社区商业的人工智能化趋势

徐印州 林梨奎 李丹琪

内容摘要：在后电子商务时代，继社区商业电商化之后，出现社区商业人工智能化趋势。人工智能引发服务业的变革，推动零售商业迈向新零售阶段，并首先发端于社区商业，其内在原因可归结为市场因素、业态因素和技术因素。社区商业人工智能化具有数字化体验、智能化经营管理、大数据营销和深度机器学习等特点，也面临经营成本居高不下、应用场景受限、实现大数据有难度等瓶颈。但社区商业人工智能化其势不可挡，而且正在从社区商业向零售业和全商业更大的领域推进，具有令人期待的发展前景。

关键词：社区商业 人工智能 趋势 前景

后电子商务时代社区商业的新机遇

（一）后电子商务时代概念的提出

后电商时代是逐步走向成熟的电商时代。随着各种形态电商平台的诞生以及不断地完善发展，继O2O、SoLoMo（社交体验+本地化+移动终端）之后，电子商务步入新的发展阶段。技术的不断升级，各种全新概念的引入，各种微创新的出现，标志着纯粹的电商时代已经成为历史。在这一新阶段，分享經济、购物体验、社交和移动支付主宰消费，电商市场主体将依托人工智能技术，将线上销售平台、线下体验实体店面和配送终端服务等环节融合在一起，从而进入后电子商务时代。

（二）后电子商务时代社区商业电商化

随着近年来电子商务的快速发展，社区商业经营者也逐步开始接触和应用互联网技术，涉足社区商业的电商模式创新。随着后电子商务时代的到来，特别是智能手机、平板电脑等移动通讯终端的普及应用，社区居民的购物习惯也逐步由“逛店消费”向“远程下单、服务上门”转变。为了适应这种市场需求的变化，销售商也逐步搭建自己的网络消费平台和社区配送系统，逐步实现线上下单与线下配送深度融合的商业模式创新。上述商业模式创新往往会带动新业态的产生，如大范围布局的“快递+社区便利店”业态、承诺2小时内送达的网络销售业态等。

传统的社区零售店受到地理位置、消费升级、商品价格高企等因素影响，发展的步履维艰。面对这一挑战，一些横向电商平台基于互惠互利的共享经济，与上万家的社区便利店合作，充分挖掘现有的社区便利店资源，利用微信网络形成“微社区电商”或者“掌上社区电商”，将知名快消商品下沉到社区便利店，形成强大的新型社区零售渠道。这些社区电商以生鲜、主流快消品为切入点，进行软硬件的升级，在陈列、促销、库存等多方面提升传统社区商业。社区电商还开发更多的功能，提供更好更贴心的服务，增加了社区顾客对社区商业的粘性，打造了通往社区的全渠道零售生态。

当前电商有两大发展趋势，即规模化和社区化。规模化是企业自身实现横向发展，而社区化则是纵向的。普通电商在线上根据消费者的需求供应产品，在横向迅速扩张，实现了规模化。但是普通电商在中国的发展遇到了两大难题，一个配送，另一个是消费体验。在中国特殊的城市结构中，由于城市空间的逼仄，商品配送不仅有最后一公里的阻塞，还有最后200米的瓶颈；同时，电子商务的极大便利性在很大程度上抵消了消费体验的享受。面对这两大难题的挑战，电子商务不得不向O2O转型。电子商务的O2O模式，意外地为实体商业的复兴带来机遇，而社区商业电商化，既得益于“互联网+”突破了普通电商的瓶颈，又发挥了实体零售业态的传统优势，在规模化和社区化之间兼而得之。在网络购物迅猛发展的推动下，社区电商成为线上和线下良好互动的最佳接口，兼顾了电子商务和实体商业的优势。

（三）后电子商务时代社区商业地位的提升

在后电子商务时代，社区商业遇到了一个难得的重要机遇，即城市品质的提升，城市化进程已经由城市扩容进入城市品质提升阶段。在城市扩容阶段，城市商业发展主要体现在大型商业设施的巨增，城市综合体、大型购物中心发展迅速，城市中心商圈扩容，增量巨大。进入城市品质提升阶段以后，城市商业发展主要体现在增加社区商业、完善商业配套设施和优化城市商圈布局及结构。社区商业不仅是城市商业的增长点，也是电子商务的增长点，社区电商成为电子商务一个新的发展领域。社区商业电商化容易实现实体店与电商平台之间的相互融合，成为更有市场应用价值和发展前景的商业模式。

