人工智能应用的黑马：零售业

零售业对的人工智能的需求没有上限。根据IDC的报告，零售业2023年的AI支出将超过除银行业以外的所有其他行业。预计到 2025 年，当前40%的采用率将翻一番，使零售业成为智能技术投资最多的行业。

公司正在转向 AI 来应对一长串的挑战，这些挑战会让任何企业领导者彻夜难眠：消费者行为变化影响实体店收入、员工短缺加剧和劳动力成本上升、供应链中断、利润和利润的巨大压力成本（包括通货膨胀和客户获取的两位数增长），以及盗窃和有组织犯罪造成的巨大损失。

除了这些紧迫的问题之外，零售商还希望人工智能驱动的分析和应用程序能够帮助他们应对长期变化。其中最主要的是买家人口结构（更加多样化、精通数字、年龄更大）、消费者价值观（价格和便利性高于品牌忠诚度）、销售渠道（电子商务、移动和社交的快速增长）以及对全球可持续发展的需求不断增长的重大转变。

在此背景下，我们来看看零售业中高价值 AI 创新的两个领域。

一、智能门店：抗损、优化业务

数字化冷柜门将数字标牌与基于人工智能的自动化和分析相结合。支持物联网的屏幕通过营养信息、评论、特价商品和其他商品的建议吸引消费者。卖家受益于动态定价、自动化库存、A/B 测试和购物者分析，可以将销售额提高 50-100%。图片来源：Microsoft、NVIDIA、Cooler Screens。

尽管在线增长了 30 多年，但实体店仍然是许多零售商的重要支柱。在这两个世界继续融合的同时，业务和技术领导者正在关注如何发展、差异化和优化商店的客户体验 (CX) 和业务绩效。对于许多人来说，防损（也称为资产保护）是重中之重。

根据美国零售联合会 (NRF) 的数据，全球零售商每年因“缩减”损失超过 1000 亿美元，“缩减”是库存盗窃、损失和浪费的行业术语。一半以上发生在北美。平均缩水率超过收入的 1.5%，因此对于一家 200 亿美元的杂货商来说，每年损失 3 亿美元。COVID 和通货膨胀进一步加剧了这个问题：在最近的一项调查中，89.3% 的受访者表示暴力、入店行窃 (73.2%) 以及员工盗窃和有组织的零售犯罪（各占 71.4%）有所增加。

为了反击，越来越多的零售商开始采用智能视频分析 (IVA) 技术来准确高效地减少损耗。新的人工智能驱动系统有助于实时防止损失，改善销售点的资产保护，减少全店行窃，并确保承担更高价格成本的员工和顾客的安全。

1.从 仓库到结账，Everseen 无所不在

Everseen 是一家位于爱尔兰的国际软件公司，它开发了计算机视觉 AI 系统，可帮助零售商实时查看和解决缩水问题。首席执行官兼创始人 Alan O’Herlihy 表示，在边缘使用这种 AI 可以有效地将整个实体零售空间转化为可操作的数据，从而做出更好的决策。它是这样工作的：

该解决方案模块在 Microsoft Azure 上的 NVIDIA AI 平台上运行，可与零售商现有的相机、销售点、计算机和其他业务系统集成。这样做可以提供整个供应链的端到端视图——从仓库到商店到货架再到结账——可以查明库存缺口和其他需要立即关注的问题。然后，AI 会建议“下一个最佳”操作——所有这些都是实时的。

智能视频分析 (IVA) 系统使用人工智能计算机视觉和云基础设施。它为零售商提供实时、端到端的运营视图，以优化流程和客户体验，同时减少盗窃和浪费。图片来源：Everseen

例如，该公司的销售点 (POS) 解决方案 Evercheck 可立即检测并纠正人工结账通道和自助结账通道中有意和无意的错误。对于后者，即时“轻推”（在 300 毫秒内送达）会提示购物者纠正错误，例如未扫描的商品，从而将员工干预和潜在冲突的需要从 20% 降低到 2%。另一款人工智能产品 Everdoor 可减少库存损失并提高流程合规性。

2.每天分析 275 年的视频数据

总而言之，Everseen 每天实时分析惊人的 275 年的多样化和标记视频数据。该公司监控来自 2200 万客户与 2.2 亿产品交互的非结构化数据。O’Herlihy 表示，由此产生的见解和行动对于帮助零售商重塑相关业务流程非常宝贵。他说，这反过来又会产生许多好处，包括增加收入和销售吞吐量、降低成本、降低风险、更好的客户体验和优化配送中心的运营。

据 Everseen 称，全球前 15 大零售商中有超过一半采用了该公司基于 AI 的防损系统，共有 6,000 家商店和 80,000 条结账通道。O’Herlihy 说：“我们 AI 的目标是通过动态提供直观修复和瞬间决策来减少‘绿色参与者’的摩擦并增加‘红色参与者’的摩擦。” 更多关于 Everseen 的无缝购物。

