接下来AI如何赋能原料采购这个环节，我还是以衣服为例，因为在座的有服装行业的，衣服面料的采购是很大的问题。比如你看看面料，面料是一个很难用语言描述的东西，你只能够到线下市场去看，可能要看好几遍才能定下面料。我们现在提供不同的方法，接下来国内70%面料生产都是我们的客户，大家找面料的时候很简单，只要上传一个他们想要面料的图片。比如这样的黑底花纹的面料，上传图片马上找到相应的面料，在手机上，这样的面料你很难用语言描述，你手机拍个照片一秒钟时间就可以把面料找到，可以马上下单购买面料。

　　接下来其实每个商品的最开始的环节，就是设计，每个商品首先先被设计出来，背后需要有一个设计师，AI也可以赋能设计师。这是我们给中国纺织信息中心开发的一个用人工智能帮助设计师快速的分析预测流行色的产品，这个产品以任何图片，我们把T台秀照片智能地提取出来，然后把模特身上穿的衣服提取出来，然后把衣服的颜色排除掉，光色角度等等因素的干扰得出一个量化的数字，不同的颜色在多少的比例，然后生成一个量化的报告。这个技术可以怎么用呢，他们每年都要发布行业的报告，每年流行什么色彩，大家要怎么样生产。过去他们在几大时装周的时候他们要看时装秀，总结个人的感觉，什么颜色会更流行。现在我们改变了这种做法，只要把时装周一百万张图片上传上去，马上生成一个量化报告，来预判流行的趋势。

　　中国纺织信息中心用这个技术，发布了全球第一个AI COLOR Trend应用，刚发布一个月得到了色彩协会颁发的中国色彩技术奖。我们还跟工业设计公司洛可可联合成立了人工智能联合实验室，通过人工智能联合实验室，我们会建一个智能的标签体系，建一个智能的数据服务和搭建一个智能的搜索引擎，我们预计这样的工具使得每个设计师效率有一个大幅度的提升，用更的时间为消费者设计出质量更好的商品。

　　为什么我们可以做这些事情呢?为什么我们可以打造像人一样识别出各种商品的人工智能，这个比赛的结果，可以解答一部分疑惑。在今年WebVision全球计算机视觉挑战赛上，码隆科技获得全球第一名。这是被誉为接棒ImageNet的全球AI比赛，最大挑战在于需要用未经人工标注的“噪音”数据进行模型训练。大家知道我们所处的一个商业世界是充满噪音的，可是这些数据是充满噪音的，按照现有的人工智能深度学习的算法，需要非常精准标注过的数据，这样的商业界收集过来的数据是不能被直接运用的，或者需要花大量的成本利用人工校准，但我们利用弱监督学习方法就可以把含有噪音的数据进行处理。基于这样的深入学习的算法，我们一套量化监控体系显示出我们在很多商品上品类上，识别精准度上达到世界最领先的水平。而且我们可以从不同的维度去实现商品，我们称之为“全栈式”的商品识别，我们不仅通过摄象头识别，还可以通过X光机识别商品，甚至还可以通过显微镜识别分子的商品，让ProductAI平台成为商品识别的引擎。

　　最后，这是我们的理念，我们认为真正的人工智能不在于自己有多智能，而在于让更多的产品变得更智能，谢谢大家。