Resposta rápida: Caixas não assistidos perdem dinheiro no momento em que o modelo precisa fazer round-trip até um servidor. Este guia de compra mostra às equipes OEM/ODM como especificar um quiosque com NPU, livre de servidor GPU, para prevenção de perdas com visão de borda — hardware, interfaces e conformidade de p
Visão geral
A IA no dispositivo (borda) executa o modelo de prevenção de perdas dentro do quiosque ou de uma caixa local, de modo que as imagens nunca saem da loja e um alerta é disparado em milissegundos em vez dos 5 a 10 segundos que um round-trip na nuvem pode levar. Para um comprador de hardware, "sem servidor GPU" é uma decisão de especificação, não um slogan: significa uma plataforma x86 ou Arm com NPU, com um orçamento definido de TOPS, uma câmera escolhida para o caso de shrink, interfaces de software abertas e um design de privacidade que resiste ao GDPR e ao EU AI Act. Acerte esses quatro pontos e o caixa se protege sozinho, sem adicionar um rack no escritório dos fundos.
Por que a prevenção de perdas está migrando para o dispositivo
O autoatendimento se tornou o centro de perdas da loja. O Relatório de Perdas em Autoatendimento 2026 , de autoria do professor Matt Hopkins, da Universidade de Leicester, para a ECR Retail Loss, analisou 39 varejistas que representam mais de €1 trilhão em faturamento anual e descobriu que varejistas perdem cerca de €229,89 para cada 1.000 transações de autoatendimento , com 54% de todas as transações agora passando por caixas de autoatendimento. Um conjunto de dados separado cobrindo 2.304 lojas colocou quebra no autoatendimento em 1.96% das vendas versus 1.35% para lojas sem SCO — uma diferença estatisticamente significativa.
A resposta do setor não é remover o caixa, mas sim reforçá-lo. O problema é onde o modelo é executado. Um monitor baseado na nuvem que precisa de 5 a 10 segundos para sinalizar uma anomalia, ou que precisa enviar vídeo para fora do local por um link de loja limitado, perde o momento em que ocorre um evento de quebra e multiplica sua exposição de largura de banda e privacidade. É por isso que a janela de compra atual é para hardware pronto para IA : plataformas que podem executar inferência localmente, próximas à câmera, sem um servidor GPU por trás delas.
Três arquiteturas — e por que a especificação do comprador difere
Antes de escolher um gabinete, decida onde a inferência é executada. Esta é a única decisão que determina seu processador, sua câmera, sua rede e sua história de conformidade.
| Arquitetura | Onde o modelo é executado | Latência / largura de banda | Quando se encaixa no seu projeto |
|---|---|---|---|
| Nuvem / servidor GPU | Servidor central ou nuvem, vídeo transmitido para fora do local | Latência de ida e volta; saída de vídeo em cada quadro | Grande parque existente com um data center e um orçamento de rede dedicado |
| Caixa de borda no back-office | Um dispositivo local observando vários caixas | Baixa latência; nenhum vídeo sai do local | Implantações de múltiplas filas em que uma única caixa amortiza o custo entre quiosques |
| No dispositivo (no quiosque) | Dentro da própria plataforma com capacidade de NPU do quiosque | Inferência em milissegundos; nenhum hardware extra por local | Implantações de fila única, locais pop-up e qualquer implantação sem espaço de back-office |
O requisito de "sem servidor GPU" geralmente significa a segunda ou a terceira linha. Ambas removem o rack do servidor; a opção no quiosque remove também a caixa extra, ao custo de colocar o orçamento de TOPS dentro do gabinete.
