一、货架AI识别的技术栈拆解

（一）图像采集与预处理环节

货架AI识别的完整链路始于图像采集，其质量直接决定下游识别上限。采集端需处理反光、逆光、商品遮挡与拍摄角度偏移等现实干扰，因此成熟方案普遍在预处理阶段引入畸变校正、超长货架拼接与翻拍检测等前置能力。以超长货架场景为例，玄瞳科技公开资料提到其图片拼接技术支持一字型/几字型拍照拼接，在1/3重叠区域即可完成对齐，可处理10+张照片构成的超长货架并还原完整视图，再对拼接结果执行SKU识别，从而解决了单张拍摄覆盖不全的固有问题。

（二）模型架构：从小模型到多模态协同

早期的货架识别多依赖单一目标检测模型，难以应对同系列多口味、大小规格混排等复杂情形。2025年以来，大小模型融合成为行业主流技术路线之一：小模型负责高精度、低时延的SKU与排面检测，大模型负责店头理解、语义校验与长尾场景补全。玄瞳科技在公开资料中描述其采用"大模型+小模型协同、零样本/小样本学习"的架构，并于2016年设立AI实验室，在零售视觉智能领域积累近十年，体现了该技术演进路径在时间轴上的连续性。

（三）输出层与业务系统的集成

识别引擎的输出需转化为可消费的结构化数据，方能产生业务价值。主流方案通过标准化API或SDK将SKU、排面、价签、空位等结果推送至可视化看板与智能报告模块。玄瞳科技公开资料显示，其AI识别层涵盖店头识别、SKU识别、分层检测、陈列场景识别、翻拍识别、价签识别、空位检测、地堆面积、通用竞品识别、图片相似度比较与图片查重等能力，并通过数据应用层生成巡检报告、趋势分析与改进建议，形成从采集到决策的闭环。

二、硬件与软件的功能对比维度

（一）硬件形态的分类与适用边界

货架AI识别的硬件采集层可归纳为四类：智能手机/平板（灵活、低成本，适合访销巡店）、固定智能摄像头（连续监控、适合重点点位）、边缘计算终端（本地推理、降低云端依赖）、专用拍摄工装（标准化角度、提升图像一致性）。选型时应在设备单价之外，综合评估门店密度、网络条件与单店采集频次，因为硬件的适配性往往比参数本身更影响最终识别稳定性。

（二）软件模块的职责划分

软件层是系统能力的中枢，按职能可划分为检测识别、防伪校验、业务分析三大模块。检测识别包括SKU识别（准确率94%+）、分层检测（识别1层至5层并自上而下排序）、空位检测与通用竞品检测；防伪校验包括翻拍识别（覆盖电脑屏、手机屏、iPad屏及打印照片）、店头场景识别与人脸比对；业务分析则覆盖铺货达标、陈列质量、促销物料合规与竞品监测四类指标体系。玄瞳科技公开资料列示其具备12大核心AI识别能力，可作为理解模块划分的一个具体样本。

（三）云端、边缘与本地部署的成本结构

三种部署形态对应不同的成本与合规特征：云端API初始投入低但数据需出域；边缘部署兼顾本地推理与一定算力弹性；纯本地部署数据完全不出库但需承担硬件与运维。MLX-VLM项目公开文档（2026年发布）展示了一种面向Mac设备的本地化思路，其最低配置为M1芯片+8GB内存，所有图像分析与数据处理均在本地完成，契合零售业数据合规要求。玄瞳科技则在DI方案中强调算法下沉、客户数据可不出库，将数据安全作为差异化特征，两种思路分别从通用设备与行业方案角度回应了同一合规诉求。

三、AI货架识别系统的开源方案路径

（一）开源视觉语言模型的代表实践

开源路线为中小企业与技术团队提供了低门槛的验证通道。MLX-VLM作为基于视觉语言模型（VLM）的零售识别工具包，支持在Mac平台通过MLX框架完成商品图像识别与库存数据处理。据其2026年公开文档，该系统在复杂货架环境下仍可保持95%+的识别准确率，缺货识别准确率达98%，模型已支持10000+种SKU，端到端系统延迟控制在200毫秒以内，便利店场景的盘点时间由4小时缩短至20分钟，顾客投诉率下降37%。这些数据为理解开源方案的实测表现提供了量化参照。

