Impinj 发布 Physical Intelligence 新愿景与新标识,定位物理世界与 AI 数字世界的关键连接
Impinj 发布全新平台愿景 Physical Intelligence 及新标识,将其提供的实时物品数据定位为物理世界与 AI 驱动数字世界之间的关键连接。
Impinj 发布全新平台愿景 Physical Intelligence 及新标识,将其提供的实时物品数据定位为物理世界与 AI 驱动数字世界之间的关键连接。
Wiliot 在博客中提出,零售 AI 的瓶颈不在模型层而在感知层,人工盘点下零售商库存准确率通常约 60–80%,收货对账常需 24–48 小时,导致 BOPIS 和门店发货承诺落空。
推荐理由:Wiliot 以自家平台视角拆解零售 AI 的数据断层,并给出沃尔玛部署规模,可对照感知层与模型层的关系。
Keonn 升级了基于 Impinj E710 读写器芯片并支持 Gen2X 的 AdvanTrack-600 顶装 RFID 方案,用于门店实时单品级库存与位置读取。
推荐理由:原文给出 9000 件标签实测下盘存时间与漏读改善数据,可作为顶装读点方案选型的参考。
RAIN Alliance 发布 RAIN RFID 零售成熟度模型,为零售商提供评估自身部署阶段、识别下一步能力并制定持续创新路线图的通用框架。模型显示,随着贴标商品、部署读写器和集成工作流增多,价值沿效率、可见性、可追溯性和智能四个支柱逐步累积,可支撑 Digital Product Passport 合规与认证转售等新场景。
Wiliot 发布《RFID vs. Wiliot 对比指南》,主张依赖人工扫描的 RFID 已成供应链瓶颈,应以无需扫描的 Physical AI 取代。其 IoT Pixels 是无电池蓝牙传感器,采集位置、温度、湿度等数据,由 Physical AI 平台转为实时运营事件。Wiliot 称其平台每日追踪超 1 亿件资产、覆盖 2 万个站点,库存准确率达 99% 以上。
Wiliot 公布一项多站点容器可视化部署,在 10 个站点、每站约 1570 个月台门和约 160 个区域中,为每个容器贴一枚无电池 IoT Pixel,全年标记约 235 万个容器,实现车道级定位、停留时间告警和错挂拖车提醒,无需人工扫描。
推荐理由:案例给出10站点、约1570个月台门与2.35M容器规模下的部署数据,可作无源物联网容器可视化的投资回报参考。
Inditex 2024 年未售库存仅 0.57%,而时尚行业整体在 10% 至 20% 之间。Impinj 称其依托 RAIN RFID 技术将每件商品转化为实时物理世界数据流,即“Physical Intelligence”,为 AI 系统提供持续数据以优化库存、履约与补货决策。Impinj《2026 零售趋势报告》显示,需求波动连续成为零售领导者首要挑战,但仅 42% 认为自身具备韧性。
Fedrigoni Self-Adhesives 部署了由 Murata ID Solutions 开发的 RFID 系统,用于跟踪原材料、半成品和成品,并选用 Tageos 的 EOS-500 U9 RAIN RFID 嵌体(采用 NXP UCODE 9 IC)。