文／王茜穎， 若水 Flow AI Blog 編輯團隊
【若水AI編輯團隊 為您導讀】
新型冠狀病毒 (COVID-19) 改變消費者生鮮的購買習慣，加速傳統超市自動化轉型的步伐，「未來超市」和「智慧零售」時代加速來臨！從銷售、採購、倉儲、配送、庫存管理到空間配置都因 AI 人工智慧全面升級。
因為有物流撿貨、送貨的需求，機器人加 AI 人工智慧將是未來的共同趨勢，但規模上呈現兩極化發展：偏遠的巨型自動化配送中心 V.S. 大隱隱於市的微配送中心，而後者在台灣已經隱然成形。
新型冠狀病毒疫情嚴重衝擊全球超市貨架！
因為社交隔離、恐慌消費，超市貨架被掃空，補貨無期，衛生紙一包難求，奶蛋肉每人限購2件，營業時間縮短，未開門就大排長龍，某些超市還推出「老人專屬購物時段」保障弱勢。
不只實體貨架遭受衝擊，線上超市亦被湧入的流量癱瘓。英國起家，全球最大的線上超市Ocado 的網路流量一度暴增百倍，網路安全系統的 AI 誤以為網站遭到 DoS 攻擊。為了因應搶購浪潮，Ocado 關閉行動 APP，暫停服務新顧客，推出「虛擬排隊制 (Virtual Queue)」才能登上官網，請求顧客與鄰居共享配送名額，但在 Ocado 官網被迫關閉一週的前幾個小時，線上仍有超過 9000 人在排隊，等待時間超過 2 小時。
「這種需求量前所未有，」Ocado 財務長鄧肯 • 塔頓-布朗（Duncan Tatton-Brown）說，Ocado 3月的銷售額較去年同期成長 20％，他們甚至做了最壞的打算——假使員工感染，必須隔離，必要時將徵召 Uber 駕駛上場。
沒有人確切知道疫情何時結束，但有一點毫無疑問：
超市業的樣貌和版圖將從此改寫
無論是因為不敢、不能出門或實體店面缺貨，大批被迫在線上購買生鮮的消費者將一試成主顧，逼著傳統超市加速數位轉型，不然就等死。
虎視眈眈的 Amazon 和沃爾瑪
其實早在疫情爆發前，傳統超市的日子就已經不好過。對內，成本提高、生產力下降、割喉定價導致超市的成長和利潤一路下滑。
過去 10 年，北美超市的銷售成長率僅 2％，淨利率在 1％～2％ 之間徘徊。對外，電商亞馬遜 (Amazon) 和量販店沃爾瑪 (Walmart) 兩大巨頭虎視眈眈。內外交迫，傳統超市仍多抱著且戰且走的心態，就算提供「線上」服務，骨子裡仍是由員工在貨架上手動揀貨，跟店裡顧客一起競爭貨架上的商品。
Amazon Fresh，即使提供線上服務，仍需員工手動揀貨
2017年亞馬遜 (Amazon) 斥資 137 億美元（約 4105 億台幣）買下高檔連鎖超市全食超市(Whole Foods)，攻破實體超市的地理護城河，數位轉型變成生存戰役，而這波疫情無疑讓戰況告急。正如美國知名智庫布魯金斯學會（Brookings Institution） 4月的報告預測：
任何與新型冠狀病毒相關的經濟衰退，都可能帶來自動化的高峰
全美最大的傳統連鎖超市克羅格 (Kroger)，選擇把未來壓在 Ocado 的「機器人大軍」、「蜂巢」自動化倉儲技術和 AI 上。2018年，克羅格以 59 億台幣買下Ocado 5%的股份，簽下 Ocado 全美獨家授權，並預計在全美興建 20 個自動配送中心。
其原型已經在東倫敦的艾利斯 (Erith) 日夜運轉。這裡是地球上最精密，自動化程度最高的配送中心之一，每周經手 65,000 個訂單，350 萬件物品。
當 AI 演算法比你我更清楚倉儲位置和最佳配送路徑
來看一下實際如何運作：
1100 台機器人以每秒 4 公尺的高速在數個足球場大的巨大鋼架上飛奔。機器人大軍是Ocado 與英國機器人公司 Tharsus 聯合設計的，貌似影印機，由內部的 4G 網絡控制，每個機器人每秒與系統通訊 10 次，系統每秒進行 300 萬次運算，求取最高效的揀貨方式和路徑，指揮軍隊分進合擊，以求在最短時間內攻克訂單。其每天產生 4TB 的數據，全都反饋到模擬系統中持續改善系統。
鋼架之下猶如一個直立的蜂巢，最多可疊 17 層箱子，儲藏 5500 種商品。演算法決定了商品的倉儲位置，根據存貨的周轉率和需求模式，將經常合購的熱門商品集中放在上層，冷門商品分散在下層。
一台機器人每小時可揀選 200 件商品，在停下時垂下爪子，抓取對應的箱子，收至腹內，再送到揀貨通道降至地面層進行人工包裝、裝上貨車準備出貨，從接單到出貨只須幾分鐘。在最後一哩，演算法按過去的配送數據和眾多即時數據，在 500 毫秒內從數兆種可能中選出最佳配送路徑。
AI 的觸手向下延伸到供應鏈。AI 持續監控各項商品的庫存水位，根據銷售歷史、季節、促銷、名人食譜等預測商品銷售成績，並考量商品生命週期最大化和可取得性後，自動向供應商下單。
AI 和機器學習讓消費過程更順暢
說是超市，其實 Ocado 更像是一家科技公司。
