主题 : 详解ios之ARkit为何碾压对手（一）
级别: 新手上路
UID: 622137
可可豆: 36 CB
威望: 33 点
在线时间: 3(时)
发自: Web Page
来源于&&分类
详解ios之ARkit为何碾压对手（一）&&&
在这篇文章中，我们能学习到1，ARKit简介与基本了解2，ARKit的基本技术原理，平面检测3，ARKit的两大神秘之处：单目摄像机3D成像、计量尺度获取明天小编会更新第二篇,1，ARKit、Tango、Hololens技术对比2，开发人员如何使用ARKit这是小编的一个ios，java学习交流群说到 AR，大家可能会想到 Pokemon Go 这款风靡一时的游戏，也可能会对 AR 在技术上如何实现做一些思考。今年，苹果公司在 WWDC 大会上发布的 ARKit 在整个 AR 生态中引起巨大轰动。开发者发现，这是他们第一次能将一款强大的 AR SDK 广泛使用于自己的应用，不再需要什么标记点、初始化、深度摄像头，甚至是专门的创作工具。毫不意外，ARKit 让开发者们集体开启各种 AR demo 秀。但是，很多开发者不清楚 ARKit 如何工作，也不了解为什么 ARKit 比于其他 SDK 更好。从底层技术看ARKit，可以帮助大家了解当前版本 ARKit 能做什么，了解 ARKit 需要改进的地方以及为什么需要改进，那么今天小编将会为你揭开ARkit的神秘面纱。ARKit 简要介绍WWDC 的一段视频对 ARKit 做了一个整体的概述，我看过后，最简单的概括总结起来就是这样 — ARKit 不仅是简单的在摄像头屏幕上显示一些增强内容，它还提供你了一整套追踪和定位能力，比如你在 AR 场景中放置一个虚拟桌子，它不仅能将这个桌子显示在你的屏幕上，还能够随着你手机的移动，显示桌子的各个角度，如下所示：
详解ios之ARkit为何碾压对手（一）对 ARKit 进行了一些基本了解后，确实刷新了我对 AR 的观念。首先， ARKit 不是简单的摄像头贴片，把一些 2D 或者 3D 的模型贴到你的摄像头屏幕上。如果让我用一句话来描述，它更像是对两个空间的拟合。一个是你所处的真实空间，另一个是 AR 的虚拟空间。ARKit 通过对手机上各个传感器的追踪分析，让这两个空间从逻辑上高度整合，然后再通过手机屏幕展现到你面前。详解ios之ARkit为何碾压对手（一）ARKit 主要用到的类其实并不多，如下：ARSession：这是 ARKit 核心组件，所有的 AR 过程都是基于一个 ARSession，包括虚拟空间的计算，利用手机传感器和现实空间进行拟合等操作，都在这里面进行。ARSessionConfiguration：这个是咱们上面提到过的，用于配置 ARSession 的交互方式。ARSCNView 和 ARSKView： 用于将 ARSession 渲染出来的内容展现出来，应该不难理解。ARAnchor：用于标识现实空间的锚点，这些锚点在整个 ARSession 期间都有效。如果你开启了 Plane Detection(用于检测真实场景中的物理表面)，则会自动填充这些锚点。这样列出来 ARkit 类的介绍，第一时间不能完全理解清除很正常，这里只给大家做一个初步印象，在实践中遇到它们时再去深入了解。ARKit 的使用需要一定的软硬件设施：软件：Xcode9iOS11MacOS 10.12.4 及以上版本(为了支持 Xcode9)硬件：处理器为 A9 及以上的 iPhone 或 iPad 设备(iPhone 6s 为 A9 处理器)ARKit 基于什么样的技术？