2017年11月，德勤中國與中國連鎖經營協會曾經聯合發布了《中國零售企業數字化轉型成熟度評估》報告。報告顯示，中國零售企業在總分為5分的數字化成熟度評估中，平均得分只有2.9分。

當時，整個零售行業的數字化建設大多處于起步與實踐階段，距離“千人千面， 永遠在線”的智慧階段尚有很大差距。

然而，3年過去，中國零售企業的數字化轉型依然難言大功告成，一路上也面臨重重困難。

零售智能化，難在哪？

蘇寧零售技術研究院院長王俊杰指出，當今商業環境變化迅猛，四面八方的因素挑戰著零售企業，包括電商、直播、社區團購等不斷涌現的新事物，這一方面讓企業的組織能力深受考驗，另一方面也在沖擊線下零售“得地段者得一切”的定律。

另外，線上線下融合雖是老生常談的話題，但企業特點、基因、發展階段各異，并沒有放之四海而皆準的方法論，因此能將線上線下數據完整收集和利用起來，做成同一盤貨的企業實在鳳毛麟角。

如果說，作為行業觀察者，王俊杰看到了整個行業存在的宏觀問題，那么站在從業者的角度，英特爾中國物聯網事業部高級市場總監陸英潔則感受到了企業的切膚之痛。比如，因為門店的數字改造程度不夠，數字化觸點有限，顧客行為軌跡無法完全被記錄，企業的線上和線下數據不能打通，因此無法實現精準營銷，達到千人千面的營銷效果。

再比如，雖然不少零售企業引入了諸如自助盤點結賬、智能導購等技術，也在局部提高了人效或評效，但一個環節的數字化，實質上很難提高企業整體效率。因為一個服務員，可能不僅要給客戶結賬，還要做盤點，甚至幫客戶做導購。因此，唯有把所有環節和數據整合起來，用端到端的方式來幫助企業實現數字化和智能化，才能真正實現降本增效。

時至今日，零售企業的數字化轉型進展依然緩慢。之所以這樣，很重要的原因在于，技術上存在諸多難點。

難點一是基礎架構缺乏整合，導致門店設備復雜冗余難以管理。

過去幾年，零售業的數字化技術迭代迅猛，很多零售企業的數字化建設上馬倉促，缺乏全盤考慮，在較短時間內部署大量的系統和硬件設備，導致設備重疊冗余問題突出，反而增加了門店的管理復雜性和故障風險，進而推高運營成本。

第二個難點則是煙囪叢林，難以產生業務價值。

不少企業進行了數字化建設，擁有了很多應用，也積累了很多數據，但由于缺少通盤考慮，數字孤島現象或者煙囪叢林現象嚴重。因為數據難以打通共享，又導致客戶和會員數據不完整，進而帶來營銷不夠精準，難以帶來業務增長。

再有就是數據缺少統一性。

很多企業的數字化系統缺乏統一的架構和數據接口，后續想在系統上增加新的模塊或者系統間的數據對接，需要極大的工作量，更難以實現上下游企業間的對接和融合。

在陸英潔看來，要解決這些技術問題，零售企業需要一套整合的邊緣協同基礎架構來部署應用，進而融合各種設備和應用的數據，同時給未來的新應用提供兼容性、擴展性和持續創新的基礎。

邊緣計算如何改造零售業 

眾所周知，零售是一個商品SKU極多、標準化低、復雜性高，消費高頻且快速的場景。零售企業訂單金額不大，但訂單量大、即時性突出，尤其是客流量高峰時，這些特征就更加明顯了。這就意味著，零售業態的數字化轉型需要能夠勝任這種實時數據處理。

在計算領域，我們常常聽到邊緣協同、云計算這2個概念。過去十年，云計算發展迅猛，成就了亞馬遜AWS、微軟Azure、阿里云等巨頭，但隨著5G、物聯網、人工智能等技術滲透到各行各業，邊緣計算也迎來了爆發式增長。

云計算是一種利用互聯網實現隨時隨地、按需、便捷地使用共享計算設施、存儲設備、應用程序等資源的計算模式。而邊緣計算則指的是靠近物或數據源頭一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供服務的計算模式。

如果說云計算是集中式大數據處理，那么邊緣計算可以理解為邊緣式大數據處理。

用章魚做比喻可能更形象。章魚有5億個神經元，其中3億個不在大腦里，而在觸手上。每個觸手都有獨立的神經系統，觸手與觸手之間可以繞過大腦直接交流，大腦完全不知情。邊緣計算就相當于章魚的觸手，部分終端數據不經過云端（大腦），直接在分布式的邊緣芯片里處理。

