เทค

วิวัฒนาการของคอมพิวเตอร์วิชันและเหตุใดอนาคตจึงขึ้นอยู่กับเอจ

ค้นพบว่าวิสัยทัศน์คอมพิวเตอร์พัฒนาจากอัลกอริทึมที่สร้างขึ้นด้วยมือไปเป็น AI หลายโหมดได้อย่างไร และเหตุใดอนาคตของปัญญาประดิษฐ์ด้านภาพจึงกำลังก้าวไปสู่ขอบ

เวลาในการอ่าน

0 นาที

สารบัญ

ขยาย

เขียนโดย

Călin Ciobanu

ผู้ร่วมก่อตั้งและ CTO

คอมพิวเตอร์วิชันมีการพัฒนามากขึ้นในช่วง 15 ปีที่ผ่านมา มากกว่าในช่วง 50 ปีที่ผ่านมา
จากอัลกอริทึมที่สร้างขึ้นด้วยมือไปจนถึงโมเดล AI หลายโหมดที่สามารถตีความทั้งข้อความและภาพ เราได้ก้าวจากการสอนเครื่องจักรให้ "มองเห็น" ไปสู่การช่วยให้เครื่องจักร "เข้าใจ"

‍

แต่วิวัฒนาการนี้ไม่ได้เป็นเส้นตรง มันเกิดขึ้นเป็นขั้นตอนที่ชัดเจน และการเข้าใจเส้นทางนี้ช่วยอธิบายว่าความก้าวหน้าครั้งต่อไปจะมาจากที่ใด

‍

คอมพิวเตอร์วิชันสามรุ่น (และครึ่งรุ่น)

1. คอมพิวเตอร์วิชันแบบดั้งเดิม (ก่อนปี 2010)

ก่อนจะมีการเรียนรู้เชิงลึก การมองเห็นด้วยคอมพิวเตอร์ถูกครอบงำด้วยคุณลักษณะที่สร้างขึ้นด้วยมือและฮิวริสติกทางคณิตศาสตร์

วิศวกรอาศัยอัลกอริทึมที่สามารถคาดเดาได้และอธิบายได้สำหรับการตรวจจับขอบ การแบ่งส่วน การจดจำรูปแบบทางสถิติ ซึ่งสามารถออกแบบและนำไปใช้ทางคณิตศาสตร์ได้

ระบบเหล่านี้ทำงานได้ แต่เฉพาะในสภาพแวดล้อมที่แคบเท่านั้น

พวกเขาขาดความสามารถในการปรับตัวและดิ้นรนที่จะสรุปผลเกินกว่าสิ่งที่พวกเขาได้รับการตั้งโปรแกรมไว้อย่างชัดเจนให้เห็น

‍

2. การปฏิวัติเครือข่ายประสาท (2010–2020)

ทุกสิ่งทุกอย่างเปลี่ยนไปเมื่อประมาณปี 2012 ด้วย ImageNet และ AlexNet
นี่คือช่วงเวลาที่ Geoffrey Hinton, Fei-Fei Li และนักวิจัยคนอื่นๆ พิสูจน์ว่าเครือข่ายประสาทสามารถทำงานได้เหนือกว่าอัลกอริทึมแบบดั้งเดิมอย่างเห็นได้ชัด

โลกได้เปลี่ยนมาใช้ Convolutional Neural Networks (CNNs) ซึ่ง เป็นสถาปัตยกรรมที่น้ำหนักเบาและยืดหยุ่น ซึ่งสามารถตรวจจับ จดจำ และจัดหมวดหมู่ภาพต่างๆ ได้นับล้านหมวดหมู่
CNN นำวิสัยทัศน์คอมพิวเตอร์มาสู่โทรศัพท์ รถยนต์ และกล้องถ่ายภาพในร้านค้าปลีก ทำให้ AI ใช้งานได้จริง

‍

3. ยุคทรานส์ฟอร์เมอร์ส (2020–ปัจจุบัน)

จากนั้นก็มาถึง Transformers ในภาษาแรก ( Attention Is All You Need , 2017) จากนั้นก็เป็น Vision
หม้อแปลงสามารถทำงานได้เหนือกว่า CNN ในด้านความแม่นยำและความยืดหยุ่น แต่ต้องแลกมาด้วยต้นทุนที่ต่ำ เนื่องจากต้องใช้การคำนวณจำนวนมาก ใช้หน่วยความจำมาก และต้องอาศัย GPU ที่มีประสิทธิภาพ

