#股怪教授 #財經小教室
【AI產業|中國大躍進】
AI正融入你我生活
AlphaGo在2017年擊敗了圍棋世界冠軍,
人工智能藉由最複雜的棋藝競技,
展現了自身強大的學習、運算能力。
而這些能力已融入在我們生活中,包含:
線上購物商品搜索與優惠越來越精準、
個人的健康、運動控管、
租車、物流的車輛路線配置、
機場海關的識別系統,
以及自駕車等。
在許多領域中,
AI已擔任重要的輔助腳色。
AI發展的四階段
創新工場創始人兼CEO李開復提出4個發展階段:
1. 互聯網智慧化:透過互聯網的巨量數據,網站與APP可獲得深度學習,讓讓戶使用更為便利。
2. 商業智慧化:這一波疫情最有感,許多企業無法從事實體業務,因此加速將手中的市場資料數據化,並架構出新的商業模式。
3. 實體世界數位化:移動支付、線上叫車、外送平台、無人商店都還只是一部分,未來還將看到更多數位化的轉型。
4. 全自動智能化:無人駕駛、機器人普及商用化。
美中的AI產業發展
AI發展兩大關鍵:
巨量數據與資訊科學人才,
龐大的市場規模以及人才的培訓能力,
使得美中兩國擁有發展AI的強大優勢。
全球頂尖的互聯網巨頭企業中,
美國的Google、亞馬遜、臉書,
以及中國的百度、阿里巴巴、騰訊,
雙方的差距在過去20年間已快速拉近。
中國企業AI應用廣泛
騰訊新聞建立智能個性化推薦,
提升資訊流覽體驗與效率。
中國版Uber滴滴出行,
每天規畫九十億條路線,
每秒鐘一千筆叫車單。
阿里巴巴智能客服,
購物節高達500萬通客服,
智慧客服的自助率高達到97%。
百度ACE智慧交通,
改善中國城市塞車問題提高道路效率。
科大訊飛智慧醫療,
輔助醫生診斷建議提高醫療效益。
(以上資訊僅供參考,並無任何推介買賣之意,投資人請自行承擔交易風險)
#AI
#深中小指數
#華爾街見聞PodcastEP284
無人商店 架構 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
無人零售的未來,究竟是機器視覺,還是RFID?
2020年8月10日 星期一
來源:科钛网 作者:CoreTech
重返實體 無人商店興起
無人工廠、無人倉儲、無人機、無人駕駛……科技帶給人們的是勞動力的解放,給各行各業帶來的,則是格局的重構。而對普通消費者來講,零售模式的轉換是切身感受到的。
自2016年底亞馬遜的 Amazon Go 亮相以來,中國國內無人零售領域的投資迅速升溫,無人零售被資本市場,視為繼共享單車之後的又一投資風口。傳統實體零售、電子商務、再到現在「智慧零售」概念的提出,零售融合科技產生的化學反應,讓其超過了任何行業迭代的速度。
相較於傳統零售行業的房租、人工、物流壓力,無人零售旨在減輕這些痛點:透過減少前端人力削減人工成本,以較小的店鋪面積及靈活的選址,降低房租成本,同時借助物聯網和大數據降低物流成本。
電商們的流量大戰,從線上打到了線下,線上流量紅利時代逝去,已是行業共識,互聯網巨頭紛紛佈局線下零售,挖掘線下消費的大數據價值,試圖透過打造新場景,帶來新流量、新體驗和新供應鏈,無人零售數位化時代已然開啓。
科技推動發展。無可厚非,技術問題是無人零售普及的命門,視覺技術、物聯網技術與行動支付,則是其中的關鍵技術架構。當下, RFID 標籤技術及機器視覺行動偵測技術,是行業內比較推崇的兩種方式。
RFID:辨識技術鼻祖嗅到了智慧零售
簡單說,一個RFID晶片就像U盤一樣,可以存入特定數據,併發出無線射頻信號。接收機可以在一定距離內捕捉到信號。