技术上，ARKit 配备视觉惯性测量（VIO）系统，带有简单的 2D 平面检测。具体来说，VIO 系统会实时追踪你在空间中的位置，也就是 6 自由度（DoF）动作，比如说，屏幕每帧画面刷新之间，你的动作会被重新计算，画面的刷新率为每秒 30fps 或以上，而且这些计算会同时进行两次。第一次是，通过将现实世界中的点与摄像头传感器每帧画面像素点相匹配，你的动作会被视觉系统追踪，进行一次计算。第二次是你的动作被惯性系统追踪，主要通过加速度计和陀螺仪两个惯性测量单元（IMU）实现。然后，卡尔曼滤波器（Kalman Filter）将 VIO 系统和惯性系统的输出进行整合，从而预测出你的最佳“真实”位置（称为Ground Truth），并且由 ARKit SDK 发布你的最新定位。就像汽车的里程表显示车辆的驾驶距离一样，VIO 系统记录 iPhone 手机在 6 DoF 空间中经过的距离。6 DoF 表示沿着 xyz 三个方向的平动，加上绕三个轴的俯仰、偏转及滚动。VIO 系统已经出现很多年了，在行业中的认可度很高，并且市场上不少设备也配备了 VIO 系统。所以苹果 ARKit 使用 VIO 系统并不意味着创新。那么到底是什么技术让 ARKit 变得如此强大呢？ARKit 的第二个关键点是配备简单的平面检测。这个技术十分必要，你需要地面作为参照物来表示位置信息，否则物体会漂浮在空中。任何 3 个点可以定义一个平面，根据光学系统检测到的特征点（demos 中看到的点），通过算法将特征点平均化，便得到了参照平面。ARKit 可以检测水平面（我猜测 ARKit 未来能够检测更复杂的 3D 几何体，但应该要等到深度感应摄像头的发布，也许就是 iPhone 8 吧…）。至于平面检测，就是在获得一定数量的 3D 特征点后，尝试在这些点中安装一些平面，然后根据尺度、方向和位置找出最匹配的那个。ARKit 会不断分析 3D 特征点并在代码中报告找到的平面所以一定要注意 ARKit 需要看向能检测出许多有用特征点的内容。可能检测不出特征点的情况如下：1，光线差——没有足够的光或光线过强的镜面反光。尝试避免这些光线差的环境。2，缺少纹理——如果摄像头指向一面白墙，那也没法获得特征，ARKit 也去无法找到并追踪用户。尝试避免看向纯色、反光表面等地方。3，快速移动——通常情况下检测和估算 3D 姿态只会借助图片，如果摄像头移动太快图片就会糊，从而导致追踪失败。但 ARKit 会利用视觉惯性里程计，综合图片信息和设备运动传感器来估计用户转向的位置。因此 ARKit 在追踪方面非常强大。ARKit的两大“神秘之处”有人会把 ARKit 称为 SLAM ，或者使用术语 SLAM 来指位置跟踪。在此澄清一下，SLAM 是一个相当广泛的术语，就像“多媒体”这个术语一样。“追踪”本身就是一个通用的术语，使用“测距”更具体，但在 AR 领域，使用“追踪”来表达即可。有很多方法可以实现 SLAM，追踪踪只是 SLAM 系统的一个组成部分。 我认为 ARKit 是一个轻型或简单的 SLAM 系统。Tango 或 Hololens 的 SLAM 系统除了距离测量外，还有其他很多其他特征。ARKit 存在两大“神秘之处”：一是，如何通过单目镜头获得 3D 效果；二是，如何获得计量尺度（像那个卷尺测量 demo 一样）。答案在于“非常好地”移除 IMU 产生的误差，即让航位推算法实现高精度地预测。当实现这点后，便会发生以下的效果：为获得 3D 效果，需要从不同角度获得 2 个场景视图，进而通过立体计算得到你所在的空间位置。这就是双眼如何看到 3D 图像，以及为什么一些跟踪器要要依靠立体摄像机。