经验分享：
慧博云通智慧零售团队瞄准线下零售对云系统负载高、算力需求高、系统及网络稳定性要求高的“三高痛点”，在边缘平台通过人工智能技术进行基于用户行为的捕捉、分析，并连接基于机器学习的推荐引擎，打造了一套线下门店的精准营销方案。方案采用了EdgeX Foundry边缘计算框架、英特尔边缘计算和OpenVINO等开源技术，同时采用了慧博云通客户第四范式公司的精准营销推荐系统“天枢“，实时对店内顾客进行精准营销，打通线上线下，提高客单价和销售额。
成果展示：
1.慧博智慧零售方案的技术特性
本方案主要目标是通过计算机视觉和推理技术来捕捉顾客在货场中的行为和关注点，基于顾客行为和关注点，通过AI推荐引擎，为顾客提供针对性的推荐，增加客单价和销售量，同时将用户线下的行为和特征收集起来，服务于用户线上购物。本方案的计算机视觉和推理技术是基于Intel OpenVINO实现的对于视频信号内人物识别，行为捕捉和分析，并采用Intel Movidius神经计算棒对视频信号推理进行硬件加速。在本方案的应用场景中，OpenVINO+Movidius神经计算加速棒组合不但在边缘平台完美的支持了本方案所需的功能需求，而且提供了软件加硬件全套的优化工具包和优化支持，充分发挥了边缘计算平台架构的优势。解决方案搭建在EdgeX Foundry的开源平台之上，同时还采用了慧博云通的客户第四范式公司的精准营销推荐系统“天枢“。
2.方案本身对于解决行业特点或未来商业落地具有很好的价值意义
目前，零售行业风起云涌，各种各种线上零售非常红火，各种新技术，包括人工智能、大数据技术大量应用，各种线上销售形式如：电商，互联网零售，直播带货等形式推陈出新，但是线下零售发展相对落后于线上，特别是在市场营销和精准营销方面，相对于线上，线下零售门店客户行为分析困难，增加客单价成本高，受到线上零售冲击大，另外广泛应用于线上零售的人工智能，机器学习技术并没有大规模应用到线下零售场景，没有发挥技术的威力来帮助改变线下零售的困局。
本方案解决的应用场景就是如何将AI人工智能技术和计算机视觉技术应用到线下零售实际场景中，发挥技术的威力，最大限度的分析顾客行为，做精准营销和推荐，增加客单价和总体销量。方案的设计初衷也是在应用新技术的同时，以企业级软件系统的设计思路，充分考虑包括系统复杂程度，实际可操作性，维护难度等方面。最大限度保证方案实际落地的可行性。因此本系统具有如下特点：
-瞄准线下零售的痛点，线下零售目前包括在物流，仓储，配送等环节在新技术的应用上都有了很大发展，但是基于人工智能技术的精准营销系统并且能够实际解决线下零售问题的还不多。
-采用计算机视觉和推理技术，通过摄像头实时视频信号的分析和推理，捕捉顾客在货场内的行为和特征，计算机视觉技术相对于其他物联网技术，如：RFID，压力传感器等，具有成本低，系统开发复杂性低，可维护性高，准确率优异的优势。
-采用成熟、可靠的系统框架和平台，确保系统的稳定性，可维护性和安装部署的可操作性。比如系统采用的Intel OpenVINO，EdgeX Foundry，第四范式天枢推荐系统，全部都是各个领域比较成熟的系统，且有实际近似客户应用和部署案例的技术平台，保证的平台技术的可靠性。
-系统的边缘计算平台的模式，解决了Cloud系统架构在零售行业的问题，包括：Cloud负载高，受到网络影响大，Cloud端算力要求高，系统稳定性依赖于网络条件等。
3.未来如何协作，优化研发，推动产品落地
在后续的方案开发和测试以及实际部署过程中，慧博云通会跟合作伙伴和客户继续展开合作，加入合作伙伴的生态圈，收集和满足客户的实际需求，不断完善系统，给最终客户带来更高的价值。