2017年可谓是把AI（Artificial Intelligence）人工智能，又一次推上了风口浪尖，各种不同类型的公司以及产品层出不穷，有些可能都称不上智能，但我还是认为正是这些推动才让国内的AI发展更快，让越来越多的产品落地更好的服务人们，只有让更多的AI产品落地，才能更好的促进其发展。也许不久的将来，人工智能会成为手机第二个我们生活离不开的服务，甚至也有可能改变我们现在使用的手机，未来已来，让我们静静等待。
之所以说到有些公司或者产品称不上智能，是因为从PC到移动互联网发展过程中，有些公司认为只要拥有一款或者多款App就是移动化，但事实真的如此嘛？这只是表面的工作。之前很多线下传统企业要转型互联网、移动互联网，做个网站、做个微信公众号、做个App，就以为是已经转型了，但是多少的事例让我们看到转型的失败，为什么？因为这只是很表面的工作。公司的架构、服务、产品、技术、运营等整体思维方式是否全面拥抱移动化，才是真正内在的工作。如今到来的人工智又是一个契机，又会有很多的公司可能假借表面的工作，就成已经智能化，这是在自欺欺人。在做产品这方面，我非常认同梁宁老师的一个观点“系统能力”，只有从系统底层做好坚实的基础才能为之后的发展，奠定好的基础。
互联网（PC互联网、移动互联网），之前被讨论它是一个工具？或者是一个经济体？而如今人工智能又会遇到同样的问题，同样也会出现之前的情形，很多人或者企业认为它只过是一个工具，拿来装扮自己。但看看现在移动互联网，它真的只是一个工具吗，人工智能也不简简单单只是一个工具，它会继移动互联网之后又一改变人们生产、生活、学习、工作还有商业。
随着5G时代的到来，数据传输越来越快，对于AI，数据是资源，而算法是加速器推动着AI前进，硬件基础（计算能力、数据处理能力）是发动机。数据、算法、硬件基础互相合作共同推动着AI快速进化，时时刻刻都在进化，有一种超越是碾压式的。现在不要仅仅盯着手机，盯着App去看，而是万物互联。
让我们回归文章的主题，当购物车遇到AI，将会产生怎样的效果。
现如今购物车里基本都会添加猜你喜欢，为你推荐模块，根据商品与商品之间或人与人之间或用户画像来推荐商品。
推荐算法：
1.协同过滤推荐算法（基于用户的协同过滤算法、基于项的协同过滤算法）；
2.基于内容推荐（根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项）；
3.基于规则推荐（以关联规则为基础，把已购商品作为规则头，规则体为推荐对象）；
4.基于效用推荐（对用户使用项目的效用情况上计算的，其核心问题是怎么样为每一个用户去创建一个效用函数，因此，用户资料模型很大程度上是由系统所采用的效用函数决定的）；
5.基于知识推荐（在某种程度是可以看成是一种推理（Inference）技术）；
6.组合推荐（每一种的推荐算法都有各自的优缺点，所以经常将其进行组合使用，最常用的组合，协同过滤算法+基于内容推荐+基于规则推荐）。
例如，天猫购物车中的【购物车有该宝贝的人还在对比】、【看了该宝贝的人还买了】、【猜你喜欢】。
在购物车除了推荐商品应用服务，还有什么其他服务可以运用AI技术，购物车有一个功能就是收藏，但购物车是强购买弱收藏的，用户加到购物车的商品肯定是有购买意愿的，但是有没有想过，如果一个用户将商品加入购物车后，就没有进行结算，是否可以通过某种方式触达用户，促进用户下单转化。现在有些会有将商品加入购物车多久后没有下单，就会推送一条信息提醒用户，但是这样的提醒实在太弱了，不是说提醒的方式，而是促进用户下单的强度。
用户A将商品X1加入购物车，同时用户A的购物车还有商品X2、X3；用户B购物车也有商品X1,同时用户B的购物车还有商品X4、X5。利用商品加车未下单数据和用户画像来定时的构建促销活动，例如商品X5正在做促销活动（满减活动），除了给购物车中有商品X5的用户提醒，同时还可以给与将商品X5加车用户相似的用户提醒，同时我们还可以监控数据，看哪些用户转化率较低或者没有转化，可以针对这些用户做些研究，是否这些用户在用平台做比价，但为什么这些为什么选择平台，我们可以进一步分析数据，找到原因。
现在线下很多的无人超市，通过采集用户头像数据实现结算无感，这种技术同样可以应用到大型综合类超市，大型综合类超市的购物车可以加上摄像头，后面将产生什么，请读者发挥想象,欢迎讨论。
AI世界还充满着太多的不确定性，但未来已来，最不可阻挡的就是趋势。