如果有两台摄像机，可以容易计算摄像机之间的距离，同时捕获帧画面。ARKit 为什么仅仅使用了一个摄像头便获得了 3D 效果呢？是因为一个摄像头可以捕获一帧画面，而后摄像头移动捕获第二帧画面。使用 IMU 航位推算法计算，便可计算出两帧画面之间的移动距离，然后正常计算出立体画面。实际上，你可能捕捉更多的帧画面进行计算，从而获得更高的精确度。如果 IMU 足够准确，两帧画面间产生的“移动”可以仅仅通过手握拳后手臂微小肌肉群的运动来检测，这看起来像魔术一样神奇。系统需要依赖于 IMU 航位推算法来获得计量尺度。通过 IMU 给出的加速度和时间测量值，可以计算出速率并获得 IMU 每帧画面之间的距离。数学运算并不难，困难的是消除 IMU 误差，以获得近似完美的加速度测量值。一个微小的错误，在画面每秒刷新 1000 次的情况下，持续几秒钟后可能会导致 30％ 甚至更大的计量尺度误差。令人惊讶的是，苹果 ARKit 已经把误差下降到 10％ 以下。
级别: 新手上路
UID: 569684
可可豆: 12 CB
威望: 12 点
在线时间: 6(时)
发自: Web Page
有做过AR的自然知道ARKIt好的地方了,我用过第三方的,跟ARKIt比,不管是平面抓取,锚点设置,移动后都较大概率出现偏移,ARKIt就稳的一逼
级别: 侠客
UID: 578505
可可豆: 767 CB
威望: 550 点
在线时间: 336(时)
发自: Web Page
mark。。。
关注本帖(如果有新回复会站内信通知您)
发帖、回帖都会得到可观的积分奖励。
按"Ctrl+Enter"直接提交
关注CocoaChina
关注微信 每日推荐
扫一扫 关注CVP公众号
扫一扫 浏览移动版详解ios之ARkit为何碾压对手（二）详解ios之ARkit为何碾压对手（二）疯狂的电脑百家号在这篇文章中，我们能了解到1,ARKit、Tango、Hololens技术对比2,开发人员如何使用ARKit明天小编会更新第三篇1，AR以及其他技术的未来,2，追踪技术的未来,这是小编的一个ios，java交流群 ，欢迎大家的入驻，一起交流学习Tango 、 HoloLens、 Vuforia 等 SDK 怎么样?Tango 只是一个品牌名，而不是真正的产品。Tango 包括硬件参考设计（RGB，鱼眼镜头，深度相机和CPU / GPU规格），还参与 VIO（运动跟踪），稀疏映射（区域学习）和密集 3D 重建（深度感知）等软件。HoloLens 具有完全相同的软件栈，另外包括一些 ASIC（微软称之为全息处理单元）优化 CPU / GPU 卸载处理并减小电耗。Vuforia 与 ARKit 几乎是一样的，只是 Vuforia 的硬件是独立的。上述 SDK 均使用相同的 VIO 系统，而且，Tango 和 ARKit 使用的均为 FlyBy 最初发布的代码库！HoloLens 和 Tango 都不使用深度相机进行追踪，那么到底是什么技术设备让 ARKit 大放异彩呢？答案是 ARKit 并不比 HoloLens 好，我甚至认为 HoloLens 的跟踪系统是市场上最好的，但 HoLolens 的硬件普及并不广。微软可能会在 Windows 系统的智能手机中安装 HoloLens 跟踪系统，但我相信出于商业原因，微软不会这样做：因为这样可能会增加生产和时间成本，为一款销量或许很少的手机校准传感器。而且，微软版本的 ARKit 也可能无法说服开发者放弃使用 iOS 或 Android 系统。12 个月前，Google 本就可以轻松交付能够在 Android 系统上运行的 Tango 手机，但 Google 没有这样做。