当前位置: 首页 > news >正文

MWC 2025 | 移远通信推出AI智能无人零售解决方案,以“动态视觉+边缘计算”引领智能零售新潮流

在无人零售市场蓬勃发展的浪潮中,自动售货机正经历着从传统机械式操作向AI视觉技术的重大跨越。

移远通信作为全球领先的物联网整体解决方案供应商,精准把握行业趋势,在2025世界移动通信大会(MWC)上宣布推出全新AI智能无人零售解决方案,凭借 “动态视觉+边缘计算”的前沿核心能力,致力于重新定义智能零售体验。

技术迭代:从机械到AI视觉的跨越发展

在多年的发展历程中,自动售货行业经历了从机械式到RFID射频技术、重力感应、静态视觉识别,再到动态视觉+云计算、动态视觉+边缘计算等多种商品识别方式的演变。 

图片

从第四代至第六代售货机,物联网技术的应用愈发显著,均以AI视觉为核心。其中,第六代技术凭借其强大的边缘计算能力,在降低网络依赖、实现快速识别结算、提升系统稳定性及降低成本等方面取得了重大突破,成为当前行业发展的主流方向。

移远AI方案:重新定义智能无人零售体验

移远通信AI智能无人零售解决方案深度融合了高性能5G AI算力模组SG560D、先进的商品识别算法,以及创新的上新平台等软硬件服务,具备强大的动态视觉和边缘计算能力。

同时,方案可无缝对接客户应用程序,为其提供全栈式技术与服务支撑,助力客户实现降本增效,推动行业向更智能、更高效的方向持续升级。

目前,移远AI智能无人零售解决方案已经与兴元科技“喵星人”智能售货机等多家客户产品完成系统集成,并进入实地场景测试阶段。

图片

兴元科技董事长张福兴表示:“我们非常荣幸与移远通信达成深度合作,将其领先的AI智能无人零售解决方案赋能于我们的‘喵星人’智能售货机。移远的方案凭借其卓越的AI动态视觉技术和强大的边缘计算能力,实现了精准商品识别和秒级响应速度,彻底革新了传统零售的运营模式。这不仅为消费者带来了‘扫码开门、即拿即走’的无缝购物体验,更通过超高精度的商品识别和实时数据分析,将设备运营的综合成本降至行业新低。同时,AI技术驱动的智能货柜能够深度洞察消费者偏好,助力我们实现数据驱动的精细化运营,为行业树立了智能零售的新标杆。我们相信,与移远的合作将加速推动无人零售行业向更智能、更高效、更可持续的方向迈进,为消费者和运营方创造前所未有的价值。”

移远通信首席运营官张栋表示:“AI技术和模型能力正成为推动零售行业变革的新动力。此次移远推出的AI智能无人零售解决方案,通过‘AI动态视觉+边缘计算’的创新组合,为新零售行业开拓出一片充满无限可能的新蓝海。兴元科技作为智慧零售行业的领军企业,一直走在创新前沿。我们非常高兴将移远在AI和通信等领域积累的先进能力融入兴元科技‘喵星人’等系列售货机产品中,相信随着双方合作的持续深入,将催生出更多创新模式与应用场景,全方位赋能整个产业生态,引领行业迈向新高度。”

五大核心优势 助力降本增效

相较于目前市面上的其他AI智能无人零售解决方案,移远通信的方案具有多重核心优势。

■ 本地算力平台支持

除了SG560D模组搭载的QCM6490平台,移远通信的AI智能无人零售解决方案还兼容多款算力平台,并依托其在自有AI模组与自研算法上的深厚技术积累,对硬件推理性能进行了深度优化,可直接对实时动态视频流进行计算,效率高且无延时,有效提升了方案的整体表现。

图片

■ 海量SKU支持,模型能力在线升级

移远AI智能无人零售解决方案经过海量数据的深度训练,具备更强的模型泛化能力,可精准识别上千种商品。同时,可根据实际应用场景的需求,灵活提供大、中、小等不同尺寸的模型。此外,移远方案支持定期在线升级模型能力,不断拓展可识别商品的种类,以满足市场的动态变化。

