无人售货便利店行不行得通？这家公司准备用市场来检验

亚马逊于去年 12 月推出了线下无人售货便利店——Amazon Go，彻底颠覆了传统的购物体验。顾客们不再需要提着购物篮等待结账，只需拿起想要的东西，然后走出商店，就完成了一次轻松愉快的购物体验。虽然 Amazon Go 还是个 “半成品”，只向提交了申请的亚马逊内部员工开放使用，但却引起了行业内的热议，并且持续至今。

日前，《联商网》邀请到 11 位业内人士，围绕无人售货便利店展开了热烈的讨论。众多嘉宾看法不一，支持者认为无人售货便利店既为消费者省去了排队买单的麻烦，带来了更好的购物体验；又能为商家削减人力成本；虽然短期内由于技术原因可能无法大面积普及，但未来绝对是一大趋势。看衰者则认为，无人售货便利店技术尚不成熟，无法应对大人流量；同时技术、运营成本高昂，难以和普通便利店以及无人售货机竞争。此外，培养用户的消费习惯也需要时间，这将给无人售货便利店的推广带来一定阻碍。 

就在专家热议的同时，国内一家研究无人售货便利店的企业慢慢引起了人们的关注。6 月 25 日，在上海一场 "人工智能改变零售" 的高峰论坛上，主办方深兰科技联合芝麻信用及 NVIDIA，发布了三款无人智能店快猫 quiXmart。据雷锋网了解，quiXmart 采用 Take go 系统，应用了人工智能卷积神经网络、深度学习、机器视觉以及生物识别等人工智能领域前沿技术，实现了扫手进店、直接购物、拿了就走、无需结账的无人店全智能化操作。不同于还是 “半成品” 的 Amazon Go，quiXmart 已经正式进入了商用阶段。据悉娃哈哈和深兰科技已经签署 3 年 10 万台，10 年百万台的零售终端的合同。

那么这个比 Amazon Go 还抢先一步的 quiXmart 到底有多神奇呢？雷锋网采访到了深兰科技的创始人陈海波先生，向他了解了 quiXmart 无人售货便利店的技术细节以及他对无人售货便利店未来发展的看法。 

解决了哪些痛点？

任何一项技术的流行和推广，必定是因为它解决了人类的某种切实需求。那么无人售货便利店解决了哪些需求呢？陈海波先生认为，这个问题可以从两方面来解答。首先，对于利润原本就很微薄的零售商来说，日益高企的人力成本渐渐变得难以负担，而无人售货系统可以帮助零售商减弱对于人力的依赖，提升利润率。其次，对于消费者来说，如何才能最大限度地简化购物流程，同时又保证安全性呢？很多厂商都给出了自己的答案，但陈海波先生认为，这些答案都不够完美。

无人便利店目前主要有三种方案：

第一种是大家最熟悉的大型商超（比如天虹）里的自助结算系统。消费者选择好商品后，可以在自助收银台扫描商品自行结算。这种方案的缺陷在于难以核对和监管。如何才能保证消费者不会多拿少付呢？挑战人性显然不现实。

第二种是采用 RFID 芯片，此方案由来已久，技术上较为成熟，但成本较高。此外 RFID 芯片也存在雷雨天气和液体箱内感应困难等致命缺陷。

第三种方案是人工智能识别技术，亚马逊的 Amazon Go 便用到了这项技术。

不过陈海波先生认为，尽管 Amazon Go 看起来很惊艳，却仍然存在许多不足。首先，使用 Amazon Go 需要先下载 APP，获客成本高昂。企业必须烧钱补贴才能快速积累大量用户，如何维持客户黏性也值得深思，一旦企业不再提供补贴，用户就很可能会卸载 APP。很多企业都死在了这一步。未来随着无人售货便利店大面积推广，如果消费者每进一家便利店都要下载 APP，也很不切实际。

其次，消费者每次进店出店都要使用手机验证，用户体验并不出色。一旦用户忘带手机就无法进店购物。

陈海波先生认为，无论什么样的无人零售方案，都必须首先解决 C 端的用户体验问题，再来为 B 端客户削减人力成本。因为进不进店消费取决于消费者，没有消费者一切都是空谈。他认为，未来的无人售货应该去除一切媒介，消费者只需要凭借自己本身就能完成购物。即使消费者赤身裸体地走进商店，也能够成功买到商品。 

技术上如何实现？

要做到这一点，首先要解决身份识别问题。quiXmart 采用了生物识别技术：根据每位顾客手掌毛细血管的结构生成一串加密字符，这个字符就是用户的 “终生 ID”。陈海波先生指出，指纹识别、人脸识别等技术用到的都是外部生物特征，容易被获取，安全性较低。而皮下毛细血管属于内部生物特征，私密性更强。此外，皮下毛细血管识别的误识率也比其他生物识别技术更低，只有十亿分之三。这是因为皮下血管拥有更加丰富的生物特征点——约 500-600 个，而指纹的生物特征点只有十几个。

