通过对淘咖啡和Amazon go的对比分析，对该无人零售市场现状和未来的趋势走向有个更充分的了解和预知，以便做出更加准确的决策。而且，了解无人超市的发展现状和其底层技术的应用场景，才能更好地理解无人超市的价值并对未来的发展有个更好的预知。

1. 市场分析

1.1 背景

7月份，阿里巴巴无人超市“淘咖啡”亮相杭州，模式上，与Amazon go无人超市类似。消费者只需在进入商店时扫码并确认身份，挑选自己中意的产品装进购物袋，然后直接走出商店即可完成购买，无需排队，无需等待结账。

由于电商的快速发展，对传统零售业造成打击，不少大型卖场萎靡不振，业绩不断下滑。而便利店凭借着成本低和利润高等特点迅速发展，纯电商面临着送货的成本太高问题使得零售快速发展。零售线上线下互补开始成为一种趋势。目前，无人商店已成为全球零售业的新趋势，阿里巴巴淘咖啡、Amazon go、TakeGo、缤果盒子等无人零售也想雨后春笋般不断涌现。这是一次电商+便利店，以用户为中心，基于用户交易大数据，对线上+线下零售全渠道+体验的一次深度重构。

1.2 市场现状

1.2.1 无人零售投融资情况

（数据来源：中商产业研究院整理）

1.2.2 中国无人零售商店市场交易额及预测

无人零售商店凭借着解放人力和时间成本的优势，被各大电商平台认可。中商产业研究院《2017年中国无人零售市场调研报告》显示，目前由于无人零售商店产品技术尚未成熟，2017年中国无人零售商店交易规模将达到100亿元，随着人工智能识别技术的进一步发展，无人零售商店将成为下一个零售巨头，预计2020年中国无人零售商店将实现爆发式增长，交易规模将达到2500亿元，同比增长率超100%，达150%。

（数据来源：中商产业研究院整理）

1.2.3 用户规模预测

目前，中国无人零售商店市场正处于初步发展阶段，用户进入市场的条件尚不完备，2017年中国无人零售商店市场用户规模或达到0.05亿人，但随着互联网巨头纷纷布局，资本的逐渐入场，无人零售商店理念的渗透将逐渐上升，预计2018年中国无人零售商店用户规模将实现爆发式增长，用户规模达到0.15亿人，增长率为200%。

1.2.4 中国无人零售商店市场交易额及预测

无人零售商店凭借着解放人力和时间成本的优势，被各大电商平台认可。中商产业研究院《2017年中国无人零售市场调研报告》显示，目前由于无人零售商店产品技术尚未成熟，2017年中国无人零售商店交易规模将达到100亿元，随着人工智能识别技术的进一步发展，无人零售商店将成为下一个零售巨头，预计2020年中国无人零售商店将实现爆发式增长，交易规模将达到2500亿元，同比增长率超100%，达150%。

无论从市场规模和用户规模的增长趋势来说，都处于爆发前的筑底阶段，而且运营效率的提高，优越的用户体验势必对未来零售业有巨大的冲击。所以在无人零售领域开启新的战场已经势在必行。

2. 竞品分析

2.1 竞品选择

根据要求，本次选择的竞品为 阿里“淘咖啡”VS Amason go

2.2 基本信息

2.3 购物流程对比

2.4 核心场景对比

总结：Amazon是无人零售市场中中最早尝试的一家，并且亚马逊在无人商店技术方面和范围经济的成本控制上，都有很大的优势。Amazon Go采用的计算机视觉技术、传感器、图像分析和深度学习技术，和其开发无人驾驶汽车的一样。在应用于无人零售店时，只需针对性进行开发和优化而已，增加的研发成本相对较低。利用这些优势涉足线下庞大的零售市场，拓展用户场景和业务空间，成为无人零售实体店的龙头。但是当前，也是因为所应用的图像识别技术无法承担更加复杂的场景，在承载的人数上有些劣势。

相比Amazon，淘咖啡售卖的产品种类和可容纳的人数更多，多了一道结算门略微降低体验，但是相比来说有更高的抗风险能力。

2.5 核心技术对比

2.6 技术难点

2.6.1 无人零售的核心问题

打造无人零售商店最核心的是要解决“什么商品被谁怎么处理了”这个问题，需要处理的因素有5个：人、人的位置、商品、商品的位置、动作。

动作主要是通过商品与手或货架的状态来识别的，例如手进入或退出货架的手势、物品在手的状态识别拿取或放回商品。

商品识别主要是通过初始状态的选择，中间状态通过购物清单核对来缩小识别范围，降低难度，同时通过雇员保证初始状态不被破坏。

位置主要通过手机定位、传感器定位和图片定位，利用人体姿态识别可以很好的将动作定位到人。

对于超市而言，商品存在两种状态——卖掉或没卖掉；对货架而言，商品的状态是在或不在；对顾客而言，商品的状态是买或不买；对人的手而言，商品的状态是在手或不在手，进一步简化成拿起或放回。

