Respuesta rápida: Las cajas desatendidas pierden dinero en el momento en que el modelo tiene que hacer un viaje de ida y vuelta a un servidor. Esta guía para compradores muestra a los equipos de OEM/ODM cómo especificar un kiosco con capacidad de NPU, libre de servidor GPU para la prevención de pérdidas con visión en
Descripción general
La IA en el dispositivo (en el borde) ejecuta el modelo de prevención de pérdidas dentro del kiosco o de una caja local, por lo que las imágenes nunca salen de la tienda y una alerta se dispara en milisegundos en lugar de los 5–10 segundos que puede tardar un viaje de ida y vuelta a la nube. Para un comprador de hardware, "sin servidor GPU" es una decisión de especificación, no un eslogan: significa una plataforma x86 o Arm con capacidad de NPU con un presupuesto de TOPS definido, una cámara elegida para el caso de merma, interfaces de software abiertas y un diseño de privacidad que sobreviva al RGPD y a la Ley de IA de la UE. Acierte esos cuatro puntos y la caja se protege sola sin añadir un rack en la trastienda.
Por qué la prevención de pérdidas se está trasladando al dispositivo
El autopago se ha convertido en el centro de pérdidas de la tienda. El Informe de pérdidas en autopago 2026 , escrito por el profesor Matt Hopkins de la Universidad de Leicester para ECR Retail Loss, analizó 39 minoristas que representan más de 1 billón de euros en facturación anual y encontró que los minoristas pierden aproximadamente 229,89 € por cada 1.000 transacciones de autopago , con 54% de todas las transacciones fluyendo ahora a través de carriles de autoservicio. Un conjunto de datos separado que abarca 2.304 tiendas puso la merma de autopago en 1.96% de las ventas frente a 1.35% para tiendas sin SCO — una brecha estadísticamente significativa.
La respuesta de la industria no es eliminar el carril, sino endurecerlo. El problema es dónde se ejecuta el modelo. Un monitor basado en la nube que necesita de 5 a 10 segundos para señalar una anomalía, o que tiene que enviar vídeo fuera del sitio a través de un enlace ascendente de tienda limitado, pierde el momento en que ocurre un evento de merma y multiplica tu exposición al ancho de banda y a la privacidad. Por eso la ventana de compra actual es para hardware preparado para IA : plataformas que pueden ejecutar inferencia localmente, junto a la cámara, sin un servidor GPU detrás de ellas.
Tres arquitecturas — y por qué la especificación del comprador difiere
Antes de elegir un gabinete, decida dónde se ejecuta la inferencia. Esta es la única decisión que determina su procesador, su cámara, su red y su historia de cumplimiento.
| Arquitectura | Dónde se ejecuta el modelo | Latencia / ancho de banda | Cuándo encaja en su proyecto |
|---|---|---|---|
| Nube / servidor GPU | Servidor central o nube, vídeo transmitido fuera del sitio | Latencia de ida y vuelta; salida de vídeo en cada fotograma | Gran parque existente con un centro de datos y un presupuesto de red dedicado |
| Caja perimetral de back-office | Una caja local que vigila varios carriles | Baja latencia; el vídeo no sale del sitio | Despliegues de varios carriles donde un equipo amortiza el coste entre kioscos |
| En el dispositivo (en el kiosco) | Dentro de la propia plataforma con capacidad NPU del kiosco | Inferencia en milisegundos; sin hardware adicional por sitio | Despliegues de un solo carril, ubicaciones temporales y cualquier despliegue sin espacio de back office |
El requisito de "sin servidor GPU" normalmente significa la segunda o la tercera fila. Ambas eliminan el bastidor de servidores; la opción en el kiosco también elimina el equipo adicional, a costa de poner el presupuesto de TOPS dentro del gabinete.
