一、B端：AI赋能门店运营与供应链
1.1 门店购物：CaperAI智能购物车
- Caper智能购物车已覆盖美国15个州、超100座城市，并在澳大利亚Coles超市、英国莫里森超市落地，预计26年全年部署量同比增长200%。
- 购物车搭载摄像头、电子秤、室内定位模块、环境摄像头和英伟达Jetson边缘算力板，实现多传感器融合的物理AI系统。
- 购物流程简化，包括生鲜称重、扫码结算、车载屏显示产品信息等。
- 对商超运营的影响：提升客单价和复购频次，开辟广告收入来源。
1.2 门店巡检
- Simbe智能巡检机器人：自主穿行门店，识别缺货、标价错误、商品错放等问题，已落地10个国家，近60家零售企业。
- 效果：98%货架有货率，价签准确率提升90%，每周节省门店团队50小时以上。
- Form GoSpotCheck图像识别系统：通过手机拍照自动采集商品SKU数据，生成数据看板并指导业务员调整陈列。
- 效果：提升货架有货率、员工工作效率，形成“发现问题-及时调整”闭环。
1.3 供应链：RELEXAI解决方案
- RELEX提供AI一体化决策与自动化平台，赋能供应链、商品管理、门店运营。
- 库存管理：每日自动更新预测结果与采购建议，提升库存管理效率。
- 需求规划：量化需求驱动因素，提升预测精准度。
- 价格管理：实时分析竞争、需求或成本变化，提供价格更新建议。
- 案例：与澳洲母婴零售巨头BabyBunting合作，门店现货率提升至94%，同店库存总值下降8%。
1.4 门店摄像头
- Amazon的JustWalkOut、Trigo、AiFi等公司提供成熟方案，主要用于防损防盗和无感购物。
- Trigo无感购物仍在欧洲主流商超小范围试点，Amazon的JustWalkOut主要应用于小场景门店。
- 大场景商业化仍需时间，因高度依赖门店摄像头，对小规格及复杂SKU识别不准确，密集客流出错率高。
二、C端：入口之争，面临技术路线选择
- 线下零售公司面临基础大模型带来的流量分流挑战，选择拥抱或封闭。
- Walmart拥抱大模型：用户通过GPT、Gemini等基础大模型访问Walmart时，调用自研大模型Sparky进行底层操作。
- Sparky功能：商品决策、全模态交互、智能搜索与比价、场景化整单采购等。
- Walmart生态体系支持：强大门店布局和供应链，超过90%美国家庭居住在距离门店10英里范围内。
- Sparky进展：APP用户约50%使用过Sparky，交互客单价比普通用户高出35%，周活跃用户环比增长超110%，促成的商品交易总额（GMV）涨幅超150%。
投资建议
- 关注两条主线：
- 产品与解决方案提供商：海外如Amazon、Walmart、MAPLEBEAR；国内如汉朔科技、多点数智。
- 线下零售落地的场景方：国内如永辉超市、家家悦、重百集团等。
- 投资节奏：当前国内该领域仍处于早期，市场形成共识需门店技术小范围试点直至大规模铺开应用，且AI应用对收入和利润有明显提振。
风险提示
- 门店经营不及预期的风险。
- 技术落地不及预期的风险。
- 研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险。
