虽然电子商务吸引了大众的眼球，但是 IHL Group 开展的一项研究表明，在 2018 年，除了关掉的门店之外，大型连锁店计划多开 5,500 多个门店。

但是，即使传统商店继续蓬勃发展，零售竞争也变得比以往任何时候都剧烈。为了应对市场持续转型，许多商家正在努力效仿电子商务，使用数据来提高销售额和改善客户服务的方式。将云中的这些智能功能运用到门店需要收集、管理和分析数据的新方法。

具体地说，零售商需要可在边缘提供价值的深度学习解决方案，以在零售地点处理大量图像和数据­­。此类解决方案通常需要使用 CPU、GPU、FPGA 和其它处理器的异构混合，同时还要满足严格的能耗、空间、带宽和隐私要求。

根据上述要求，开发人员不断探索使用现有 API 和框架来最大限度地提高其零售解决方案的可移植性、灵活性和可扩展性的方法。开发人员还采用专为边缘应用而设计的新一代现成的人工智能硬件和软件。此类技术可简化并加速新解决方案的创建，使开发人员能够将人工智能和机器学习的强大功能应用到新环境。

即使在弹丸之地也能实现最高性能

零售人工智能解决方案必须产生、存储和管理超大量的数据，尤其是面向视频分析的解决方案。由于延迟、网络带宽、可靠性和安全性等问题，基于云的解决方案往往不可行。

零售需要的是既能提供巨大的计算能力、又需要相对较少能源的边缘解决方案。最重要的是，它的尺寸必须很小。英特尔^® 的最新发展支持可提供必需要求的解决方案。

UP Bridge the Gap 是 AAEON Europe 的一个品牌，它开发了在尖端硬件上运行的神经加速器系列。这些卡采用了英特尔^® Movidius^™ Myriad^™ X VPU，设计为在小型、低功耗的包装中处理计算机视觉和人工智能应用（图 1）。

例如，在 UP Squared AI Edge: Retail Suite”（一个专为现代商务设计的可快速部署的神经网络引擎）中使用这些卡。Retail Suite 预装了 AIM2 和 Cortexica 开发的软件，并支持 Caffe、TensorFlow 等框架和 OpenVINO 工具包。它配有：

• 一块基于英特尔凌动^® x7-E3950 4GB RAM 的 30x51mm UP Squared 板
• 一个英特尔 Movidius Myriad X 2485 VPU
• 64GB eMMC、WiFi (2T2R) 和蓝牙
• 一个 USB 3.0 摄像头，带 3.6 毫米镜头
• 预安装了 AIM2 的 Retail Suite 的 1 年订阅

Retail Suite 以开发人员套件形式提供，借助它的英特尔 Movidius Myriad X VPU，可提供与前代产品相比估计提升 10 倍的性能，使其成为边缘人工智能的功能强大的选件。（参见图 2。）

人工智能和机器学习帮助提高零售销售额

目标是让智能解决方案从用于执行人口统计、行为和情感分析的视频分析中提取见解。零售商可以轻松调出有关按月或按星期几的客户年龄或性别分布和客户情绪状态的数据。客户是开心还是迷惑不解？他们是将注意力集中在特定品牌上还是忽略它们？所有这些信息都可以帮助零售商提高其商店的销售额。

我们与在 AIM2 中负责数据科学和训练的机器学习工程师 Luca Ruzzola 谈论了这个解决方案。他解释说，Retail Suite 可在 “环境模式” 或 “品牌模式” 下启动。

在 “环境模式” 中，零售商可以获得客户分析的环境信息。“这个解决方案会使关键绩效指标 (KPI) 与特定环境关联，” Ruzzola 说道。“例如，环境可以是货架上的某个品牌、购物中心内某块场地的名称或某块场地的某个特定区域，如入口或出口。”

在 “品牌模式” 下，零售商可以在货架级别自动进行库存跟踪。Ruzzola 说：“这个解决方案使零售商能够提高效率。这包括库存检测和货架监控，确保品牌放置位置正确且数量合适。”

品牌曝光程度也可以衡量。“它会跟踪站在陈列在货架上的品牌产品前面的客户，以及客户如何与产品互动，” Ruzzola 说道。“它还使零售商既能跟踪和分析与产品互动的客户类型（包括其性别和年龄范围），又能确保遵守《一般数据保护条例 (GDPR)》。”

提到 GDPR，引出了对该解决方案的隐私设置的讨论。Ruzzola 解释说该解决方案不会传输任何视频流，并且设备上不会保存任何帧。

“视频处理通过使用神经同质标识 (Neural Homogeneous Identities, NHI) 创建面部特征实时进行。” Ruzzola 说道。NHI 使该解决方案能够自动检测和组织身份，而无需人工支持。

系统会对每个面部特征进行加密并存储在数据库中。“但是，创建面部特征的过程不能用于重新创建特定面部的图像，” Ruzzola 说道。

这种面部特征使零售商能够识别特定客户何时重新进入商店，而无需掌握客户的个人身份。这样一来，零售商既可以跟踪个人的购物习惯、年龄范围和性别，又可以确保隐私与安全。

Ruzzola 还介绍了其它面部特征使用案例，例如确保只有授权员工可以访问受限的存放区域或办公室。相关的使用案例是确认特定员工（例如保安）在特定时间出现在特定区域，并执行特定功能。

并非所有人工智能的作用都相同

我们的对话转到在这个领域中发展的其它公司。Ruzzola 解释说，Retail Suite 可以提供三个关键优势，因此有别于竞争产品。

第一个优势是这个解决方案的双模式系统使零售商能够捕获并分析环境数据和品牌互动数据。“没有任何其它解决方案能够在一个套件中同时处理这两个方面，” Ruzzola 说道。

第二个优势是低成本。“AAEON 硬件和英特尔堆栈实现低成本，” Ruzzola 说道。

第三个优势是这个解决方案可以提供标准 KPI 或原始数据。“标准 KPI 使得零售商不需要分析师就可以快速获得见解，” Ruzzola 说道，“或者他们也可以让分析师仔细检查原始数据以获得额外的见解。”

拉近与电子商务的距离

随着人工智能和机器学习技术越来越成熟，并且它们的成本越来越低，实体零售商也可以执行电商认为理所当然要进行的各种客户、品牌和产品分析。欣然把握此类机会的零售商不断深入了解顾客行为和偏好，以及哪些品牌比其它品牌更好。因此，零售商的竞争力更强，并转变成客户驱动型。