XMY TAG

線下零售 AI

線下零售 AI系列文章。

index,follow

Caper 智能購物車：一台購物車，如何變成消費者身旁的 Physical AI

攝影機、電子秤、室內定位、邊緣運算與結帳介面被裝進同一台購物車。Caper 的意義，不只是少排一次隊，而是把線下購物行為變成可即時理解與回應的資料流。

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。

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。

海外案例已證明多條路線可用，但產業仍在早期。投資人與經營者都不該只追發布會，而要追部署規模、使用率、收入增量、庫存改善與現金回收。

海外實體零售的 AI 化，已從單一軟體工具長出五條落地路線：智能購物車、貨架巡檢、圖像辨識、供應鏈決策與 AI 購物助手。真正的變化，是數位決策開始接管物理世界。

Baby Bunting 與 Cora France 的案例顯示，AI 規劃不必在『多備貨』與『少缺貨』之間二選一。真正的成果，是用更準確的配置同時提高現貨率並降低庫存。

需求預測、補貨、庫存分配、促銷與定價被放進同一套 AI 決策平台。RELEX 的案例說明，成熟的零售 AI 不是多一張儀表板，而是讓例外管理取代逐筆人工判斷。

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。

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。

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。

Caper 從 2024 年起開啟車載廣告業務。當一塊螢幕能一路跟著顧客穿過門店，它同時是推薦介面、促銷媒體、交易工具與行為資料入口。

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。

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。