Qué requiere realmente "sin servidor GPU" en tu hoja de especificaciones
Si quieres visión en el borde sin un servidor, la plataforma dentro del kiosco tiene que soportar la carga de trabajo. En 2026, eso es un requisito común, no exótico: los componentes estándar de IA en el borde son SoC con NPU — Intel Core Ultra ("AI Boost"), AMD Ryzen AI, NVIDIA Jetson Orin y Qualcomm Hexagon — con Rockchip RK3588 dominando la cartelería digital sensible al coste Android . El Core Ultra Series 3 de Intel, por ejemplo, está clasificado con una NPU de 50 TOPS, y el Ryzen AI 300/400 XDNA2 de AMD con aproximadamente 50 TOPS, con componentes de gama alta muy por encima de eso. La interpretación práctica para un comprador: ya no necesitas una tarjeta GPU para ejecutar inferencia de visión en un kiosco, pero sí necesitas indicar el número de TOPS, la cámara y las interfaces de forma explícita, o heredarás un carril que no puede ejecutar el modelo que te vendieron.
Utilice esta tabla como lista de comprobación de negociación con su proveedor de hardware:
| Dimensión de la especificación | Qué escribir en la RFQ | Evidencia a exigir |
|---|---|---|
| Plataforma de computación | x86 con capacidad NPU o SoC Arm con un presupuesto de TOPS declarado; sin tarjeta GPU discreta, sin servidor GPU externo | Realice un benchmark del modelo de visión real en el hardware objetivo, no de una cifra de TOPS de la hoja de datos |
| Cámara y objetivo | Posición de montaje, campo de visión e iluminación que coincidan con el caso de merma (cesta vs estante vs superficie del escáner) | Tasa de detección en artículos y condiciones de iluminación representativos, incluida la poca luz |
| Entorno de ejecución de inferencia | Si la plataforma se entrega con un entorno de ejecución/pila compatible (p. ej., OpenVINO, ONNX, TensorRT, ROCm) | Confirme que el formato de modelo que necesita su proveedor de software esté soportado desde el primer día |
| Interfaz de software | El límite exacto de API/eventos entre el hardware del kiosco y la aplicación de prevención de pérdidas | Una especificación de interfaz por escrito para que el alcance del hardware termine donde comienza el del software |
| Límite de datos | Si algún dato de vídeo o biométrico puede salir del dispositivo, y bajo qué desencadenante | Un diagrama de flujo de datos — la mayoría de los proyectos modernos requieren «el vídeo permanece en el dispositivo» |
EE. UU. y UE: la línea de cumplimiento que no puede cruzar
El procesamiento en el borde no solo es más rápido — es la opción predeterminada segura para el cumplimiento, porque los datos más sensibles nunca abandonan el sitio. Pero las reglas sobre qué el modelo puede hacer son cada vez más estrictas, y deben incluirse en su hoja de especificaciones ahora.
- El RGPD se aplica a cualquier dato personal en las grabaciones , incluida la recopilación, el almacenamiento y el tratamiento de datos biométricos — las mismas normas se aplican tanto si el equipo está en la tienda como si está en la nube.
- Reglamento de IA de la UE: la identificación biométrica remota en tiempo real en espacios de acceso público está generalmente prohibida , con excepciones limitadas para las fuerzas del orden. Los sistemas de reconocimiento de emociones y de categorización biométrica conllevan obligaciones de transparencia — los clientes deben ser informados — y la divulgación se aplica desde agosto de 2026 . En la práctica, esto empuja el diseño de prevención de pérdidas en el comercio minorista hacia no identificativa la detección de comportamiento (omisión de escaneo, retirada de artículos, impago) en lugar de la identificación facial.
- EE. UU.: las leyes estatales de privacidad biométrica (p. ej., BIPA de Illinois, CUBI de Texas) exigen notificación y consentimiento para la captura facial u otra captura biométrica, y varias jurisdicciones restringen directamente la vigilancia biométrica en tiempo real en el comercio minorista.
Para un comprador, la especificación más segura es aquella en la que el modelo detecta eventos , no personas : una alerta de comportamiento en el dispositivo que nunca crea una plantilla facial es drásticamente más fácil de implementar tanto en la UE como en EE. UU. que un sistema de identidad del lado del servidor.