■ 全链路精准识别,准确率高达99%

该方案采用单/双摄像头+智能算法识别等多重机制,并结合重量等数据进行交叉验证,大幅降低了误判率,可实现高达99%的端到端识别准确率。

■ 异常行为报警,运营管理更智能

凭借移远识别算法的精准监测与AI算力模组的可靠信号传输等特点,该方案在商品错拿、遮挡等异常场景下,能够实现实时告警等“全实时化”效果。客户还可根据自身需求,自定义异常场景,有效避免异常情况对日常运营的影响。 

■ 高效迭代与低成本部署

在传统模式下,商品更新往往需要耗费数日时间,而采用移远方案可将这一时间缩短至几分钟,大幅提高了客户的运营效率。同时,该方案在保证高性能的前提下,实现了低成本部署,为客户提供了更具性价比的解决方案。

展望未来,随着AI等技术持续迭代以及生态合作的不断深化,移远通信将继续助力无人零售行业向更加智能化、人性化的方向演进,迈入“千机千面”的新时代。

相关文章:

MWC 2025 | 移远通信推出AI智能无人零售解决方案,以“动态视觉+边缘计算”引领智能零售新潮流

在无人零售市场蓬勃发展的浪潮中,自动售货机正经历着从传统机械式操作向AI视觉技术的重大跨越。 移远通信作为全球领先的物联网整体解决方案供应商,精准把握行业趋势,在2025世界移动通信大会(MWC)上宣布推出全新AI智能…...

sparkTTS window 安装

下载 Spark-TTS Go to Spark-TTS GitHubClick "Code" > "Download ZIP", then extract it. 2. 建立 Conda 环境 conda create -n sparktts python3.12 -y conda activate sparktts 3. Install Dependencies pip install -r requirements.txt In…...

数据库原理6

1.数据是信息的载体 2.数据库应用程序人员的主要职责:编写应用系统的程序模块 3.关系规范化理论主要属于数据库理论的研究范畴 4.数据库主要有检索和修改(包括插入,删除,更新)两大操作 5.概念模型又称为语义模型。…...

接口自动化入门 —— Http的请求头,请求体,响应码解析!

在接口自动化测试中,HTTP请求头、请求体和响应码是核心组成部分。理解它们的作用、格式和解析方法对于进行有效的接口测试至关重要。以下是详细解析: 1. HTTP 请求头(Request Header) 1.1 作用 请求头是客户端向服务器发送的附加…...

tcc编译器教程6 进一步学习编译gmake源代码

本文以编译gmake为例讲解如何使用tcc进行复杂一点的c代码的编译 1 简介 前面主要讲解了如何编译lua解释器,lua解释器的编译很简单也很容易理解.当然大部分c语言程序编译没那么简单,下面对前面的gmake程序进行编译. 2 gmake源码结构 首先打开之前tcc-busybox-for-win32\gmak…...

公司共享网盘怎么建立

公司共享网盘的建立,关键在于明确使用需求、选择合适的网盘服务、搭建统一的文件管理规范、做好权限分级与安全防护。尤其要强调选择合适的网盘服务这一点,如果企业规模较大,且对协同办公的需求强烈,就需要考虑支持多人实时协作、…...

【高分论文密码】AI大模型和R语言的全类型科研图形绘制,从画图、标注、改图、美化、组合、排序分解科研绘图每个步骤

在科研成果竞争日益激烈的当下,「一图胜千言」已成为高水平SCI期刊的硬性门槛——数据显示很多情况的拒稿与图表质量直接相关。科研人员普遍面临的工具效率低、设计规范缺失、多维数据呈现难等痛点,因此科研绘图已成为成果撰写中的至关重要的一个环节&am…...

