边缘人工智能

我们都有过这样的经历：手中拿着两件商品，然而却眼看着要在收银台前等待二十分钟。（还好已经没有人用支票付款了。）为什么科技进步如此快，但超市里仍旧有排不完的队呢！没有更好的办法了吗？可能有。而且，事实证明，除了排队管理，它还能解决商店里的其他问题。

零售业格局在最近几年里发生了巨大变化：客户预期不断发生变化，因此解决痛点的工具和科技也朝着智能、富有意义的方向发展，其中很多都涉及 AI。现在，AI 带来了许多机会与优势，但是许多零售商并没有基础，或没有开发团队来开发这些 AI 解决方案，尽管他们知道自己想要利用 AI 达成什么目标。

幸运的是，他们有专业实施的完整生态系统可依赖。英特尔 AI 软件架构师兼 AI 宣传员 Ria Cheruvu 和 Pathr.ai（零售空间智能解决方案提供商） 产品营销与运营高级经理 Nicole O’Keefe 今天便要讲述如何开发真正有价值的 AI 零售解决方案（视频 1）。

零售商目前面临的最大挑战是什么？

Nicole O‘Keefe：顾客想要流畅的结账体验——队伍短，等待时间短。如果在结账时需要排长队，他们可能会觉得沮丧，甚至可能会直接放弃购物离开商店。这是零售商最不想见到的，放弃购物不仅损失了销售额，还会影响顾客的忠诚度。他们还担心劳动力短缺和劳动力成本上升。

这些方方面面都是当下零售业面临的挑战。零售商因此尤其需要为顾客创造高效的结账体验。

那么 AI 如何解决这些痛点呢？

Ria Cheruvu：人工智能在集成多个解决方案、开发智能排队管理模型、自动自助结账方面可以发挥作用。它可以提供对顾客体验的理解，并将其集成到一个系统中，为多家商店、多个客户提供宝贵洞察。我们看到 AI 也可帮助扩展该流程，并将所有功能整合到一起。

开发人员如何成功构建和实施 AI 零售解决方案？

Ria Cheruvu：这项工作挑战性十足，不仅因为模型的技术限制，还因为想要实现的用例类型。想象一下，如果 AI 能够统计货架上的商品数量，或者识别被将拿起放到购物篮中的商品。它可以集成到智能购物车、智能货架或智能机器人等产品中。实际上，很多时候我们可以利用现成的模型，或者利用技术训练和构建自己的模型，灵活性很高。

然后需要引入隐私和安全等元素。如何将它们融入算法中，我认为需要经过严格讨论，无论是遮住顾客面部或对他们购买的商品进行隐私保密，也就是对他们进行匿名处理，同时仍保证可以提取继续改进算法所需的洞察。

但是随着 AI 技术的不断涌现、不断改进，零售领域的相关讨论变得原来越容易。

Nicole O’Keefe：Pathr.ai 的口号是：你可以从一个点中学到很多东西。每个在平面上移动的购物者都是一个点，没有任何个人身份信息。零售商可以真正利用这些保护隐私的洞察，以不偏颇的方式作出商业决策。

您如何与零售商合作实施这些 AI 解决方案？

Nicole O‘Keefe：我们能够实施 AI 的方法之一是通过空间智能，也就是人们在实体商店中的移动轨迹和行为。借助零售商现有的摄像头基础设施，我们可以在整个商店中提供洞察，特别是在收银台附近了解队伍排队长短及排队时间，并在总体上了解商店的运营情况。这些操作的目标是让超市像一台润滑良好的机器一样运行，尽可能为客户提供舒心愉快的体验。

零售商还希望降低运营成本并提高运营效率，他们也可以以数据驱动的方式利用这些洞察。可能是更有效地分配资源，或者减少不必要的员工成本。他们可以了解一天内收银台的使用数量，如果使用频率过低，那么便可以将这个空间变为销售空间，然后在这个区域放置更多商品。

英特尔是如何让这些应用成为可能的？

Ria Cheruvu：我们在英特尔的团队不仅热衷构建技术，也擅长为 Pathr.ai 这样的合作伙伴提供基础，让这些技术得到进一步应用和创新。我们采用的其中一个方法是 OpenVINO^™ 工具套件，它能够为构建和部署 AI 模型提供多种不同的优化和选项。

