回到海外實體零售 AI 策展
OFFLINE RETAIL AI · EP09 · 無人結算
Just Walk Out 已超過 400 個點位，為什麼大型超市仍沒有全面無人結帳
Amazon、Trigo 與 AiFi 已讓無感購物在小型場景運作，但 SKU 複雜度、密集客流、攝影機成本與辨識錯誤，使大型超市的商業化仍需要時間。
最成熟的無人結帳，其實是自動販賣機
門店攝影機結合 AI，主要有兩條應用：防損防盜與無感結帳。Trigo 以機器視覺辨識顧客和商品的互動，再把購物資料連接到支付終端，讓顧客不必經過傳統收銀；同時也為零售商留下行為資料。
但場景一放大，難度並不是線性增加。SKU 愈多、包裝愈小、商品外觀愈相似、顧客愈密集，遮擋與錯認就會急速上升。自動販賣機之所以成熟，是因為商品、空間與動作都被高度限制；大型超市恰好相反。
400 個點位很多，但落地位置透露了技術邊界
截至 2026 年 8 月，報告指出 Amazon Just Walk Out 全球超過 400 個點位，主要集中在體育場館門店、校園便利店與交通樞紐等小型場景。這些場景停留時間短、購買意圖明確、SKU 相對有限，也更能承受便利性帶來的溢價。
Trigo 的無感購物則仍在歐洲主流商超進行小範圍試點。這不代表技術失敗，而是說明『能示範』與『能以合理成本複製到每一家大型店』之間，還隔著硬體密度、整合成本、例外處理與顧客爭議。
REBUILT CHART · FIG.09
XMY editorial reconstruction無感結帳的甜蜜點與大型場景瓶頸
SWEET SPOT小型、快速、明確
- 校園與交通樞紐
- 體育場館與店中店
- SKU 較少、停留時間短
- Just Walk Out 全球 400+ 點位
HARD MODE大型、密集、長尾
- 密集客流與多人遮擋
- 小規格與相似包裝
- 攝影機密度及改造成本
- 錯認、爭議與人工複核
先找對場景，再談全面改造
零售商若要導入，應優先選擇面積小、SKU 少、客流可預測、結帳排隊痛點明確的場景，例如企業園區、校園、交通節點或店中店。大型門店也可以先把技術用於防損、熱區分析與特定區域，而不是一次移除所有收銀台。
無感結帳真正的財務模型，應把收銀工時、設備折舊、網路與雲端運算、人工複核、爭議退款及損耗一起計算。省下的排隊時間很迷人，但多認錯一瓶酒，財務長會比顧客更快清醒。
這是「海外實體零售 AI 進展」第 9 篇。下一步不是再問 AI 能不能做，而是驗證它能否在真實門店裡持續創造可計算的收入、效率與信任。