第二是用户，比如甜品货架前的客人男女比例如何，平均体型偏胖还是偏瘦；客人站在货架前，眼睛最习惯首先往哪里看（以推算出货架真正的黄金位置）。

实际上之所以这么推测，也是因为在物体识别领域，计算机视觉普遍被认为是识别人与商品的未来主流方向，开奖，我们曾经介绍过的 Amazon Go 就是一个典范。阿里在这个方向上显然也是很有想法，「淘咖啡」公测前不久，阿里宣布负责 Amazon Go 首席科学家任晓枫加盟，巧合中有必然。

深度决策算法：

这主要是用在后台的数据回流和数据挖掘。这其实也是无人超市最大的意义所在，无论是 Amazon Go 还是蚂蚁金服，雇一堆身价很高的工程师来研发无人超市，可不只是让大家体验一把黑科技的酷炫感的。其背后最大的价值，在于回收、分析基本面数据（比如商场热力图）以及沉淀用户画像，以帮助线下实体店更高效、更精准地优化供应链以及货架的摆放。

比如，工作日和周末、各种小长假中，在最显眼的展架上该放什么商品；还能根据客人的平均身高来调整货架的高低。甚至还能做一些预测，比如看到什么样的产品放在偏僻的地方仍然会有不错的销量，那么就要进行相应调整，让大家更容易发现它们。

说到算法模型，对蚂蚁金服来说一直是比较擅长的。AI 在其各业务场景都起到底层技术支撑，如保险、理财、小额贷款、智能客服等等。这应该是之后会在「无人便利店」这样的场景下深挖的一部分内容。

多模态识别：

刚才说了，除了计算机视觉，「淘咖啡」还叠加运用了传感器。在业界，大家都有一个基本的共识，单一维度的技术往往很难保证足够的安全性和足够好的体验感，所以，无论是物联网还是生物识别，只要想在商用场景落地，都会考虑叠加运用几种技术来进行交叉验证，也就是多模态识别。

Amazon Go 也是采用的计算机视觉＋传感器感应（可能还有＋生物识别）来降低误判率。因此，市场中有做物联网支付方案的公司强调说自己用的是纯计算机视觉，而实际上这对树立投资界以及公众对其进入商用的信心和安全感，并没有什么好处。

「淘咖啡」的客人在挑好东西后，要通过一个「支付门」才能出去。这个门每次只能一人进去，门里的各种摄像头和接收器要对人和商品做即时识别。

现场有人做了踢馆测试：几个商品横七竖八随意放在购物袋里；一些商品放在购物袋，一些放在书包里，一些拿在手上。最后都轻松通过并扣款无误，这似乎也说明，「淘咖啡」内不仅仅是计算机视觉技术这一种。

下面来看看蚂蚁金服工程师内测的 GIF：

结合「支付门」里布置的摄像头以及感应接收器，我推断「淘咖啡」是混搭结合了 RFID 天线，你可以理解为是增强版 RFID，以扩大天线的覆盖范围，加强对商品位置的定位，减少误读。

另外值得注意的是，蚂蚁金服官方披露的技术方案中有生物识别，但从现场体验来看，人是不需要在摄像头前特地停留以配合识别的，所以估计这其中用了人脸＋体态＋体重等多维识别。

这个「支付门」是「淘咖啡」区别于其他无人超市的一个亮点，同时也是一个缺点，至少在现阶段来看。因为用户在经过这个门时，并不能真的「即拿即走」，还需要等五六秒左右才能出门。

据介绍这个等待的时间不是系统识别和自动划扣造成的，是滑动门造成的，根据行业标准规定，它的安全关门速度就得这样……好吧，所以这个门应该是个过渡阶段的版本。

以上，是根据体验以及询问之后，我们做出的一些猜想，虽然看起来可能离我们实际生活还有一段距离，但我们很欣喜的看到，从「无现金」再到「无人」的一系列变化，我们生活中的一些场景确实因为科技的进步在发生变化。

当然，「无人超市」要做到真正无人还是有距离的，至少在上货、运营维护甚至在商品数据库如何建立上都要投入人力来完成，并且被人不看好的另一个原因是如何能降低成本，尽量降低风险，这也都是我们这个社会对其发起的挑战，商业模式究竟如何落地，最终都是值得关注的。