盡管對于人工智能熱潮究竟能走多遠仍處于激烈的爭論中，但與過往的兩次人工智能帶來的對科技和市場的沖擊波相比，這一次的人工智能浪潮對人們生活的影響卻已大大超出了想象，并且實體零售和電子商務公司也都在不斷將人工智能整合進自己的業務，并同時衍生出了“智能零售”這一全新概念。

如果要舉一個零售業擁抱人工智能的最新例子，大家必然會想到AmazonGo。盡管還沒有正式開業，但這個由電商巨頭亞馬遜搭建、充滿了“黑科技”的智能實體零售店，在極短時間內為又為智能零售添了一把猛火。

根據介紹，Amazon Go可謂到處充斥著看不見的智能，這項名為“Just Walk Out”的技術整合了計算機視覺、機器學習、傳感器等技術，店內遍布傳感器和攝像頭，以及各種信號接收裝置，可以監測商品從貨架取下或放回，并在虛擬購物車追蹤，操作過程類似無人駕駛汽車。應該說，從目前已披露的店內購買場景看，Amazon Go在購物效率和消費體驗方面的突破，人工智能確實起到了至關重要的作用，同時也為AI+零售打開了更大的想象空間。

智能零售應有的關注點

零售業一直在緊隨科技的進步而變得更好，這對于人們生活品質的提升無疑是積極而有效的。隨著技術的迭代發展，以及越來越多的零售商在自身業務中部署人工智能，人工智能在零售行業的商業化也正逐漸成為一個重要的趨勢與潮流。

當然，單純站在零售行業來感知人工智能或許會放大這種趨勢。其實，無論從投資方向、技術落地，還是巨頭們在人工智能領域圍繞核心技術進行跨行業的市場和研發結盟，零售行業仍是人工智能應用的“小眾”市場，還遠沒有像在健康、交通、醫療、教育、家居等行業那么的深入。

零售的智能化也不僅僅體現在收銀與支付端，或者是在自動識別設備、商品的防盜與管理等方面，更應該貫穿零售供應鏈、管理系統、市場營銷、物流、服務等全零售的各個環節，并且要能夠真正形成新的商業模式與盈利模式，提升傳統產業運營效率、提升用戶的消費體驗。

從目前看，智能零售應用場景落地在銷售端的居多，比如在美國、日本已經出現的迎賓和導購機器人、智能穿衣鏡、貨架監測和管理機器人、送Pizza的無人車等等。那么，在更多的零售環節和接觸點嘗試或部署智能應用就是智能零售的真意嗎？這個問題還是要先從智能零售究竟應該是什么樣的模式來切入。

顯然，在智能零售發端之初，對何為智能零售有著各種不同的觀點，但以零售本質為出發點，無論是線上零售還是實體零售，如何最大程度地圍繞顧客、需求場景、商品、服務等維度，最終實現生活場景感知、解決方案推送、快速交付以及整個上下游從生產到顧客體驗全過程的效率最大化，才是智能零售這一商業新模式的追求目標。

商業的本質永遠是圍繞著顧客的需求，提供適合的商品和服務。從目前的技術進程看，智能零售將更多的基于移動技術、感應器技術、大數據技術以及智能決策技術，達成商業供應、服務與顧客需求的精準匹配。這種模式下，企業（包括不同的零售形態并延伸到生產企業）的庫存商品總數與顧客每天購物商品數的比值會大幅降低，庫存端壓力將極大下降，整個供應鏈效率得以大幅提高。同時，物流技術也會進化到高度自動化的階段，包括自動駕駛與機器人上門送貨等應用的普及，會讓更多短時場景的商品加入到更加貼近顧客的模式。整個零售場景因此實現數字化和無縫化。

作為零售業核心的供應鏈成本降低和運營效率提升，貫穿整個商業的生命周期，智能零售必然將以其高效率、低成本、高精準，取代以往零售業那些更多靠人管理的職能，從引入客流，提高成交率和銷售額，到線上線下會員、粉絲的運營，再到經營每一位一線的導購員，打通整個價值鏈，最后幫助商家和消費者實現共贏。

