亿欧 7 月 1 日消息，拼多多（NASDAQ:PDD）公司创始人、董事长黄峥通过致全员信的宣布原 CTO 陈磊将出任拼多多首席执行官（亿欧专访拼多多首席执行官陈磊）。黄峥则继续担任董事长。

今年 6 月中旬，拼多多一周内股价大涨 20%，市值突破千亿美元。拼多多创始人黄峥身价也水涨船高，超越马云成为中国第二大富豪。

经过今日调整，黄峥拿出了总计 10.11% 公司总股权，总计价值约 100 亿美金，用以成立慈善基金以及团队激励之后，其个人财富缩减至 350 亿美元。与此同时，黄峥在拼多多的持股比例也发生了变化。据最新披露的 SEC 文件显示，黄峥控制的拼多多股份比例从 2020 年 4 月的 43.3% 降至最新的 29.4%。相应的，黄峥拥有的投票权也从 88.4% 降至 80.7%。

同时，拼多多还任命高级副总裁朱健翀为公司首席法务官（General Counsel），任命马靖为公司财务副总裁。

接棒者 陈磊，2016 年入职拼多多并担任首席技术官（CTO），拥有清华大学计算机科学学士学位和美国威斯康星大学麦迪逊分校计算机科学博士学位。2007 年，陈磊回国就职于欧酷网担任研发架构工程师。2010 年起，担任新游地公司高级研发架构工程师、首席技术官（CTO）。

黄峥此前在接受《财经》杂志专访，透露未来平台的发展方向是通过机器和算法替代人工选品，要尽可能地减少人工对规则的干预。

在陈磊看来，智能的分配流量是未来电商平台发展的方向，精准的算法推荐能够提高效率。 性价比是零售业的核心问题，AI 将给我们带来惊喜。 陈磊曾在亿欧的专访中提到。

黄峥在全员信中表示： 我希望通过这次调整，管理层可以逐步把更多的管理工作和责任交给更年轻的同事，让团队加速成长，让拼多多成为一个更好更强的持续充满创业活力的公司。这次调整后，我将花更多的时间和董事会制定公司中长期战略，研究完善包括合伙人机制在内的公司治理结构。

每当一个新技术到来时，大家往往都容易 短期高估、长期低估 ，以至于热度过高时出现泡沫，泡沫破碎之后，资本信心受挫，长期来看对行业发展不利。2000 年左右的互联网泡沫就是一个例证。

亿欧曾专访过拼多多 CTO 陈磊，分享了在拼多多平台的实际应用和他对于技术价值观的思考。（以下为专访全文）

AI 如何解答零售业的核心问题

大部分零售场景最后都在比拼性价比

虽然中国人的生活水平在不断提升，消费升级看似是一个必然趋势，但精打细算、货比三家这样的消费习惯仍然深深根植于中国普通老百姓的理念里。如果说早期拼多多是通过微信平台接触到数量巨大的消费群体，那随后的复购与用户忠诚度还是要回归到商品的性价比。

在物质消费决策中，高性价比是非常重要的因素，大部分零售场景最后都是在比拼性价比，消费者心中有杆秤 。陈磊表示，在所有类别的消费中，追求高性价比的日常消费是一种长久的需求，并且没有波峰波谷的周期。

而且现在出现了很多有趣的现象，人们在虚拟世界的消费明显上升，而精神文化层面的需求是没有上限的，越来越多的人会进行文化消费，那么钱从哪来？本质上，物质消费在日常消费中的比例会不断减少，但是文化消费会无限增长。

作为以技术驱动的电商平台，拼多多的机会在于，AI 在用户习惯分析和商品匹配上可以运行地更加漂亮——庞大的用户群体、高频的交易和购物行为中加入了更丰富的社交维度，正在构建一个越来越聪明的数据库，既可以为 AI 的运算提供基本的数据量，人与人的交流展现出的图像、语音与语意理解，也能让 AI 的学习更精准，降低计算资源的消耗。

电商平台要做的就是商品与人需求的匹配，匹配得越精准，创造的竞争环境越健康、越高效，消费者的需求就能被更好地满足。 陈磊说。

比如，拼多多通过 AI 实现选品、定价与流量分配，一方面规避了人工选品与定价可能存在的不公平情况，另一方面，AI 在不断评估市场动态和竞争环境的变化，给出的解决方案也更加智能，突破人工的局限性。

这其实是在将 C 端的消费行为数据通过平台实时反馈给供应链，而供应链在竞争环境中得到优化，通过 AI 来更好地实现 C2B，陈磊表示。

拼多多的商业模式特征是 少 SKU、高订单、短爆发 ，瞬间爆发的巨大单量可能会造成商家产能与交付能力跟不上，这时就需要对需求和供应链承受度有清晰把握，进行合理的平台资源适配。而在营销层面，拼多多利用 AI 为厂家推广提供数据支持，并将最终效果的成因反馈给厂家。