如果 Google 早早将 Tango 发货 ，那么 ARKit 的问世也只是紧跟趋势，而非重大突破。我认为，Google 公司不想为每家 OEM 都进行特定的传感器校准过程，而且每家 OEM 厂商生产的 Tango 版本都不一样，Google 也不想在一些较大的 OEM 厂商（三星、华为等）中选择。所以，Google 为 OEM 厂商提供了硬件的参考设计，OEM 厂商可以自行选择“使用，或者不使用”。（当然，事情并非这么简单，这是 OEM 厂商反馈给我的关键点。）随着 Android 智能手机硬件商品化，相机和传感器堆栈是 Android 手机最后实现差异化的地方，所以 OEM 厂商无法满足 Google 的要求。Google 认为，深度相机是手机的一部分，但是深度相机增加了手机成本，这也是 OEM 厂商拒绝 Google 的另一个原因！自从 ARKit 发布以来，市场已经发生了变化。OEM 厂商要么寻找 Tango 的替代系统，要么接受 Google 的硬件参考设计，然后实现平台控制。这也是有意思的变化。总的来说，ARKit 更好的原因在于：苹果公司可以负担得起将 VIO 算法紧密耦合到传感器上，并花费很多时间来校准 VIO 系统，以减少计算空间位置时产生的误差。值得注意的是，大型 OEM 厂商有一些替代方案。可以选择其他的追踪方案，像 ORB Slam、OpenCV 等，但几乎都是光学追踪器，都配有单个 RGB、立体声、深度相机，有些使用稀疏点云，有些使用密集点云。有许多创业公司正在研发追踪系统，研究增强像素也是一个很好的方向，但任何 VIO 系统最终的竞争都会集中到硬件模型和校准上。接下来我们来谈谈，ARkit中的几个重要技术以及几个注意事项这其中的学习难度较大，比从网络到移动或从移动到 VR 更有难度。你需要彻底重新思考应用程序的如何运行以及用户体验（UX）的意义是什么。我现在看到很多 ARKit 的 demo，四年前看到它们是基于 Vuforia 创建，再往前四年就是 Layar （2010 年荷兰公司 SPRXmobile 推出的全球第一款 AR 手机浏览器）。这几年来，我 看过了几乎所有类型的 AR APPs 的例子，我很乐意为大家提供支持和反馈。我常常鼓励开发人员勇于构建新奇的 APP。一些蠢蠢的 APP 一上线便大获成功，但通过 AR 硬件开发让用户是满意的案例也十分具有挑战。当然，受限于iOS设备的硬件，当前的ARkit还不能做到完美。不管怎么样，当前的iOS设备还只能实现单母SLM。因此在实际的开发和使用中要注意一下事项：1，在设计AR产品体验时，一定要保证现场的光照条件ARkit的Worldtracking涉及到图像分析，其前提是摄像头可以捕捉到清晰的图像。因此，如果现场的光照条件不好而导致摄像头无法捕捉到图像的细节，那么最终的用户体验肯定是糟糕的。2，使用跟踪质量信息向用户提供反馈ARkit世界跟踪功能的另一大前提是实时监测设备的运动信息。过量或过于剧烈的运动将导致图像模糊，从而无法追踪不同视频帧的特征点，导致跟踪质量下降。ARCamera可以提供跟踪状态信息，因此建议开发者设计相应的UI，向用户反馈此类信息，避免过量或过于剧烈的运动。3，允许ARkit获得足够的时间来检测平面，而在检测完成后最好禁用平面检测功能在实际体检的时候，平面检测可能会耗费比较长的时间。而且当某个平面首次被检测时，其位置和范围信息往往是不准确的。随着平面在场景中出现的时间足够长，ARkit将会优化相关的位置和范围信息。但是一旦我们获取到了令人满意的信息，就应该关闭平面检测功能，否则ARkit将持续变更平面描点的位置，范围和坐标信息。