它们的关系链如下：

那么如何表示或测量这两种状态呢？用相机和传感器都可以表示该状态。

（1）相机如何处理

在手进入货架拿取商品前和拿取商品后，对手拍摄 1 组图片，记为第一图片和第二图片，对货架拍摄 1 组图片，记为第三图片和第四图片。比较第一图片和第二图片的差异，此时需要利用到 CV 算法识别出肤色找到手，从而知道第一和第二图片手势的差异，识别握姿和舒展姿态，根据两个姿态在第一第二图片出现的顺序可以判断拿取还是放回。例如，第一图片是握姿，第二图片是舒展，即放回；第一图片是舒展，第二图片是握姿，即拿取。

随后利用肤色找到手后，再识别第一第二图片手边缘的色差识别商品是否在手，根据前后顺序可以判断拿取或放回。例如，第一图片手边缘色差较浅，表示没有商品，第二图片手边缘色差较深，表示有商品，即商品在手且是拿取过程。放回同理。

利用第三第四图片，对货架进行处理，同样可以判断拿取或放回。例如第四图片比第三图片多了一个或多个商品，那么就是放回；如果第四图片比第三图片少一个或多个商品就是拿取。

（2）传感器如何处理

对重力传感器来说，商品被拿取，商品减少，重量减少；商品被放回，商品增加，重量增加。所以重量数值变化可以表示拿取或放回。

对于红外来说，在特定地方，商品被放回，红外会被遮挡，商品被拿取，红外不会被遮挡。可以通过红外遮挡状态表示拿取或放回。

2.6.2 如何有效识别商品

商品的识别应该是难度最大的关键点之一。

在初始状态，特定品类的商品被放在特定位置，由相机和传感器侦测。对相机和传感器而言，它们只需优先识别少数且特定的商品类及数量。这个相对而言是简单的。即使图片无法识别，也可以根据重量识别和筛查。在品类摆放的时候可以选择易区分的品类摆放一起，所有被拿取的商品记录在顾客的购物清单里。

困难在中间状态。由于顾客放回会破坏初始状态，导致识别难度急剧上升。因为顾客可能放回任意商品，所以商品的识别范围又扩大到无法解决的情况。

先讨论放回后的最终状态，一般分成 2 种：放回正确或错误。

• 对于放回正确，识别难度在初始状态的水平。
• 对于放回错误，存在 3 种情况：放回错误但可识别；放回错误无法识别；放回错误且识别错误。

放回错误但可识别的情况是因为商品本身易通过图像和重量识别，此种情况较少。大多数情况是放回错误且无法识别或识别错误。放回错误且无法识别的情况可以给用户发送消息，让用户确认。识别错误的情况只能提高算法精度，同时调整判断极限值，将部分识别错误的情况向无法识别装换，同时及时通知雇员来整理回到初始状态。

一般而言拿取商品后放回的情况较多，且不放回正确的位置情况也不少，其中放回错误且无法识别或识别错误又占大多数，放回错误但可识别是少数。总的来说无法识别和误判比例不容忽视，甚至导致整个系统无法工作。

刚才说到，由于顾客放回商品，导致识别范围扩大到所有商品，这是可以部分解决的。因为商品的每次放回都是基于顾客的前 N 次拿取，他放回的商品必须是之前拿取的商品，所以优先识别顾客的购物清单即可，在这种情况下，识别难度又回到初始状态相当的水平。

2.6.3 如何知道动作发起者的身份？

将商品记录到动作的发起者身上是一件较为复杂的工程。

识别人大体通过 2 种方式：身体特征或附带物，例如人脸和手机。人脸识别的精度在室内还在可接受范围，几乎可以当做唯一标识。手机也是一个人的唯一标识，通过判断是谁的手机从而判断顾客是谁。

2.6.4 如何匹配顾客 ID 与商品 ID？

要匹配顾客和商品的 ID，首先要确定人和商品的定位。

关于人的定位，可以用到追踪系统。手机的 GPS、wifi、蓝牙也可以提供较准确丰富的位置信息。

关于商品的定位，红外、重量感应、相机、商品和货架初始的位置都是已知的，可以推测出来。例如，通过隔板，将同类商品分在不同的网格种，每个网格对应不同的红外或重量感应器，可以知道被拿取或放回商品的位置。

