每年一月中旬，零售业的重磅玩家们都会齐聚 NRF 零售大秀。作为世界上最大的零售展会，NRF 年度大会（NRF's Annual Convention & EXPO）已成功举办 109 届。这个旨在发现和探讨业内最新科技、机遇、实践的大会，如今被为称为“零售业大秀（Retail's BIG Show）”，也被认为是汇聚最新零售科技的“宝地”。

今年，NRF 2020 展会不仅迎来了来自 99 个国家超过 38000 位参会者和超过 16000 家零售企业，也迎来了微软 CEO Satya Nadella、百思买 CEO Corie Barry、星巴克 CEO Kevin Johnson 等跨行业重磅嘉宾。

世界最大的零售展会NRF2020现场

作为近年来零售科技的焦点之一，智慧零售科技备受关注。此次展会期间，作为新兴 AI 零售解决方案供应商，码隆科技不仅在现场对包括 RetailAI 资产保护在内的 AI 零售解决方案进行实地展示，也出现在了戴尔、微软、英伟达等知名公司的展台或者合作名单中。

掘金海外无人零售市场，码隆科技展示三大零售方案

码隆科技针对零售行业的解决方案

此次大会上，码隆科技主要展示了三大零售解决方案，其中包括专注于帮助零售商超明显减少货损的 RetailAI 资产保护解决方案；可高效提升用户体验的 RetailAI 智能货柜解决方案；以及大幅提高称重效率并有效控制货损的 RetailAI 智能称重解决方案。

概括来说，相比于近年来市面上的无人零售方案，这三款解决方案直接面对零售商的痛点，并有清晰的 ROI (投资回报率,Return on Investment)，国内外客户可规模化使用。

对于利润率并不可观的零售客户而言，如何获得最大的 ROI 一直是其主要关注点，在劳动力成本相对高昂的发达国家尤其如此，此前已经开始铺设的自助结算台即是重要措施之一。根据 P&S Intelligence 的第三方调查，由于不断提升的人力成本，以及为了不断优化消费者的购物体验，自助结算台全球市场在 2024 年将达到 7.1 亿美元，复合年均增长率达到 10.9%。

近年来，随着基于机器视觉的无人零售方案逐渐优化，出海也成了一个重要的选择。以无人零售为例，在海外已经是一个相对成熟的概念。根据 P&S Intelligence 的第三方调查，由于不断提升的人力成本，以及为了不断优化消费者的购物体验，自助结算台的全球市场规模在 2024 年将达到 7.1 亿美元，复合年均增长率达到 10.9%。

但与此同时，自助结算台也带来了新的痛点——货损。数据显示，仅在 2018 年美国零售商的货损就达到了 47 亿美元，其中自助结算环节中，一些顾客会出现漏扫商品及替换商品条码等非诚信行为，给零售企业带来货损。

码隆科技携RetailAI解决方案亮相NRF 2020

解决这一场景中出现的问题也成了码隆科技解决方案最为重要的切入点。部署 RetailAI 资产保护解决方案后，在保护顾客个人信息安全的情况下，自助结算台可实现准确检测结算环节中的错扫、漏扫现象并向店员发送提醒信息，有效挽回相应损失。

码隆科技告诉 36 氪，这一解决方案已规模落地于数十家世界五百强零售商超门店。在门店运营的实际数据显示，在商品 SKU 超过百万中的商超中，RetailAI 资产保护解决方案能够减少 80% 以上的结算扫码货损的行为。

基于同样的 AI 商品识别底层技术，码隆科技展示了 RetailAI 智能称重解决方案。通过加装一台普通摄像头，RetailAI 智能称重解决方案可将普通的自助蔬果秤改造为智能称重台，赋予其自动识别功能，并支持 300 多种品类的蔬菜、水果、干杂的识别，涵盖超过 100 万个 SKU，即使是商品装袋的情况下，也能保持高水准的识别准确，能够在帮助零售商更好地节约人力成本、保障资产安全的同时，为顾客提供更加流畅、高效、友好的自助称重体验。

码隆科技表示，基于深圳本地商超的数十万次的使用数据，该解决方案能够达到约 99% 的识别准确率；与传统自助蔬果秤相比，顾客对平均每件商品的称重所用时间降低了 60%以上—— 此前，平均称重流程花费时间在 15 秒，使用智能方案后平均使用时间降低到 5.5 秒；此前 65% 以上的顾客使用自助称重称需要店员协助，在使用 RetailAI 智能称重解决方案的门店将店员协助降到 10% 以下，并有持续降低趋势；同时，RetailAI 智能称重解决方案还能为零售商提供高效的消费者行为分析工具，并有效监控货损情况，使相应货损率降低 50%。

此外，码隆科技还展示了 RetailAI 智能货柜解决方案。这一方案能够以 AI 商品识别技术完成对传统货柜的智能化改造，实现“即拿即走，自动结算”的智能购物流程，并以更低的成本为消费者提供更优质的体验。目前码隆科技已和海尔达成深度合作进行量产，并已签约蒙牛、君乐宝、可口可乐等多家品牌商及运营商，并计划在 2020 年不断拓展点位和市场。

