實體零售一直面臨來自電商的激烈競爭，而新冠疫情的大流行，更是加速了實體店向電商的轉型。智慧零售解決方案和技術，正在幫助實體店與線上商店公平競爭。數位轉型以及人工智慧的自動化和進階分析，能夠創造與純數位化購物體驗相媲美，甚至更勝一籌的實體購物體驗，讓顧客和零售商都能從中受益。

顧客將享受到更優質的店內體驗－在簡潔易用的商店中輕鬆穿梭，享受無需排隊的「直接走」式自動結帳服務，以及個人化的優惠和功能。這與線上購物非常相似，但也額外增加了能夠看到和觸摸商品的優勢。這種體驗還可以是多通路的，顧客可以選擇在店內購物、訂購外賣或店內取貨，並在店內訪問線上資源進行導航、獲取更多資訊、進行客製化、進行線上試穿等等。

對於零售商而言，智慧自動化和店內分析，可轉化為營運優化和成本節約。人工智慧可用於增加客流量、改善防損措施，並優化門市佈局、貨架和陳列、庫存和人員工作。它提供的數據和洞察，可用於增加客流量、更精準地進行促銷活動，以及培養與客戶的長期關係等。

在智慧零售領域，智慧視覺為王

雖然智慧零售和物聯網解決方案中，使用了多種類型的感測器（例如射頻、運動、壓力、溫度等），但視覺是複雜系統和環境中，實現穩健、可靠和準確數據採集的基礎，和領先解決方案。對於實體零售和多通路零售中，大多數的分析和自動化應用，你都需要智慧視覺。

射頻標籤或電子貨架標籤 (ESL) 需要更精細的處理，而單一攝影機無需任何干預即可覆蓋數十種產品。此外，它們並非自動結帳的獨立解決方案。產品上的射頻標籤，可能足以讓系統辨識產品，並記錄其從貨架上取下，並帶出門外（在顧客手中）。然而，完全基於射頻標籤的系統，在防止商店盜竊（無線射頻標籤可以從產品上取下），以及管理受限或管制物品（如菸草、酒精和藥品）銷售方面的能力，很可能有限。最重要的是，它提供的數據遠不及視覺感測器。顧客人口統計、購物者購買產品的流程、他們的行為和反應、貨架和陳列狀態，以及有效性 —— 所有這些都需要來自其他管道的輸入。

除了銷售和分析之外，實體任務的自動化，引入了依靠高品質低延遲視覺，和人工智慧處理，來導航和運行的智慧機器。製造業和汽車業也是如此，零售業也是如此。倉庫中的任何機器人解決方案，或超市收銀台的自動手臂或傳送帶，都需要了解它們在移動什麼，以及它們在移動到哪裡。自主機器包含大量感測器，但它們依賴攝影機。

這並不是說單靠視覺就夠了。其他感測器對於豐富、增強和交叉引用從影像接收的資料也很有用，尤其是在視覺受到嚴重限制的環境中。

零售邊緣的智慧視覺

基於人工智慧的影像分析，帶來的顯著商業效益，使得零售商成為人工智慧的早期採用者。邊緣人工智慧技術的驚人發展，使得視覺技術日益智慧化。我們過去只能在雲端的大型伺服器上，運行人工智慧的影像處理，這會帶來高延遲和高昂的成本，而如今，我們能夠佈署經濟高效的設備，即時分析並提取豐富的洞察。雲端佈署分析需要儲存、分析和頻寬，如果將原始影像內容傳輸到雲端，可能會增加高昂的成本。零售商保護客戶資料的能力，也非常重要。將資料保存在本地，並置於零售商的控制和隱私政策之下（而不是在公有雲上透過第三方傳輸、儲存和分析資料），在管理資料隱私法規和相關問題方面具有優勢。