通过人和商品的位置匹配，连接了“什么商品”“被谁”两个因素。

因为成本和技术问题，位置精度是一个很大的问题，再加上这个定位人和商品位置的方案本身的缺陷，顾客和商品的匹配误差较大。例如，顾客 A 站在商品 A 前，顾客 B 站在商品 B 前，顾客 A 伸手去拿商品 B，这种情况系统是无法准确判断的。当然可以由顾客确认，但是这仅仅是无力的补救措施。

之前有人提到过 Amazon Go 可能利用多角度的完整的人体姿态识别来定位匹配人—动作—商品的关系。这种方法的关键是摄像头需要很好的视野和足够的摄像头。从宣传视频来看， Amazon Go 的货架设计使得最低层和中间层是无法获取足够好的视野，可能的解决方式是依靠对面货架和天花板的摄像头。Amazon Go 的货架构造非常重要，只要再提供一份货架结构图或者实物图就可以进一步推测实施方案。货架结构包括是否每层都有设想头，承载商品的承重面的形状及尺寸，特殊开口和螺丝位置等。

总结：

• 阿里淘咖啡：相比Amazon多了一道结算门，可以肯定的是当前一定使用RFID。至于有没有使用机器视觉技术，技术负责人多马在采访中表示，商品识别技术目前还比较敏感，涉及到专利申请，在文后的附件中添加了预测处当前可能应用的技术。在结算门方面提高了结算阻力，体验方面该项弱于亚马逊。但是此刻牺牲些体验提高最基本的风控这样的选择还是比较准确的。
• Amazon Go：是无人零售市场中最早尝试的一家，并且亚马逊在无人商店技术方面和范围经济的成本控制上，都有很大的优势。Amazon Go采用的计算机视觉技术、传感器、图像分析和深度学习技术，和其开发无人驾驶汽车的一样。在应用于无人零售店时，只需针对性进行开发和优化而已，增加的研发成本相对较低。但是在应用上，上文也有提及，视觉技术无法识别更加复杂的场景，这样无疑提高了风险。

3. 分析结论

3.1 战略分析

（以下为根据现有了解程度做出的个人预测）

阿里 —— 成为未来无人零售商业的方案提供商和技术支持者

人口红利期已过，互联网的线上用户不再爆发性增长，所以无人超市的目标不止是降低人力成本，更大的意义在于把“超市”这个高频场景的人群，变成互联网上的用户。

无人超市可以连接线上和线下各大环节与核心板块，如芝麻信用、生物识别等蚂蚁金服的各类IOT技术方案。如果能抢到大量线下场景，还可以抢回很多被微信抢走的小额支付场景。

阿里推出的“淘咖啡”无人零售店，我感觉可能更侧重的是一个无人零售的概念。通过淘咖啡的试点，不断完善系统解决方案和硬件设备的优化，逐渐成为未来无人零售商业的方案提供商和技术支持者。

另外，再配合着自己成熟的VR/AR技术，跟线下实体结合，真正实现线上线下的融通。这些都有可能成为阿里无人超市未来的发展方向。

Amazon go —— 规模化自己的无人零售实体店

亚马逊在无人商店技术方面和范围经济的成本控制上，有很大的优势。Amazon Go采用的计算机视觉技术、传感器、图像分析和深度学习技术，和其开发无人驾驶汽车的一样相同。在应用于无人零售店时，只需针对性进行开发和优化而已，增加的研发成本相对较低。另外，拥有自己完善的智能化物流系统，利用这些优势涉足线下庞大的零售市场，拓展用户场景和业务空间，可以成为无人零售实体店的龙头。

总之，随着新零售+无人概念逐渐被商家用户接受和认可，线上和线下相结合的形式是未来电商最可能发展的模式。再加上线上通过VR技术使用户足不出户体验真实逛街感觉，一方面能够使用户真切感受到商品细节和质量，另一方面模拟真实的逛街行为可以提升用户购物体验，刺激用户消费。未来通过移动端布局场景化体验将成为商家着力点。

3.2 盈利模式分析

3.3 成本分析

无人超市虽然表面上节省了导购和收银的人力成本，但是多了技术研发和移动支付的部署，以及必要的硬件设备和特别的装修，另外还有品牌营销、商品补货、整理货架、保洁等工作仍然需要人来做，换句话说，无人零售店并不是完全取代人工，只是降低了一部分人工成本。有个投资者做过测算缤果时光这样的无人商店假如有100万的货物，80万都是硬成本，只有5万是人工成本和租金。可见人工成本所占的比例。所以即使实现无人销售的成本，单个无人零售店难以普遍推广，需要形成一个规模效应才能迎来低成本时代。而且，在用户体验方面，上货速度影响顾客使用感受。