筆者認為，隨著人工智能的快速發展，智能零售很可能首先在四個方面實現突破：

對顧客管理的智能化——重點體現在對顧客的分析、鎖定目標顧客、抓取目標顧客、精準推送、分析目標顧客潛在需求方面，真正實現對每一位消費者的360度全方位畫像;

對商品管理的智能化——基于顧客需求的多樣化和商品的極大豐富，企業借助智能化手段進行商品管理，并最終向柔性生產和提供個性化商品過渡。

對供應鏈管理的智能化——建立高效的供應鏈系統，形成基于消費者、門店銷售、客戶一體化的供應鏈智能管理體系，提升企業經營效率，降低企業庫存和供應鏈成本。

對物流管理的智能化——確保正確的貨物進了正確的倉庫，同時發貨效率將大大提高。把用戶端潛在需求的判斷聯動到供應鏈、物流倉儲系統，應用智能技術解決類似商品部署在哪些倉庫，如何讓商品堆放更合理，物流配送路徑的優化等問題。

智能零售與零售大數據

簡而言之，智能零售必然是以大數據為主導的。一個最新的例子或許可以比較直接地反映大數據之于人工智能的重要價值。

在人工智的一個重要分支無人駕駛領域，Google公司從2012年起，用超過100輛自動駕駛車輛累計行駛了超過170萬英里進行實驗驗證和研發，而特斯拉，則是從2014年起，以超過10萬個司機駕駛帶有計算機輔助駕駛功能的汽車總計形成了行駛超過1.4億英里的實驗數據，顯然兩者在數據積累方面的差距是十分懸殊的。而就在今年12月13日，有消息稱，Google已擱置自主研發全自動無人駕駛汽車，而將選擇同第三方汽車廠商合作，開發具有自動駕駛功能的“傳統”汽車。Google的轉向應該有行業競爭激烈的因素，但很難說就沒有數據積累緩慢導致研發落后的原因。

大數據的本質是海量的、多維度和多形式的，而任何智能的發展，其實都需要一個學習的過程。近期人工智能之所以能取得突飛猛進的發展，不能不說是因為這些年來大數據長足發展的結果。與以前的眾多數據分析技術相比，人工智能技術立足于神經網絡，同時發展出多層神經網絡，從而可以基于大數據實現深度機器學習。

同樣的，正是由于大數據的激增和機器學習的應用，智能零售這樣的巨大變動才有可能得以最終實現。大數據正在改變零售業，由數據驅動的電商以及實體零售的變革都已在悄然推進。隨著商業發展，數字化、大數據在零售業的不同環節產生更加廣泛的影響，并推動消費個性化的普及。智能零售未來必將基于大數據場景、在整個商業生態上發揮作用。如果智能技術不和大數據結合就沒有辦法智能，人工智能不和商業場景結合也只能是實驗室里的產品。

凱文·凱利關于大數據的預言是這么說的：不管你現在做什么行業，你做的生意都是數據生意。對于企業來說，客戶的數據將變得與客戶同樣重要。只有擁有大量的數據，才可以基于數據進行分析預測或者是進行視覺化的處理。這樣的表述對于智能零售同樣適用。

既然大數據很重要，簡單看看電商以及實體零售的大數據獲取和應用情況，對合理判斷智能零售前景會有一定的幫助。

電商與實體零售企業的最大區別在于，電商構建的各類型數據庫相對可以輕而易舉地記錄全部用戶的各類訪問數據，快速捕獲、實時監控、精準分析，實現數字化運營和管理。而實體零售企業要想做到這一點，不僅成本高昂，在可靠性和精準性上也難有保證。移動互聯、社交技術的發展，也恰好為電商提供了持續處理海量數據，并在復雜碎片化的數據關系中提取有價值信息的可能性。這在很大程度上決定了目前積極投入人工智能研發并且逐步開展深度應用且能取得一定成效的往往都是那些領先的電商企業。

