ai 如何赋能新零售,看amazon go如何利用AI做新零售

　　2018年2月6日，最新消息，AI和新零售AI提升零售体验虽然Amazon Go的主打亮点是“无人结账”，但是零售业内并不对大规模推广“无人”感兴趣。

　　“在中国无人店的增量值得怀疑，没有那么多市场空间，也很难找到新的店址。” 深兰科技创始人兼CEO陈海波说。深兰科技由澳洲归国团队创立于上海，公司拥有来自海内外名校的博士、博士后和硕士60余位，在卷积神经网络、深度学习、机器视觉和生物识别方面颇有建树，已获或在申报的各项专利、软件著作权等超过50项，产品销往美国、澳大利亚、日本和新西兰等17个国家和地区。2017年2月，深兰科技联合蚂蚁金服推出takego“拿了就走”的免现场结算支付系统。

　　6月，发布了无人零售亭、AI自贩柜、AI自贩卧柜，进军自贩机市场，实际上也是无人零售的场景之一，“消费者不需要无人零售，商家才需要无人零售。C端不管B端的痛，C端不care(在意)B端的美。”作为传统零售智能升级解决方案的提供商，他坦言目前很多无人零售解决方案并不能真正提升消费者的购物效率，但他看好用技术解放店员投入到更多地与顾客交流之中。

　　因此，他希望能够快速切入市场，做存量市场的升级。为此，深兰科技把计算机视觉和生物识别与支付方案应用到了对人、货、场的识别。在计算机视觉方面，使用体态识别算法，用摄像头对人进行跟踪定位。

　　商品区则由几个摄像头联合工作，设置了电子栅栏线，使用交叉验证算法、实时去背景算法、实时轮廓算法等完成商品精准识别。这一过程需要实时调整各个摄像头处理数据的权重，以防止“盲人摸象”的效果。而在结算区会确定顾客是否有把商品带走，最终生成账单。这对算法和算力有着极高要求。单就商品区的商品位置判断，就有几种背景和商品的关系需要考虑。固定背景和固定商品的识别是技术难度最低的。

　　而在固定背景、移动商品的判断中，就需要用到多级多帧的协同纠错算法，通过多个摄像头交叉识别，判断商品。而最难的，是对无限背景和无限商品的判断。陈海波告诉第一财经记者，目前为了完成对商品全方位的识别需要三小时的机器训练。数据和模型在机器训练中都至关重要。“这套方法的关键在于GPU的算力，对大数据的处理能力。采用的摄像头以每秒120帧进行拍摄，背后是多帧多机纠错算法。”

　　此外，还有3D体感检测的生物识别技术，进行用户识别和生物支付。深兰科技将推出基于人工智能技术的便利店的改造方案，联合国内自贩机企业打造千元级开门式自贩机，实现扫手(脸/码)开门拿了就走，推进自贩机在中国市场的发展。2018年1月，深兰科技开始用人工智能技术切入办公室近场零售，已面向市场推出办公室货架近场零售场景的升级换代产品。

　　对于这家有意在零售界有所作为的科技企业来说，2018年有三个重点：第一是办公室货架企业的升级;第二是自贩机领域的升级，第三是零售移动化。更多关注hi新零售。