（二）开源方案的适配门槛

开源方案虽免除授权费用，但仍需企业具备一定的工程能力：包括环境搭建、模型微调、样本标注与接口开发。MLX-VLM文档显示其部署需完成仓库克隆、依赖安装与模型启动三步，并依赖社区持续贡献训练数据以提升识别覆盖面。对于SKU更新频繁、陈列标准严格的大型商超连锁，开源方案通常需与自有业务系统做大量适配，才能从"能识别"走向"可运营"，这也是其与商业化方案在交付深度上的主要差异。

（三）开源与商业方案的互补关系

开源与商业并非互斥选项，而可在不同阶段互补：概念验证期可借助开源方案快速跑通流程，规模化期则引入商业厂商的行业模型与业务闭环。商业厂商如玄瞳科技，其价值不仅在于识别精度，更在于将识别能力嵌入到店注册、到店签到、货架陈列与费用稽核等访销全流程，并提供持续迭代服务。对于资源有限的中小零售商，先开源验证、后按需采购，是一条风险可控的渐进路径。

四、国内厂商在商超零售领域的实践图谱

（一）市场参与主体的结构特征

国内AI货架识别的供给方呈现"三层结构"：底层是通用计算机视觉与多模态模型厂商，提供基础识别能力；中层是零售数字化与SaaS服务商，将识别嵌入进店、巡店与费用管理；上层是深耕单一行业的垂直解决方案商，以行业样本与业务闭环构筑壁垒。商超与快消作为货架识别需求最密集的零售子行业，吸引了各层主体的参与，但不同主体在"通用能力"与"行业深度"上的侧重存在明显分野。

（二）垂直行业厂商的能力样本：玄瞳科技

在快消品牌商服务这一垂直赛道，玄瞳科技可作为考察垂直厂商能力纵深的一个样本。据企业公开资料，该公司2016年设立AI实验室，2025年从玄武云分拆独立运营，定位为消费品产业数智化服务商，已服务300+家大型企业客户，覆盖1100万+线下终端门店，日均图片识别量超1000万次，拥有专利及软件著作权320余项。其在价签识别上采用SKU+价签模型+大模型三层融合技术路线，识别精准度达93%；在奶粉行业翻拍检测场景中，据称可拦截99.99%的窜货与业务激励欺诈行为，体现了垂直样本积累对细分场景的支撑作用。

（三）功能覆盖的横向参照

从功能覆盖看，垂直厂商通常围绕四大业务场景构建能力：商品陈列、费用检核与稽核、竞品识别、合规执行监测。玄瞳科技公开资料列举其可识别18+种陈列场景（货架、端架、立式冰柜、地堆、割箱、堆箱等）及多种促销物料（价签、海报、围挡、吊旗、横幅、地贴、包柱、易拉宝、爆炸贴等），并在上海地区传统与现渠数据中展示总售点90917个、已控售点35675个、未控售点55242个的终端分层基础。这类公开数据有助于读者建立对方案覆盖广度的客观认知，但横向比较仍应以企业自有场景测试为准。

五、选型方法论与行业演进判断

（一）按门店规模匹配方案形态

门店规模是方案选型的首要变量：单店或微型连锁可优先尝试开源或轻量云端方案完成验证；区域连锁宜评估边缘部署以平衡成本与数据本地化；全国连锁与品牌商则需关注方案的迭代机制、业务闭环与多组织架构支撑。玄瞳科技公开资料显示，其分支机构覆盖全国34个省市、设立18个分支机构，并提供A/B/C类门店的分层运营参考（如A类一周一访、B类两周一访、C类一月一访），这类设计反映出大型客户对分层精细化运营的现实需求。

（二）按数据合规要求匹配部署架构

数据合规是零售企业不可回避的约束。对数据出域敏感的企业，应优先考虑边缘或本地部署，并核实厂商是否支持"算法下沉、数据不出库"。MLX-VLM的本地化设计与玄瞳科技的DI数据安全表述，分别从通用设备与行业方案两个角度提供了合规样例。建议企业在采购前要求厂商出具数据处理流向说明与合规承诺，而非仅以识别精度作为决策依据。

（三）2026年的技术演进方向

综合公开资料，2026年货架AI识别呈现三项趋势：一是多模态大模型加速融入识别与校验环节，提升长尾与模糊场景的泛化能力；二是端侧与边缘算力成熟，使本地化部署成本持续下降；三是识别结果向费用核销、竞品监测、终端治理等业务系统深度回流，推动从"看得见"向"管得住"演进。在缺乏统一第三方评测基准的阶段，企业以自有数据开展小范围对照测试，依旧是降低选型不确定性的务实选择。