反觀實體零售企業，大數據收集也同樣做了很多年，但真正能做好的寥寥無幾，特別是在數據運用中遇到了各種各樣的難題。從實體零售基于信息系統的數據獲取看，后端供應數據和會員數據獲取相對容易，前端運營數據則反之，同時也存在數據不全或缺乏關聯性的問題。大數據的核心是數據的關聯應用，來自不同的應用場景、物流、采購、財務、運營、市場等環節的數據深度關聯，孤立的數據很難發揮出應有的價值，更無從說起形成對人工智能的支撐作用了。

智能零售與新零售

同樣是2016年零售業的高熱度詞語，自從今年10月馬云提出“新零售”概念后，眾多企業開始進一步探索“線上線下結合”的商業模式。這一概念與國家推動實體零售創新轉型的決策相呼應，甚至引發了股市的一波“新零售”行情，特別是一些區域商超上市公司價值有所體現。

應該看到，2015年以來，以電商巨頭主導的零售業O2O、全渠道概念已經熱度消退，互聯網時代下零售業變革的方向究竟在哪兒，提出一個更新的概念確有必要，但基于零售本質的核心訴求不會改變。

新零售時代要融合上下游資源，既要對上游的商家進行變革，解決線上商家的營銷難、物流慢，也要著眼線下商家的互聯網化、數據化等痛點。無論是馬云提出的純電商將落伍，未來要走線上線下物流融合的新零售模式；還是最近亞馬遜新推出的AmazonGo智能實體商店，試圖解決的都是電商如何進一步全面擁抱線下的問題。

盡管這種融合對實體零售會更加艱難，但實體零售如何在新零售語境下實現真正的以顧客為中心的經營理念，體現自身對顧客的價值，仍是實體零售面向互聯網融合發展的核心要素。無論是建立更加快速的市場反應機制，還是提供更加個性化的消費體驗，簡單就線下企業開設線上渠道、線上企業布局線下門店而言，其實這種商業模式早已不新鮮，但隨著近年來技術的進一步升級，特別是智能技術商業應用的開啟，線上線下深度融合發展的新零售確實已經和之前的O2O概念有了很多的不同。

一方面，新零售是生產格局和產業生態發展到一定階段的產物，在科技的推動下，零售的邊界正在進一步向上游推進，正如業內提出的“全零售”概念那樣，除了電商與實體零售間可能在新的層次形成新的生態、新的場景、新的模式外，智能技術完全有可能產生更多的“破墻效應”，在數據引導下，形成線上線下、實體商家之間、消費者與商家之間、零售端與生產端之間的多重聯盟，并相互引流，利益共享。

另一方面，實體零售基于ERP和CRM等信息系統所進行的數據積累，相對于互聯網、特別是移動互聯網而言，更加側重于管理分析和內部効率的提高，缺乏數據的傳播性。這也很大程度上造成了O2O模式下，線上線下比如是兩條線，難以真正對接起來。因此，智能零售和大數據技術的推動，有可能進一步加速實體零售在數據化、網絡化和智能化方面的進程，為實體零售形成高效精準的用戶畫像、完善的商品和服務定位，以及基于大數據的科學決策，并在融合發展中逐漸縮小與電商在精準營銷和一體化互動等方面的差距打下基礎。

新零售和智能零售一定會給電商更多的改變，但對于不同形態的零售商而言，如何運用客戶數據去及時分析和破解顧客在實體店或網上的消費行為，并將其轉化為增加銷售的策略與實施方案，是完全一致的。新零售時代，顧客為王、數據為尊，但為顧客創造價值的商業規律不會變。成功的零售商應該用新的方式思考，用新的技術為消費者提供更好的體驗，從而獲得收入的增長、較低的支出與更高的利潤。

布局智能零售需三思而行

盡管隨著智能零售的火熱，特別是一些零售企業已經在特定場景下實現了智能化升級和變革，并在其中挖掘出新的銷售機會，但這些改變究竟能為為企業帶來哪些新的競爭力，市場顯然還沒有給出一個明確的答案。

