Amazon go 3000家便利店的启示

据彭博社报道，Amazon go 经过近两年的调试后，在2018年9月底确定了3000家便利店的扩展计划。知情人士称，这家互联网巨头正考虑今年年底前开设大约10家Amazon Go门店，2019年在旧金山和纽约等“主要都市区”开设大约50家，然后到2021年达到最多3000家。这个口号并不是说说而已，10月8日亚马逊已经在芝加哥开了两家店， 第三家店正在装修中，未来预计会有更多的是店布局下去。

Amazon go 将会在人口稠密的大城市开店，那里有许多年轻人，他们工作忙碌，但是经济富裕，有消费能力。他们愿意花更多的钱来购买质量更好的食品，享受更便利的服务。

并且amazon go 并不局限美国本土，10月7日据泰晤士报报道：在线零售巨头亚马逊正在瞄准收购英国的一些企业，以发展其无现金自动结算的百货业务。

亚马逊在英国的运作与美国本土小规模的便利店不同，他们瞄准的是1200-1500平左右的中大型超市。亚马逊去年收购了英国七家百货商超，并以137亿美元(107亿英镑)收购了全食超市(专门销售有机食品的美国食品超级市场连锁店)。

Amazon go 做的到底是什么?

虽然国内在大力宣传无人便利店将会掀起一场新的零售旋风，但实际上，Amazon go 从来没有说过自己是无人便利店，Amazon go 一直在主打一个“just walk out”概念，这个概念对超市场景来说主要是减少了两个环节：①货品扫码;②货品付款，也就是结账环节。在Amazon go的超市里还是有大量的服务人员存在的，他们在上货、做即食性的食品、为顾客提供服务。所以准确的来说，Amazon go做得是利用超市、便利店自动结算系统所开展的业务，即cashierless。

早上买早点的高峰期，结账队伍却长的让人崩溃

这个解决方案很有现实意义。结账环节虽然非常关键，但对店家来说是一个鸡肋环节，因为大部分的工作都是重复化、机械化的操作，如收银的扫码，结算等。这类工作不需要有很高的技术水平就可以胜任，薪资水平一直也比较低。却需要大量员工操作，人力成本、设备成本较高;对于员工来说，这类的工作是重复性、程序性的，个体的价值得不到彰显，缺少成就感，员工流动性强;对顾客来说这个流程的缺点就更明显了，排队结账非常浪费时间，感受不到购物的乐趣。所以如果能省去这个环节，对顾客、店家、员工来说都是有利的。

Amazon的真实意图是「体验」与「数据」

在美国，零售商店的税前净利率约为1~3%，微薄的利润为何会引起Amazon的兴趣，投入资金和最新科技，开设Amazon Go无人实体商店呢?

从零售业的观点，如何让商品和资金快速流动是获利关键。因此，该怎样抓住顾客的喜好，用对的售价卖受欢迎的商品，是零售业者最想知道的答案。

传统做法会提供折扣或红利积点等优惠，吸引顾客加入会员，事后再由会员的消费纪录分析销售策略的成败。但这样的方式无法涵盖整个购物流程，仍有大片空白留待解答：顾客为什么买?为什么不买?

而Amazon 独到的数据收集技术，可以将消费者入店的所有行为数据进行跟踪与分析，具备补足这块空白的巨大潜力。Amazon 开始把Go 打包成价格合理的「拿了就走」服务，让零售商不需投入心力自行研发，就有现成可靠的系统帮助他们了解顾客喜好。更不用说降低店内失窃率、减少人力成本等诸多好处。

另一方面，Amazon 希望藉由这套系统的进一步推广除了收集更多线下销售的数据之外，还希望能更切中零售的本质：出售受消费者喜爱的产品，线上数据收集比较完善了，线下的数据的拼图也被Amzon go 补充完毕。

我国自动结算零售的发展历程

自动结算1.0时代：自助结算机。

这个方式主要是将收银的工作转移给用户，省了店家成本和员工成本，顾客也省了一定的排队时间，大型超市采用的比较多。但结账的时候必须要有专人检查，否则货损问题无法解决。但专人检查效率低，提防性行为带给消费者的感受不好。

自动结算2.0时代： RFID

RFID是射频识别技术，它主要是通过无线电讯号识别特定目标，并可读写数据，但仅仅是单向的读取。工作原理是产品外贴设置好的RFID标签，顾客挑选完毕后，会到读取设备上读取自己所购买的商品，并进行支付。

RFID的缺点是比较明显的，产品需要对应各自的RFID标签，一般标签是外贴的，成本约0.5元/张;RFID容易被非友好介质(金属、液体、铝箔)影响准确率，具有易损坏、易破坏、误读率高、盗取率高(认为破坏手撕、非友好截肢破坏等)的缺点。

另外如果有大量的商品贴RFID标签，长期运行成本就会非常高，在低利润率的零售行业无疑不是最好的选择。

自动结算2.5时代：2D视觉识别

在国内无人零售风口中不断涌现出来的人工智能为标签的零售系统，绝大部分仍依赖RFID技术，部分以2D视觉识别为主的无人便利店识别率仅为80%以上。识别率低、计算量大、货损率高的主要原因是所使用的设备满足不了场景需要。

一家店安装几十个2D摄像头的情况下，仍无法完成单人多货物，多人多货物识别。主要的原因是设备具有先天性的缺陷。

以上的方案都有一个盲区，无法真正解决零售的核心问题，那就是用户买什么，不买什么的原因在哪里?