而具體落到智慧零售行業，邊緣計算價值連城，優勢獨特且明顯。

因為是直接通過安裝在物聯網設備上的邊緣計算芯片，對終端設備收集的數據進行處理和分析，而無需將數據經過漫長的路徑“上云”再返回，因此，邊緣計算一方面能更敏捷高效地滿足零售企業對實時業務處理、優化及存儲的高效率需求，另外一方面也大大減輕了高并發需求帶來的云端數據處理壓力，從而能夠大幅提高零售企業日常運營效率、減輕人力消耗。

基于上述技術問題，英特爾與合作伙伴一道制定出了邊緣協同的解決方案，解決零售企業的主要痛點。

眾所周知，結賬區域是人員最密集、業務最繁忙的區域，因此對零售業務的效率提高、消費體驗優化來說至關重要。

英特爾與合作伙伴一同利用數字化創新技術，通過在POS系統中融入機器視覺、物體識別等人工智能技術，滿足刷臉支付、商品自動識別，甚至非標商品計價等需求，打造了一個智能化、高效的結賬流程，節省了人力成本，也減少了消費者排隊時間。

比如，烘培店是一個重要的細分零售業務形態，作為一個典型的人員密集型場景，烘培店的收銀結賬面臨著很多需求。例如，由于消費者需求的多樣化和烘焙產品的異質性，大多數烘焙店的食品沒有辦法實現統一的外包裝和價格，傳統的RFID/條形碼自動收銀解決方案難以滿足烘焙店的應用需求。因此，英特爾與中科英泰聯合開發出了烘焙自助服務終端。這個是一款集商品視覺識別、計費、自助掃碼結賬為一體的終端，用戶可自主掃描與結算。

該終端通過云邊協作完成。烘焙店推出新品后，先采集商品視覺數據，“上云”標注訓練模型。隨后，模型被下發到終端，便于系統識別商品。提升了收銀效率，客流高峰期排隊情況明顯緩解，改善了消費者體驗，同時也節省了人力成本，提高了烘焙店的人效和坪效。

另外，零售行業也SKU多、商品總量大的特點，還導致零售企業每年光用在商品盤點上的人力和時間成本不計其數。

針對這一痛點，英特爾與合作伙伴生產出了基于RFID技術的盤點機器人。過去，同一批商品，運動用品零售商迪卡儂門店需要6到7個人花費2天才能盤點完。但如今，只需要1個機器人花費2個小時就可以完成了，而且盤點的準確率從原來的86%提升到了超過99%。與此同時，盤點準確率的提升，還能反向引導供應鏈，幫助門店增加了3.44%銷量。

在構建智能化場景和基礎設施過程中，英特爾從以下幾個維度幫助客戶降本增效。

第一個是整合。舉個例子，英特爾與深圳市零售智能信息化行業協會以及吉方工控、愛寶等合作伙伴推動其余POS的負載整合，將POS從原先的單一設備變成平臺，可集成視頻監控、商品管理、庫存管理、采購管理等應用，進而形成一體化的門店數字化解決方案，降低了零售系統的構建成本和復雜性，提升IT運營效率，同時為客戶提供更便捷的購物體驗。

第二個是兼容現有應用和設備。英特爾邊緣計算讓零售企業的數字化系統可支持Linux、Windows、安卓等跨操作系統的整合，同時也可用虛擬化技術協助支持應用。比如與合作伙伴一起開發利用店鋪內原有的攝像頭，再加上智能邊緣服務器的方案，為傳統的攝像頭增加智能識別的能力，幫助客戶降低成本。

相比傳統的以人工為代表的市場調研、用戶獲取方式，數字化和智能化手段優勢明顯。它為零售企業帶來的不光是精準的用戶洞察與觸達能力，還包括需求的提前預測與響應等能力。有了數字化和智能化技術，零售企業的經營才可以不再受物理空間的限制，盡可能將邊界拓寬，與此同時經營決策也不再是單純依靠經驗，而變得更加理性、精準和務實。

而構建這種能力的基礎是以數據為中心的基礎設施，其中不僅包括云，也包括邊緣計算和物聯網終端。

結語

改革開放40年后，中國人口紅利基本消失殆盡，城鎮化進程逐漸放緩，租金成本、用工成本高企，與此同時，資源和能源對外依存度高，經濟增長亟待轉型。

再加上疫情的影響，國際局勢的不確定性，中國將新基建上升到了前所未有的戰略高度。

其實，過去幾年，人工智能、物聯網、大數據、5G、云計算、邊緣計算等技術就已經明顯加快了與制造、教育、零售等傳統行業的融合。如今，有了國家指引，這些新技術又進一步加深了在千行百業的滲透改造。

從制造到教育，再到零售等等行業，以英特爾為代表的高科技企業，在發揮自身技術優勢的同時，也參與到了這股浪潮之中，為這些行業的數字化、智能化升級，踩下一腳腳油門。