แม้จะเป็นเช่นนั้น แต่พวกมันก็กลายมาเป็นกระดูกสันหลังของ Vision Transformers (ViTs) รุ่นล่าสุด ซึ่งขับเคลื่อนทุกอย่างตั้งแต่ยานยนต์ไร้คนขับไปจนถึงการวิเคราะห์ภาพขนาดใหญ่

‍

3.5. การเพิ่มขึ้นของโมเดลวิสัยทัศน์และภาษา

ขอบเขตใหม่ล่าสุดผสมผสานวิสัยทัศน์และภาษาเข้าด้วยกัน
โมเดลมัลติโมดัล เหล่านี้สามารถดูภาพและอธิบายด้วยคำพูดหรือสร้างภาพใหม่จากข้อความได้
พวกมันมีความสามารถอันน่าทึ่ง แต่ก็หนักหน่วงอย่างไม่น่าเชื่อเช่นกัน การรันพวกมันในระดับขนาดใหญ่จำเป็นต้องใช้พลังประมวลผลมหาศาล ซึ่งนำเราไปสู่ทิศทางที่น่าตื่นเต้นที่สุดในปัจจุบัน นั่นคือ การประมวลผลแบบเอจ

‍

เหตุใดอนาคตของคอมพิวเตอร์วิชันจึงอยู่ในขอบเขตที่ใกล้จะถึงจุดสิ้นสุด

ความท้าทายใหญ่ต่อไปไม่ได้อยู่ที่การทำให้ AI ฉลาดขึ้นอีกต่อไป แต่เป็นการทำให้มันเล็กลง

ในช่วงปีที่ผ่านมา Apple, Samsung, Meta และ Microsoft ต่างเผยแพร่เอกสารที่แสดงให้เห็นว่าสามารถบีบอัดโมเดลขนาดใหญ่เพื่อรันในโทรศัพท์ได้อย่างไร
นี่คือการเปลี่ยนแปลงที่ฉันพบว่าน่าตื่นเต้นที่สุด เพราะมันสอดคล้องโดยตรงกับสิ่งที่เรากำลังสร้างที่ OmniShelf

ที่ OmniShelf เราจัดการบีบอัดและเพิ่มประสิทธิภาพโมเดลคอมพิวเตอร์วิชันได้อย่างมีประสิทธิภาพจนสามารถทำงานบนฮาร์ดแวร์ที่เทียบเท่ากับ Samsung S7 ได้ โดยยังคงรักษา ความแม่นยำในการจดจำไว้ได้มากกว่า 95%
นั่นหมายถึงการสแกนผลิตภัณฑ์หลายร้อยรายการบนชั้นวางแบบเรียลไทม์ภายในเวลาไม่ถึง 15 วินาที

ผลกระทบต่อการค้าปลีกนั้นมีมหาศาล
เราสามารถส่งมอบข้อมูลเชิงลึกแบบเรียลไทม์ได้โดยไม่ต้องพึ่งพาการประมวลผลแบบคลาวด์ ซึ่งจะช่วยลดเวลาแฝง ต้นทุน และการถ่ายโอนข้อมูล ขณะเดียวกันก็ปรับปรุงความเป็นส่วนตัวและความยืดหยุ่นอีกด้วย

‍

ข้อมูล: ปัจจัยจำกัดที่แท้จริง

แม้จะมีความก้าวหน้ามากมายขนาดนี้ แต่ข้อจำกัดประการหนึ่งยังคงอยู่: คุณภาพข้อมูล
โมเดลคอมพิวเตอร์วิชัน ไม่ว่าจะก้าวหน้าแค่ไหน ก็ไม่มีสามัญสำนึก
การดำเนินการดังกล่าวใช้หลักความน่าจะเป็น ดังนั้นหากข้อมูลมีความลำเอียงหรือมีคุณภาพต่ำ ผลลัพธ์ก็จะลำเอียงตามไปด้วย

ด้วยเหตุนี้ที่ OmniShelf เราจึงไม่ได้มุ่งเน้นแค่สถาปัตยกรรมโมเดลเท่านั้น แต่ยังมุ่งเน้นไปที่ ไพพ์ไลน์ข้อมูลคุณภาพสูงเฉพาะโดเมน ด้วย เพราะยิ่งข้อมูลฉลาดขึ้น AI ก็ยิ่งฉลาดขึ้น