世界追踪系统是如何工作的？苹果文档中对世界追踪过程是这么解释的：ARKit 使用视觉惯性测距技术，对摄像头采集到的图像序列进行计算机视觉分析，并且与设备的运动传感器信息相结合。ARKit 会识别出每一帧图像中的特征点，并且根据特征点在连续的图像帧之间的位置变化，然后与运动传感器提供的信息进行比较，最终得到高精度的设备位置和偏转信息。我们通过一个 gif 图来理解上面这段话：追踪质量：世界追踪需要一定的条件才能达到较好的效果，如果达不到所需的条件要求，那么世界追踪的质量会降低，甚至会无法追踪。较好的世界追踪质量主要有以下三个依赖条件：运动传感器不能停止工作。如果运动传感器停止了工作，那么就无法拿到设备的运动信息。根据我们之前提到的世界追踪的工作原理，毫无疑问，追踪质量会下降甚至无法工作。真实世界的场景需要有一定特征点可追踪。世界追踪需要不断分析和追踪捕捉到的图像序列中特征点，如果图像是一面白墙，那么特征点非常少，那么追踪质量就会下降。设备移动速度不能过快。如果设备移动太快，那么 ARKit 无法分析出不同图像帧之中的特征点的对应关系，也会导致追踪质量下降。追踪状态世界追踪有三种状态，我们可以通过 camera.trackingState 获取当前的追踪状态。Not Available：世界追踪正在初始化，还未开始工作。Normal： 正常工作状态。Limited：限制状态，当追踪质量受到影响时，追踪状态可能会变为 Limited 状态。与 TrackingState 关联的一个信息是 ARCamera.TrackingState.Reason，这是一个枚举类型：case excessiveMotion：设备移动过快，无法正常追踪。case initializing：正在初始化。case insufficientFeatures：特征过少，无法正常追踪。case none：正常工作。我们可以通过 ARSessionObserver 协议去获取追踪状态的变化，比较简单，可以直接查看接口文档，这里不做深入介绍。到这里，ARKit 中有关于世界追踪的知识基本介绍完了，世界追踪算是 ARKit 中核心功能了归根到底是统计学问题AR 系统没有“可行”或者“不可行”一说。 大部分情况下，AR 系统可以很好的完成工作。AR 系统力求变得“更好”，也是推动统计学发展的事情。故而，不要完全相信 AR APP 的演示，特别是发布于 YouTube 上，显示出惊人的效果的 AR APP。在精心安排的环境中所表现的效果与现实生活中普通用户所能获得的效果之间，往往存在很大差距。但是智能手机或 VR 应用的演示通常并不存在这种问题。所以，观众常常被愚弄。在上面的图像中，有一个网格，表示相机中的数字图像传感器。每个格子都是一个像素点。为了稳定追踪，在假设设备完全静止的情况下，每个像素应该在现实世界中的有一个相匹配的对应点。然而，右侧图像显示光子不是那么的听话，各种光子会随意落到任何地方，每个像素点是光子的总数。场景中的光线变化（太阳光穿透云层，荧光灯闪烁等）也会改变传感器中的光子组成，现在传感器要对应现实世界的不同像素点。那么，这样的情况下视觉追踪系统就认为用户移动了！所以，各种 ARKit demo 中光点闪烁时，系统必须确定哪些点是“可靠”的。系统对这些点进行三角测量来计算用户的空间位置，求平均数后得到对实际位置的最佳估计数。因此，为确保错误的统计完全被移除，便需要研发更精确的系统。这就需要相机硬件堆栈（多个镜片和涂层、快门和图像传感器等）、IMU 硬件和软件算法之间的严密集成和校准。