誕生12年後，雙11仍然續寫答卷，也留下了問卷：當購物峰值不再是最大挑戰，下一代技術創新，将會出現在哪裡？
“好的創新是在高壓的場景下産生的，‘雙11’創造了一個個高壓的場景，讓最前沿的技術和最前沿的商業模式，能夠産生高速的碰撞。”昨晚，阿裡巴巴集團首席技術官程立的雙11收官階段演講時說，雙11的技術挑戰将進入新的曆史階段。
今年的雙11史上跨度最長，加上新冠疫情背景，有2000多個産業帶、30萬個外貿工廠和3萬多個海外品牌的加入——當有機會将4000萬新商品，推向8億以上消費者時，每一個關鍵環節，都有誕生新一代技術的可能性。
▲ 圖：阿裡巴巴集團CTO程立在雙11當晚的演講
相比程立這樣“12年全程參與的工程師”，人們并不能即刻感覺技術工程的全部價值，許多項目剛開始設計時，說穿了是為消費者和商家節省幾分鐘、幾塊錢；從社會成本上，需要把一個峰值，在時間或空間上燙平；最終，還是回到如何讓每一個訂單穩定、高效的達成。
就像程立所說的，今年雙11，在新品研發、生産制造、使用者觸達、供應鍊、物流配送等環節，技術和商業的共振産生了大量創新。而它們的最終方向是讓“商業要素線上化、數字化，在這個基礎上，構成一個真正數字化的商業網絡”。
也因為時間視窗最長，這次雙11也讓我們從更長的産業鍊條上，預測一下未來還會有的新東西：
C2M技術會替代“電商”，就像雲計算替代傳統IT
C2M（使用者直連制造）也許還是一個定義不清的詞彙，更沒有“C2M技術包括什麼”的共識。但是，就像雲計算公司，代替了IT公司，這屆雙11讓未來的C2M技術叢集變得更加清晰。
阿裡巴巴至少有三個不同的技術子產品，嘗試深度打通C2M。
-
天貓精靈背後的AIoT技術和多模态互動模組，已經影響了許多家電、家居廠商的智能化設計研發。
也帶動了一些小家電産業帶、外貿工廠的快速增長。
整體技術、設計資源的開放度仍然是全行業最高的。
-
躺平智造為代表從終端到本地的工業化數字技術，其中3D/AR前端渲染模型，家裝設計師的設計軟體和建材工廠的生産資料庫完成了連接配接。
雙11的10萬樣闆間還隻是開始，未來半年還會有2萬個門店進入全屋定制業務。
- 犀牛智造在資料智能技術支援下的智能工廠和柔性産線，犀牛智造帶給産業帶工廠的機會，不僅僅是小樣本的測款，更有大資料下的豐富機會。
家裝、家電、家居和服飾都增長明顯，這些行業也都存在制造端柔性與消費者個性的強烈趨勢，市場規模已經足夠巨大。諸如本地化配送組裝這類問題，阿裡巴巴已有很強技術的末端問題。
加上阿裡雲在工業大腦領域多個基礎性行業的積累，也許不需要太久，淘寶天貓就會從一個電商平台，孵化出一個C2M技術叢集，或者智能制造平台。
數字供應鍊成為大型企業數字化的突破口
如果雲是排程線上的資源，供應鍊則對應企業線下的資源，無疑異常重要。是以，程立在演講中多次援引了阿裡巴巴一個叫DChain的項目。通過這當中的智能預測技術，在雙11前，已經将超過11億商品提前配置設定進離潛在消費者最近的物流倉庫；讓一些零售企業直接省去了倉儲物流成本，直接從工廠進行發貨；甚至，在主播的直播間開啟前夜，也可以去預測千萬級規模的訂單，可能會分布在哪裡。
圖：程立演講中提到社會可共享的服務能力
這套系統目前應該通過菜鳥數字倉儲體系，和阿裡雲的新零售中台産品等界面，都可以讓企業接觸使用。可以想見，在淘寶特價版或者零售通這樣非常下沉的商品管理中，這種能力會更大幅度提升過去由人工管理的供給效率。但是，僅此而已嗎？
-
企業的供應計劃，是整個經營資源決策的核心，相比過去解決的客戶關系問題，過去會被認為因為庫存進出頻率不高，而沒有率先進入數字化。
而實際上很可能是因為沒有足夠多真的可以優化供應的資料和算法。
-
很少有機構的數字供應鍊可以聚集阿裡巴巴現在這麼多元度鍊路。
并且已經将影響供應鍊的訂單消息，與幾乎所有這個領域的140多家服務商有深度的技術對接；
一旦大型企業可以參考，則會帶動上下遊大量生态企業。
-
這個領域也不需要新的軟體，而是需要新的資料處理和算法架構，例如在阿裡巴巴商家服務和資料倉庫産品中已經大量存在的流批一體架構。
雙11積累的經驗，似乎越來越靠近産品化了。
此外，還有淘寶天貓新品平台，這樣直接幫助品牌研發早期的技術平台。對于一些需要用爆品來決定企業計劃的行業，将非常關鍵。
對消費者和産業的了解，可能催生出新的智能計算架構
11月3日的阿裡巴巴雙11技術溝通會上，首次詳解了認知智能引擎，在商業AI體系中的重要作用。緊接着11月9日，這個團隊就受邀在中國科協、中國科學院、中國工程院主辦的頂級會議上，釋出開源一站式圖計算引擎GraphScope。
這個開源架構還沒有公布特别多細節，但是從項目組的介紹看，它直接來自于雙11中每天數千億次調用的智能場景是無疑的：
-
在阿裡巴巴的場景裡，因為有産業、地域、經濟行為等概念化的圖譜存在，對于計算的需求與一般的深度學習場景是不同的。
具有這種周遊圖的能力後，針對不同行業，更高認知水準的智能技術才有可能産生。
-
圖計算性能近年來已經進步的數10倍，但仍然存在三個大規模應用挑戰：
一是相關領域問題複雜，計算模式多樣，大量解決方案碎片化；
二是學習難度大，對于非專業程式設計人士門檻很高；
三是跨域資料量大、計算效率仍然偏低。
- GraphScope與TensorFlow等架構，在系統上會有一個協同關系，即将深度學習和傳統的圖模型做更緊密的結合，取得更好的效果。
圖:阿裡巴巴認知智能團隊介紹的圖計算應用場景
外界對平台型公司的觀察，往往顆粒度差異很大。尤其對阿裡巴巴科技，每個人摸到的部位不同，評價不一。因為涉獵的行業最豐富，阿裡巴巴似乎一直是最願意向客戶展示最新研發産出的大型公司：有的在天上，有的長在地裡，有中台這樣探索中的架構理念，也有雲栖大會連續抛出達摩院、平頭哥這樣的爆炸性新聞。
如果回到公司戰略之一：雲計算與大資料，在曆年雙11的催化下，阿裡巴巴自研雲計算、資料庫的故事，都最終實作了這種要素級的技術創新。雲計算在中國規模與增速同時保持第一、資料庫在中國已經超過Oracle位列第一；不僅支撐了雙11，而且是許多國民應用的基礎設施。
與一般封閉集中式的壟斷平台不同，高科技發展，一定是開放和利他的。從一個個路徑越來越豐富的雙11訂單也能看出，堅持大規模的開放接口，保持高頻率的社會協同，本身就是最可持續的創新。