‍

มองไปข้างหน้า

เรากำลังก้าวเข้าสู่ยุคที่ AI ไม่เพียงแต่มีอยู่ในคลาวด์เท่านั้น แต่ยังอยู่ในอุปกรณ์ต่างๆ รอบตัวเราด้วย

วิสัยทัศน์คอมพิวเตอร์กำลังมีการกระจายตัว มีประสิทธิภาพ และตระหนักถึงบริบท

สำหรับฉัน นั่นคือสิ่งที่ทำให้สาขานี้มีความน่าสนใจมาก: ในที่สุดเราก็มาถึงจุดที่เครื่องจักรสามารถ "มองเห็น" ได้เร็วที่สุดเท่าที่จะทำได้ และยิ่งไปกว่านั้น ยังตรงจุดที่เราอยู่ด้วย

ที่ OmniShelf เรากำลังขยายขอบเขตของวิสัยทัศน์คอมพิวเตอร์ ด้วยการทำให้ AI ล้ำสมัยเข้าถึงได้ตั้งแต่ต้นทาง ติดตามความคืบหน้าของ Visual Intelligence ขั้นต่อไปที่กำลังเกิดขึ้นบนชั้นวางสินค้า

‍

แหล่งที่มาและการอ่านเพิ่มเติม

บทความนี้อ้างอิงถึงเอกสารการวิจัยและแนวคิดสำคัญหลายประการที่กำหนดยุคใหม่ของการมองเห็นด้วยคอมพิวเตอร์:

ImageNet และ AlexNet:
- Krizhevsky, A., Sutskever, I., & Hinton, GE (2012). การจำแนกประเภท ImageNet ด้วยเครือข่ายประสาทเทียมแบบ Convolutional เชิงลึก ความก้าวหน้าในระบบประมวลผลข้อมูลประสาทเทียม (NIPS) บทความนี้แสดงให้เห็นถึงพลังของ CNN เชิงลึก ซึ่งเอาชนะความท้าทายของ ImageNet และจุดประกายการปฏิวัติการเรียนรู้เชิงลึก
สถาปัตยกรรมหม้อแปลง:
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, AN, Kaiser, Ł., & Polosukhin, I. (2017). Attention Is All You Need. ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท (NIPS). บทความพื้นฐานที่แนะนำ Transformer ซึ่งแทนที่เลเยอร์แบบวนซ้ำและแบบคอนโวลูชันด้วยกลไกการใส่ใจ
วิชั่นทรานส์ฟอร์เมอร์ส (ViTs):
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, S., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). ภาพมีค่าเท่ากับ 16x16 คำ: Transformers สำหรับการจดจำภาพในระดับขนาดใหญ่ การประชุมนานาชาติว่าด้วยการนำเสนอการเรียนรู้ (ICLR) งานนี้ดัดแปลงสถาปัตยกรรม Transformer สำหรับภาพ โดยถือว่าแพตช์เป็นโทเค็นลำดับ
การบีบอัดโมเดลและ Edge AI:
- ฮัน, เอส., พูล, เจ., ทราน, เจ., และ แดลลี, ดับเบิลยูเจ (2015). การบีบอัดข้อมูลเชิงลึก: การบีบอัดเครือข่ายประสาทเทียมเชิงลึกด้วยการตัดทอน การวิเคราะห์ปริมาณที่ผ่านการฝึกอบรม และการเขียนโค้ดฮัฟแมน. การประชุมนานาชาติว่าด้วยการนำเสนอการเรียนรู้ (ICLR). บทความสำคัญเกี่ยวกับการลดขนาดโมเดลเพื่อนำไปปรับใช้บนอุปกรณ์ที่มีข้อจำกัดด้านทรัพยากร
- หลักการทั่วไปของ เทคนิคการบีบอัดโมเดล (รวมถึงการตัดแต่ง การวัดปริมาณ และการกลั่นความรู้) ได้รับการกล่าวถึงอย่างกว้างขวางในสิ่งพิมพ์ของอุตสาหกรรมที่เน้นการใช้งาน Edge AI

‍

ข้อมูลเชิงลึกและการอัปเดต

สำรวจเพิ่มเติมจากบล็อก OmniShelf

ก้าวล้ำนำหน้าด้วยข้อมูลเชิงลึกที่ล้ำหน้า การอัปเดตผลิตภัณฑ์ และแนวโน้มอุตสาหกรรมที่จะช่วยกำหนดอนาคตของเทคโนโลยีค้าปลีก ค้นพบเรื่องราวเพิ่มเติมที่สำคัญต่อธุรกิจของคุณ