因此，零售領域正在經歷邊緣智慧型裝置的復興 —— 邊緣人工智慧處理和軟體價格的下降，和可用性的提升，與零售商對成長和營運優化的不斷追求相融合。

近年來，基於視覺的智慧門市解決方案，在各個垂直市場領域日益普及，其中雜貨店是其中的佼佼者。其中最強大、最令人興奮的是無縫結帳解決方案：

「即走即付」商店和自助服務終端機－也稱為「即取即付」或「即取即走」。這類便利商店通常規模相對較小，顧客可以使用手機進入商店，挑選所需商品，然後，顧名思義，直接帶走即可自動結帳。這些系統基於攝影機，有時會與其他感測器結合使用。攝影機可以監控購物者和商品，似乎可以防盜，許多曾經多次嘗試欺騙系統的人，都可以證明這一點。Amazon Go 是其中最為知名的，但許多其他連鎖雜貨店和便利商店，也一直在與人工智慧公司合作，打造自己的智慧門市。
智慧購物車－購物車可以監控放入（或取出）的商品，並支援購物車內付款（無論是透過行動應用 app，還是機載 POS 裝置）。中央感測器是一個智慧攝影機，可以在商品放入購物車時辨識它們。有些購物車底部還增加了壓力感測器，用於將重量資料與視覺輸入進行交叉比對。顧客透過行動應用 app，或購物車上的觸控螢幕與購物車互動。
智慧結帳－商店出口處的櫃檯、自助服務終端或閘門，可對購物車、購物籃或傳送帶上的商品，進行視覺掃描。智慧攝影機偵測並辨識商品，並透過 POS 設備或行動應用 app，進行結算。

除了這些智慧商店和智慧結帳解決方案外，視覺技術在智慧店內廣告（例如，數位看板和顯示器，可以對站在它們面前的顧客的人流統計數據做出反應），以及AR/VR（擴增實境或虛擬實境）應用（例如智慧鏡和虛擬試穿）中也發揮著核心作用。

高性能、高效率的零售邊緣

由於需要處理的影像數量龐大，且分析過程高度複雜，零售業的人工智慧需要大量的運算資源。在這方面，邊緣人工智慧技術的關鍵進步，在於高能源效率人工智慧處理器的出現。這些處理器體積小巧，功耗低，能夠提供高吞吐量，因此可以整合到邊緣設備中。

實際上，智慧零售和智慧分析應用的邊緣設備，具備高人工智慧處理吞吐量和高能源效率，可以：

將多個攝影機連接到單一運算設備（例如 NVR（網路錄影機）或邊緣人工智慧盒），並同時即時對所有影像串流執行人工智慧處理，以實現自動化和分析任務。能夠支援的攝影機數量，取決於攝影機的解析度、幀率以及所使用的神經網路模型。在其他條件相同的情況下，專用聚合點內部的人工智慧處理器效能越強大，它能夠處理的攝影機數量就越多。一個設備可以處理多個攝影機，這對於系統級成本和交易大廳的覆蓋品質都具有重要意義。
從單個攝影機或影像串流中提取更多資料：

高吞吐量可以即時處理高解析度影像，從而可以檢測和辨識大、繁忙的幀中最小的物體。這種能力對於準確檢測貨架上，或客戶手中的小產品具有開創性。
它還支援同時執行的幾種任務或分析類型。對於像無收銀員商店這樣的東西來說，這是另一個重要的能力。至少，你希望有一個攝影機，無論是頭頂還是貨架上，都可以追蹤客戶的移動，檢測、辨識和追蹤產品。如果這是一個頭頂攝影機，你可能還想統計其 FOV 中的客戶，並提醒過道中的溢位物。
執行需要多個神經網路的複雜任務 —— 舉一個例子，「追蹤客戶行為」是一個複雜的多神經網路模型任務。除了檢測一個人，系統還需要檢測和辨識運動方向和速度、身體姿勢和位置，客戶面對的方向，可能是他們的面容或目光（上下情境關聯）。我們還可能需要上下情境關聯，來對行為進行分類或得出有價值的見解，例如，該人在商店的哪個位置，以及哪個物品，或其他人在他附近。

來自多個感測器的融合資料 —— 正如我們所建立的，許多智慧零售解決方案，結合了不同類型的感測器。在此類系統中，影像處理是更大資料管道的一部分，因此每個影像處理幀的輸出，可能需要交叉引用，或與射頻、壓力或位置資料相結合，例如。與多個影像串流一樣，強大而高效的人工智慧處理器，可以同時即時處理多個數據流。

對於零售商而言，這些強大的功能可以轉化為更好的業務成果，和更快的投資報酬。他們無需再在店內影像分析需求上妥協 —— 他們既可以更好地預防損失，又能享受強大的客戶分析功能。後者有助於更精準的定位、更佳的客戶體驗和更高水準的營運優化。零售商能夠以更低的成本獲得相同的處理能力。他們可以實現結帳或倉庫自動化，而無需在每個地點都架設耗電巨大的伺服器，同時還能節省影像儲存和頻寬成本（影像在本地即時處理），並減輕數據安全和隱私方面的擔憂（無需錄製、傳輸影像，也無需使用公有雲服務）。