「我們運用 AI 和機器學習讓前端的消費過程更順暢，更少摩擦。我們也用它最佳化供應鏈，對 5 萬種商品進行商品銷售預測。我們將之廣泛運用在倉庫上，不管是操控或最佳化新型倉庫的上千台機器人，或是管理既有倉庫裡長達 30 公里的輸送帶上數千個箱子的移動，乃至最佳化倉庫的空間佈局……。」Ocado 科技長保羅·克拉克（Paul Clarke）接受顧問公司 Elixirr 專訪時說。
Ocado 旗下有 1800 多名軟體工程師和 600名硬體專家。他們最新的研發計畫SecondHands 是包裝和維修機器人，運用 3D 電腦視覺運算辨識出箱子裡每樣物品的最佳入手點，並用真空吸盤吸取、移至配送箱內，完全取代包裝人力。
在維修上，「沒有人會教它做什麼，它會運用認知能力觀察人類工程師的工作情況，藉以推斷在執行不同任務時如何和人類互動與合作，」克拉克說，他的夢想是建立一個無人配送中心。
單一種類的機器人和蜂巢的模組化設計，讓 Ocado 的系統極具彈性和經濟規模。它可以輕易地複製和擴充，並簡化機器人的生產與維修。2017 年底—亞馬遜併購全食超市 5 個月後— Ocado 開始將其平台和維修服務授權輸出給歐美亞澳四洲的超市，從賣生鮮雜貨搖身一變為賣超市解決方案。
機器人＋AI 打造微配送中心
可是，一個 Ocado 配送中心造價動輒 5500 萬美元（約合 16 億台幣）起跳，工期數年，並非每家超市都有足夠的銀彈和時間等待。
Albertsons、Stop & Shop、Sedano’s、Wakefern 等區域型生鮮超市轉而投向「微配送中心」（Micro-Fulfillment Center）。
微配送中心
同樣運用機器人和 AI，微配送中心的門檻顯然較低，規模小（約 140-560 坪，最多可倉儲15000種商品）、投資小（約 400 萬美元或 1.2 億台幣）、工期短（約 3-4 個月），藏身市井，既可貼近消費者，又能節省送貨成本，不僅可設在既有的超市內，美國財經雜誌《福布斯》（Forbes）甚至建議將這波疫情中倒閉的店家加以廢「地」利用。
簡單說，微配送中心麻雀雖小，五臟俱全，讓傳統地區型超市在荷包不大出血、不增加人事成本、不影響既有運作的前提下，就地數位升級，更快、更有效地處理線上訂單，提高生產力，擴大線上市場。
同時，獨立的微配送中心避開了線上和線下消費者的直接競爭，減少消費者下單，賣場卻沒貨，反要賠上更多時間和人力成本溝通換貨，又惹惱顧客的窘境。線上庫存系統亦有助於超市即時掌握庫存，AI 則捕捉、分析和預測消費趨勢，準確叫貨。
Takeoff Technologies 和 Fabric 是其中兩大佼佼者，去年他們分別拿到 2500 萬美元的 C輪融資和 1100 萬美元的 B 輪融資。Takeoff Technologies 在美國、加拿大和澳洲拿下多家超市訂單，其聯合創辦人、董事長兼執行長何塞·阿格里維爾（Jose Aguerrevere）表示自疫情爆發以來，訂單數量已「呈雙位數成長」。
AI 專家點評
吳定謙 / 聖約翰科技大學工業工程與管理系AI 業師、食品公司副總經理主導數位轉型、台灣人工智慧學校校友
在台灣土生土長，我從小就在菜市場、超市耳濡目染，研究所因為接觸 AI，也會寫演算法。「智慧零售」是我一直在研究和實踐的主題。也許會有人覺得，文中提到的 Ocado、Amazon都那麼「高大上」，怎麼學？
在我看來，這個案例提供兩個反思空間：
第 1, 你在台灣零售產業鏈中有何生存空間?
第 2, 因此，需要什麼樣的 AI 部署？
台灣疫情不若歐美來得嚴重，但對零售業已然造成不小衝擊，業者們都還在努力反應中。擺開疫情帶來的影響，台灣零售產業向來密集，不管線上、線下都與消費者距離很近。換言之，所需的不是巨大、艱深的倉儲配置或演算技術，反而是像文末提到大隱隱於市的「微配送中心」。台灣幾間電商都已開始布局，Momo 富邦媒成立的子公司「富昇物流」就有這個味道。
再加上台灣零售業高度競爭，如何運用AI及時取得客情，回過頭加快總部決策分析，或是優化購物體驗（數位支付工具、快速結帳），就變成台灣發展智慧零售的特點。
疫情期間，消費者幾波囤貨，幾個零售業種反而業績大爆發。不過老闆們可能在擔心，當台灣糧食自給率只有 3 成，大量仰賴進口，原物料斷貨怎麼辦？調送配達怎麼接？
這類問題 AI 也能幫忙，預測、配置出最佳化供應鏈模式，再串連回上面提到的「微配送中心」，這條路走下去，連帶著食品製造商也可能變成零售業。因為無法預測疫情開始與結束的時間點，基層農民及物流業者也肩負糧食供給重責，上下游如接力賽團結接力。
【推薦閱讀】
1, 【智慧零售個案】省錢同時做環保，這樣一舉兩得的事，全球知名人傢俱品牌IKEA做到了！這一路走來有什麼挑戰？ ➡️➡️ 請看 IKEA要用AI單挑退貨，從賠錢貨裡淘金！
2, 【智慧零售數據心法】在百貨、零售賣場、健身房…等涉及消費行為的經濟場域，安防監控用來監測人流與動線，以及消費者的年齡、性別、肢體行為等客情分析，以利精準行銷。這類數據在實際運用和機器學習階段，有哪些特點？➡️➡️ 全文 在此
圖片來源：Ocado、Fabric、Amazon fresh