บทเรียนจาก AI ตลอดทศวรรษ

ค้นพบว่าการปรับขนาด ข้อมูล การสรุปทั่วไป และประสิทธิภาพของฮาร์ดแวร์ขับเคลื่อนระบบ AI ในปัจจุบันอย่างไร และเหตุใดอนาคตของ AI จึงกำลังมุ่งไปสู่ประสิทธิภาพบนอุปกรณ์

อ่านเพิ่มเติม

ระบบปฏิบัติการร้านค้า OmniShelf: การกำหนดการดำเนินการค้าปลีกใหม่ด้วย Edge AI

ค้นพบว่า OmniShelf StoreOS รวมการดำเนินงาน การตลาด สินค้าคงคลัง และข้อมูลเข้าด้วยกันอย่างไรเพื่อขจัดจุดบอดของการขายปลีกและปรับปรุงการดำเนินการในทุกร้านค้า

อ่านเพิ่มเติม

วิวัฒนาการของคอมพิวเตอร์วิชันและเหตุใดอนาคตจึงขึ้นอยู่กับเอจ

อ่านเพิ่มเติม

ไฮไลท์ Elevate 2025

OmniShelf ร่วมมือกับ SOTI ในงาน monday.com Elevate 2025 เพื่อแสดงให้เห็นว่า AI ระบบอัตโนมัติ และการมองเห็นชั้นวางสินค้าแบบเรียลไทม์ กำลังเปลี่ยนแปลงการดำเนินงานค้าปลีกอย่างไร ค้นพบไฮไลท์สำคัญและข้อมูลเชิงลึกจากงานนี้

อ่านเพิ่มเติม

ไฮไลท์การประชุมสุดยอดการค้าปลีก GS1 ฮ่องกง 2025

จากห่วงโซ่อุปทานที่ขับเคลื่อนด้วย AI ไปจนถึงการเปลี่ยนแปลงทางธุรกิจที่ยั่งยืน นี่คือสิ่งที่ผู้นำในอุตสาหกรรมแบ่งปันในงาน GS1 Hong Kong Retail Forum 2025 เกี่ยวกับการสร้างระบบนิเวศการขายปลีกที่ชาญฉลาดและยืดหยุ่นยิ่งขึ้น

อ่านเพิ่มเติม

คอมพิวเตอร์วิชันกำลังปฏิวัติวงการค้าปลีกอย่างไร

ค้นพบว่าคอมพิวเตอร์วิชันที่ขับเคลื่อนด้วย AI กำลังปฏิวัติวงการค้าปลีกอย่างไร ตั้งแต่การป้องกันการโจรกรรมและการจัดการสินค้าคงคลัง ไปจนถึงการยกระดับประสบการณ์ของลูกค้า มาดูกันว่าเทคโนโลยีนี้ที่ขับเคลื่อนด้วยการประมวลผลแบบเอจ กำลังพลิกโฉมประสบการณ์การช้อปปิ้งยุคใหม่อย่างไร

อ่านเพิ่มเติม

ทำไมนักช้อปถึงเดินหนี

เรียนรู้ว่าเหตุใดความพร้อมจำหน่ายสินค้าจึงเป็นรากฐานของประสบการณ์ลูกค้า ดูว่าป้าย "สินค้าหมด" เพียงป้ายเดียวส่งผลต่อยอดขาย ความภักดี และชื่อเสียงได้อย่างไร และ AI ค้าปลีกสามารถหยุดยั้งปัญหานี้ได้อย่างไร

อ่านเพิ่มเติม

ชั้นวางสินค้าที่ไม่สมบูรณ์กำลังทำลายร้านค้าของคุณ นี่คือสาเหตุ

สินค้าที่วางผิดที่ ป้ายราคาผิด หรือชั้นวางสินค้าว่างเปล่า ล้วนมีราคาสูงเกินกว่าที่คิด นี่คือเหตุผลว่าทำไมชั้นวางสินค้าที่ไม่สมบูรณ์แบบจึงเป็นปัญหามูลค่าล้านล้านดอลลาร์ที่ซ่อนเร้นอยู่ในธุรกิจค้าปลีก