下面是两个校准方法光学校准上图中，一个虚拟物体茶杯被放在了现实世界的桌子上。当周围环境光线较好时，摄像机捕捉到的图像光照强度也较好，此时，我们放在桌子上的茶杯看起来就比较贴近于现实效果，如上图最左边的图。但是当周围光线较暗时，摄像机捕捉到的图像也较暗，如上图中间的图，此时茶杯的亮度就显得跟现实世界格格不入。针对这种情况，ARKit 提供了光学校准，开启光学校准后，我们可以拿到当前图像的光照强度，从而能够以更自然的光照强度去渲染虚拟物体，如上图最右边的图。光学校准基于当前捕捉到的图像的曝光等信息，给出一个估计的光照强度值(单位为 lumen，光强单位)。默认的光照强度为 1000lumen，当现实世界较亮时，我们可以拿到一个高于 1000lumen 的值，相反，当现实世界光照较暗时，我们会拿到一个低于 1000lumen 的值。ARKit 的光学校准默认是开启的，当然也可以通过下述方式手动配置：configuration.isLightEstimationEnabled = true获取光学校准的光照强度也很简单，只需要拿到当前的 ARFrame，通过以下代码即可获取估计的光照强度：let intensity = frame.lightEstimate?.ambientIntensity惯性校准对于 IMU 来说，测量加速度比测量距离或速率更加重要。IMU 的读取错误随着时间的推移不断累积，产生误差的速度非常快！校准和建模的目标是确保距离的测量在每秒钟 X 等分时间下的精度足够高。理想情况下，这个时间段要足够长，以减少当镜头被遮盖或场景中发生其他情况时，导致摄像机丢失对几帧画面的追踪。使用 IMU 测量距离称为航位推算。这基本算是一个猜测，对 IMU 收集的数据进行建模，确定积累错误的方式，然后编写过滤器来减小误差。想象一下，如果你被要求迈出一步，然后猜测迈出的步子有多大。只猜测迈出一步的距离会产生很高的误差。但是，如果你反复迈出千步并猜测每一步的距离，所产生的误差便会非常小。因为你对于踏出哪只脚、地板的种类、鞋子的款式、移动速度的快慢、身体状态的好坏等等熟知，那么你最终的猜测便会非常准确。基本的 IMU 校准和建模便是这一原理。数据有很多误差来源。机器臂通常以完全相同的方式重复地移动设备，捕获 IMU 的输出并写入滤波器，直到来自 IMU 的输出与来自机器臂的移动精确匹配。为进一步减小额外的误差，Google、微软甚至在国际空间站（ISS）及“零重力飞机”在微型重力环境下进行校准。实际上，达到真正的精准度，比嘴上说说难的多。OEM 厂商必须对所有设备进行校准，即使许多设备有不同的 IMU（例如，Galaxy 7 可能有来自 Invensense 和 Bosch 的 IMU，当然 Bosch 不适用于 Invensense）。当然，这是苹果相对于 Android OEM 厂商的另一个优势所在。大家觉得小编写的还不错可以点一波关注跟收藏或者转发，明天将会更新第三篇！本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。疯狂的电脑百家号最近更新：简介:你的生活是科学技术的细致服务。作者最新文章相关文章《战狼2》编剧dis郑昊是为何？别再说“演技碾压对手”这句蠢话了《战狼2》编剧dis郑昊是为何？别再说“演技碾压对手”这句蠢话了女王装家居百家号《我的父亲母亲》电影男主角郑昊登上节目，与欧阳娜娜一起表演“电影后传”《我的父亲》舞台剧。未料遭到包括当年女主角章子怡、《战狼2》编剧董群在内众多评委的集体dis，其中姜磊甚至言辞激烈得称他为“戏霸”。