深入理解Java中的static关键字及其内存原理

static是Java中实现类级共享资源的核心修饰符,它突破了对象实例化的限制,使得变量和方法能够直接与类本身绑定。这种特性让static成为构建工具类、全局配置等场景的利器,但同时也带来独特的内存管理机制需要开发者关注。 static修饰成员变量…...

linux 系统 之centos安装 docker

对于 CentOS 安装 Docker 的前置条件 首先,需要安装一些必要的软件包, 对于 CentOS 7,可以使用以下命令: sudo yum install -y yum-utils device-mapper-persistent-data lvm2添加 Docker 仓库 设置 Docker 的官方仓库。对于 …...

Python语法核心架构与核心知识点:从理论到实践

一、Python的核心设计哲学 Python以“简洁优雅”为核心理念,遵循以下原则: # Zen of Python(输入 import this 可查看) >>> import this The Zen of Python, by Tim Peters ... Simple is better than complex. Readab…...

FreeRTOS(5)内核控制函数及其他函数

FreeRTOS 提供了一些用于控制内核的 API 函数,这些 API 函数主要包含了进出临界区、开关中断、启停任务调度器等一系列用于控制内核的 API 函数。本章就来学习 FreeRTOS 的内 核控制函数。 内核控制函数 1. 函数 taskYIELD() 此函数用于请求切换任务, …...

网络DNS怎么更改?

访问速度慢或某些网站无法打开?改变网络DNS设置可能会帮助解决这些问题。本文将详细介绍如何更改网络DNS,包括更改的原因、具体步骤。 一、为什么要更改DNS? 更改DNS的原因有很多,以下是一些主要的考虑因素:某些公共DNS服务器的响应速度比…...

VIC模型有哪些优势?适用哪些范围?基于QGIS的VIC模型建模;未来气候变化模型预测;基于R语言VIC参数率定和优化

VIC模型是一个大尺度的半分布式水文模型,其设计之初就是为了模拟大流域的水文过程;它能够计算陆地-大气的能量通量,考虑土壤性质和土地利用的影响,自带有简化的湖泊/湿地模块,也能够将植被状况,…...

脏读、不可重复读,幻读的区别 mvcc及四种隔离级别

脏读:事务a还未提交更新事务b就可以看见 不可重复读:强调修改和删除,一个事务多次查询同一个表结果不同 幻读:强调新增,也是一个事务多次查询同一个表结果不同 mvcc是用来解决读写冲突的无锁并发控制 三个实现基础&…...

SpringAI介绍及本地模型使用方法

博客原文地址 前言 Spring在Java语言中一直稳居高位,与AI的洪流碰撞后也产生了一些有趣的”化学反应“,当然你要非要说碰撞属于物理反应也可以, 在经历了一系列复杂的反应方程后,Spring家族的新成员——SpringAI,就…...

numpy广播性质

一、核心规则 一维数组本质 shape (n,)的数组是无方向向量,既非严格行向量也非列向量 自动广播机制 在矩阵乘法(或np.dot())中,一维数组会自动调整维度: 前乘时视为行向量 shape (1,n)后乘时视为列向量 shape (n,1) 二、运算类型对比 假…...

Flutter_学习记录_实现列表上下拉加载 +实现加载html的数据

1. 效果图 2. 下拉加载的实现RefreshIndicator 在Flutter官方sdk中给我们提供了下拉刷新的组件RefreshIndicator。 // 显示内容列表Widget _showNewsListWidget() {if (_newsDataList.isNotEmpty) {// RefreshIndicator 来实现下拉加载的功能return RefreshIndicator(onRefr…...

基于PaddleNLP使用DeepSeek-R1搭建智能体

基于PaddleNLP使用DeepSeek-R1搭建智能体 最近在学习DeepSeek,找到了PaddleNLP星河社区大模型,跟着敲写了一遍。内容来源:DeepSeek实战训练营:从云端模型部署到应用开发 - 飞桨AI Studio星河社区-人工智能学习与实训社区 本项目基…...

『PostgreSQL』PGSQL备份与还原实操指南

📣读完这篇文章里你能收获到 了解逻辑备份与物理备份的区别及适用场景🔍。掌握全库、指定库、指定表备份还原的命令及参数📝。学会如何根据业务需求选择合适的备份策略📊。熟悉常见备份还原问题的排查与解决方法🔧。 …...