在无人售货便利店中，除了准确识别，还要持续跟踪消费者，分析消费者的行为。quiXmart 用到了卷积神经网络和机器视觉对消费者的体态进行分析。陈海波先生介绍，Amazon Go 在这个环节用到了人脸识别，但人脸容易被遮挡，消费者一弯腰，摄像头就可能拍不到人脸了，所以容易跟丢。体态识别则不存在这个问题，而且准确率也有保障，因为两个人的体型不可能完全融合。

除了识别消费者，商品的识别也是一大难点。机器视觉识别商品的难点在于去背景，对于机器视觉而言，无论商品还是背景都是像素，都需要去识别。假如一个商品放在传送带和静止的桌面上，识别起来会相对容易。但摆放在商店里，顾客走来走去，不断移动商品，店内的光线不断变化，这些都会影响到商品识别的准确性。

为此，深兰科技开发出了一套实时去背景的算法——除了手持商品的消费者和商品，其余背景一律虚化掉。假如你和朋友一起进店选购，你将手中的商品交给了你的朋友，在商品交接的一刹那，你也就成了背景被虚化掉了，以此来提高商品识别的准确性。

消费者选好商品之后接下来就是支付环节。quiXmart 无人售货商店划分了专门的结算区。一旦用户进入结算区，就默认客户已经决定购买商品，系统会自动发起扣款。至于用户以何种方式付款，则取决于用户首次注册时绑定的付款账号。据悉，quiXmart 目前已经支持支付宝、蚂蚁花呗、银联以及微信等多种付款方式。 

可应用于哪些场景？

陈海波先生指出，对无人售货系统需求最迫切的是小型便利店，因为这些便利店营业额通常较小，人力成本占比高，接近 30%。而大型商超由于营业额巨大，人力成本带来的影响相对较小，它们的主要痛点在于供应链和采购系统。此外，大型商超的消费者结构也较为复杂，包含许多老年人，他们对于无人结算系统这种新技术接受度较低。

据雷锋网 了解，深兰科技的无人售货便利店主要以中小型为主。小的智能门店主要针对一家三口，多人单批的应用场景，成本较低，硬件成本仅需 1-2 万。中型门店可达几十平米，能够应对数十人同时购物。

陈海波先生强调，虽然目前无人售货系统主要应用于人流量较小的场景，但未来引入大型商超也是有可能的。人流量增加对于系统的主要挑战在于需要更加强大的 GPU 运算能力。在 6 月 25 日的 "人工智能改变零售" 高峰论坛上，深兰科技与 Nvidia 达成了合作，未来 Nvidia 将为深兰科技定制用于大型零售店的企业级 GPU。

不过在无人零售 / 收银创业者陈维龙看来，无人售货便利店中用到的图像识别系统在小范围场景中——比如 10 平米，100 个商品品类，2 个用户——和高资本、技术投入下，准确率是可以接受的。但如果要进一步扩大，则将面临非常大的挑战，而这又是无人售货便利店的必经之路。因为即使不考虑商业化的种种因素，单从技术到应用角度，这种便利店也要达到 50 平米、300 个商品品类（而且不能是特定的）以上，才具有应用价值。

值得一提的是，为了保证 quiXmart 无人售货便利店系统的稳定性，在极端天气以及较差的网络环境下也能正常工作，其识别和运算工作都是在本地进行的。

陈维龙认为，本地化可能是必须的，因为这样的移动空间放在什么地方是无法控制的。网络状态很可能不靠谱，而计算量又那么大，如果放在云端，很大概率会无法使用。由于现在的新零售无人化的方案全都是硬件化的，将会延迟普及的速度，远不如移动互联网快。 

如何经营管理？

传统无人售卖机的一大缺陷在于，用户必须先付款才能接触商品。而 quiXmart 解决了 “开门” 的问题，用户可以打开门自由挑选，然后再付款，用户体验的提升预期将带来成交量的增加。

此外，与传统无人售卖机相比，quiXmart 智能门店去除了内部繁琐的机械结构，为商品腾出了更多空间。空间利用率的提升意味着补货频次和人工成本的压缩。因此，陈海波先生认为，无人售货便利店取代传统无人售卖机是 “没有问题的”。

对于外界提到的，商品有可能被恶意弄乱的问题，陈海波先生也提出了解决方案。他认为，未来 quiXmart 无人售货便利店可以接入芝麻信用评分。通过信用评分机制来规范消费者的行为。

无人售货便利店目前阶段到底可不可行仍然众说纷纭，但深兰科技已经准备用市场这块最好的试金石来检验 quiXmart 了。不管未来成功与否，深兰科技都是一家值得尊敬的企业，正如创业者陈维龙所说 “创新需要鼓励和宽容”，AI + 零售这条道路总要有人来探索。