今年年初在美國拉斯維加斯舉行的全球最大消費電子展「CES 2024」，首次出現了專門展示邊緣AI（Edge AI）技術的展區，包含 Intel 等各大電腦製造廠，皆以「AI PC」來稱呼它，引起相當廣泛的討論。事實上，目前也有零售業者正積極導入邊緣 AI 來實現數位轉型。邊緣 AI 是什麼？為什麼零售業會需要它？
大幅降低能耗，邊緣 AI 預計將被大幅使用
與在雲端進行學習的雲端 AI 不同，邊緣 AI 的最大特色，就是直接設置在智慧型手機、相機等電子設備中，在沒有通過「雲端」數據中心的情況下，於設備內進行運算、處理。目前業界多期待能將邊緣 AI 應用在自動駕駛汽車和工業用機器人等領域。
尤其在 ESG 概念興起後，邊緣 AI 將更被看重。相比之下，雲端 AI 消耗大量電力，尤其隨著生成式 AI 的普及，雲端 AI 要計算的數據愈來愈繁雜，當有更多資料要傳輸時，電力消耗也將更甚以往，增加的二氧化碳排放量對自然環境的影響將更加嚴重。此外，目前雲端 AI 需大量使用 GPU，也讓其短缺、供不應求，使生成式 AI 的發展出現瓶頸。因此，無論從哪個角度來看，邊緣 AI 的角色都將日益吃重。
跟雲端 AI 相比，邊緣 AI 成本低且低延遲
目前無論在超市、藥局、便利商店，設置數位招牌的店家正在增加，但目前大多是採雲端 AI 系統，透過連上網路，去製作或管理螢幕上所顯示的內容。不過，最近可能也有消費者發現，有些品牌開始出現了配備 AI 相機的數位招牌，它能藉由辨識使用觸摸螢幕消費者的的特徵和行為，來推播不同的內容。這是邊緣 AI 進入零售業的第一步。
零售業導入邊緣 AI，其實有不少好處。過往在雲端 AI 的使用上，必須將可識別的個人訊息（如臉部）發送到設備外部的雲端伺服器去分析，但此舉在歐盟 GDPR（一般數據保護規則）上已明確判定為違法，而邊緣 AI 則無需發送這些訊息，在保護個人隱私方面較有優勢。
另外，在雲端 AI 中，由於店內的數位招牌必須傳送大量數據上雲，也就提高了通訊成本，設置分析的伺服器也會產生一筆額外的開銷；至於邊緣 AI ，則僅需將必要的數據發送到雲端，其他大多在設備內部處理好，大大降低通訊成本。除此之外，雲端 AI 傳輸過程的不穩定，可能讓數據呈現出現延遲，邊緣 AI 就能避免此問題，實現低延遲。
總的來看，從現場設備收集數據，再將大量數據上傳到雲端由 AI 進行分析，然後把結果傳回現場設備呈現，無論從成本或是隱私角度，都不太現實，因此邊緣 AI 在零售業的應用趨勢被認為將不可逆。
札幌藥局靠邊緣 AI 讓行銷更精準
日本目前較著名的邊緣 AI 應用案例，就是北海道連鎖藥局札幌藥妝設置的 AI 相機。過往安裝 AI 相機的費用各有不同，但平均每家店都需花費 30 萬到 40 萬日圓（約新台幣 6～8 萬），這還不包含通訊費用、用來解析影片的雲端伺服器的使用費等運行成本。相較之下，邊緣 AI 因為等於只安裝相機，降低導入成本，也大幅降低運作成本，讓無論是大品牌，或小市場的門市，都有能力負擔。幫札幌藥局設置超過 100 台 AI 相機的解方供應商 AWL 執行長北出宗治表示：「我們在擁有約 200 家店鋪的札幌藥妝，將成本控制在裝設雲端 AI 商店的一半以下，有滿滿的成就感。」
北出宗治指出，裝設 AI 相機「札幌藥局可藉其識別來店客戶的屬性、在數位招牌前的停留時間和觀看廣告的時間。分析這些數據將能優化商品陳列，並提升庫存管理效率。此外，將這些 AI 相機的數據與 POS 數據聯動後，也能將購買商品的行為分析可視化。」過去在線下商店的環境中，很難分析某商品為什麼熱銷或銷量不佳，但靠 AI 找出相關性後，就能讓行銷更精準。另一方面，AI 相機可即時分析來店客戶的性別、年齡等屬性，並結合當下的時間、天氣、溫度等因素，在店內的數位招牌上提供最適合的廣告，增加轉換率和來店的客單。
有了 AI 相機，札幌藥局還能將這些數位招牌廣告，銷售給合作品牌，包括健康食品、飲料製造商、日用品等各。有能量飲料藉由 AI 相機讓銷售量增加了 1.6 倍。如果邊緣 AI 投放的廣告，長期下來確實能增加銷售，則可以期待藥妝店未來在數位招牌上能賣廣告，成為除了店鋪銷售外，一項新收入的來源。
儲存空間有限、場地因素，成邊緣 AI 發展課題
邊緣 AI 雖看似好處不少，不過目前仍存在些許問題，其中一項就是「資料分析管理」。導入 AI 相機等邊緣設備後，雖然能取得數據，但畢竟儲存空間有限，且要將這些數據有效率地應用，還需要串接軟、硬體，並有能管理和營運它們的平台。因此，在傳統的邊緣 AI 中，大多數公司提供的都是從上游到下游一站式的解決方案，卻可能沒這麼專精。然而，隨著技術的成熟，各供應商的專業領域愈來愈明確，這樣一站式的商模也開始鬆動。
由於每家商店可以安裝攝像機的位置不同，且天花板和地板顏色可能有差異，都會導致人工 AI 攝像機的精度下降。因此供應商不能一個規格打天下，而是需要針對每家商店制定不同對策。AWL 認為，不要想用一個 AI 模型來完美處理一切，而是要讓其自動學習、修正，來適應不同環境，並研發出針對每家商店的專用模型。目前邊緣 AI 的供應商，主力多著重在對調整技術和重新學習流程等方面的研究和開發。
本文授權轉載：FC未來商務