从社区商业电商化的历程来看，它在不同的发展阶段解决了电子商务O2O存在的不同问题：起初解决的是增值服务问题，成长阶段解决的是商业生态圈共建问题，成熟阶段解决的是城市一体化配送问题，突出解决最后一公里配送服务。由于城市品质提升的大势所趋，在后电子商务时代，实体商业从新的起点开始振兴，社区商业以其易于实现线上与线下相融合的业态优势，市场潜力日益彰显，社区商业在商业结构中的地位明显提高。

人工智能向零售业的渗透

（一）人工智能的意义

人工智能（Artificial Intelligence）技术推动了第四次工业革命，与人类历次技术进步相比，人工智能技术引发的冲击更为巨大，对经济和社会发展的影响更为广泛和深远。人工智能通过转变工作方式和操作方式，成为一种全新的生产要素，大幅提升劳动生产率。人工智能的普及能够优化产业结构，推动更多相关行业的创新。根据普华永道2017年6月发表的《抓住机遇——2017夏季达沃斯论坛报告》预测，到2030年人工智能对世界经济的贡献将达到15.7万亿美元，其中中国和北美地区累计可获益10.7万亿美元；到2035年，人工智能将推动中国劳动生产率提升超过27%。

人工智能可以替代大部分简单重复劳动，使劳动力结构逐步向智力化、创新化转变。世界经济论坛（WEF）2017年发布的《职业的未来》研究报告预测，在未来五年人工智能将颠覆劳动力市场结构，替代全球15个主要发达和新经济体超过500万个就业岗位。人工智能技术和经济生产的深度结合，将最终实现由劳动者主导、智能机器执行的生产方式。这种生产方式的主要特征在于强调劳动者的中心决策地位。劳动者运用人工智能技术，遵循市场决定资源配置客观规律，以市场需求为导向决定生产目标，以智能机器为辅助生产工具开展具体生产过程，使得需求分析、产品设计等复杂的生产组织工作变得更为容易。

人工智能作为新一轮科技革命的重要引领，产业规模不断扩大，企业数量大幅增加，《乌镇指数·全球人工智能发展报告2017》数据显示，2000-2016年中国人工智能企业数量累计增加1477家，融资规模累计已达27.6亿美元。人工智能将成为中国新时期经济增长模式转型升级、产业发展水平整体提升和经济可持续发展的主要驱动力。中国已经将人工智能的发展提到了国家政策层面，并将成为全球人工智能科技创新及应用的主要策源地之一。

（二）人工智能引发服务业的变革

目前，物流配送、智能导购、智能收银等商贸流通领域，智能远程辅导、机器人儿童陪伴、自动测评等教育培训领域，以及智能语音、道路自动识别、车联网等智能汽车领域等，无不应用人工智能。无论传统服务业还是现代服务业，都将与人工智能深度融合，向服务业智能化发展。作为服务业发展的前沿领域，智能服务产业具有前瞻性、导向性、关联性和全局性等基本特征，目前已是全球各国大幅度增加投入、重点布局的战略性领域，同时也是我国在新時期下实现经济社会新发展的主要路径之一。在这一趋势下，我国服务产业依托人工智能技术，正在从劳动密集向技术和资金密集的产业形态逐步转变。在服务业智能化的潮流中，商业智能化尤其是零售智能化异军突起，在最贴近人们日常生活的领域展示其巨大的发展潜力。

我国智能服务产业发展势头良好，但是尚处于起步阶段，存在人才培养和引进机制不完善、技术创新机制不健全，以及显性需求乏力、市场应用推广程度不足等问题，而且具有市场不确定性高、技术依赖性强等特点。目前，我国服务业人工智能化，首当其冲的是根据各领域实际需求，以人才培养、技术孵化、需求引导等为重点，建立层次丰富、范围广泛的市场培育体系。

（三）新零售——商业人工智能化的产物

随着图像识别、深度学习、神经网络等人工智能关键技术的突破，零售商业发生革命性的变化，在后电子商务时代出现了商业人工智能化的产物——新零售。人工智能化的新零售改变消费行为，精简信息搜索、排队等待等冗余环节，使消费者专注于选择和体验，营造体验感更佳的购物氛围，激发消费热情，进而使消费方式和消费结构发生根本改变。依托人工智能技术的大数据运算功能，零售商家可以更准确地发现、预测和响应客户需求，实现对顾客需求的精准对标，直接降低仓储库存成本和提升物流效率。根据苏宁金融APP公布数据显示，依靠人脸识别技术的应用，其仅需雇佣10%的后台审核人员，就可以从容应对所有新用户开户和实名认证工作。在准确获知消费者支付意愿的前提下，还可以进一步制定因人而异的价格策略，提升零售盈利水平。

