海外线下零售AI应用进展与商业模式演变洞察

海外线下零售AI化路线概览

当前海外线下零售行业的AI应用主要围绕智能购物车、门店巡检机器人、SaaS平台、门店摄像头机器视觉以及APP端AI购物助手等方向展开。与传统互联网浪潮不同，此轮AI科技浪潮与终端场景直接关联，线下零售作为消费终端核心场景之一，成为物理AI与消费交汇的关键节点。尽管市场普遍预期AI在线下门店端的作用主要为提升效率、节约成本，但多项技术实践反馈显示，新技术有助于客单价或收入的提升，并有望衍生出新的商业模式。

B端：AI赋能门店运营与供应链效率

在B端应用方面，AI技术正深入门店购物、巡检及供应链管理全流程。Caper智能购物车作为物理AI购物端的落地方向，通过搭载多传感器融合系统，简化了生鲜称重、扫码结算等流程。其车载显示屏不仅提供个性化推荐，还开辟了广告业务等新收入来源，实现了从单纯工具向线下购物助手的转变。此外，智能巡检机器人如Simbe的Tally系列，能够自主识别货架缺货、标价错误等问题，显著提升货架有货率与价签准确率，同时释放员工工作效率。图像识别技术路线如GoSpotCheck，则通过手机拍照采集数据，形成“发现问题-及时调整”的业务闭环。

供应链层面，以RELEX为代表的SaaS系统已趋于成熟，通过自动化预测与决策，优化库存管理、需求规划及价格管理。该系统能捕捉最新需求波动，量化各类驱动因素影响，并在条件变化时提供即时价格更新建议，帮助零售商实现全链路供应链可视化与价值链持续优化。

C端：流量入口之争与技术路线选择

在C端入口方面，基础大模型的介入使得线下零售企业面临流量格局生变的挑战。零售公司需在“拥抱”与“封闭”之间做出选择。Walmart选择了拥抱策略，但通过在基础大模型与自身零售系统之间加入自研大模型Sparky，实现了流量与数据的沉淀。Sparky作为AI购物助手，依托Walmart强大的门店网络与供应链体系，提供商品决策、全模态交互及场景化采购等服务。数据显示，Sparky有效激活了用户购买需求，促成的商品交易总额显著增长，成为拉动线上线下销售的重要抓手。

相比之下，无人结算技术如Amazon的Just Walk Out及Trigo方案，虽在小场景门店有所落地，但在大场地、复杂SKU及密集客流场景下仍面临识别准确率等商业化障碍，全面铺开仍需时间。整体而言，随着技术演进与供给侧成熟，智能购物车、AI助手等应用将成为线下零售产业迭代的重要抓手，而能否带来实质性商业化贡献将是国内相关技术落地的核心考量。