在许多网友看来，这场《我的父亲》戏本身算不上好看，但郑昊表现出的演技功底，还是比青涩的欧阳娜娜强。《战狼2》编剧董群发博回应此事。郑昊为了凸显自己角色而改戏，将搭档化为道具。郑昊能力不够，导致改出来的戏问题严重。还有第三点意思隐隐透出来：圈子里这种演员为凸显角色乱改戏的现象多了，他忍了很久了。《演员的诞生》引发的争议虽多，但确实提供了丰富的台前幕后案例，戳破了有关演员的真相：【演技】，它就不是能孤立存在的东西。郑昊和欧阳娜娜的《我的父亲母亲》，是一场用心良苦却偏偏搞砸的表演。郑昊对这个作品感情太深了。它记录了郑昊的青春，也记录了他演艺事业的巅峰。一个钻研角色的演员，自然会产生丰富角色的冲动，完善剧本、完善创作无可厚非。但也有人坚持演员缺乏导演、编剧的“全局观”，在创作中往往容易兼顾不到对手演员。本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。女王装家居百家号最近更新：简介:睚眦必报之人最终会得到惩罚作者最新文章相关文章好物节首日24秒破亿，京东3C为何能够强势碾压对手？
在新零售风口淹没一切的当下，众多互联网、实体零售巨头为之疯狂，纷纷叫嚣要彻底革新零售行业的一切。而它们给出的对策无外乎是大数据、物联网、支付聚合、人工智能等看似创新，实则晦涩难懂的名词，再加上消费升级大趋势做支撑。但其实从零售变革趋势的层面看，仅仅做到这些还是远远不够的。
而作为零售行业巨头的京东，则做出了变革上的表率。一方面在以自身的实力给予竞争对手猛击，另一方面则通过思虑长远的规划不断向业界和大众展示自身的嬗变。
京东3C稳占半壁江山
变则生，不变则死。在风云变幻莫测的零售行业，如果只是墨守成规地沉浸在以往的辉煌中而不知求变，或者只是打着创新旗号行古板之事，注定只会被历史行进的车轮所碾过。尤其是在新零售风口席卷一切的当下，谁能抓住变革的本质并与之契合，就能抢先一步占领住制高点。而最关键的，就是能在市场中占据较多的市场份额，进而占据主动权和话语权。
权威机构GfK近日发布的《2017年3C核心产品数据报告》中的亮眼数据，佐证了京东正在取得的成功。报告显示，在零售行业的中坚细分领域——3C产品上，借助3C起家、飞驰的京东在今年1-8月市场占比超过50%，稳夺半壁江山，成为市场中最不可忽视的力量。
体量固然重要，但更为重要的是增速——意味着平台的潜力、决定着未来的发展空间，而京东在增速方面也给出了一针“强心剂”。在3C产品零售额同比增速层面，京东以35%的增速远超其他线上平台近两倍，是线下市场增速的三倍，呈现碾压之势。
此外，11月2日京东正式公布京东“11·11全球好物节”首日战报。数据显示：京东3C文旅销售额24秒即宣告破亿，105秒破3亿。其中，手机品类11月1日当天销量同比去年增长超过300%；电脑办公全品类总销售额95秒破亿，总销量超240万件……可以看到，凶猛的京东正在高举实力的大锤，强势证明着自身的领先优势。
与品牌商一起寻求共赢
在第四次零售革命来袭的当下，传统的商业模式与激进的消费场景迭进、消费者的痛点和品牌商的诉求等显得格格不入。这主要体现在原本垂直的销售模式，难以应对新出现的变化。也就是说，要解决这样问题未来零售注定要打破生产商、品牌商、平台商原本泾渭分明的界限，击破时空的桎梏，去加强各个环节之间的充分流动。
我们也看到，各个平台之间都在拧紧发条去寻找新的突破点和切入点——绝大部分还是从技术创新等层面出发。而京东除了强化这些层面之外，还主动求变，去加强与品牌商的合作。在与品牌商诉求高度契合的基础上，去带动整个零售产业链的进化。
