★ Edge AI 如何導入存貨管理？

文／3S Market 編輯部

從人工盤點走向即時感知、預測與自動補貨

本文受眾：企業 CEO/營運主管、零售與物流業者、製造商、系統整合商、工程商與 Edge AI 解決方案供應商

Highlight

很多企業已經導入 ERP、POS、WMS，卻仍然不知道「貨現在到底在哪裡」。問題不一定出在後端系統，而是實體世界與資訊系統之間仍靠人工輸入。盤點、補貨、移庫、退貨、報廢，只要其中一個環節沒有即時更新，帳面庫存就會與現場庫存脫節。

Edge AI 對存貨管理真正帶來的改變，不只是「盤點更快」，而是讓攝影機、RFID、條碼、重量感測器、智慧貨架與移動設備，在商品所在地直接辨識、判斷與產生事件，讓存貨管理從定期盤點走向持續感知（Continuous Inventory Visibility）。

一、為什麼有 ERP、WMS，現場還是需要人工盤點？

台灣許多倉儲、零售門市、工廠料倉、醫療院所甚至辦公場域，資訊系統早已電腦化，但「最後一公尺」仍高度依賴人工。

例如倉庫收到 50 箱貨，作業員刷條碼入庫；移到另一個儲位時若忘了掃描，WMS 的位置資訊便開始失真。零售店 POS 顯示某 SKU 還有 6 件，但其中可能有 2 件放錯貨架、1 件被顧客拿到其他區域、1 件已損壞卻尚未報廢，真正可售存貨可能只剩 2 件。

換句話說，傳統系統管理的是「被輸入的存貨」，而不是「現場真正存在的存貨」。

這也是 Edge AI 最有價值的切入點：讓系統自己看、自己讀、自己比對，而不是等人輸入。

GS1 的 RFID 與 EPCIS 架構，本來就是為了提升物品辨識與供應鏈可視性；RAIN RFID 可在不需要視線直接對準的情況下高速讀取大量標籤，而 EPCIS 則可記錄物品在不同地點發生的移動與狀態事件。

二、Edge AI 不是取代 WMS，而是替 WMS 裝上「眼睛與神經」

存貨管理導入 Edge AI，最好不要把它理解成另一套庫存軟體。它比較像位於現場與 ERP/WMS/POS 之間的一層「感知與判斷系統」。

典型架構可以分成五層：

**第一層是感知設備。**包括 AI Camera、一般攝影機＋Edge AI Box、RFID Reader、Barcode Scanner、電子秤、重量感測器、智慧貨架、電子標籤，以及 AMR/AGV 上的攝影機與感測器。

**第二層是邊緣運算。**在門市、倉庫或工廠現場直接執行物件辨識、OCR、條碼辨識、數量估算、空位偵測、人/貨移動追蹤與異常判斷。Edge AI 的價值就在於資料不必全部先送上雲端，能降低延遲、網路頻寬與資料外傳需求。NVIDIA 與 Intel 都將低延遲、降低頻寬消耗及資料在地處理列為 Edge AI 的核心優勢。

**第三層是事件融合。**攝影機看到「一箱貨被搬走」、RFID 讀到 EPC 離開儲位、重量感測器同時減少 12 公斤，三種訊號互相驗證，準確度會比單一感測器高得多。

**第四層才是 WMS/ERP/POS。**Edge AI 不應另外製造資訊孤島，而是把「現場已確認的事件」回寫既有系統。

**第五層則是 AI Agent 或分析平台。**進一步回答：哪些 SKU 可能缺貨？哪些料件週轉太慢？哪個儲位經常發生帳實不符？今天是否需要提前補貨？

這使存貨管理從「記錄系統」升級成「感知—判斷—行動系統」。

三、倉儲：從人拿著盤點機，變成貨物自己留下履歷

倉儲是最直接的 Edge AI 應用場域。

傳統盤點往往需要封區、停工或安排人員逐排逐架確認。導入 Edge AI 後，可以把盤點拆成每天、甚至每分鐘持續發生的小事件。

例如貨車進入卸貨月台時，攝影機可辨識棧板、箱數、標籤與條碼；RFID 門讀取整批貨品；Edge AI 即時比對 ASN 或採購單。若預計到貨 120 箱，實際只辨識到 118 箱，系統當場提示，而不是月底盤點才發現。

在庫內，固定攝影機可辨識棧板是否放錯儲位；堆高機上的攝影機可在搬運過程自動讀取條碼；AMR 則可以夜間巡倉，利用攝影機或 RFID 進行 Cycle Count。

NVIDIA 已將智慧影像分析、機器人、自動化與管理列為 AI 倉儲物流的主要組成；實際案例中，AI 也被用來讀取快速移動、角度不一、甚至部分遮蔽或破損的倉儲標籤與條碼。

這裡真正節省的，不只是盤點人力，而是避免錯料、錯位、短少與延遲發現。

四、零售：Edge AI 要解決的不是「庫存多少」，而是「貨架上還有沒有貨」

零售的庫存問題比倉庫更複雜，因為商品不停被顧客拿起、放回、移位、試穿、退貨。

一件商品即使存在店內，也不代表它存在「正確貨架」上。

因此零售存貨管理需要的是三個數字：

系統庫存、店內實體庫存、貨架可售庫存。

Edge AI 可以利用攝影機辨識貨架空位、SKU 排面與商品數量；智慧貨架或重量感測器可知道商品是否被取走；RFID 則適合服飾、鞋類與高價商品進行單品級追蹤。Intel 也指出，Computer Vision 與 Smart Shelf 可用來監測庫存、降低缺貨情形，並結合分析預測補貨需求。

如此一來，系統不必等店員巡架才知道「牛奶沒了」，而是貨架庫存低於安全值時自動產生補貨任務；如果後倉還有貨，就通知店員補架；如果後倉也不足，才進一步形成採購或配送需求。

這正是 Edge AI 與傳統 POS 最大的差異：POS 知道「賣掉多少」，Edge AI 還可以知道「現在剩下多少、放在哪裡、是否放錯」。

五、製造、醫療、餐飲：存貨管理其實是一個橫跨產業的 Edge AI 市場

存貨不只等於商品。

製造業要管理原料、半成品、治具、刀具、備品與耗材；醫院要管理藥品、醫材、血袋、輪椅與設備；餐飲要管理冷藏食材、效期與領料；營造現場甚至需要管理工具、材料與設備。

GS1 的 EPCIS 應用就包含分散地點的庫存與設備可用性，以及疫苗等易腐或具效期物品的管理。

因此同樣一套 Edge AI 技術，可以因場域而產生不同解決方案：

場域	Edge AI 感知方式	主要問題	可產生效益
倉儲物流	AI Camera、RFID、條碼、AMR	錯位、短少、漏掃、盤點慢	即時帳實比對、自動 Cycle Count
零售門市	AI Camera、智慧貨架、RFID	缺貨、錯架、庫存失真	自動補貨、提升可售率
製造工廠	Camera、RFID、電子秤	缺料、錯料、WIP 不透明	JIT 補料、降低停線
醫療院所	RFID、Computer Vision、智慧櫃	藥品／醫材效期與短缺	降低過期、提升追溯性
餐飲／食品	Camera、重量、溫溼度 Sensor	食材短缺、效期、耗損	動態備料、降低浪費
工程／營造	AI Camera、RFID、GPS	工具與材料遺失	資產定位、領用管理