继续将机器学习推进到公司的一切新业务。
例如，执行团队想要更好地预测在某一客户的订单中应该选取 8 个可选盒子尺寸中的哪一个时，他们求助于 Herbrich 的团队。
「那个实现团队不需要有自己的科学团队，但它需要这些算法，并且需要能够很容易地使用它们。」他说。
在另一个例子中，David Limp 指出了亚马逊对有多少客户可能会购买新产品的预测方法的转变。「我已经在消费电子产品领域工作了 30 年，其中有 25 年的预测都是用（人类的）判断、电子表格和一些魔术球和飞镖做的。」他说，「自从我们开始用机器学习来进行预测，我们的错误率明显地下降了。」
不过，有时候 Herbrich 的团队还是会将尖端科学应用到一个问题上。
该公司的杂货递送服务 Amazon Fresh 已经运营了 10 年，但它需要一种更好的方式来评估水果和蔬菜的质量——人类的速度太慢且标准不一致。他在柏林的团队建立了满是传感器的硬件和新的算法，为系统加入了触摸和闻到食物的能力。
「三年后，我们到达了一个原型机阶段，可以（比以前）更可靠地判断质量」。
当然，这样的进步会渗透到整个亚马逊生态系统中。
以 Amazon Go 为例，这是一家位于其总部大楼内刚刚开始向公众开放的、以深度学习为动力的无人收银杂货店。「作为 AWS 的客户，我们受益于它的规模，」Amazon Go 的技术副总裁 Dilip Kumar 说，「但 AWS 也同样是个受益者。」
他举了 Amazon Go 独特的流媒体数据系统的例子，该系统通过数百台摄像机记录顾客的购物活动。他的团队所策划的创新帮助影响了一项称为「Kinesis」的 AWS 服务，该服务让用户将视频从多个设备传送到亚马逊云，在那里他们可以处理、分析和使用它来进一步推进他们的机器学习。
即使亚马逊的某项服务尚未使用公司的机器学习平台，它也可以成为这个过程的积极参与者。
亚马逊的 Prime Air 无人机送货服务仍处于原型阶段，它必须单独构建人工智能，因为无人机无法依靠云端来计算。但它仍能从飞轮上获得巨大的收益，无论是从公司的其他方面获取知识，还是弄清楚使用什么工具。
「我们认为这是一个菜单——每个人都在分享他们能提供的菜肴，」Prime Air 副总裁 Gur Kimchi 说。他预计，他的团队最终将拥有自己的美味菜单。
「我们的经验教训和我们在 Prime Air 上解决的问题无疑是对亚马逊的其他团队来说有用的。」
事实上，这似乎已经发生了。
「如果有人在公司的某个部门（比如 Prime Air 或 Amazon Go）看一幅图片，他们学到了一些东西，并创造出一种算法，他们就会和公司里的其他人讨论这个问题。于是，我的团队中的某个人也可以使用它，比如说，弄清楚一个在在执行中心移动的产品的图像里有什么。」亚马逊机器人（Amazon robotics）的首席科学家 Beth Marcus 说。
一个以产品为中心的公司是否有可能超越满是深度学习超级明星的竞争对手？
亚马逊正为这个问题提供一个案例。
「虽然他们正在努力赶上，但他们发布的产品却令人印象深刻，」艾伦人工智能研究所 (Allen Institute for Artificial Intelligence) 的首席执行官 Oren Etzioni 说，「他们是世界级的公司，他们创造了世界级的人工智能产品。」
飞轮一直在旋转，我们尚未看到很多正在准备中的「六页提案」的影响。但是，更多的数据，意味着更多的顾客。更好的平台，意味着更多的人才。
「 Alexa，亚马逊在人工智能领域现在做得怎么样？」
回答么？就是 Jeff Bezos 尖尖的笑声了。
俊杰评论；技术一直是推进商业的很好的方式。
飞猪李少华：“技术控”挑战江湖
飞猪总裁李少华眼下最喜欢谈论的话题之一，是新技术、互联网创新和消费者需求，究竟谁成就了谁。
2018/01/29 10:28浏览 1.6W字体：宋