另一方面，在人工智能這個新興領域市場初起時，大部分專注零售業人工智能的公司都還處于非常早期的階段。這些公司特別是一些創業公司，會更加寬泛地專注于個性化市場和定位，而他們試圖推薦給零售用戶的智能產品是否具有真正的適用性也還值得研究。智能化是零售行業未來的一個重要趨勢，但一定不是簡單地在銷售接觸點增加幾樣新奇玩意兒就能實現的。

一如在今年的很多行業展會上，零售信息化軟硬件服務商出現了比往年更加龐大的陣容，也推出了更加閃耀的新品和前沿的技術，除了傳統產品線升級外，智能化產品特別是智能硬件都十分搶眼。而隨著技術服務商的推波助瀾，一定會在市場上形成更大的智能熱潮。

在這一波人工智能浪潮剛剛興起時，業內就有觀點認為，人工智能革命注定將是一場慢動作，打響人工智能前奏的硬件產品蜂擁而至時，市場或許應該先駐足下來，讓產品進行一場潛移默化的“太極式”革命。

對于人工智能的未來，向來就存在左手期待、右手恐懼的觀點。

上文提到的Amazon Go智能商店，目前也僅對內部員工開放，分析原因，可能有隱私保護的原因，也可能存在智能技術精準性的問題?？傊畞嗰R遜是否會開放Amazon Go仍是未知數，智能購物不可能一步到位，存在擔憂也并不奇怪。

當下火熱的人工智能是否已經存在泡沫成分還很難說，但人工智能一定要與產業相結合，單純的人工智能是不可能形成商業模式的。如今的人工智能本質上依靠的還是計算能力的增強，進而在大數據基礎之上在特定領域獲得了飛躍，進而實現了一定的商業應用的落地，智能零售真正常設效果仍有待和商業場景相的緊密結合。

當人工智能在某些零售環節充當著炫技角色時，零售企業或許應該放下對人工智能寄予的不符合現狀的希望。行業巨頭特別是電商巨頭和創業者們承擔了智能零售技術的研究者和實踐者的角色，但在發展方向及實際商業應用仍處試水階段時，絕大多數的零售企業更應該冷靜以待，因為這種等待很大程度上是有價值的，正如面對上一波O2O浪潮那樣。

正如一位業內人士所言，在熱潮興起時，人們以追求進步與發展的名義做的很多事，往往因為這個好聽的名義而盲從，而緊追不舍，結果卻差強人意。當我們被一個個新鮮事物所觸發，不妨讓思想先歸于平靜，這樣才會有更清晰的思考。

面對市場熱潮，也要有敢為人后的自信。

實體零售的這18個智能應用場景

1、智能停車和找車：

停車場是實體零售企業的用戶入口，又是用戶需求的最痛點。這是實體零售企業的一個重要變革方向，目前已經有越來越多的零售企業，開始布局智能停車模塊，幫助用戶解決“快速停車及找車”的痛點。

在阿里巴巴推出的喵街App中，智能停車及找車是其中的模塊之一，目前已經應用于9個城市40多家購物中心。

2、商品電子價簽：

電子價簽已經能做到基于紅外傳輸的定位及商品導航功能，相比于賣場傳統標簽每年巨額的更換費用，加上人工成本、客戶口碑、賣場形象等潛在價值，電子價簽的投入1~2年時間企業就可以收回成本。

3、室內定位及營銷：

在用戶購物及瀏覽過程中，快速根據用戶需求、物品位置實現精準匹配，是用戶體驗的核心環節，其中iBeacon是很多企業選擇的一種技術解決方案。

iBeacon功能的基本原理是：配備有低功耗藍牙（BLE）通信功能的設備或基站使用BLE技術向周圍發送自己特有的ID，而接受到該ID的應用軟件（如「水滴」）就會根據該ID進行反應。iBeacon的誕生，讓商戶和終端（智能手機）能夠準確感知彼此準確位置。

