在这个亚马逊看起来所向无敌的时代，任何自称可以打挂贝索斯但却不是其妻的人，大概都会被当成是疯子。但偏偏我们Hardware Club最近就投资了一家纽约的新创 Caper Labs，共同投资人包含知名风险资本公司 First Round Capital 和 Precursor Ventures。这间成立不到两年的新创要单挑的不是别的，正是把全世界的实体零售店都吓得皮皮挫的亚马逊无人商店 Amazon Go。
无人商店创造消费新模式
如大多数读者所知的，Amazon Go采用相机和云端机器学习系统，消费者只需要扫描手机上APP的条码就可以进入商店，拿取完要采购的商品后只要直接走出商店即可，之后会收到消费清单，费用也直接从与亚马逊帐号连结的信用卡或签帐卡扣除。
以现行系统来说，目前在全美只有八家分店的Amazon Go解决了消费者排队结帐的痛点，比起欧美超市已经行之多年的DIY结帐系统更进一步。以我自己曾经造访过的西雅图和旧金山的几间Amazon Go分店来说，可以看到都市上班族川流不息地刷码进入商店，选购完后怡然自得地走出商店。Amazon Go诞生至今只花短短两年就成功训练出一种全新的都会消费者行为，也难怪在加拿大皇家银行市场分析部（RBC Capital Markets）的一份报告中，他们预测计划到2021年为止开设三千间分店的Amazon Go，将可以实现一年高达四十五亿美元的营业额。
目前市面上可以看到的Amazon Go店面，多半为1,200平方尺（约34坪）等级的大小，也就是便利商店的尺寸。加拿大皇家银行市场分析部的分析报告采用了国家便利商店协会（National Association of Convenience Stores）的数据，以1,200平方尺商店来说，他们认为一般便利商店每平方尺的年营收是落在低端的850美元左右，换算成一年营收约为一百万美元，而结帐零时差的Amazon Go每平方尺则可以产生高端的、将近1,300美元营收，一年最高可以达到一百六七十万美元营收，以三千家店来说，要产生四十亿到五十亿美元的营收并不困难。
而就像创立二十四年的亚马逊线上商店先后打趴实体连锁书店和电子商城，Amazon Go的快速窜起也攫取了大量的新闻头条，以至于印象中仰赖传统（懒惰而昂贵的）劳力的实体超市和超商似乎风雨飘摇，随时都会被打挂的感觉。
但印象终究是印象，实际上Amazon Go是不是单骑对打传统超商，必须要回到基本面来看。
举例来说，以我多次Amazon Go采购的经验，从走出店门到收到帐单为止，时间差从五分钟到四十分钟不等，这里面其实凸显了现有Amazon Go的自动结帐系统一个很大的挑战：以云端机器学习为根基的自动结帐系统，远远还没到理想中的效率。
为什么这么说呢？很简单，如果亚马逊的云端机器学习系统已经到达最佳效率，那么出帐时间的长短不会有这么大的分布区间，单纯以店里的人流和消费量高低峰来看，一个已经优化完成的、可信赖的自动结帐系统，似乎要能够稳定地在一个很短的时间区间内出帐成功，例如十分钟到十五分钟之类的。
那么为什么Amazon Go现在还会有那么大的出帐时间差异呢？
要分析个中原因，我们首先要了解：一个类神经网络的复杂度，在第一阶上（to the first order）取决于彼此间关联性低的输入变量的数量。以Amazon Go来说，一间店采用了数百台的摄影机，所以最少有数百个彼此大致独立的影像串流输入，但不只如此，一间店随时可能有二十到五十个消费者不等，每个消费者会在不同时间点从不同货架上取下不同数量的产品，并且在不同时间点改变心意将部分商品放回货架上（而且还不一定是原本的货架），中间夹杂着不同时间长度的无行为区间，并在不同时间点决定完成购物走出商店。
完成出帐时间不一，直指Amazon Go技术局限
这些取样点和时间点的不定性，代表的是Amazon Go的机器学习系统必须要处理相当高维度而且密度高低变化的输入变量。 亚马逊自然是没有公开其类神经网络的设计，但我们可以想像这个系统结合了大量的次网络以及多层的宏观网络，最后才能顺利完成出帐。
▲「Amazon Go」的顾客不必再大排长龙等结帐，只要拿起商品走出店外，系统会记录消费内容。
因此Amazon Go这个自动结帐系统出帐时间分布之广，其实并没有什么意外的地方，因为变量的数量不定而且各自夹带一个时间轴的变异性。从另一个角度来说，Amazon Go也认定消费者并不在乎帐单何时抵达，只在乎自己有没有被多收钱。尽管一开始迟迟收不到帐单时任何良善公民都会焦虑，但多几次经验后也就习惯了，所以等待不是问题。
但是这个优异的使用者经验反映出来的却是Amazon Go现行系统一个很大的问题 —— 尽管是由过去三十年来最成功、成长速度最快的科技公司之一所开发，这个系统却有根本的扩张可行性（scalability） 问题。