อ่านเพิ่มเติม

สรุปงาน NRF Paris 2025 วันที่ 3: Unified Commerce & AI

วันที่ 3 ของงาน NRF Paris 2025 เน้นที่การพาณิชย์แบบครบวงจร การปรับแต่งที่ขับเคลื่อนด้วย AI นวัตกรรมแบบ Omnichannel และอนาคตของประสบการณ์ลูกค้าในธุรกิจค้าปลีก

อ่านเพิ่มเติม

สรุปงาน NRF Paris 2025 วันที่ 2: กลยุทธ์ AI ข้อมูล และลูกค้าเป็นศูนย์กลาง

วันที่ 2 ของงาน NRF Paris 2025 ได้จัดแสดงวิธีที่ผู้ค้าปลีกใช้ AI ข้อมูล และกลยุทธ์ที่เน้นลูกค้าเป็นศูนย์กลาง เพื่อพลิกโฉมระบบชำระเงิน ซัพพลายเชน ความภักดีของลูกค้า และประสบการณ์ในร้านค้า ตั้งแต่การสนับสนุนจากชุมชนกับ Snipes & PSG ไปจนถึงการพลิกโฉมช่องทาง Omnichannel ของ MediaMarktSaturn งานนี้เน้นย้ำถึงอนาคตของธุรกิจค้าปลีกด้วยการปรับแต่งเฉพาะบุคคล ระบบอัตโนมัติ และการมีส่วนร่วมของลูกค้ายุคใหม่

อ่านเพิ่มเติม

สรุปงาน NRF Paris 2025 วันที่ 1: AI การชำระเงิน และนวัตกรรมแบบ Omnichannel

พบกับไฮไลท์จากวันแรกของงาน NRF Paris 2025 – Retail's Big Show Europe ตั้งแต่การดำเนินงานค้าปลีกที่ขับเคลื่อนด้วย AI และโซลูชันการชำระเงินที่พัฒนาอย่างต่อเนื่อง ไปจนถึงกลยุทธ์ Omnichannel และความยั่งยืน นี่คือวิธีที่ผู้นำกำลังกำหนดอนาคตของธุรกิจค้าปลีก

อ่านเพิ่มเติม

เรากำลังเข้าร่วมงาน NRF 2025: งานแสดงใหญ่แห่งวงการค้าปลีกในยุโรป

ร่วมงาน OmniShelf ที่ NRF Paris 2025 พบกับนวัตกรรมและธุรกิจค้าปลีก มาร่วมกับเราในงานระดับชั้นนำของยุโรป เพื่อสำรวจโซลูชันล้ำสมัยสำหรับอนาคตของการช้อปปิ้ง

อ่านเพิ่มเติม

ชั้นวางสินค้าของคุณกำลังทำลายยอดขายของคุณอยู่หรือเปล่า?

เรียนรู้ว่าการดำเนินการบนชั้นวางสินค้าที่ไม่ดีจะทำลายยอดขายปลีกได้อย่างไร และโซลูชันเรียลไทม์ที่ชาญฉลาดสามารถปรับปรุงรายได้ ความน่าเชื่อถือ และประสิทธิภาพได้อย่างไร

อ่านเพิ่มเติม

เหตุใดระบบปฏิบัติการร้านค้าจึงไม่สามารถต่อรองได้สำหรับการขยายธุรกิจค้าปลีก

ค้นพบว่าเหตุใดสเปรดชีตและกระบวนการด้วยตนเองจึงสามารถทำลายการขยายธุรกิจค้าปลีกได้ เรียนรู้ว่าระบบปฏิบัติการร้านค้า (SOS) ช่วยลดปัญหาสินค้าหมดสต็อก เพิ่มความสอดคล้องกับชั้นวางสินค้า ป้องกันภาวะหมดไฟของพนักงาน และช่วยให้ผู้ค้าปลีกยุคใหม่เติบโตโดยอาศัยข้อมูลได้อย่างไร

อ่านเพิ่มเติม

เราอยู่ที่งาน Retail Asia Expo 2025

เรามาถึงที่งาน Retail Asia Conference & Expo 2025 แล้ว!