3.4 无人超市SWOT分析

（以下分析包含阿里和亚马逊的对比也有部分无人超市和传统零售的对比分析）

3.5 总结

虽然现在无人零售有着成本高、技术不全面、防盗系统不完善等方面的问题，但不可否认的是，自动化和智能化将会是未来零售业的发展趋势。在投入到实际的市场运营中可以暂时采用人工和智能双经营模式，提升用户体验和品牌影响力，逐渐过渡到无人的经营状态，同时结合线上的引导优势，使无人零售在未来的发展中能够实现良性循环，达到新零售的目的。

对于京东来说，拥有强大的智能物流体系，众多的用户群体，丰富的用户交易行为的积累再配合着东哥的百万便利店计划的布局，在未来有更多的想象空间。

另外一方面，在我看来，当今的无人超市，和支付宝微信不断加大无现金生活的推广，其本质上也预示着未来的金融世界，钱只是价值的载体，现金交换也是价值交换的手段，那么随着技术的发展，当我买一包烟的时候，衡量烟的价值+不是20元，而是“我给京东半小时的工作”=“一包烟给我带来的精神享受”=“一杯茶带来的惬意的感觉”，无人超市只是通向这条道路上的一个修路人。

4. 附：其他技术预测

【本段摘自36氪和知乎（编辑：早优夫斯基）原文链接：http://dwz.cn/6PWgDI】

因为有些技术淘咖啡将要申请专利，为了保密，技术总监没有详细说明，这里根据淘咖啡的场景，做出了部分可能应用的技术预测。

4.1骨骼分析

据了解，「淘咖啡」面积 200 平方米，内部压力测试结果显示，同时在店人数 50 人基本没问题。

蚂蚁金服的工程师介绍说，「淘咖啡」在物联网支付方案用的是多模态识别，即计算机视觉叠加传感器感应。

这两项技术方案运用的权重比例，蚂蚁方面没有透露。对此我试着做了一些猜想：

首先，多模态生物识别是指整合或融合两种及两种以上生物识别特征，利用多重生物识别技术的独特优势，这其中就包括了人脸、指纹、虹膜甚至是骨骼分析等方式。通过多种技术+数据分析，能够使认证和识别过程更加精准、安全。

而如果说计算机视觉技术用的权重更大，那么有可能是用了人脸识别+骨骼分析的技术。人脸识别大家都已经比较了解了，手机上也有不少应用都会用到，我们不妨看看为什么可能会有骨骼分析技术吧。

简单来说，骨骼分析就是在摄像头眼中，在超市里走过来走过去的，只是一堆堆骨头，骨头之间再怎么叠加、交叉，基本还是可以被识别出来哪根骨头是谁的，这对于保证多人同时在店购物的识别精准度，起到重要作用。

而之所以推测骨骼分析，不是现阶段较成熟的图像分割技术（即把捕捉对象的边缘分割出来，从而去识别对象的行为），是因为后者存在一个问题，就是当店里人数一多，摄像头就容易抓瞎：假如十几个人同时在抢购同一款商品；或者几个人手交叉着去拿各自想要的商品，对图像分割来说，非常容易出现混乱。

所以，假如「淘咖啡」能够同时允许 50 人在店内活动的话，图像分割技术确实不如骨骼分析来的靠谱，也许就是包括了人脸识别+骨骼分析这两种结合在一起的结果。

4.2 眼动追踪

在逛「淘咖啡」时，工人还在现场布置天花板上方的摄像头和传感器，根据摄像头数量和摆放位置，我推测「淘咖啡」店还叠加了眼动追踪系统。

「眼动追踪」可能会让一些人想起来当年在三星手机上，那个根据人眼动作来自动浏览手机内容的功能，不过当时那项技术实际使用效果并不如想象中美好，所以后来也在三星的机型中取消了这个功能。

但之所以推测「淘咖啡」会有这样的系统，是因为它可以捕捉两个维度的信息：

一是店内，包括店内的实时热力图：客人最喜欢走哪条路线，哪个货架的客流量最密集，哪个货架人流停留的时间最长，哪个货架比较冷清等等。

第二是用户，比如甜品货架前的客人男女比例如何，平均体型偏胖还是偏瘦；客人站在货架前，眼睛最习惯首先往哪里看（以推算出货架真正的黄金位置）。

实际上之所以这么推测，也是因为在物体识别领域，计算机视觉普遍被认为是识别人与商品的未来主流方向，我们曾经介绍过的 Amazon Go 就是一个典范。阿里在这个方向上显然也是很有想法，「淘咖啡」公测前不久，阿里宣布负责 Amazon Go 首席科学家任晓枫加盟，巧合中有必然。