基于单片机的智慧农业大棚系统(论文+源码)

1系统整体设计 经过上述的方案分析,采用STM32单片机为核心,结合串口通信模块,温湿度传感器,光照传感器,土壤湿度传感器,LED灯等硬件设备来构成整个控制系统。系统可以实现环境的温湿度检测,土壤…...

Godot中型项目工程化实践:目录规范、资源引用与状态管理

1. 这不是续集,而是项目落地的分水岭“Godot 游戏引擎项目(二)”——看到这个标题,很多人第一反应是:“哦,上一篇讲了环境搭建和Hello World,这篇该讲节点树和信号了?”但我在带三个…...

力扣HOT100(30)两两交换链表中的节点

链表的交换要注意 “链表不断链”。前驱和后继都要连着迭代法(必学死磕!O (n) 时间,O (1) 空间)1. 为什么必须用虚拟头节点?因为交换后链表的头节点会变! 比如示例 1 中,原来的头是 1&#xff0…...

关于psthon问题

我想问问各位 我python可以查到 但是我的bit文件查不到python怎么回事...

AI学习 - 大模型基础入门

AI学习 - 大模型基础入门 从零开始:Ollama 安装 → 本地模型运行 → Python 代码接入 → 理解核心概念 摘要 本文记录了在 Windows 上使用 Ollama 部署本地大模型、并通过 Python 代码接入调用的完整过程。内容涵盖:Ollama 安装与模型拉取、大模型基础概…...

厨房空调技术白皮书:从风冷到水冷,制冷系统在厨房场景中的工程化演进

厨房空调是暖通行业近三年技术迭代最密集的细分品类。从最初的"凉霸"(本质是风扇),到风冷分体式,再到水冷一体式,每代技术都在解决上一代没有覆盖的用户痛点。本文以工程技术视角,梳理四代厨房制…...

Veo 2提示词性能瓶颈诊断:基于1726组AB测试的token敏感度热力图与阈值红线预警

更多请点击: https://kaifayun.com 第一章:Veo 2提示词编写最佳实践总览 Veo 2 是 Google 推出的高性能视频生成模型,其对提示词(prompt)的语义精度、结构清晰度和上下文控制能力高度敏感。高质量提示词并非简单堆砌关…...

告别混乱绑定!在UE5 GAS中优雅管理技能输入(基于GameplayTag)

告别混乱绑定!在UE5 GAS中优雅管理技能输入(基于GameplayTag)当你的UE5 RPG项目发展到中期,技能数量从十几个膨胀到几十个时,最痛苦的莫过于发现InputAction绑定已经变成一团乱麻。每次新增技能都要修改输入绑定逻辑&a…...

开源 AI Agent Harness Engineering 框架全览:LangChain, AutoGPT, CrewAI 孰优孰劣?

开源 AI Agent Harness Engineering 框架全览:LangChain, AutoGPT, CrewAI 孰优孰劣? 关键词 AI Agent Harness Engineering、大语言模型编排(LLM Orchestration)、LangChain、AutoGPT、CrewAI、工具调用(Tool Calling)、多Agent协作、自主任务规划 摘要 随着大语言模型…...

styled-theming 性能优化:如何避免主题切换时的性能瓶颈

styled-theming 性能优化:如何避免主题切换时的性能瓶颈 【免费下载链接】styled-theming Create themes for your app using styled-components 项目地址: https://gitcode.com/gh_mirrors/st/styled-theming styled-theming 是一个专为 styled-components …...

Cesium动态数据可视化实战:CallbackProperty结合setInterval打造实时运动轨迹

Cesium动态数据可视化实战:CallbackProperty结合setInterval打造实时运动轨迹 在三维地理信息系统中,实时数据可视化一直是开发者面临的挑战之一。想象一下,当我们需要在地球表面追踪一架正在飞行的无人机,或者监控城市中数百辆出…...