无人零售的下半场( 五 ) 在新零售行业

无人店之路的前途未卜

无人店是无人售货终端规模上的一个升级。自从AmazonGo的推出，国内也兴起了一阵无人店热，包括阿里的淘咖啡，简24 ，云拿等。我们有幸接触到了AmazonGo的核心工程师了解到， AmazonGo项目的研发成本早已经超过了千万美元级别，早期主要是技术探索为目的，并没有商业落地的详细计划。方案的最主要问题是成本太高，除了上百个摄像头，重力感应等设备，成本最大的还是后台的视频分析所需要的GPU服务。现在做的比较好的单人跟踪性能也就100fps ，视频大致每秒25帧，那么一个GPU服务器也只能跟踪4个人。这还不包括行为识别，物体识别，重识别（Re-ID）等等诸多的问题。一个AmazonGo无人店的成本超过百万美元，而且商品种类非常受限，几乎没有商业落地的可能。 Amazon的工程师自嘲说，他们不经意的挖了一个大坑，引发了众多创业公司和资本往里面跳。

任何技术革新还是需要回归商业本质：是否降低成本，是否增加销售，而从目前行业内的解决方案来看，都无法做到。对顾客来说，除了好奇，也很少会因为无人技术而光顾无人店，也就是说，用户体验方面也并没有得到提升。但无人店是否就是一个行不通的方向呢？我们并不是这样认为。随着人口老龄化和人力成本的增加，智能化、无人化服务一定是个趋势。只是在这过程中采用何种技术路线去实现，还有待于探索。同时随着嵌入式芯片的成熟，低成本的无人化方案会变得更加可行。无人店的宗旨并不是没有人、没有服务，而是服务无处不在，通过智能客服，视频行为分析等方式给顾客提供更舒适的购物环境。

AI如何在零售行业落地

目前AI技术在零售行业主要有两方面的应用：一是无人化方案，前面已经做了讨论，第二个是线下数字化方案，就是通过以计算机视觉为主的技术去分析线下用户的行为。除此以外还有一些泛AI技术，以数据分析为主。目前AI技术的主流是用深度学习的方法。我们从业内资深的深度学习专家了解到，目前的深度学习只是AI技术的一个发展阶段，应该还是属于比较早期的技术，离人类的学习能力还差的太远。目前深度学习遇到的最大瓶颈是模型的泛化能力，也就是一个模型在某类数据集上可以学习的很好，但是到数据发生一些变化后，模型的准确率会大幅度下降。在零售行业，商品种类具有多样性，场景更趋复杂，而零容错的交易数据要求，使得AI技术在这个行业的落地变得异常困难。