通过这样的精准匹配与正向激发，有效地促进了商家间健康的竞争——一方面，拼多多通过竞争提高商品性价比，另一方面，在平台合理控制毛利的同时，通过拼单联动消费者，以更有效率的方式传播，从而促进商品性价比的进一步提高。

未来的电商平台，流量分配将会越来越智能，考虑的因素也会更加全面，商家不必担心流量从哪里来，也不必担心产能跟不上；在任何时候，算法推荐错的东西给消费者，都是在浪费他们的时间和金钱，算法推荐得越精准，效率就越高，同时也能够提升消费者购物的乐趣。 陈磊说。

独有 分布式 AI 模型更懂人心

以消费者为导向，在消费者习惯的场景提供高性价比的购物体验

从搜索式购物、效率型购物逐渐过渡到逛街式购物，是电商行业的一大趋势。在这个过程中，AI 算法推荐得到了越来越多电商平台的重视。

陈磊认为，基于商业模式的区别，拼多多的算法模型也与其他电商平台存在较大差异。 我们内部称之为‘分布式 AI ’ 。

拼多多将娱乐与分享的理念融入电商运营中：用户发起邀请，在与朋友、家人、邻居等拼单成功后，能以更低的价格买到优质商品；同时拼多多也通过拼单了解消费者，通过机器算法进行精准推荐和匹配。 拼多多的官网上如此定义。

（因为拼单产生的）社交分享数据在传统电商平台体现地比较少，它们更多的是搜索和浏览的维度。 陈磊解释，传统意义上 AI 是由大数据驱动的，通过消费者的购物行为来描绘用户画像，从而打上标签。从结果来看，它的确能在一定条件下满足消费者的需求，但是，这也容易让消费者陷入 偏好囚笼 。

比如说，一个人某一天在入睡前买了点吃的，因为那天他肚子饿了。这并不是一个固定的需求，并且从长远来看，它并不能为消费者打造更健康的生活方式。这时，光靠浏览行为是不够的，朋友之间在购物时的分享、交流就会对用户画像的完善起到很大的补充作用。

从算法的设计来看，需要设置合理的优化目标，但这个优化目标不能简单地定义为购物、点击，更重要的是消费者看到这件商品时的心理和行为，比如说和朋友的互动分享。

人脑的复杂、精妙还远非目前阶段的深度学习所能比拟，从这个角度来看，社交平台上的流量只是拼多多崛起的表层原因，在这个过程中 AI 对人性的理解和学习才是根本。

可以把人与人之间的连接想象成大脑中的突触连接 。陈磊打了个形象的比喻，最终目的都是进行低消耗、高效率、有意识的运算。

分布式 AI 模型的好处还在于，用户本身还可以有意识地、更加主动地参与到模型的优化之中，前提是拼多多为用户设置足够吸引人的奖励机制。

在被问到如何处理自身 App 和外部社交平台的投入力度时，陈磊表示： 购物是长久的、持续性的需求，我们不会担心用户不买东西，只需要让技术更好地服务这个需求。以消费者为导向，在消费者习惯的场景提供高性价比的购物体验。

AI 像个孩子，要帮助它培养正向价值观

利用负向消费习惯可能会带来短期的利益，但长期来看，它并不能为消费者创造价值

AI 正在为各行各业效率的提升起到巨大推动作用，但 AI 不是一切，尤其是在直接面对 C 端的大平台上，最终还需要人来把关。

从商品推荐来说，如果完全按照消费者的购物行为驱动，一个需要考虑的问题是，人是有两面性的，在算法的建立过程中，需要花精力鉴别哪些是正向的哪些是负向的（消费行为），利用负向的可能会带来短期的利益，但长期来看，它并不能为消费者创造价值，最终也不符合平台的商业价值。 陈磊说。

基于对人们社交分享行为的分析，拼多多对结果进行建模，观察在结果中有没有出现负面的因素，以及分析产生这种结果的原因，再通过算法去抑制不良因素的产生。这样不断地将复杂的现实状况反馈到机器进行训练，是一项颇为繁重的工作，但陈磊认为这是一个大平台必须做的事情。

我们希望自己的算法是更加正向的。 陈磊表示， 点击数据和浏览数据是平台中量最大的数据，负面数据的量相比之下就小了很多，但是这些数据对于确保算法结果的正确性和完整性至关重要。在模型的建立上，负面数据量那么小的情况下，既要考虑随机因素，又要通过趋势做判断，这里需要进行深入的思考，投入很大的工程资源。

事实上，AI 要有价值观也在成为行业主流的思考方向。一个成熟的人工智能学者或者研究人员，不仅仅要是算法专家、建模专家，还需要对人性、对社会环境有深刻理解。

机器的自驱动会容易演变成利用人性缺陷大于激发人的正向需求 ，陈磊说，因为核心团队长期的电商经验，拼多多在建平台模型之初就考虑到了这点，只是 AI 的演进其实就像孩子的成长，需要长时间地倾注耐心与精力。

附：黄峥致公司全员信：拼多多的一小步