目前北京大悅城等商場已經實現了室內導航及定位營銷。

4、智能搜索及管理聯動：

基于Hadoop（大數據智能分析）、DataVisualization（數據可視化）、iBeacon、3D地圖Map/Reduce、Hive（數據倉庫）等幾個核心技術模塊，通過行業定制化服務開發平臺，可為零售企業提供了更為細致的智能服務及管理聯動。

5、基于視覺系統的應用：

基于視覺設備及處理系統、動態Wi-Fi追蹤、遍布店內的傳感器、客流分析系統等技術，可以實時輸出特定人群預警、定向營銷及服務建議（例如VIP用戶服務）、實時貨品調整提醒、以及用戶行為及消費分析報告。

6、智能購物車：

在超市領域，購物車作為最常見的硬件載體，將有較大機會首先進行智能化變革。在零售方面的智能化創新包括：將生物識別技術與攝像頭系統進行結合，從而可以提供人流量統計和人臉識別服務，零售商可以利用智能手機下載的這些信息進行分析，并向顧客提供個性化的銷售。

7、智能穿衣鏡：

內置處理器和攝像頭，能夠動態識別用戶的手勢動作、面部特征及背景信息。不同于普通穿衣鏡，智能穿衣鏡可以為用戶提供個性化的定制服務，增加用戶實際購物體驗。工作人員可以通過一個特殊的銷售界面，以鏡子為媒介向顧客發出建議。鏡子提供的視頻內容還可以幫助零售商對商場內行為進行評估和分析。

智能虛擬穿衣鏡已經在頂級奢侈品牌百貨商場Neiman Marcus的加州Walnut Creek店部署。

8、智能試衣間：

通過帶觸摸屏的鏡子及燈光調整，可以幫助用戶找到適合自己尺碼、顏色和消費場景的服裝。消費者進入商店，通過鏡子瀏覽店鋪中所有商品，提交試穿申請，它們就會被導購員擺放在試衣間。顧客可以調整燈光亮度和顏色模擬使用場景，鏡子感應衣服上的RFID標簽并顯示在屏幕上，然后鏡子給出搭配建議。如果需要試其他顏色或尺碼的衣服，也能通過屏幕下指令，讓導購員給你送來。當你試穿滿意后，可以直接在鏡子上通過移動支付付款，試穿過的衣服會保存在個人賬戶中。試衣間里還可以記錄追蹤試衣者的動作，這為后續智能試衣間的智能化進行，提供了想象空間。

這套eBay和Rebecca Minkoff合作的系統在Nordstrom的西雅圖和圣何塞分店投入使用。主要目的在于通過智能化的手段和親身體驗效果，來提升線下實體店服務的體驗，創建線下服務相對于線上電商的差異化競爭力。

9、智能推薦：

基于“視覺過濾技術”，針對用戶潛在偏好，建構在線商品推薦模型。具體做法是，通過基于商品圖片的問題，創造游戲一樣的情景讓消費者參與，然后預測購物者的下一個選擇，并根據消費者之前的點擊，提出售賣建議。每次點擊都會通過成千上萬的屬性來訓練人工智能，例如鞋跟高度、小腿長度、系帶款式、鞋子的造型、紋理等。

目前人工智能的短網址生成服務，已經在電商網站得到應用，其他零售企業也在逐步推行。

10、機器人導購：

2016年，軟銀第一款機器人Pepper將以“銷售員”的身份入駐日本最大的電器銷售商山田電機（Yamada Denki）。Pepper之前也曾幫助銷售過智能手機和咖啡機等商品。Pepper接受企業的租賃訂單，每月租金55000日元（約合人民幣2730元），僅為日本平均最低工資的一半。

機器人銷售員的優點很明顯：成本低，增加用戶購物過程的趣味性，從而提升銷售。缺點也很明顯：商品識別精準度有待提升，人機對話精準度容易受到周圍環境（如噪音）影響，語音、語義技術平臺還不成熟

11、機器人店員：

美國老牌裝飾零售商勞氏LOWE’s在洛杉磯成立了創新實驗室，與硅谷的FellowRobots公司合作，在2014年和2015年期間，分別推出了勞氏Holoroom家裝模擬器和OSHbot零售機器人，并均已在實體店里得到應用。