อ่านเพิ่มเติม

จาก Dock สู่จอแสดงผล: ปิดช่องว่างการดำเนินการ C-Store

ภารกิจนี้ชัดเจน แบรนด์เครื่องดื่มชั้นนำทุ่มเงินหลายล้านเพื่อเปิดตัวเครื่องดื่มชูกำลังตัวใหม่ โดยวางแผนอย่างพิถีพิถันในทุกรายละเอียด แม้กระทั่งการจัดวางตู้เย็นในร้านสะดวกซื้อหลายพันแห่งทั่วประเทศ

อ่านเพิ่มเติม

ภัยคุกคามที่มองไม่เห็นต่อการค้าปลีก: สินค้าคงคลังปลอมหลอกหลอนเอเชียตะวันออกเฉียงใต้อย่างไร

ค้นพบว่าสินค้าคงคลังปลอมกำลังสูบกำไรอย่างเงียบๆ ในภาคค้าปลีกของเอเชียตะวันออกเฉียงใต้อย่างไร เรียนรู้สาเหตุ ผลกระทบ และแนวทางแก้ไขเชิงกลยุทธ์เพื่อกำจัดภัยคุกคามที่มองไม่เห็นนี้

อ่านเพิ่มเติม

AI ช่วยคุณจัดการร้านค้าได้อย่างไร (ทุกระดับ)

เรียนรู้ว่า AI ที่นำมาใช้ช่วยเปลี่ยนแปลงการดำเนินงานค้าปลีกได้อย่างไร โดยลดความเหนื่อยล้าจากการตัดสินใจ ป้องกันสินค้าขาดตลาด และปรับปรุงการดำเนินการในระดับร้านค้า ผู้จัดการพื้นที่ และสำนักงานใหญ่ด้วยระบบปฏิบัติการร้านค้า OmniShelf

อ่านเพิ่มเติม

ปัญหาล้านล้านดอลลาร์: การดำเนินการบนชั้นวางสินค้าที่แย่ทำให้ผู้ค้าปลีกสูญเสียเงินหลายพันล้านดอลลาร์

การจัดวางสินค้าบนชั้นวางที่ย่ำแย่สร้างความเสียหายให้กับผู้ค้าปลีกหลายพันล้าน บล็อกนี้จะพาคุณไปสำรวจว่าปัญหาสินค้าหมดสต็อก ข้อผิดพลาดด้านราคา และสินค้าที่วางผิดที่ ทำลายยอดขายและทำลายความน่าเชื่อถือได้อย่างไร แม้กระทั่งเมื่อสินค้าอยู่ในร้าน เรียนรู้ว่าเหตุใดวิธีการแบบดั้งเดิมและเทคโนโลยีที่ล้าสมัยจึงล้มเหลว และระบบปฏิบัติการชั้นวางสินค้าแบบเรียลไทม์ที่ขับเคลื่อนด้วย AI ของ OmniShelf ช่วยป้องกันการสูญเสียรายได้ได้อย่างไร แม้จะไม่มีอินเทอร์เน็ต

อ่านเพิ่มเติม

สิ่งที่เราได้เรียนรู้จากงาน Shoptalk Europe 2025

Omnishelf ร่วมกับผู้ค้าปลีกและผู้นำด้านเทคโนโลยีในงาน Shoptalk Europe 2025 เพื่อสำรวจอนาคตของชั้นวางสินค้าค้าปลีก นี่คือมุมมองของเราเกี่ยวกับเทรนด์ที่สำคัญ

อ่านเพิ่มเติม

ถ่ายทอดสดจาก Zebra DevCon 2025: ปัญหาการขายปลีกที่แท้จริง วิธีแก้ปัญหาที่แท้จริง

OmniShelf ภูมิใจที่ได้ร่วมเป็นส่วนหนึ่งของเรา เรากำลังแสดงให้เห็นว่าเครื่องมือวิเคราะห์ชั้นวางสินค้าแบบเรียลไทม์ของเราช่วยให้ทีมงานจัดเก็บประหยัดเวลา ปรับปรุงการดำเนินงานบนชั้นวางสินค้า และเพิ่มยอดขายได้อย่างไร โดยไม่ต้องใช้ฮาร์ดแวร์เพิ่มเติม

อ่านเพิ่มเติม

พบกับเราได้ที่ NRF Singapore 2025

ค้นพบว่า OmniShelf และ Zebra Technologies กำลังเปลี่ยนแปลงการจัดการชั้นวางสินค้าด้วยระบบอัจฉริยะสำหรับการขายปลีกแบบเรียลไทม์ได้อย่างไรที่งาน NRF Singapore 2025 เยี่ยมชมเราเพื่อรับชมการสาธิตสดและข้อมูลเชิงลึกจากผู้เชี่ยวชาญ

อ่านเพิ่มเติม