人工智能化的新零售使社会公共管理和人们的消费需求偏好悄然变化，智能消费逐渐成为新的消费需求偏好。最近，区块链技术加入了新零售的行列，基于区块链技术的数字智能平台将可能实现，它不断积累和分析个人、企业的数字信息，利用它可以更好地配置资源、强化信用和满足消费需求。人工智能化的新零售使消费者占据商业活动的主导地位，迎来消费者主权时代。零售商唯有充分满足顾客对体验消费和个性消费的需求，才能在激烈竞争中生存下来。新零售的“新”，更多体现在语音识别、视觉感知、虚拟现实等人工智能技术的应用。在此趋势之下，体验消费成为一种消费潮流。更进一步，顾客对体验消费的追求，还将导致社交零售模式的出现。在此模式下，购物消费与社交互动密切融合，从而打破B2C、C2B的传统互动模式，衍生出商家到商家、商家到消费者、消费者到消费者等多维度多层次的社交互动，消费活动的内容更加丰富和多元。

智能化的产品、智能化的店铺以及智能化的购物体验，诸如“人脸识别”、“看图寻物”之类的人工智能技术正在颠覆传统的商业格局。尼曼百货公司此前发布了一款人工智能的手机软件——“Snap.Find.Shop”，用户可以用手机相机拍下他们喜欢的物品，一旦有供参考的图片，该软件就会从公司库存中找出相似商品，反馈给客户。人工智能技术还可以帮助品牌商家识别出顾客的穿衣尺码、穿衣风格、颜色喜好以及消费水平，随后将其转化成实时讯息反馈给公司，并让公司给客户推荐合适、心仪的产品。浙江台州新兴集团与科研单位合作，把马桶盖变成了健康机器人，基于大数据的如厕行为和体验，分析使用者的健康情况，可以根据身体和体温变化，遇到危险应急报警，还可以把数据发到云端做安全检测。消费者买的是马桶盖，但是享受到的却是体验式健康服务。生产马桶的企业变成了大健康企业，销售基于消费者体验数据生成的产品和服务则成为一种新的消费供给。

社区商业——商业人工智能化的切入点

（一）人工智能技术融入社区商业的内在原因

在后电子商务时代，沿着“服务业人工智能化——商业人工智能化——零售人工智能化（即新零售）”的轨迹，社区商业作为切入点，始终走在新零售的最前列。透析这一现象的内在原因，可归结为三个方面，即市场因素、业态因素和技术因素。

首先，在后电子商务时代，O2O已经不能满足新的消费需求，消费市场要求电子商务弥补消费体验的短板，而电子商务不可能再借用商品展销、主题促销等老套的营销手段满足消费体验的更高需求。社区商业最贴近居民的日常消费需求，人工智能技术免去繁琐的支付程序，使消费者得到新奇的体验，因此成为应用人工智能技术满足消费需求升级的最好的着力点。其次，电商化的社区商业，除了固有的业态特点之外，还因为具有O2O端口的优势，融入人工智能技术之后更容易彰显其先进性与便利性。目前电商巨头的竞争已经由线上转入线下，用人工智能技术强化社区商业，更是电商巨头线下竞争的主战场。再次是技术因素，人工智能技术正在发展的过程中，其在商业中的应用也在不断完善，现在还不能普遍深度地应用于所有的零售业态，尤其是大型零售业态，但是在以便利店、杂货店和小型超市为主的社区商业中的应用相对来说比较容易。所以，基于人工智能技术的可操作性，以小型业态为主的社区商业自然而然领人工智能技术应用之先，成为商业（尤其是零售业）人工智能化的切入点。

（二）社区商业人工智能化样板举例

Amazon Go位于西雅图市区七大道亚马逊总部Day One的楼下，营业面积160多平米，包括一个20平米左右与卖场隔离的坐席间，供消费者“拿了”就可以来此处食用。Amazon Go的商品几乎全都是速食品、加工食品和饮料，是一间名副其实的社区便利店，已经对公众开放。Amazon Go最核心的价值，是其先进的人工智能系统，店内的陈设看上去与一般便利店无异，货架不高，所有的商品举手可得。消费者扫描手机中的Amazon Go App二维码进店，进入后在四周密布的摄像头的即时监视之中，通过Just Walk Out专利技术，记录、计算、分解进入店内的消费者的每一个动作，消费者拿到商品随手可以装进袋子里，无需再次扫码支付或经过特别通道，拿了就走。