作者：李力
“我更相信消费者需求推动了技术创新”，李少华正在香港理工大攻读博士学位，为了写一篇课程论文《新技术与互联网创新对亚洲酒店管理范式的推动》，他发动秘书一起采访了行业里25个VP以上的人，“每个人平均聊了近1个小时”。
修剪利落的平头，穿一身中规中矩的黑色西服套装，虽然你很难将眼前严谨求学的大叔和飞猪总裁联系在一起。但一谈起业务，李少华就两眼放光。
2015年，阿里旅行成为独立品牌运营，2016年更名飞猪。短短三年之间，李少华带领飞猪成长为中国领先的在线旅行服务平台。飞猪的快速崛起与追逐年轻用户密不可分。来自飞猪的数据显示，2016年飞猪80后用户占比88%，2017年“双11”结束，51%交易用户已经是90后。
飞猪飞起来，并不简单因为阿里巴巴，技术与大数据成为飞猪最具威力的杀手锏，背后则是一个70后“技术控”大叔如何竭尽所能“讨好”90后的故事。
技术控
“双11”刚落幕，飞猪就在杭州举行了2017商家大会。这更像是一场庆功会，给活跃在飞猪平台上的商家颁奖、打气，顺便讲讲2018年飞猪要怎么玩。
李少华作为开场嘉宾第一个登台，他没有公布2017年“双11”飞猪的总交易额，取而代之的是更精确的细分数据：2017年“双11”，飞猪境外游人次超过110万，签证15万本，国际机票35万航段，高星酒店50万间夜，五星酒店自助餐10万余份。
2016年“双11”，阿里“飞猪”首次亮相，全天交易总额是21.7亿元。
“按说不能发这么详细的数据，”李少华事后解释这种低调还带着小兴奋，“我们在内部庆祝都说超过去年多少。”不过他觉得2017“双11”最不一样的是做了两件事：一是不那么单纯追求交易额，更多去关心用户的差异化体验，二是开始跳脱卖线路，靠内容传播吸引了超过一半的自然流量。“没有对外投广告买流量，通过个性化的精准内容推送，转化率超40%。”
全世界都在讲大数据精准营销，李少华直接举了飞猪的例子：“双11”期间有个商家专门跑到杭州来找他，“因为公司所有的人都看不到自己的商品推送，”李少华身边有个市场总监正好提过要买这家的产品，把人叫过来一打开APP，明明白白的精准推送。“‘双11’之前我们对全网用户做了3000多个旅游相关的标签。最终给用户推荐什么我们也不知情，完全是系统算出来的。”在李少华看来，这是非常有意思的事情。
李少华正在尝试用技术推动更多的改变，比如中国人玩马尔代夫，不久之后会有一个颠覆性的玩法。根据飞猪调研，马代40％以上的消费者都是中国人，但中国游客的玩法大都是吃餐睡觉，很少享受真正的海岛游。李少华的办法是和马代的20个岛直接签约，接下来会把岛上的所有项目，用中文、图片、视频等方式放到APP上。“这样用户躺在床上就可以选择，不用担心看不懂，也不用跟老外交流，这就是马代要推的全场景消费。”
在飞猪的内部员工眼里，李少华是典型的技术派，喜欢看数据，谈起技术一发不可收拾。加入阿里之前，李少华曾经是南航明珠俱乐部创立者之一，所在团队率先推出了中国电子客票； 2011年加入支付宝航旅事业部，又着力推动了从B端市场向C端拓展。飞猪的小二们认为，飞猪在市场上的快速推进和李少华的技术癖好不无关系，“飞猪一直在用技术做很酷的创新，和消费者交流就很方便。”
被“鄙视”的大叔
除了工作和业务，李少华在公司却经常被鄙视，大叔有大叔的寂寞。
“公司里的小孩都是80、90后，我已经被他们歧视得一塌糊涂。”张学友演唱会是最新被鄙视的例子。李少华特别喜欢张学友，2017年11月11号、12号张学友正好在杭州开演唱会。李少华买了自己的票，又多买了12张票，准备作为“双11”的奖励，没想到90后们根本不买账。“当天我到现场一看就明白了，全是60后70后，我朋友圈里没有一个90后来。”