在無人零售領域,RFID有著很大的發揮空間。無人便利店代表商家繽果盒子的CEO陳子林表示:「最初打造產品的時候,我們發現在無人商店裡使用RFID解決方案,是最可行、最有效率的。繽果盒子目前在全中國落地158家店,進駐22個城市。我們團隊利用RFID的商品辨識的優勢進行研發,RFID不僅僅是幫助認出這個商品而已,其實整套結算管理才是重頭戲。在研發最初,無人零售這行業是新物種,沒有可借鑒的,都要摸索。無人零售大戰一觸即發,我們越早推出越好。所以,選擇先用RFID技術把繽果盒子做出來,再去透過實戰,來去打磨後端支撐體系。」
匯美集團CMO肖海坤也表示,RFID在服裝的在智慧零售方面,還開發出更大的用處。
「我們可以透過攝影機捕捉到RFID晶片,能夠收集到顧客拿起過這件服裝的次數,每家門市店服裝銷售情況。這樣就知道了顧客的偏好,我們會根據這些數據改變服裝款式、顏色,最大程度滿足顧客需要。另外,如果門市店庫存減少,後台會自動顯示,我們可以第一時間智慧補貨,全程智慧化管理,工作人員很少參與。」
據不完全統計,目前市場上採用 RFID 標籤技術的各種無人店已超過 20 家。但在發展壯大的同時,RFID也出現了技術上的一些壁壘。比如:
1、成本。有質疑聲音認為,使用RFID技術雖然減少了線下人力成本,但後期營運和維護成本很高,且標籤成本抑制了低價商品的毛利。
2、漏讀。漏讀是目前行業內,正在重點解決的問題之一,即使只有單件商品放置在結算區,設備也無法讀取商品資訊,晶片與天線之間沒有發生接觸。「RFID標籤的辨識距離,跟它的功率大小、靈敏度和天線大小有關,原因非常複雜。如果辨識距離太小,就容易發生誤讀,但辨識距離太短,又容易發生漏讀」。有專家解釋道。
3、速度。結算完畢後,顧客需要帶著已買單的商品,經過一個感應區,感應區會自動辨識是否有未支付的商品。如果沒有,系統就會提示顧客推門離開,整個過程耗時約5秒。而隨著顧客購買的商品數增加,即使系統能夠準確辨識,耗時也將進一步增加,嚴重影響用戶體驗。
4、止損。採用RFID方案的無人便利店,面臨的止損挑戰主要來源於兩方面:一是顧客惡意損毀RFID標籤;二是顧客刻意遮蔽標籤的信號,比如用手或錫箔紙遮擋標籤。
目前,一些企業意識到了缺乏 " 護城河 " 的風險,對外宣稱正在跟進機器視覺技術。那麼,機器視覺技術又是什麼?
新技術「攪局」 機器視覺要幹掉RFID?
機器視覺是指利用攝影機、手機 GPS 或手機 WiFi 等,辨識動作、商品和人,以及進行定位與關聯。行移動偵測則是透過攝影機,採集圖像進行算法計算,當鏡頭畫面發生變動,如有人走過、鏡頭被移動時,算法計算會啓動,而計算結果一旦超過閾值,便會觸發指示系統做出報警處理,移動偵測常用於無人值守監控錄影和自動報警。亞馬遜無人超市——Amazon Go所採用的便是機器視覺辨識技術。
使用機器視覺辨識技術的零售方式,流程簡單、無需結賬、即買即走。消費者進入Amazon Go購物前,需要一個亞馬遜帳號,並下載app。在入口處會對顧客進行人臉辨識,確認用戶身份。
當消費者在貨架前停留,並選擇商品時,攝影機會透過圖像、手勢辨識,判斷顧客是否將貨物置於購物籃(購買),還是只是看看然後放回原處(未購買)。
透過貨架上的紅外線感測器、壓力感應裝置(確認哪些商品被取走),及荷載感測器(用於記錄哪些商品被放回原處),掃描並記錄下消費者購買的商品,即時傳輸至 Amazon Go 的資訊中樞,然後自動在顧客亞馬遜賬戶上結算,用戶購物完成,直接離店。
智慧無人便利店「簡24」創始人兼 CEO 林捷談到未來,堅定的看好視覺辨識。「為什麼還有爭議,主要是智慧視覺辨識太難做,RFID技術成熟,很容易做好。」
林捷推出的無人便利店「簡24」,首家門市店以於 2018 年 10月 25 日在中國上海落地。據他介紹,簡 24 採取 Amazon Go 的方式,全智慧視覺辨識技術:用戶購物流程,就很像此前Amazon Go在宣傳片裡顯示的那樣:用戶掃碼打開閘機門,然後進店選購商品,選完商品後直接拿貨走人。