缤果盒子无人便利店于2017年6月正式投入商用，这是缤果盒子与欧尚集团在上海合作开设的首家无人便利店。同年9月缤果盒子提出了人工智能解决方案“小范FAN AI”，全面升级收银台，通过图像识别、超声波、传感器等多重交叉验证技术取代RFID技术，降低RFID标签带来的额外成本，同时明确获取商品的价格，准确率超过99%。缤果盒子无人便利店通过其“小范 FAN AI”后端技术平台获得大数据，从而了解产品的销售、库存，进而提供精准的采购、促销策略，还能结合防盗追偿系统保证每个盒子的正常运营。缤果盒子将货架变成智能收集中心，通过带有摄像头的动态货架，实时捕捉包含面部神态、动作等在内的用户行为数据，为后台判断提供最前端资料；通过动态货架上的显示设备，随时修改商品价格，提供针对个人的促销活动等。顾客进入店内需先扫描门上的微信QR码，然后自助完成购物和付款的整个流程。用户通过微信支付或支付宝等终端完成线上支付，以更流畅的购物体验，解决排队结账的困扰，提供给用户全新的购物体验。

苏宁易购Biu无人店于2017年11月分别在北京、重庆和徐州三地开张，截至2018年2月2日，苏宁已在国内开办了6家无人购物店。苏宁易购Biu无人店主要售卖体育用品和生活用品，这些店最大的卖点是全程实现刷脸购物。从购物流程上来看，苏宁无人店的消费者只需下载苏宁金融APP，“刷脸”进门，通过面部识别进行“绑脸”，即可在店内选择商品。消费者选购商品后，以正常步行速度直接通过付款闸道，系统会自动识别用户身份，并实现扣款。苏宁易购的核心技术特色还在，其在苏宁集团内部实现跨产业的数据连通，目前已累计实现总用户超5亿的数据互通。

（三）社区商业人工智能化的特点

第一是数字化体验。人工智能除了在支付上使顾客感到方便和快捷之外，还给顾客带来新奇的数字体验。“数字化”加持的个性化定制，可以使顾客在较短的时间里实现“虚拟现实”体验，从而进行选择和定制，从商品的款式、颜色、尺寸，都能随心所欲地自定。数字化体验在满足个性需求上是传统实体商业乃至电商都无法比拟的。

第二是智能化经营管理。包括智能识别顾客以及智能识别商品类别，判断和确认顾客的购买行为，对社区和顾客更精确地感知。如Amazon Go，运用大量传感器集成来识别顾客的动作、商品以及商品位置，店内各个角度都安装有摄像头，在用户刷手机进店之后，根据图像识别移动轨迹跟踪定位，并将其位置和姿勢的变换进行关联，通过多维度姿态检测，判断顾客拿取商品的动作，确定其是否“拿了”。最后是视觉收银，从而完成无人收银的整个过程，顾客无需现场付款，可以拿着商品一走了之。

第三是大数据营销。大数据的挖掘为社区顾客提供个性化的需求信息和决策建议，基于大数据的需求感知技术可以做到数据预判需求，并根据顾客个性化的选择确定社区商店的商品属性、价格、库存等。社区顾客在社区商店的大数据平台上，可以实现购物与社交的结合，既能获得以往在实体商店里“逛街”的感觉，又可以丰富社区顾客之间的沟通交往。商家则通过大数据平台，展开超越传统实体店的市场营销。搭建与顾客购物偏好、价格敏感度、质量敏感度等巨量数据库，通过智能运算与商品结构自动匹配、综合选择，在此基础上提出更为符合市场需求的商品以及服务组织，提升顾客消费热情和忠诚度，深度挖掘消费者终身价值。通过借助人工智能技术为基础的身份信息识别，结合基于真实消费数据为依据的大数据分析结果，对社区居民的消费习惯、行为模式、信用情况等进行目标细化分析，最终实现精准导流、精准服务。

