庫存失真年吞零售業 1.7 兆美元，H&M 的「實體 AI」怎麼止血？
對服飾零售商而言，庫存管理始終是一場高成本的猜謎遊戲。貨架缺貨會直接造成銷售損失，商品積壓則可能面臨折價與資金占用，庫存損耗又進一步侵蝕利潤。全球零售和飯店技術研究公司 IHL Group 最新研究指出，2026 年全球零售業因缺貨與庫存過剩造成的「庫存失真」（inventory distortion）成本約達 1.7 兆美元，占全球零售銷售額 6.2%。
這正是 RFID 與 AI 迅速推進至零售供應鏈核心的主因。RFID 能以無線射頻辨識技術，在免去逐件掃描條碼的前提下批量追蹤商品；然而，海量的原始感測資料容易受到環境干擾、讀取誤差與位置不確定性影響。AI 則扮演分析與收斂的角色，將這些即時資料與銷售紀錄、歷史數據交叉比對，精準辨識庫存異常並分析商品流速，進而將混亂的原始數據轉化為門市人員與供應鏈系統可直接執行的營運決策。
門市變革：從「定期盤點」升級為動態「庫存熱力圖」
快時尚巨頭 H&M Group 近期便將這套思維大規模落實於全球門市。H&M 於數百家據點導入 GreyOrange 的 AI 庫存管理平台 gStore，串接固定式天花板讀取器、手持式 RFID 與智慧試衣鏡等感測設備，為門市建立起高精準度的即時庫存視圖。
這項技術的核心突破，在於將實體門市轉化為一張動態更新的「庫存熱力圖」。gStore 能將特定 SKU 的實體位置定位至 3 至 5 英尺（約 0.9 至 1.5 公尺）範圍內，並將定位資料與銷售數據即時串聯。系統能清楚掌握哪些商品銷售速度最快、哪些商品被帶入試衣間後卻遭到遺棄，以及哪些款式的庫存正低於安全水位。店員藉此能以極高的效率協助顧客尋找特定尺寸，並大幅縮短架上補貨時間。
這項轉型的本質，不僅僅是把 RFID 讀取器裝進門市，而是讓 AI 徹底解決「庫存看不見、擺不對」的痛點。當商品位置、流速與庫存水位在同一個系統中滾動更新，AI 就能引導門市轉向預測性營運，例如優先補足最具銷售潛力的商品、優化架位陳列，並掌握滯留在試衣間或非目標區域的商品。庫存管理因而擺脫了傳統耗時耗力的週期性盤點，走向接近即時的營運監測。
智慧機器人破除全通路履約瓶頸
H&M 的布局也沒有停留在門市端。早在 2021 年，H&M 便在美國西岸一座配送中心導入 GreyOrange 的 GreyMatter 倉儲協調平台，之後逐步擴展至其他北美配送中心，並形成更廣泛的全球部署。
在配送中心內部，GreyMatter 負責指揮與調配自動化機器人，彈性處理摺疊商品、掛裝商品以及跨通路庫存轉化。機器人更具備「平行批量揀貨」（Parallel Batch Picking）能力，可同步處理多筆訂單，徹底擺脫傳統逐單揀貨的效率瓶頸。對服飾零售商而言，這項能力至關重要，同款商品往往需要同時滿足門市補貨、線上直郵與門市取貨（BOPIS）等多元需求，系統必須即時做出動態分配判斷，確保庫存流向效益最高的通路。
H&M 展示了實體 AI（Physical AI）與 RFID 結合後的加乘效果。當全通路的數據與實體貨品流動完全打通，庫存不再是壓垮零售商財務的猜謎遊戲，而是能隨市場需求彈性反應的動態資產。
消費的樣貌正在被科技重新定義，而這些變化值得被深入解讀。如果你也想追蹤零售與科技的最前線、寫出有洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ 不靠漲價也能救毛利：AI 正把「菜單工程」變餐廳新財務槓桿
＊本文開放合作夥伴轉載，參考資料：IHL Group、《RFID Journal》、《Chain Store Age》，首圖來源：Unsplash
（責任編輯：廖紹伶）