比Amazon Go辨識有效率!工研院攜手全家開智慧商店,商品拿起即進App購物車
比Amazon Go辨識有效率!工研院攜手全家開智慧商店,商品拿起即進App購物車

歷經約3年的研發,工研院運用AI(人工智慧)發展電腦視覺辨識,以及多重感測技術,正式推出全台首套自主研發的無人商店「易取智慧商店」。

同時,工研院與全家便利商店簽約合作,將於工研院光復院區建置智慧商店,並預計在今年年底進行試營運開幕,將台灣零售業的數位化進程,帶向下一個里程碑。

商品辨識準確率達99%,App自動結帳拿了就走

「易取智慧商店」的購物流程十分簡單。首先,消費者只要透過事先綁定好支付方式的手機App,掃描商店入口的QR code就能開啟閘門進入。

接著,系統能即時辨識消費者拿取的商品種類與數量,同步更新手機購物車資訊;若將商品放回貨架,商品即從購物車刪除。

全家 工研院 無人商店
工研院與全家攜手推出的新無人商店「易取智慧商店」,就位於工研院新竹光復院區內。
圖/ 蔣曜宇攝影
全家 工研院 無人商店
消費者只要拿取商品,系統就能即時辨識商品的種類與數量,並同步更新手機購物車資訊。若將商品放回貨架,商品即從購物車刪除。
圖/ 蔣曜宇攝影

最後,透過手機App掃描商店出口的QR code就能開啟閘門,手機購物車即自動完成結帳,不僅讓消費者免排隊、拿了就走,還能立即收到消費明細。

拿了就進入手機購物車、放回去就從購物車刪除的特色,讓工研院的這間易取智慧商店,在形式上更接近於Amazon Go的無人商店運作模式,而並非7-ELEVEN的無人商店(要求消費者另外將商品拿到結帳區、讓機器做辨識)。

在技術上,易取智慧商店結合了多項AI人工智慧與大數據的創新研發。

工研院巨量資訊科技中心執行長馮文生指出,智慧商店導入了鎖定消費者人流的「電腦視覺辨識」;貨架內結合攝影機、紅外線、重量感測的「多重感測技術」,以及判斷商品與消費者互動關係的「AI人工智慧動作識別」等多項技術。

工研院統計, 目前的商品取放辨識準確率大於99%、商品與人員的綁定準確率大於98%,整體正確率達98%以上。

馮文生強調,這套技術並非要取代傳統超商,而是針對特定場域展店,如小型封閉社區、一般超商不會進駐的偏遠地區等。此外,這套技術還能應用在賣場、量販、零售百貨、物流、倉儲領域。

只需1、2台電腦就能算帳,但冰品、小商品難上架

此外,馮文生也表示,易取智慧商店比起Amazon Go還多了一項優勢:Amazon Go的感應貨架主要只有影像及重量的辨識系統,但易取智慧商店另外在貨架上加裝了紅外線感測,可以想像為貨架前方的一道「光柵」,當消費者把手伸進去時,才會啟動系統開始運算。

「Amazon Go並沒有加裝這樣的啟動機制,所以他們的系統就是不斷在偵測狀態中,運算成本非常大。透過紅外線光柵,我們能省下許多運算成本,後台只需要一、兩台PC就可以負荷。」馮文生說。

不過,他也指出目前技術無法滿足的痛點。

舉例來說,假設有一批穿著相同的人一起進到商店裡,影像可能會辨識不出誰是誰;至於在商品方面,重量太小的商品如口香糖,現階段可能也不適合上架,因為重量愈小,重量感測器的精準度就需要更高,而成本也會更高。

馮文生 工研院
並非所有商品都適合上架。工研院巨資中心執行長馮文生表示,像冰品,就因為低溫會影響感測敏銳度,而難以上架。
圖/ 蔣曜宇攝影

「冰品也比較不合適。雖然我們有冷藏貨架,可以上架冷藏品,但如冰棒等冷凍冰品,在低溫下感測器的靈敏度恐怕有限。」馮文生說。

目前工研院這間易取智慧商店一次最多容納約6到10人,希望等到年底正式與全家合作、試營運後,最多可以一次容納20人。屆時進店所需的App,也將整合進全家既有App中。

解決勞力負擔與缺工痛點,易取智慧商店年底試營運

為何要推出這間易取智慧商店?

工研院總營運長余孝先指出,台灣正面臨高齡化社會,勞動人口逐漸下降,科技正可以減少在尋求人力上的負擔。

其次,實體商店長期面臨電商挑戰,電商營收比重也逐年上升。為抵抗電商的挑戰,便利商店提供的服務也愈來愈多角化。

但余孝先強調,電商能紀錄顧客商品挑選的足跡,實體店難以實現。但在易取智慧商店中,透過AI與物聯網的數據偵測,實體商店就有辦法做到這件事了。像是哪些商品消費者拿了後又放回去?消費者進店後大多走進那一條走道?這些數據統計後,都有機會提供店家進一步優化的建議。

值得注意的是,無論是工研院還是全家,都不強調易取智慧商店的「無人」性質。

「全家未來不會往無人店的方向發展,」全家總經理薛東都說,「但用新的設備機器減少人力使用是一大方向。」他表示,自己心底的藍圖和余孝先想像的超商未來很類似:未來可能一個店員就能管十間店,他可以每間店只去個半小時、一小時,做補貨上架等服務,其餘時間則能以無人商店模式繼續運作。

在「有人」與「無人」的狀態中切換的便利商店,可能就會是人們未來新的日常。

全家近年科技布局相當快速,2019年開設兩家科技店,提供商品辨識系統、電子標籤、自助結賬等智慧系統服務。他們今年更將投入35億元發展科技零售業,加速數位轉型,並 預計年底前要在100家門市裡導入150台智能咖啡機,同時再增設自助結賬機共55台。

全家 薛東都
全家近年來數位布局進展腳步快,總經理薛東都(右)表示,年底前全家預計要在100家門市裡導入150台智能咖啡機,同時再增設自助結賬機共55台。
圖/ 蔣曜宇攝影

「我們的門市內不會只有自助結賬,主要是在尖峰時段作分流、加速結帳速度。目前測試發現,尖峰時有30%的消費者會去使用自助結帳機。」薛東都說。

雖然易取智慧商店在年底試營運後,「正式導入的時機、如何與門市結合營運」仍在研擬階段,薛東都則認為,在後疫情時代,過去在台灣或中國遇到瓶頸的無人商店,又找到了新的機會。

對薛東都來說,零售產業就是這麼特別。「許多過去發現不可行的東西,突然就又可行了。消費者的需求不斷變化,除了得要掌握消費者行為變動的方向以外,更重要的是,你要隨時保持著想像力才行。」他說。

責任編輯:張庭銉

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