在京东3C文旅事业部双11启动发布会上，京东集团副总裁胡胜利强调“3C主场，当‘燃’京东”。而为了打响这一仗，京东3C文旅事业部与惠普、三星电子、中信出版集团、芬兰航空等百大品牌签署战略协议，布局双11与无界零售；联合最火热的两大游戏IP——《王者荣耀》和《英雄联盟》，为年轻消费者打造三场游戏竞技盛宴；推出京东之家智慧平台，为践行“无界零售”加码。
总而言之，京东所做的就是将各个组织进行“积木”式的拆分、配置和个性化组合，去在供应链体系、线下零售网点、会员联合运营等方面进行革命式颠覆。
其实早在之前，京东就已经在寻求深度赋能品牌商的策略和方式。比如在2015年，京东率先助推国内传统笔记本厂商转型，海尔的雷神、清华同方的机械革命等，都是和京东联合创立的游戏本品牌，最终实现笔记本市场逆市上扬。还有今年成立的“京东游戏手机产业联盟”以及“京东游戏泛娱乐产业联盟”等，都是为品牌商搭建了触达最细分市场、针对性消费群体的通道。
京东与品牌商之间的深度合作，能够适应展现急剧变化态势的零售行业。对于品牌商来说，京东的赋能打破了其原本处境尴尬的“孤岛”态势，让其在整个零售有机生态中扮演着更加重要的角色。在京东强大实力和无缝契合的配合下，品牌商自然更乐意与其合作。
业界此前一直有一个传闻，就是某平台 “逼迫”品牌商“二选一”。相较其频繁做出让商家“二选一”的行为，京东对品牌商的态度则是“永谦卑、不作恶、求共赢”。从京东与品牌商水乳交融的关系来看，前者实质上就是对某平台“二选一”的做法进行抨击。
制霸3C市场，全面嬗变引领行业变革
市场所处形势、阶段的不同，意味着要以不同的理念和策略去进行应对。只有选择最适合当时市场发展态势的，才是最好的。在2014年零售行业还处于较为混沌的阶段，刘强东曾经提出了“十节甘蔗理论”。京东当时的做法是“吃掉更多的甘蔗节数”，即不只是做交易平台，还要将业务延伸至仓储、配送、售后、营销等其他环节。
而就在近日，刘强东在财经杂志发表名为《京东要从一体化走向一体化的开放》的文章。在这篇文章中，刘强东强调当下“我们处在一个变革的时代”。他着重指出的是，如何在实质为无界零售的第四次零售革命时代，去抓住“不变”的本质，同时在战略和组织的方法论上积极“求变”。
在新零售趋势愈发明显的当下，刘强东给出的对策是在组织嬗变层面玩转“积木理论”。这一理论的核心是打开业务环节之间的强耦合关系，使之成为一个个可拆分、可配置、可组装的插件；通过对多个可选插件的个性化组合，可以满足客户不同的偏好和需求。
据悉，积木组织形态是“整合+组合”。整合是以京东为主导，高效地整合出一套“一体化的解决方案”，直接为品牌商赋能。作为线上3C市场占有率的第一名，京东所关注的不在是谁赢谁输的问题，而是如何让多边关系在京东无界零售战略中，去实现共生共赢。
从“十节甘蔗”到“积木”，理论的迭进和变化其实也证明了京东行业角色、责任的改变。在“积木理论”的框架下，增长不是来源于吃掉更多的“甘蔗节数”，而是与更多的“ 积木”拼接在一起，通过“共赢共享”的心态实现共同成长。
京东已经以“积木理论”抢先出招，其他的平台又将给出怎样的对策呢？或者说，在京东强势稳固自身优势的情况下，对手还有追赶的机会吗？
科技说说，说说科技。曾荣获2015年度新锐自媒体、2016年度最佳自媒体、2016年度媒体训练营媒体之星。目前专栏平台阅读量已超过一亿。文章转载及商务合作，请添加微信：lilyliu1701。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
砍柴网正式启动「火焰奖」2017中国互联网年度创新榜单评选。
新智派（Knewsmart.com）全球智能科技圈的新媒体平台，致力于引领智能科技生活未来
今日搜狐热点}