我还要向合作伙伴推荐 OpenVINO 笔记本 GitHub 存储库，其中包含海量有关如何开始使用 OpenVINO 以及如何构建这些应用的信息。我们设计这些参考套件、教程和笔记本，是为了让合作伙伴都能够使用、运行，并看到成果。他们可以将它作为灵感或基础，查找到更多模型并用到自己的用例中、部署到自己的边缘设备中，并尝试其他应用或创新。

我们也密切关注端到端堆栈，以及英特尔硬件如何帮助加速这些管道和诸如此类用例的大型计算需求，特别是规模化地加速。

从 Pathr.ai 的角度来看，英特尔的合作伙伴关系意味着什么？

Nicole O’Keefe：Pathr 目前在零售领域大规模部署空间智能，英特尔是我们的重要合作伙伴。我们的计算机视觉采用了基于英特尔^® CPU 的边缘服务器以及 OpenVINO。我们可以经济高效地规模化部署队伍洞察，英特尔从一开始便致力于帮助我们实现目标。

如何在全店推广 AI 的成功用例？

Ria Cheruvu：我们有多种方法在现有管道上进行构建。我们看到了许多非常流行、强大的对象检测和分类模型，但我想说它不止于此。还有许多其他模型，例如姿势识别和活动识别，让我们可以更好地理解人们在商店中的活动轨迹，他们做了什么，更丰富了我们的洞察。

此外，我们需要思考对这些 AI 模型的预处理和后处理。比如，一旦有了检测结果，我们要提取哪些信息，哪些属性和特定特征类型等。从这些模型中我们还能总结出哪些趋势？

宏观来看，能够将这些模型整合为管道的一部分就更有意义：不论是在多摄像头场景中认证输出还是将每个管道的输出添加到仪表板中以轻松实现可视化。

您认为这个领域的发展方向是什么？

Nicole O’Keefe：这是零售领域 AI 最令人激动的事情之一 – 思考未来的发展方向。顾客总是希望在购物时享受无缝体验。但对于零售商来说，他们将专注于优化商店运营。看起来像是借助实时警报和理解实时场景来降低用工成本：什么时候该打开或关闭结账柜台？然后根据这些信息做出真正由数据驱动的决策。如果不需要使用收银台，那么也许可以将员工分配到商店的其他区域。

Ria 之前提到的另一个有趣的趋势是自助结账。许多零售商现在都在传统的人工收银方式外增加了自助结账的选项。Pathr.ai 能够帮助零售商了解员工结账和自助结账的洞察，方便他们了解两者之间的不同表现。

零售业的 AI 未来发展方向是什么，对于开发者和零售业者来说又意味着什么呢？

Ria Cheruvu：当开发者将模型和算法（如 YOLOv8）用于对象检测和分类时，他们是从宏观角度考虑的。他们越来越清楚自己的解决方案是否适用于真实世界环境，因为会出现各类挑战和痛点，无论 AI 模型有多高效和强大，它们仍旧容易出错。

对于英特尔和我们的团队对空间智能和零售领域的展望，我们将使用现有类型的算法，持续优化、加速，并创造新的类型。我们看到 AI 带来了很多体验方面的改变，我们也将带着所有人慢慢习惯将技术融入环境的世界。

我想说的最后一点有关 AI 领域中的女性、所有的女性开发者和推动各个领域的女性领导者，她们也将继续努力前行。有了这些参考套件的普及化，还有可即插即用的实施方案，我觉得这是开始在这个领域中推进工作的巨大动力。我们也希望在 AI 领域能看到更多这样的东西。

Nicole O’Keefe：消费者行为正在迅速发生改变，那些只作为旁观者的零售商将远远落在后面。现在是借助数据采取行动的时候了。能够保持领先地位的方法之一就是借助 Pathr 和英特尔的空间智能技术。我觉得这是一个完美的组合。

相关内容

要了解更多有关开发零售技术的信息，请参阅《零售技术的未来是空间智能》，收听借助 AI 支持的队伍管理简化零售结账流程，并加入 GitHub 上关于 OpenVINO^™ 的讨论分享您的经验。要了解英特尔和 Pathr.ai 的创新动态，请关注 Twitter 账号 @intel 和 @pathr_ai，以及 LinkedIn 账号 Intel Corporation 和 Pathr.ai。
 

本文由文案编辑 Erin Noble 编辑。