Riesgo y mitigación de riesgos
| Riesgo | Por qué es peligroso | Cómo mitigar el riesgo en la solicitud de oferta |
|---|---|---|
| TOPS que no ejecutan su modelo | TOPS de la hoja de datos ≠ rendimiento de inferencia real | Exija una prueba comparativa de su modelo en el hardware objetivo |
| Expansión del alcance del software | Proveedor de hardware cotizado como si incluyera la aplicación de IA | Defina un límite de API por escrito; fije precios de hardware y software por separado |
| Incumplimiento normativo | Una función biométrica convierte una línea de caja en un sistema prohibido | Especifique una detección de comportamiento no identificativa; documente el flujo de datos |
| Desajuste de especificaciones de cámara | Campo de visión o iluminación elegidos para el caso de merma incorrecto | Adapte la óptica al escenario real; pruebe escenarios de poca luz y densidad de artículos |
| Bloqueo de renovación | Plataforma cerrada que no admite un modelo más reciente | Exija una pila de inferencia abierta y actualizable |
Dónde encaja Usingwin
Usingwin fabrica el hardware de kiosco OEM/ODM que hace desplegable la visión en el borde — el gabinete, los puntos de montaje para cámara y sensores, la bahía de plataforma de cómputo y los periféricos de manejo de efectivo — para que el modelo de su proveedor de software tenga un hogar. Las plataformas relevantes para proyectos de prevención de pérdidas en retail y hostelería incluyen el de pie US-K215CB kiosco de manejo de efectivo y el US-K236CB kiosco de dispensación de efectivo, el multi-mount US-K236FS-2 , y el de montaje en pared US-K320WM kiosco de manejo de efectivo de 32 pulgadas. Todos son construcciones basadas en configuración OEM/ODM —gabinete, periféricos y marca confirmados por proyecto— con MOQ a partir de una unidad y plazos de entrega típicamente en el rango de 15 a 25 días hábiles según la configuración.
Si está especificando una línea de caja desatendida y necesita un socio de hardware que pueda alojar una plataforma compatible con NPU y una cámara en el dispositivo, solicite una revisión de configuración y presupuesto — envíe su presupuesto de TOPS, la posición de la cámara y la interfaz de software y confirmaremos qué puede soportar el gabinete.
¿Necesita un kiosco una GPU para ejecutar IA de visión para prevención de pérdidas?
No. Los SoC modernos equipados con NPU — Intel Core Ultra, AMD Ryzen AI, NVIDIA Jetson Orin, Qualcomm Hexagon — ejecutan modelos de visión a escala minorista en el dispositivo sin una GPU discreta ni un servidor de back-office. Lo que importa es que evalúe su modelo real en la plataforma elegida, no que la plataforma lleve una tarjeta GPU.
¿Es la IA en el dispositivo más conforme que un sistema de vídeo en la nube?
Es más fácil de cumplir. Ejecutar la inferencia localmente significa que el vídeo y cualquier dato derivado no necesitan salir del sitio, lo que reduce la exposición al RGPD y le mantiene al margen de las prohibiciones del Reglamento de IA de la UE sobre identificación biométrica remota en tiempo real. Por sí solo, no legaliza una función de reconocimiento de emociones o categorización biométrica; esas aún activan obligaciones de transparencia y, en algunos casos, de alto riesgo.
¿Qué debería decir la consulta sobre el software?
Mantenga el hardware y el software en ámbitos separados. Pida al proveedor del kiosco que entregue una IA- preparada plataforma (cómputo, montura de cámara, interfaces, límite de datos) y presupueste la aplicación de prevención de pérdidas, el modelo y la integración por separado, con un límite de API por escrito entre los dos.
¿Puede un único edge box dar servicio a varios kioscos?
Sí: un único edge box de back-office puede vigilar varios carriles, lo que amortiza el coste a lo largo de un despliegue multicarril. La inferencia en el kiosco se adapta a sitios de un solo carril, despliegues pop-up y ubicaciones sin espacio de back-office. Muchos proyectos combinan ambos.
Las cifras de merma y de mercado se citan de las fuentes enlazadas anteriormente (ECR Retail Loss / University of Leicester Self-Checkout Loss Report 2026; datos de merma a nivel de tienda de minoristas; análisis de NRF y del sector sobre IA en el edge) y son estimaciones de investigación orientativas, no cifras auditadas. Los detalles de cómputo y cumplimiento hacen referencia a fuentes de proveedores y regulatorias a fecha de 2026. Confirme la configuración exacta de sus carriles, el alcance del software, la evidencia y los criterios de aceptación en la cotización del proyecto antes de comprometerse con un despliegue.