第四是深度机器学习。Amazon Go的核心技术之一就是机器学习（Machine Leaning）系统，Amazon Go强大的ML可以不断提高其人工智能的能力和水准，大数据运算能力和识别能力日益增强，企业管理中的“现场改善”可由智能系统持续自我完成。阿里的目标检测与追踪系统则主要是追踪消费者在店内的行为及运动轨迹，具有深度机器学习（Deep Machine Leaning）功能。由于深度学习的应用，借助人工智能工具，社区商业能够更好地掌握顾客消费款式、价格可接受区间、质量敏感度、特定商品停留时间等偏好信息，提供精准服务和智能化的体验场景，有利于进一步提升顾客终身消费价值的转化率。

（四）社区商业人工智能化的瓶颈

瓶颈之一是经营成本居高不下。人工智能属于高成本的高技术，需要相当高的技术研发成本和设备成本。目前能够实现人工智能技术应用的主要是资金实力较为雄厚或产业规模较大的龙头企业，以及依托龙头企业扶持的新科技企业。由于投入巨大，技术复杂，所以人工智能技术开始只能在规模较小的社区商业样板店运行，未来要在社区商业领域内实现大规模的推广应用，势必会因高成本而受到资金投入的限制。

瓶颈之二是应用场景受到局限。目前国内外人工智能应用的场景局限于社区便利店单一业态，商品品类、品种有限，尚不能实现多业态、全品类运营。另外，虽然人工智能设备能够极大提高消费购物的便利性，但是不可避免的问题是消费者面对的不再是生动活泼的人，而是冷冰冰的机器设备，这容易使消费者产生违和感，影响消费意愿。这是社区商业与人工智能技术实现融合所要面临的重要挑战。而且，在商品质量、个性化服务以及商业品牌价值等领域如何更好彰显人工智能技术的优越性，还有很大的提升空间。

瓶颈之三是大数据集合积累有一定的困难。人工智能算法的实现离不开大数据，大数据的真正实现是人工智能技术赖以存活和发挥巨大效能的最根本保证。但是，目前国内能够实现真正意义巨量数据集合积累的零售商屈指可数，如何对巨量的消费数据进行深度挖掘，实现各类消费数据的有效梳理、整合和转化利用，使人工智能技术与社区商业完美融合，仍是社区商业人工智能化的一大课题。

社区商业人工智能化的前景

（一）“购物+体验+社交”，创新社区消费模式

传统的电商营销模式，往往是通过打价格战的形式提高平台的顾客粘合度，“廉价”、“打折”一度成为黏住粉丝顾客的常用手法。后电子商务时代消费者更倾向于体验消费和高品质的社交服务，积分赠送、节假日打折等促销活动等用于持续激发消费热情的传统营销模式将显得过犹不及。基于人工智能的新零售正在打破商家的惯性思维模式，更多地强调要借助各类互联网社交工具以及虚拟社交社区，搭建包容性更大的社区商业虚拟运营平台，为社区消费者提供体验内容更为广泛、社交功能更为全面的增值服务。社区商业智能化的演化轨迹，正在突破线上线下之间的隔阂，从纯粹的商品使用价值体验，向消费社群体验、售后维护体验、品牌文化体验和个性服务体验等多方向、深层次逐步延伸。

（二）优化社区商业品质，助推新零售发展

以便利店为主要业态的社区商业，一直被视为几乎没有技术含量的“低端商业”。而人工智能化的社区商业，一方面可以依托产品、营销以及季节等历史大数据建立预测模型，准确预测供求关系，实现供应链有效管理，避免因商品挤压而导致库存成本过高的物流成本；另一方面，则可以根据自身以及竞争对手的市场营销历史数据进行对比分析，建立营销方案选择预测模型，提高营销前期策划的科学性和合理性。此外，社区商业运营商也可以基于区位、人口和竞争对手分布情况等大数据的运算，对网点布局优劣性进行比对评估，提升网点布局的准确性。在社区商业的人员配备上，人工智能技术也可根据商家应聘人员的基本履历、销售业绩等历史数据，预测该员工合适的工作岗位，优化人员配置。总而言之，社区商业插上人工智能的翅膀，将一改技术含量低、经营效率低、人员素质低的“三低”商业形象，进入高端商业领域，从而带动新零售实现全面发展，成为零售商业的主导。