4.3 深度决策算法

这主要是用在后台的数据回流和数据挖掘。这其实也是无人超市最大的意义所在，无论是 Amazon Go 还是蚂蚁金服，雇一堆身价很高的工程师来研发无人超市，可不只是让大家体验一把黑科技的酷炫感的。其背后最大的价值，在于回收、分析基本面数据（比如商场热力图）以及沉淀用户画像，以帮助线下实体店更高效、更精准地优化供应链以及货架的摆放。

比如，工作日和周末、各种小长假中，在最显眼的展架上该放什么商品；还能根据客人的平均身高来调整货架的高低。甚至还能做一些预测，比如看到什么样的产品放在偏僻的地方仍然会有不错的销量，那么就要进行相应调整，让大家更容易发现它们。

说到算法模型，对蚂蚁金服来说一直是比较擅长的。AI 在其各业务场景都起到底层技术支撑，如保险、理财、小额贷款、智能客服等等。这应该是之后会在「无人便利店」这样的场景下深挖的一部分内容。

4.4 多模态识别

刚才说了，除了计算机视觉，「淘咖啡」还叠加运用了传感器。在业界，大家都有一个基本的共识，单一维度的技术往往很难保证足够的安全性和足够好的体验感，所以，无论是物联网还是生物识别，只要想在商用场景落地，都会考虑叠加运用几种技术来进行交叉验证，也就是多模态识别。

Amazon Go 也是采用的计算机视觉＋传感器感应（可能还有＋生物识别）来降低误判率。因此，市场中有做物联网支付方案的公司强调说自己用的是纯计算机视觉，而实际上这对树立投资界以及公众对其进入商用的信心和安全感，并没有什么好处。

「淘咖啡」的客人在挑好东西后，要通过一个「支付门」才能出去。这个门每次只能一人进去，门里的各种摄像头和接收器要对人和商品做即时识别。

现场有人做了踢馆测试：几个商品横七竖八随意放在购物袋里；一些商品放在购物袋，一些放在书包里，一些拿在手上。最后都轻松通过并扣款无误，这似乎也说明，「淘咖啡」内不仅仅是计算机视觉技术这一种。

结合「支付门」里布置的摄像头以及感应接收器，我推断「淘咖啡」是混搭结合了 RFID 天线，你可以理解为是增强版 RFID，以扩大天线的覆盖范围，加强对商品位置的定位，减少误读。

另外值得注意的是，蚂蚁金服官方披露的技术方案中有生物识别，但从现场体验来看，人是不需要在摄像头前特地停留以配合识别的，所以估计这其中用了人脸＋体态＋体重等多维识别。

这个「支付门」是「淘咖啡」区别于其他无人超市的一个亮点，同时也是一个缺点，至少在现阶段来看。因为用户在经过这个门时，并不能真的「即拿即走」，还需要等五六秒左右才能出门。

据介绍这个等待的时间不是系统识别和自动划扣造成的，是滑动门造成的，根据行业标准规定，它的安全关门速度就得这样……好吧，所以这个门应该是个过渡阶段的版本。

以上，是根据体验以及询问之后，我们做出的一些猜想，虽然看起来可能离我们实际生活还有一段距离，但我们很欣喜的看到，从「无现金」再到「无人」的一系列变化，我们生活中的一些场景确实因为科技的进步在发生变化。

当然，「无人超市」要做到真正无人还是有距离的，至少在上货、运营维护甚至在商品数据库如何建立上都要投入人力来完成，并且被人不看好的另一个原因是如何能降低成本，尽量降低风险，这也都是我们这个社会对其发起的挑战，商业模式究竟如何落地，最终都是值得关注的。

虽说「无人超市」这样的事在长期以来一直是停留在愚人节科技玩笑里的存在，甚至在去年 Amazon 宣布 Amazon Go 后，仍有一部分声音认为它的噱头大过实际效果。但去年到今年不少朝这个方向努力的公司都有了进展，我想，待技术成熟落地之日，再来看现在，也许会有不一样的感受吧。

作者：郎诗文，葡萄学院产品经理，曾混迹于趣店、银客等金融领域，比特币5倍收益的高手，现负责在线教育公司的前后端产品设计。公众号：Geek未来实验室

本文由 @郎诗文 原创发布于人人都是产品经理。未经许可，禁止转载。