3.人工智能在智能商店中的其他新兴用途：

• 优化布局和体验。领先的公司正在探索数字孪生和模拟如何为客户和员工创造更顺畅的体验。Lowe’s使用 AI 驱动的模拟和NVIDIA Omniverse来改善商店布局、优化商品陈列并提高员工工作效率。同样的技术帮助Kroger设计最佳的客户购物体验，包括快速简便的结账。

• 店内广告和促销活动。智能定位提供实时购物建议，可以通过追加销售和交叉销售的机会扩大购物车的规模。动态数字标牌，例如Cooler Screens提供的数字标牌，会自动更新以提供为每位购物者量身定制的促销活动，并创造与动态店内展示相关的额外收入机会。在这里查看更多。

传感器从数字冰箱屏幕捕获实时消费者数据和分析，这有助于零售商更好地了解购买模式，同时保护个人隐私。这张照片显示了购物者关注的地方的热图。

• 自主购物。顾客使用手机结账的智能“即买即走”商店正迅速流行起来。新方法包括支持人工智能的购物车、纳米商店、智能橱柜和完全自主的商店。包括AiFi和AWM在内的所有解决方案提供商都在寻求为客户提供更“顺畅”和更快捷的购物体验，从而提高零售商的收入和利润。

二、生成式 AI：针对真实和数字时尚的精准设计

DALL·E 和 ChatGPT 等生成式人工智能可用于根据客户反馈、销售和市场趋势以及其他数据为产品创建新设计。利用这些工具可以帮助零售商开发对买家更具吸引力并更符合市场需求的新产品。

Startup Fashable 率先使用生成式 AI 来创造可持续的时装设计，而无需面料。

不可持续的制造、未售出的库存和较长的生产周期是时尚界常见（且代价高昂）的问题。高端设计师可能需要数月或数年的时间来设计和制作一个系列，而“快时尚”品牌由于廉价的材料和劳动力，只用了一小部分时间和成本。但是，当服装产量上升而其生命周期下降时会发生什么？日益严重的垃圾填埋场问题。仅在美国，每年就有 216 亿磅纺织废料被丢弃。

因此，在软件工程和人工智能研发方面经验丰富的联合创始人的领导下，这家总部位于葡萄牙的初创公司在 2021 年设想了一种颠覆性的人工智能应用程序。它可以在几分钟内创建数十种原创且逼真的服装设计和时尚内容，而无需使用任何材料。联合创始人奥兰多·里巴斯·费尔南德斯 (Orlando Ribas Fernandes) 解释说，两人认为，智能的全数字化方法将帮助时装公司更好地满足客户需求、更快进入市场并减少面料和服装浪费。

1.轻松点击创建数字收藏

Fashable 团队在由 NVIDIA A100 Tensor Core GPU、Azure 机器学习（端到端机器学习生命周期的企业级服务）和开源机器学习框架 PyTorch 提供支持的 Azure AI 基础设施上创建了其 AI 算法。该系统让设计师可以在虚拟世界或现实世界中快速生成无穷无尽的时尚数字选择，例如下面的衬衫。   更多技术细节在这里。

Fashable AI 由不同的神经网络组成。它们从多个来源获取数据，以了解趋势、款式和服装类型。这些模型不断地学习“什么在里面”和“什么在外面”。很快，这些功能将支持实时共同创造时尚。例如，设计师可以在视觉上更改数字设计以缩短连衣裙的袖子或将图案从条纹更改为圆点。

只需单击一下，Fashable AI 就可以创建整个系列。设计师可以将他们的作品带到社交媒体上，直接与客户进行 A/B 测试，以便在投入生产之前衡量兴趣并预测需求。过去从设计到百货商店需要几个月的时间才能获得新系列，而现在有了 Fashable 只需几分钟——劳动力少得多，也没有猜测。

该公司的客户在各个生产阶段使用其人工智能技术：

• 创作 —— 从情绪板到迭代和最终分类（设计）
• 工业化—— 从分类到技术规格以及与工具的集成
• 内容创作 —— 从最终产品到零售内容，包括电子商务图像、编辑和销售未售出库存

该公司已进入元宇宙沉浸式商务领域。品牌现在可以使用 Fashable 开始为不同的数字世界创建系列。Fernandes 说：“如果没有人工智能，这个过程就会很慢并且需要大量劳动。” 最近与休闲奢侈品牌 Wrong Weather 的合作系列展示了 Fashable 的潜力。