然而,由於智慧零售的技術複雜,在現實中尚沒有大規模出現。因此,基於物聯網、互聯網和智慧化,三種結合應用的則是大多數。
例如:京東 X 無人超市的貨架上,每一件商品都被貼上 RFID 標籤。同時,超市融合 RFID、人臉慧、智慧視覺辨識等多種技術,用戶在店內的所有行為、甚至在哪個貨架邊停留了幾秒,都可以被感知和分析。選好商品,消費者只需要通過結算通道,走出超市即可,全程不用進行任何操作。
據一位瞭解京東 X 超市項目的第三方人透露,京東研發出智慧視覺辨識系統,但根據不同場景選擇不同策略,便利店使用視覺辨識系統,但是在超市上還是採取 RFID 和人臉辨識等「相對折中」的技術。「京東就是給商家自由選擇權,當然,搭配不同的解決方案,成本結構也不同。」業內人士感嘆道。
無人零售未來發展趨勢
深蘭科技創始人陳海波曾表示,無人零售場景中「商品一定要能夠被遠距離非接觸辨識,機器視覺才是正確方向」。
但在萬端看來,雖然 RFID 單一技術並不能解決無人零售場景中的所有問題,但它仍有存在必要,而且擁有許多機器視覺,並不具備的優勢,比如即時監測庫存和商品的熱力分布。
萬端指出,未來商業的一大趨勢,就是數據的即時化和智慧化。RFID 即時、精準獲取海量數據的能力,如果能夠結合高效的數據分析系統,就可以為 C、B 端的協同,和供應鏈優化提供有力的數據支撐。
多技術融合
目前看來,多技術融合是未來無人零售解決方案的發展趨勢。
海外無人零售項目 QueueHop,無疑是 RFID 在無人零售場景中,結合其他技術的一個絕佳範例。QueueHop 的購物方式主要透過一個具有 RFID 功能的讀取器,和帶有商品二維碼的安全扣,以及具備自主結賬功能的系統來實現。
具體來說,它的運作方式是這樣的:首先,顧客把想要買的商品,放到專用的讀取器上,讀取器會辨識這些物品,並將價格和稅款顯示出來;然後,系統會詢問顧客是否想要紙質的小票,或者直接 email 給 TA;在顧客付款之後,還要把安全扣放入一個小槽裡面來解鎖。如果這是一個已經買過的商品,安全扣則自動被解鎖。
QueueHop 目前已經贏得了多家零售商客戶,包括 Rebecca Minkoff、Jor' jet Boutique ,以及其他一些著名的快時尚大眾品牌。
貼合應用場景
技術的發展,必須牢牢貼合實際應用場景。無人便利店是一種全新的零售業態,此前 RFID 廠商並未有針對性地,為這一場景設計產品。未來累積了一定經驗之後,應用 RFID 方案的無人便利店,有望得到進一步優化。
另外,在某些特殊場景中,RFID 技術也能揚長避短,充分發揮其價值。比如應用於很多食堂的 RFID 自助結算餐台。RFID 自助結算餐台,配備了多種色彩的餐具,每一種色彩對應一個價格,碗碟內置 RFID 標籤供餐台讀取價格資訊進行結算,一小時可以完成上千人次的自助結算,僅需一名操作員,站在設備後維持結算秩序即可,大大提高了結算效率。
路在何方
無人零售對整個行業來說,都是一個全新的命題,不管傳統企業,還是初創公司,都還處於探索階,還在不斷嘗試和驗證各種技術的可行性。
繽果盒子和 QueueHop 雖然以 RFID 起家,但也在積極探索機器視覺方案。目前,零售行業正處在一個百花齊放、百家爭鳴的時代。而這些不同觀點的交叉和碰撞,正是行業創新和發展的源泉。
資料來源:https://3smarket-info.blogspot.com/2020/08/rfid.html?m=1&fbclid=IwAR2BAg1fJ1BM08vEYQXphUi7hY2AquMChZCSKqC4-7CRw2r0ocZmgb4cteA
無人商店 架構 在 台灣的未來 Facebook 的最佳貼文
《科技與創新-20》迎接AIoT智慧時代 台灣企業要這樣布局...