李少华觉得和“小孩”们有很大代沟，“而且是好几代的代沟”。他的旅行方式也是典型的70后、60后的度假心态，一定要安静，看得见风景，到地就看书、睡觉。接手飞猪业务之后，他强迫自己像背包客一样去旅行，到了当地却要求要有车接，最好找一个当地的旅行社总经理在车上聊聊市场……“这样的心态也特别不符合我们要服务的90后、00后。”李少华觉得自己压力也蛮大，“因为我年纪大一点。”飞猪服务的用户51%是90后，70后李少华想想都觉得很恐怖。
“他们不带我玩，吃饭的时候都说你快点吃完，吃完就可以走了……”他想出来的办法是“倒贴”。“我怎么办呢，就主动跟年轻人聊”，一有空李少华自己买单请公司的小孩吃饭，“他们吃饭聊天，我就在旁边默默地听。二次元、直播呀我不会去涉及，但我得明白他们在想什么。”虽然一再遭鄙视，李少华从来不受伤，他特别喜欢找做技术的小孩聊天，“他们直接简单，不会绕弯”，对这些小孩的坦诚相待，李少华觉得是感谢。
被鄙视也越挫越勇，李少华想要更多地了解年轻人，飞猪服务的主要目标就是85后的年轻人。李少华记得很清楚，2003年在南航管旅游业务，广州最牛的一个营业部，门店开业的第一天收了280万元现金，三个收银员小二收钱收到手抽筋。“那会儿旅行社卖线路，一张A4大的纸，上面密密麻麻地写满线路，”但是现在简单卖线路已经不奏效了，“线上的年轻人想要去玩，首先冒出来的是旅行目的地，只输几个字，‘新加坡’‘马尔代夫’，对他来讲这样就够了。这时候传统旅游的企业就蒙了。”
“飞猪现在超过一半的流量是通过内容传播来转发过来的，比较激进地判断，未来年轻消费者90%是买消费内容。”李少华透露，现在飞猪基于海外目的地布局都是基于对85后的调查，操盘手也是85后。在核心出境游的链条上，主要管理者也都是85后。
2017年“双11”对外不投任何广告，是一个冒险的决定。但李少华选择不干涉任何对外传播，“有个小孩每天把要传的东西单独发给我，我马上就在朋友圈全部转发，”“以前我都要挑三拣四的，现在我选择信任这些年轻人。”
侠义令狐冲
在飞猪内部，李少华的花名叫忽必烈。这并不是他最喜欢的名字，他想叫令狐冲，进阿里的时候已经有人叫令狐冲了。
倪匡说令狐冲性格最可爱处是在于不羁，名门正派的戒律使他在思想上有一定的约束，但是在行为上，他却处处在突破这种约束。在自然而然之中，流露他的真性情。不执著，不在乎，潇洒浪漫之处，在金庸笔下所有男主角之上，允称第一。
李少华最欣赏令狐冲的地方也在于不羁与创新。他是武侠小说迷，七八岁开始看到现在仍然乐此不疲。“令狐冲特别有创业精神，而且是个体的创新。”映射到自己的现实世界，李少华最喜欢做的事情就是用新技术做互联网创新。
技术出身已然转型做管理，李少华还时时回头带项目。他透露过去两个月，20%的工作时间在倒腾一个新项目。方向是研究新技术怎么颠覆旅游供应链，利用用户画像，阿里完整的用户行为大数据整合飞猪平台上海量、碎片化的旅游供给。
未来提供给旅行者的方案可能是实时的动态的产品组合，“比如看到一篇文章说中国十大潜水圣地，看完你就特别想去潜水，我可以一口气推送20个商品给你挑，包括机票、酒店、你出行的整个诉求都打包在里面了。我不知道你具体是谁，但我知道你的生活轨迹，你的喜怒哀乐，你的喜欢或者不喜欢。”在李少华看来，这才是真正的C2B，用户下单的背后，后台组织了十个以上商家为你服务，这在以前是不可能实现的。
因为优化供应链，飞猪把以往普通人想都没想过的极光游、南极游打到了平民价。芬兰极光7天5晚自由行8999元是“双11”清单上的热门产品，南极专线优惠到46666元，24小时内就发售了130个船位。李少华解释背后的秘密在于平台和商家联动做供应链优化，对供应链的控制加强，砍掉了不必要的中间环节，给用户更多选择。“以前南极都卖给一些企业家，尤其是长江、中欧这些商学院读EMBA的人，像我这样的平民百姓想都没有想过去南极。但是2017年很多年轻人去了南极，59.1%的女性，平均年龄从48岁降到了28~32岁。”李少华说这是用普惠的思路做旅游。