2.颠覆时尚现状

如今，Fashable 自称是“时尚行业的深度技术”、“用于 AI 图像和内容生成的 ChatGPT”以及“用于 Metaverse 和物理时尚的最强大的生成 AI 工具包”。Fernandes 解释说，扩大的价值声明强调了设计师在两个世界中的好处：节省研究、设计和内容创作的资金，减少版权问题，并让用户能够专注于高价值的设计任务。

“随着社交媒体、虚拟世界和 Web3 的出现，时尚品牌对新内容的需求呈爆炸式增长，”费尔南德斯说。“新内容之战从未如此激烈。只有人工智能可以生成非常逼真的图像来解决这一需求。”

Fashable 比以往任何时候都更加相信人工智能的颠覆性力量。除了让今天的潮流远离明天的垃圾之外，他认为个性化和独特的服装设计是在物理和虚拟世界中取得商业成功的关键。“生成式人工智能，”他说，“将彻底改变时尚行业的现状。”

3.生成式人工智能的其他重要零售业应用：

推销和产品入职。生成式 AI 可以生成图像、音乐、字体、视频、3D 模型等用于广告和营销。自定义图像可以显示产品在不同设置下的外观。对于电子商务，生成式人工智能和计算机视觉可以根据产品图像创建产品描述、属性、元标签和目录。

服务聊天机器人和对话式 AI。对于客户和代理商，人工智能助手可以提供虚拟协助、语言翻译、订单状态、搜索、产品推荐、电子邮件和聊天回答。品牌头像正在提供一致的全渠道客户服务，无论是在自助服务亭、移动应用程序、电子商务还是在得来速。员工可以通过多种语言的语音、文本、视频和图像获得常见问题解答。

三、正确的基础设施对于零售 AI 至关重要

人工智能转型使用的大量机会也给零售商带来了新的挑战。

与其他行业一样，许多公司会发现他们缺乏开发和部署支持 AI 的应用程序所需的强大基础架构。这里的要求通常比传统计算要求更高，尤其是在模型尺寸大和复杂性高的情况下。需要为人工智能“专门构建”的优化、加速环境来提供实时速度、可预测性和准确性。

以下是零售专家所说的 AI 成功所需的条件：通过一个端到端应用程序支持多种模型的多功能性，从而提供所需的用户体验。高性能和可扩展性，可优化解决方案时间和部署成本。支持整个工作流程的端到端解决方案堆栈，包括数据准备、模型构建、培训和在 AI 支持的服务中部署。以及统一的堆栈，可在云端灵活训练并部署在商店和其他位置的边缘。

基于云的基础设施提供了一种方法来克服零售商面临的人工智能挑战。（每个问题的受访组织的百分比）图片来源：Frost & Sullivan

对于许多人来说，满足这些标准将意味着将 AI 添加到越来越多的转移到云端的关键工作负载列表中，作为一种无需大量资本成本即可获得高性能处理、服务器、网络、存储、开发平台和环境以及软件的方式。

Everseen 的 O’Herlihy 同意正确的基础设施是至关重要的。他表示，高性能的云环境在多个方面对其公司的 AI 成功至关重要。它支持在数千个地点进行扩展，轻松地将技术构建块从商店的一个部分“提升和转移”到另一个部分，并提供高性能，让人工智能模型理解移动场景，包括分析人类如何与物体互动，真实时间。

四、按需服务加速创新

Fashable 的 Fernandes 对此表示赞同。“我们经常讨论按需云基础设施和服务，以加速产品创新和建立竞争优势。与小团队一起“事半功倍”很重要，因此我们可以投资于我们的 IP，并利用 Azure 机器学习和 PyTorch 与 NVIDIA AI 平台来实现最先进的结果。这对于最大限度地减少前期投资和风险至关重要，这样我们的应用研究团队就可以失败并更快地适应。”

他说，一个相关的重要考虑因素是用于人工智能创新的数据。Fashable 选择使用内部工具构建自己的数据集，以“完全控制”其创新。但是，费尔南德斯承认，“构建 AI 创新的风险和成本可能过高，因此企业领导者可以通过使用现有环境和工具而不是‘重新发明轮子’来最大限度地减少这些风险和成本。” 

五、落后的风险： 1.7 万亿美元的新行业价值

今天的零售商生活在商业、消费者和技术转型的交叉点。约87% 的零售商计划在 2023 年增加对 AI/ML 的投资。然而研究人员表示，许多零售商尚未开始使用智能技术。落后者有可能错失1.7 万亿美元的商业价值，约占所有销售额的 12%，麦肯锡估计人工智能和分析可以为零售业带来这些价值。

对于许多经济学家和预测者来说，零售业是煤矿中的重要金丝雀。销售和投资不仅被视为该行业的关键指标，而且被视为整体经济的关键指标。如果是这样，那么零售业在多重逆风中利用 AI 进行创新和转型的蓬勃发展和新兴成功预示着远远超出了商店的范围。