OSHbot可以咨詢用戶需求，掃描物件并匹配，定位和導航。機器人屏幕上顯示的創意內容和營銷信息，還會隨著機器人位置的變化而改變?？腿丝梢酝ㄟ^機器人屏幕，與店內專家進行視頻聊天。機器人的設計中還將融入3D打印技術，甚至能夠3D打印小物件。

12、虛擬商品墻：

英特爾是數字標牌技術的領先者，其adiVerse技術，可以通過先進的觸控屏和高精準時時3D渲染，讓消費者可以在虛擬墻上從任何角度查看產品，進行旋轉、放大，并以全新的方式與商品進行互動。該技術還應用在自動售賣機和虛擬試衣鏡等常見的線下銷售場景。

Adidas基于Intel的技術和解決方案，開發了虛擬鞋墻，實現了超過2000雙鞋子的產品展示，通過3D和VR技術實現虛擬試穿，在線購物，快遞送貨。

13、自助支付：

隨著手機支付的普及，自助支付也將成為線下零售店的標配。自助收銀機一般提供屏幕視頻、文字、語音三種指引方式，使用門檻低，每6臺自助收銀機只需配1名收銀員。除了銀行卡、微信、支付寶等多樣化支付方式接入外，刷臉支付等技術的支付手段也將逐漸引入，比如國內阿里的刷臉支付嘗試。

14、智能比價：

沃爾瑪App加載了比價工具SavingsCatcher，顧客在實體店購物場景中，用手機掃描產品進行比價，發現更低價，價差返還。沃爾瑪的比價策略并不包含線上零售商，其自由品牌的商品、熟食、糕點和肉禽蛋也不在比價范圍內。截止到2015年6月，沃爾瑪的企業App的用戶已經達到2200萬，其年增長率超過400%，SavingsCatcher這個比價工具讓用戶活躍度由一個月前的400萬人猛增至1400萬人，極大的提升了線下競爭力。

15、在線客服機器人：

在零售業的電商模式中，客服是其中非常重要且占據很高成本的運營要素，通過機器人客服替代人工客服，是該領域智能化發展的重要方向。

IBMWatson機器人計劃替代一個數量龐大的工種——在線客服，基于自然語義識別、人類情感識別，實現商品信息定向推送，實時答疑、咨詢和投訴，還可以娛樂消遣講段子。依靠機器人的自我學習能力，不僅能準確回答問題，還能感知到客戶的情感和情緒。

而Google、微軟、Facebook等人工智能領域的領軍企業，也都在該領域有相關研究和投資。

16、庫存盤點機器人：

美國『華爾街日報』盤點的最可能被機器人取代的十大工作中，「倉庫管理員」榮登榜首。機器人免去了倉庫員工每天走上最多32公里的煩惱。

德國公司MetraLabs在2015年推出和部署了帶有RFID功能的機器人Tory，為德國服裝零售商AdlerModemrkte提供庫存盤點服務。Tory機器人通過傳感器進行導航，邊走邊讀取商品上附著的RFID標簽。

17、商品管理機器人：

考慮到RFID運營成本及系統要求的相關問題，Simbe公司通過更為精準的圖像識別技術，實現除商品管理之外的更多動態應用。

Simbe機器人Tally是一款商品管理機器人，它基于商場商品布局圖，通過傳感器掃描定位和圖像識別，實現商品信息自動識別，商品變化信息動態整理，錯放或信息錯誤提醒，庫存聯動，缺貨提醒，并根據商品變動信息及相關變量，為商場及供應商提供決策服務。

18、物流機器人：

這一領域已經有很多家公司進入，包括：Amazon Robotics（前身為Kiva System），Fetch Robotics（團隊來自WillowGarage），Swisslog（瑞士的自動化倉庫和配送物流解決方案提供商，其背后是工業機器人“四大天王”之一的KUKA），Gray Orange Robotics。日本日立可行走物流機器人包含兩個升降臺，兩條機械臂，2015年8月開發出成品，預計在2~3年后正式投入使用。