比拼智慧零售 ROI，码隆科技背靠五年技术积累

2019 年 2 月 12 日，德勤（Deloitte）发布《2019 全球零售力量》报告。报告显示，2017 财年（截至 2018 年 6 月的财政年度），全球 250 强零售商的收入共计 4.53 万亿美元，复合增长率为 5.7%，但复合净利润率从上一财年的 3.2%下降至 2.3%。

电商竞争分流销量，人力成本高企拉低利润，盗损难防增加损失，零售行业正面临内忧外患。以机器视觉为代表的人工智能技术，也被认为是有望改变线下零售处境的重要工具。

从商品识别起步，看重这样的机遇，2017 年码隆科技也逐渐将业务重点由多行业业务并行转向专注于商品识别应用落地，尤其聚焦零售行业。过去三年，通过持续迭代与优化，最终形成了目前的三大解决方案。事实上，自助结算机、无人售货柜、无人零售店这也是目前 AI 零售方案商主打的三大方向，而码隆科技的切入点既符合主流趋势，又有独到的聚焦落地的切入点。

对于零售客户而言，低成本丰富商品 SKU，保证商品识别准确率，是 AI 零售方案商用的基础。从结果来看，码隆科技的 RetailAI 智能货柜解决方案目前支持商家自助上新，只要在 APP 中按照要求对商品拍摄 22 张照片即可完成上新流程。此外，从商品识别的准确率上，则会以静态识别为主，结合动态识别，在保证低成本的前提下打造准确率 99% 可商用的识别引擎。这也成为了公司产品最为重要的竞争力之一。

之所以能实现这一点，与码隆科技过去几年的技术投入相关。举例来说，当前业内很多公司主要通过深度学习等算法进行商品识别，这就需要大量精准的标注数据。事实上，在零售行业，很多客户往往有大量的行业图像数据，但这些数据大多标注不一致，有些是没有标注的或者标注错误的。针对这类噪声数据，传统的深度学习算法需要花费大量资金和时间来清洗数据，同时人力成本也明显增加。

为此，码隆科技的技术团队团队摸索了一种针对含有噪声数据的训练策略，引入弱监督学习算法与课程学习算法，设计了新的算法策略，可以有效抑制错误标注的负面影响，具有更好的泛化能力。2017 年 7 月，当时首届由谷歌研究院、苏黎世联邦理工学院共同举办的 CVPR2017 大规模计算机视觉WebVision 挑战赛上，基于最新的“弱监督学习”研究成果，码隆科技的的识别正确率达到了 94.78%，与执行同样任务的人工识别率 94.0% - 94.9% 相当，且以明显优势领先于第二名。

落地海外市场，码隆科技牵手知名合作伙伴

作为历史上最为古老、传统的行业之一，零售行业已经形成相对完整的产业链与格局。作为新兴的 AI 技术商，要在商业上有更好的成果，往往还需搭上知名合作方的“快车”。

与知名合作伙伴合作，优势互补，一起推出高 ROI 的商用产品也是码隆科技的重要商业策略之一。比如，在智能零售柜方向，码隆科技与海尔、澳柯玛这样的柜机品牌商达成合作，一起推出智能冰柜解决方案，已有初步量产计划；在海外市场，码隆科技与全球最大的自助结算台与相应硬件生产商达成合作，一起打造并推广商家防货损相关的解决方案。

如今，巨头企业掌握了渠道资源，并搭建起成熟的软件服务平台、硬件服务系统。在更多的诸如零售这样的垂直细分领域，巨头企业的选择也成为新兴解决方案供应商成长的助推器。对于手握客户、渠道、资源的巨头而言，也会更加看重并挑选拥有更多针对行业的洞见和解决具体问题的能力的合作伙伴。

过去几年，码隆科技已与埃森哲、微软、英伟达、戴尔等知名企业达成合作伙伴关系。 2018 年 8 月，码隆科技获得埃森哲战略投资，并与埃森哲达成AI战略合作，成为埃森哲在华投资的第一家公司。借助埃森哲，码隆科技也将有机会作为解决方案的一部分，真正服务全球零售商。与戴尔合作，基于英伟达 EGX 平台打造在零售卖场、商超中实时运行端到端的机器学习 pipeline ，实现边缘计算部署，也将有助于在全球零售商中应用。而微软“金牌合作伙伴”的身份认证、英伟达 Inception Premier 升级加速计划的入选成功，也将帮助企业获得市场，尤其是海外市场的认可。

此次 NRF 2020零售大秀上，码隆科技也与合作伙伴携手亮相——参与戴尔展位展示，并在微软展位有品牌露出。此外，展会期间，码隆科技还与英伟达共同发表合作声明，携手将人工智能商品识别解决方案落地到更为广泛的市场。

每一次技术的变革，不仅意味着传统玩家的新机遇，也往往会催生出一批具有技术实力的初创公司。而随着科技巨头、零售厂商、初创公司的入局，智慧零售的普及率也逐步提高。2019 年 6 月，国际研究和咨询公司 IDC 对全球 400 家零售商的调研结果显示，28% 的零售商已经开始测试或采用无人结算技术，以此，人工智能资产保护解决方案有着极大的落地场景。而在未来，还有更多零售场景亟待技术赋能，转化落地。