（三）提升社区商业地位，完善高品质城市商业

随着城市体量日益增长，城市化进程进入提高城市品质阶段，社区商业的重要性愈益得到重视，其地位不断提高。商业领域的人工智能技术首先立足于社区商业，未来必将渗透到社区商业的全环节、全渠道和全过程，从而更加显著提高社区商业的地位。人工智能化使社区商业不再是城市商业的辅助业态或补充业态，而将成为主流业态、主导业态和主体业态，从而完善高品质城市商业。未来城市商业发展的重点，将从城市中心商圈和次中心商圈向社区转移，社区商业成为城市商业乃至城市经济的增长点；城市商业的业态结构也将从以大型超大型商业为主，转变为以社区商业为主。

（四）改变城市快递格局，再造城市一体化配送体系

人工智能将引领城市物流配送跨越机械化和自动化阶段，把物流技术、数据分析、协同共享等方面结合起来，实现真正的“智慧物流”，兼顾零售与仓储配送。社区商业人工智能化的一个重要的效应是其数字化的方法可以优化物流路径，响应高频次、小批量和紧急效应的订单，满足特色明显的社区需求。人工智能化的社区商业很可能以店仓一体化的优势，嵌入到城市配送网络之中，成为末端仓储即城市配送的末端。城市配送一旦与人工智能化的社区商业相结合，骨干物流就可以直接进入社区商业网点，大大提高城市物流的速度和效率，彻底改变“快递小哥”到处乱飞的局面，促进近年来一直推行缓慢的城市一体化配送发生质变。网上一种流行的说法是：“新零售干掉的不是零售，干掉的是传统快递”，形象地描述了社区商业人工智能化将改变城市快递格局，再造城市一体化配送体系的明显态势。

（五）样板店展示效果显著，连锁经营规模扩大

目前人工智能社区商店其特点、优越性得到彰显和普遍认可，已经发挥出明显的示范和引导作用。人工智能技术的应用和大数据的采集，都需要规模化的支撑，社区商业人工智能化的另一个效应就是促进社区商业的连锁化。所以，社区商业连锁发展的势头十分迅猛，许多城市都出台了优化社区连锁店发展环境的政策，商业资本也瞄准了这个有待开发的潜力市场。可预见不久的将来，人工智能化的社区连锁便利店、连锁杂货店、连锁小超市等业态必将呈现勃发之势，连锁经营的规模不断扩大。

（六）应用领域不断拓展，重构社区生活方式

人工智能技术与社区商业的深度融合，突出了注重体验、便捷、垂直细分等新零售的优势，既丰富了社区商业的内涵，也拓展了社区商业的外延。支付方式和购买方式的改变，使基于社区的新零售服务渠道越来越宽，盈利点越来越密集。人工智能与社区商业的结合将不仅仅停留在零售商业场景，社区顾客通过字体、影像、智能硬件、智能衣物、生物特征进行身份识别及个性化标识，并且与社区环境进行交互，通过人工智能化技术与社区公共资源和公共服务对接。随着消费群体对人工智能技术认可并形成习惯性依赖，人们的消费方式和消费习惯悄然改变，原来的生活方式将被彻底颠覆。智能社区建设近年来已经提上城市发展议程，目前社区商业人工智能化与智能社区建设显现互相结合的趋势，社区居民的生活方式势将重构，甚至还将促使社区组织模式和社区管理模式发生深刻变化。

参考文献：

1.陈永伟.人工智能与经济学：关于近期文献的一个综述[J].东北财经大学学报，2018（3）

2.毕宏音.人工智能发展的社会影响新态势及其应对[J].重庆社会科学，2017（12）

3.赵尔罡.电子商务与人工智能技术的整合研究[J].中国科技信息，2017（23）

4.强锋.人工智能与社区生活[J].城市开发，2017（19）

5.徐印州，林梨奎.新零售的产生与演进[J].商业经济研究，2017（15）

6.孙林，田美玉，屈乡政，闻小勇.基于神经网络社区商业模式探析[J].北京财贸职业学院学报，2017（1）

7.何哲.通向人工智能时代——兼论美国人工智能戰略方向及对中国人工智能战略的借鉴[J].电子政务，2016（12）

8.韩海霞.人工智能产业建设与供给侧结构性改革：马克思分工理论视角[J].华南师范大学学报（社会科学版），2016（6）

9.朱巍，陈慧慧，田思媛，王红武.人工智能：从科学梦到新蓝海——人工智能产业发展分析及对策[J].科技进步与对策，2016（21）

10.徐印州，林梨奎.论社区商业的新发展[J].商业经济研究，2016（18）

11.蔡自兴.中国人工智能40年[J].科技导报，2016（15）

12.顾险峰.人工智能的历史回顾和发展现状[J].自然杂志，2016（3）