http://ec.ltn.com.tw/article/breakingnews/2511821
人工智慧(AI)結合物聯網(IoT)的AIoT將是2018年最熱門的趨勢,勢必帶動如半導體、邊緣運算、5G網路、智慧車輛等相關技術領域的創新發展,引領第四波科技創新,迎接智慧時代的到來。
科技不斷突破,應用領域不斷拓展的AI,為人類未來生活帶來更多智慧便利的想像,在技術日趨成熟的情況下,金融、行銷、零售、醫療、製造等產業相繼導入AI,誕生許多創新應用。展望2018年產業趨勢,工研院產業經濟與趨勢研究中心(IEK)預測,AI與IoT將快速匯流,進化為智慧物聯(AIoT)。
智慧物聯串接各式智慧應用
2015年,亞馬遜(Amazon)推出名為「Echo」的智慧裝置異軍突起,成功將搭載語音功能Alexa的智慧音箱打入消費者的家庭,掀起全球智慧家庭市場熱潮。2017年智慧音箱進入爆發成長期,眾多英、中文語系的智慧語音產業鏈各自成形;緊接著,居家機器人大戰開打,以家庭照護為方向,各產業紛紛搶進智慧家庭市場,推出功能各異的居家機器人。
不只家庭,AIoT技術匯流下,也開啟了智慧商務新概念,如無人機送貨、無人計程車到無人商店等「無人經濟」的發展;AI技術也串接第三方開發者,拓展出刷臉支付、智慧餐桌、智慧貨架等創新服務,以及具備情感社交、導覽、倉儲物流、揀貨等功能的商用機器人。各種整合AIoT軟硬體解決方案,持續開枝散葉,AI應用平台串聯各種智慧應用,發展創新服務。
在產業服務上,則聚焦在數位分身(Digital Twins)的應用,運用各種裝置與數位感測器偵測某種實體或系統的狀態及變化,把大量機器學習演算法拓展至製程、機器運轉及服務作業的改善及回應,提供終端及遠端的預防性維護及維修。
AI演算法技術也積極尋求新突破,除了解決機器學習的投入成本、環境變數等挑戰之外,更拓展機器實現跨任務學習的能力,讓機器能像人類般可藉由經驗累積達到學習成長。
「要訓練機器深度學習的演算法,需要非常龐大的資料,如何降低資料需求,讓機器自己創造資料,才是決勝關鍵。」工研院IEK產業分析師侯鈞元表示。
開發類腦晶片使AI自主學習
現今國際大廠在AI晶片的布局,以開發模仿人類腦神經架構而製成的「類腦晶片」為長遠目標,以生物神經架構、訊號傳遞與運算記憶進行電子電路材料、元件、電路模擬等工程仿真,猶如每個處理器皆搭配專屬記憶體,可有效解決傳統序列演算之不足與耗費龐大資源成本的窘境。同時 AI運算趨勢也由雲端運算,逐漸走向分散架構的邊緣運算(Edge Computing),以縮短網路傳輸的延遲,加速即時運算的處理。
侯鈞元指出,未來需要讓AI的感知及認知近似於人類思考模式,加快學習速度,因此透過開發類腦晶片,將使AI能解決更複雜的問題,也可以擁有自主學習的功能。
此外,未來AI技術將在資料、運算及演算法出現革新,侯鈞元說,決策智能是目前產業發展的階段,「自駕車」將是發展焦點,能駕馭自駕車代表人類已能突破AI在認知與決策上的關鍵技術。「未來產業競爭優勢在於『演算法』的突破,而這也將是台灣AI 應用技術廠商『彎道超車』、有助於打破國際大廠獨占市場的好機會。」