李少华第一次出国当时在国企，由外事办负责，“当时只叫我照了张相，不知道办签证那么难。”为了做业务他自己跑去办签证，新加坡、美签都是自己跑下来，“办完以后再也不想办了，实在太痛苦了。”
2017年10月31日，飞猪上线了“在线签证中心”。用户可在线办理多国签证，首批上线的国家包括卢森堡、马来西亚和日本。“我了解咱们中国人走出国门第一个遇到的难题就是办签证，下一步飞猪会把更多的国家加入进来。”李少华在现场演示了“在线签证”功能，通过OCR识别极速填表、在线自拍签证照、在线进度跟踪，20分钟马来西亚在线电子签证顺利出签。
下面的人觉得李少华不像公司高管，喜欢亲力亲为，不找麻烦，很多事自己就搞定了。演示线上签证的这样的事情可以请业务线的人做，李少华就做得很开心，一边演示他一边对台下讲，“我现场自拍证件照，你们不要嫌我长得难看。”
他说自己和令狐冲很像的地方在于“我们都有比较笨笨的正义”，“令狐冲特别有侠义，我们今天做得很多事也是侠骨柔情”。
用生命去追那道光
李少华身上还带着一些令狐冲式的痴气，他迷恋技术，做事情直来直去。
马云常常在各种场合谈飞猪，上线在线签证那段时间，几乎在每个场合都要谈一下。李少华却说，“这是马老师主动给飞猪做广告。”他觉得自己曾经是马老师不喜欢的学院派，读完MBA转型做管理，白天开会，晚上把MBA教材拿出来看。现在回头来看，阿里也像一所大学，阿里提倡平凡的人做不平凡的事情。他一点不觉得倒贴年轻人有什么难为情，最大的困惑就是怎么理解年轻人。
李少华现在的时间大致分为三块：工作、学习和生活。工作之余，和公司20多个小孩一起在香港理工大攻读博士，他毫不讳言自己是绝对的学霸，同一届博士班里面GPA是最高的，上过9门课每一门都是最好的。问他为什么这么拼，他说想对得起自己，“绝大多数人读博士就那么一次，肯定要把时间用到极致。”
工作以外，李少华却是个特别内向的人，在家和父母、妻子也没太多话。典型的处女座，追求完美，“所有表现都是严于律己，严于待人”。他最享受的时候是每天早上出门之前，那是属于他和家人的静谧时刻。女儿上学之前爬起来，跟她打招呼，陪女儿坐一会儿，出门之前再抱儿子半个小时，“那是我最开心的时刻，不知道是不是我儿子也最开心。”谈起家庭李少华闪现出难得的柔软，“儿子还不会说话，只会喊爸爸、妈妈，但是听到爸爸的声音就特别乖。”如果儿子不吃饭妻子就会给他打电话。
和家人的旅行，李少华总想给他们最好的体验，会订当地最好的酒店。暑假李少华陪女儿去了一趟加拿大路易斯湖，而且坚持一定要订城堡酒店，躺在床上能看湖的房间。他自己的旅行方式就是特别休闲，酒店睡觉或者在周边沙滩上，典型的度假模式，虽然他很清楚，这一点不符合90后的审美。
不过总有的旅行值得你用生命去追，那种瞬间把你击倒在地的旅行。2016年飞猪在北极圈做音乐会，纯粹的商务旅行，欧洲和中国旅游公司的总裁、CEO去了120多个人，再加上十几个国家的旅游部部长、副部长和两百多位游客。李少华一直忙到深夜12点多，凌晨三点多再爬起来赶飞机。全飞机的人都在睡觉，他一个人醒着，累到睁着眼睛睡不着，把窗户打开，“飞机飞破云层的那一刻，整个云层上面竟然全是极光，金光撒满地。”那种视觉对灵魂的冲击，李少华当时就呆住了。
独自坐在云层之上，被金光瞬间点亮的感觉，李少华说没办法用语言形容，完完全全的灵魂出窍。“极光就是用来追的，而且用生命去追。”之前他去过两次北极，半夜12点开车去追都没有追到。本来已经放弃，没想到在凌晨的飞机上狭路相逢，实在太奢侈。
“看到极光的那一刹才能真切体会到旅行带给你的冲击。”这些东西不能用图片、文字来形容，这样的冲击让李少华觉得自己的工作更加有价值，会更重视旅游内容而不是干巴巴的卖线路，更想要用技术创新把价格控制在普通人负担得起的范围内，让更多的年轻人去找到自己喜欢的东西。
“我相信你可能真的需要旅行，你需要追着这些东西。”