Google Cloud 推出零售 AI：攝像頭自動查貨架缺貨，告別漏檢

你去超市買洗頭水或麥片，貨架上空空如也，店員往往比你更晚發現。

按 Gartner 分析師 Robert Hetu 的說法，零售業因為貨架盤點太難做，以往的標準操作基本就是靠「盲猜」。但這代價太大了。NielsenIQ 的資料顯示，光是 2021 年，美國零售商因為貨架缺貨就白白漏掉了 820 億美元的銷售額。

在紐約的全美零售聯合會年會 NRF 2023 前夕，Google Cloud 掏出了一套給零售商準備的 AI 工具包。裡面最核心的武器，就是一個幫實體店看住貨架的盤點 AI。

拿十億張相簿訓練，看一眼就知道缺了啥

這套基於 Vertex AI 的貨架檢查工具，最大的底氣來自 Google 手裡超過 10 億件商品的相簿。裡面既有公開圖片、授權圖片，也有品牌商直接提供的資料。

它靠兩個演算法協同工作，一個識別人臉一樣識別產品，另一個負責看價籤。Google 稱，它能像人眼一樣，不管是俯視、仰視、變了光線還是包裝換了季，都能認出那一盒麥片。

更聰明的一點是它不挑硬體。商家不需要專門買一套昂貴的特定裝置，店裡現有的天花板攝像頭、店員手裡拿著的智慧手機，甚至是過道里溜達的巡檢機器人，拍到的影片或照片都能直接餵給它處理。

不過，實際落地的阻力依然擺在眼前。美國超市連鎖 Giant Eagle 在模擬真實環境的實驗室裡測過，目前的識別準確率在 90% 以上。但這距離全面鋪開還不夠，比如攝像頭角度稍高一點或太低，AI 就可能看走眼。

Giant Eagle 負責供應鏈和創新的執行副總裁 Graham Watkins 坦言，全面部署可能還要花好幾年，一方面是成本高昂，另一方面演算法也沒到完美的程度。業內對此早有先例，沃爾瑪早在 2020 年就放棄了店內巡邏機器人，改用更簡單直接的方法。Gartner 估計，這類計算機視覺貨架方案要真正走向主流，可能還要等三到六年。

實體貨架要盯，線上的擺法也換成演算法

除了線下的貨架，Google Cloud 這次還把手伸向了零售商的電商網站。

他們推出了一款叫 Browse AI 的工具，支援 72 種語言。以往電商網站的分類頁排序，要麼按死板的暢銷榜，要麼靠運營人員人工定規則。Browse AI 則會根據使用者的歷史偏好和成交機率，自動學習每個品類怎麼排最容易賣出去。

同時升級的還有 Retail Search 搜尋個性化，以及 Recommendations AI 推薦工具。Google 預測到 2026 年全球線上零售額將超過 8 萬億美元，現在的推薦系統已經細化到由演算法動態決定在當前頁面給使用者展示哪一個推薦模組。

為什麼重要

我們認為，Google 這次最聰明的打法在於降維輸出。

過去創業公司做智慧零售，往往要綁著賣昂貴的高畫質攝像頭或巡檢機器人。Google 直接用自己的海量商品資料庫做底座，把硬體門檻降到了「普通手機拍段影片也行」，這讓很多還在猶豫的傳統零售商敢於低成本試水。

但實體零售的隱患非常現實。90% 的實驗室準確率聽起來不錯，可在薄利的超市行業，10% 的錯漏就意味著後臺庫存錯亂和無效調貨。正如沃爾瑪當年的撤退，高大上的計算機視覺並不總是比店員路過掃一眼划算。大面積鋪設監控網路的高昂開銷，短期內依然是中小型超市跨不過去的坎。

在行業層面，這看起來是 Google 正在把雲端戰爭從拼算力帶向深度的行業方案。它把搜尋、推薦和視覺識別打包成套件，試圖把零售商從實體貨架到線上結賬的全流程都綁在 Google Cloud 之上。