工研院IEK產業分析師陳右怡認為,下個階段的AI發展策略將是「應用平台」、「演算法」及「感測晶片」三位一體,建議台灣廠商可從光學模組、顯示面板、環境感測器等物聯網終端零組件及聯網設備產業切入,推出高附加價值的產品;也可建構AI軟硬整合生態體系,開拓跨域技術整合,例如機器學習架構、異質性系統整合、互動介面設計等,先行布局,在這場AI大戰中搶下關鍵位置。
AIoT實際運用的風險與挑戰
AI大勢所趨,世界各大知名企業如亞馬遜、Google、IBM、蘋果(Apple)、英特爾(Intel)、微軟(Microsoft)、臉書(Facebook)等,皆積極地併購與大幅投資AI相關新創企業,以便進行策略布局,但目前AI的商業應用,仍以對話機器人(Chatbot)最為普及。
市場研究公司CB Insights研究報告指出,2016年550家新創公司中,以AI為核心產品而成交的658筆投資中,共募得50億美元的資金;國際研究顧問機構Gartner也指出,截至2017年6月的過去一年間之客戶詢問AI相關議題爆增了5倍(4,353件),除了詢問技術相關問題外,這些公司也想知道在其既有產品中,可以導入哪些AI元素以提升產品商業價值。
儘管AI應用與商機正在快速崛起,但工研院IEK副組長楊瑞臨提醒,AIoT的發展目前仍面臨二大難題:包括投入資源與金額不菲、同時人才亦不易取得。
Gartner針對主要大企業進行調查,發現近六成客戶還在紙上談兵、蒐集資訊,尚未真正展開實質的行動,真正導入AI應用的僅12%,這代表大家對AI的高風險還在觀望。以數位企業五大平台-軟體開發商社群平台、業務行銷與客服平台、企業內部資訊與員工平台、IoT平台、及資料管理分析與整合加值平台等,依目前趨勢觀察,AI的應用仍侷限於客戶管理與業務行銷範疇。
楊瑞臨也指出,目前AI在Mission-critical具重大決策之商業應用風險仍高,主因之一在於機器學習的發展主流-深度學習預測模型的產生仍存在「黑箱」問題,其推論決策的邏輯透明化程度低,導致使用者對該預測模型的信任度不夠,也讓相關法規制定者多所質疑,如自駕車或是投資決策等;此外,人類的多元價值觀與習性喜好的掌握,也是未來AI發展的另一大挑戰。但是網路安全(Cyber Security)研發大本營的以色列,卻已經用AI來輔助研發,認為AI可以幫助開發出更嚴密的資安系統;但同樣的,駭客也會以AI來提升攻擊手法。
AI淘汰工作機會也造成人才缺口
儘管Gartner預測AI在2020年可以創造出230萬個工作機會,但也同時淘汰掉180萬個工作機會,CB Insights則預估美國在未來五到十年內,AI會威脅到1,000萬個工作機會,包括廚師、家事清潔等工作。
而麥肯錫全球研究所(McKinsey Global Institute)則發現,能夠完全AI自動化的工作僅1%,但60%的職業,可藉由AI完成30%的工作。儘管AI前途看好,但相關人才卻奇缺無比,不管哪一間調研機構都一致認為,數據科學家(Data Scientist)人才有極大缺口,這不但影響企業導入AI的意願,甚至許多新創事業根本找不到相關人才而無法發展。
儘管AI的技術運用以及種種疑慮仍有待解決,但預期未來在產業趨勢的帶動下,AI與IoT仍將快速匯流,趨動智慧應用的普及,迎接智慧時代的到來。台灣若能掌握脈動,提前布局,便能在這場即將開打的AI大戰中搶得先機。