人加智能解读Amazon go的技术关键点

我们做了一个简单的Amazon go的技术产品模式图，提炼了Amazon go的三大核心技术：人体追踪、手势识别、商品识别。

自动结算技术拆解图

从顾客进入店面开始，摄影机录下他们移动的路线，以及浏览商品、拿取、检视标签或放回商品的动作，并传给机器进行影像辨识。

接下来，根据影像的判读对虚拟购物车的商品做出修正。同时，货架上的重量感测器会侦测商品重量是否产生变化，避免商品被乱放或掉包。最后，顾客离开时，位于出口的感应区会在不知不觉中完成所有结帐流程。

由于每个小动作都被完整记录，我们可以依据数据分析店内的动线是否让顾客感到舒适;货架的配置能不能吸引更多的目光;人们选择时，犹豫的是价格还是内容等等。有了这些资料，线下零售也就像线上零售一样能够保留全部的消费者购物数据了。

人加智能可以提供无人值守3.0的核心设备与技术

人加智能针对无人零售场景做了大量的技术储备，目前已经可以提供三大核心技术。

首先是RGBD成像技术。

在便利店场景中，消费者购买行为复杂，识别难度大，又因为与支付挂钩，对准确性的要求极高，传统的2D摄像头无论是在精准度还是在多相机跨境处理上均表现不足。RGBD相机本质上是一个4D(RGB一维色彩信息+XYZ三维信息)相机，通过将2D信息和3D信息相融合，从数据源头能克服2D相机的一些缺陷，因此，RGBD相机才是零售下精准化行为分析场景的正确的传感数据入口选择。人加于2016年3月成立之初，即开始RGBD成像技术的研发布局，目前已成功推出相应产品司眸TMRGBD相机，并已经得到行业内相关客户的认可。人加的RGBD相机与传统2D相机以及行业内现存的3D相机相比具备什么样的特点和优势呢? 下表从技术原理和使用场景相关属性出发做一个横向对比。

表中可以看出人加司眸TMRGBD相机因为其精度、多相机协作特性以及算法的可迭代特性，对于零售场景而言是一个比较优的选择。虽然双目成本相对于2D Sensor来说较高，但是因其能解决2D相机所解决不了的问题，同时在运算侧也能节省成本，因此从方案角度而言，尤其对于无人值守3.0来说，是一个优质的选择。

司眸TM系列

其次是边缘计算。

当下无人值守3.0技术的传感器部署特点为高密度、多数量。对于重力货柜类传感器而言虽然数量众多，但因其运算量极小，使用单片机作为小范围数据汇总，使用服务器作为全场数据汇总，从方案层面相对简单。

然而，对于视觉传感器并非如此，以一家店部署100台司眸TMRGBD相机为例，每秒产生数据量高达8.58GBytes/s，若将这些数据全部传递至服务器进行算法运算，需要付出相当高的带宽资源和运算资源，系统复杂度大大增高。人加为解决此问题为司眸TMRGBD配备了边缘计算方案，开发了灵兮TM边缘计算平台。灵兮TM能与司眸TMRGBD相机通过多种接口进行深度对接，如网络、USB3.0和MIPI接口。

司眸TM RGBD相机和灵兮TM平台组成了传感运算最小子单元，负责视觉传感和传感数据结构化加工操作，最终再将处理后少量数据汇总至服务器端进行数据关联和处理，进一步运算后再进行相关业务数据交互。因此，司眸+灵兮+服务器+云端组成了无人值守3.0技术的整个视觉感知运算设备系统。

最后是人体跟踪技术。

人加智能通过深度图对物体进行坐标定位，进而进行数字化解读(x=物体坐标原点右偏移值;y=物体坐标原点左偏移值;z=物体坐标离地距离)

无人值守3.0技术本质上是针对人的感知，其中人体追踪是其中最重要的技术之一，从一个顾客进入闸机开始至取放商品过程中到其离开商店的整个过程，需要做到全部流程的跟踪，过程中不能跟丢或跟错。

人加智能根据此需求打造了多相机头顶阵列传感方案，解决了多相机的时间同步、空间标定、安装施工难度大等一系列难题，从传感方案角度最大可能的保证了人体跟踪效果。

传统2D方法在进行跟踪时主要运用的是图像识别的能力，跟踪过程中计算量大，还容易识别错误引起丢失。采用RGB-D跟踪技术，为物体建立三维坐标，从而彻底的解决了跟踪困难与后期识别的问题。

人加智能希望通过人加智能的努力，能让线下零售运营效率更高，产品制造更准，服务体验更好，因为人加智能的愿景是“智能服务每一个人”。