不只節流
AI 已開始影響有貨率、客單價、廣告收入與 GMV,財務價值不能只算省下多少工時。
從 Caper 智能購物車、Tally 巡檢機器人與 RELEX 供應鏈決策,讀到 Just Walk Out 的邊界、Walmart Sparky 的流量入口與 10,974 家門店形成的物理護城河。
AI 已開始影響有貨率、客單價、廣告收入與 GMV,財務價值不能只算省下多少工時。
購物車、攝影機、機器人與電子價簽,把模型接進貨架、動線與真實交易。
辨識只是起點;派工、補貨、定價、履約與複查接起來,才形成營運能力。
ChatGPT 帶來新流量,也可能帶走顧客關係;Walmart 用 Sparky 建立自己的中介層。
建議依序讀 01、04、06、07、08、14,從營運問題一路到試點與財務指標。
建議依序讀 02、05、09、10、11,理解硬體、影像、無人結帳與 AI 入口。
建議依序讀 03、08、12、13、14,追蹤收入、庫存、履約與可重複單位經濟。
Simbe 的 Tally 能自主穿梭通道,辨識缺貨、錯價與錯放。官方案例顯示貨架有貨率達 98%、價簽準確率提升 90%,每週為門店節省超過 50 小時。
Simbe 用機器人自動巡航,Form 的 GoSpotCheck 則讓員工用手機拍攝並由 AI 辨識。兩者不是誰取代誰,而是自動化程度、部署速度與現場流程的不同取捨。
人工巡檢每個品類可能耗時 30 至 45 分鐘,報表還會延遲。AI 圖像辨識把採集壓縮到數分鐘,更關鍵的是能在員工離店前直接派發整改任務。
基礎大模型正在重畫流量入口。零售商可以向外部 AI 完全開放、維持封閉,或像 Walmart 一樣用自有助手作為中介。這不只是技術選擇,而是顧客與資料歸誰。
Sparky 能搜尋、比價、看圖、理解語音並完成情境式整單採購;底層則由自研模型 Wallaby、商品資料、庫存、會員與履約系統支撐。介面只是冰山露出水面的那一角。
截至 2026 年 4 月底,Walmart 在美國有 5,215 家門店、海外 5,759 家。超過 90% 美家庭住在門店 10 英里內,讓 AI 推薦能迅速變成可交付的商品。
Walmart 披露約半數 APP 使用者使用過 Sparky,Sparky 用戶客單價較一般用戶高 35%;周活躍用戶季增超過 110%,其促成 GMV 在一季內增幅超過 150%。但這些數字仍需拆解因果。