O que "GPU-server-free" realmente exige na sua ficha técnica
Se você quer visão de borda sem um servidor, a plataforma dentro do quiosque tem que dar conta da carga de trabalho. Em 2026, isso é um requisito mainstream, não exótico: os blocos de construção padrão de IA de borda são SoCs equipados com NPU — Intel Core Ultra ("AI Boost"), AMD Ryzen AI, NVIDIA Jetson Orin e Qualcomm Hexagon — com a Rockchip RK3588 dominando o custo-sensível Android signage . A Core Ultra Series 3 da Intel, por exemplo, é avaliada com uma NPU de 50 TOPS, e a Ryzen AI 300/400 XDNA2 da AMD em cerca de 50 TOPS, com peças de ponta bem acima disso. A leitura prática para um comprador: você não precisa mais de uma placa GPU para executar inferência de visão em um quiosque, mas você realmente precisa declarar o número de TOPS, a câmera e as interfaces explicitamente, ou você herdará uma fila que não consegue executar o modelo que lhe foi vendido.
Use esta tabela como lista de verificação de negociação com seu fornecedor de hardware:
| Dimensão da especificação | O que escrever na RFQ | Evidência a exigir |
|---|---|---|
| Plataforma de computação | compatível com NPU x86 ou SoC Arm com um orçamento de TOPS declarado; sem placa GPU dedicada, sem servidor GPU externo | Faça benchmark do modelo de visão real no hardware de destino, não de um número de TOPS de folha de dados |
| Câmera e lente | Posição de montagem, campo de visão e iluminação que correspondam ao caso de perdas (cesta vs prateleira vs leito do scanner) | Taxa de detecção em itens e iluminação representativos, incluindo baixa luminosidade |
| Runtime de inferência | Se a plataforma é fornecida com um runtime/stack compatível (por exemplo, OpenVINO, ONNX, TensorRT, ROCm) | Confirme que o formato de modelo de que seu fornecedor de software precisa é suportado desde o primeiro dia |
| Interface de software | O limite exato de API/eventos entre o hardware do quiosque e o aplicativo de prevenção de perdas | Uma especificação de interface por escrito para que o escopo de hardware termine onde o escopo de software começa |
| Limite de dados | Se qualquer vídeo ou dado biométrico pode sair do dispositivo, e sob qual gatilho | Um diagrama de fluxo de dados — a maioria dos projetos modernos exige "o vídeo permaneça no dispositivo" |
EUA e UE: a linha de conformidade que você não pode cruzar
O processamento na borda não é apenas mais rápido — é o padrão seguro em termos de conformidade, porque os dados mais sensíveis nunca saem do local. Mas as regras sobre o que o modelo pode fazer estão ficando mais rígidas, e elas devem constar na sua ficha de especificações agora.
- O GDPR se aplica a qualquer dado pessoal nas filmagens , incluindo a coleta, armazenamento e processamento de dados biométricos — as mesmas regras se aplicam se a caixa estiver na loja ou na nuvem.
- Lei de IA da UE: a identificação biométrica remota em tempo real em espaços publicamente acessíveis é geralmente proibida , com exceções restritas para aplicação da lei. Sistemas de reconhecimento de emoções e categorização biométrica acarretam deveres de transparência — os clientes devem ser informados — com a divulgação aplicável a partir de agosto de 2026 . Na prática, isso direciona o design de prevenção de perdas no varejo para não identificadora detecção comportamental (pular escaneamento, remoção de item, não pagamento) em vez de identificação facial.
- EUA: leis estaduais de privacidade biométrica (por exemplo, BIPA de Illinois, CUBI do Texas) exigem aviso e consentimento para captura facial ou outra captura biométrica, e várias jurisdições restringem a vigilância biométrica em tempo real no varejo de forma absoluta.
Para um comprador, a especificação mais segura é aquela em que o modelo detecta eventos , não pessoas : um alerta comportamental no dispositivo que nunca cria um modelo facial é dramaticamente mais fácil de implantar tanto na UE quanto nos EUA do que um sistema de identidade do lado do servidor.
Risco e mitigação de risco
| Risco | Por que isso é problemático | Como mitigar o risco na RFQ |
|---|---|---|
| TOPS que não executam seu modelo | TOPS do datasheet ≠ vazão real de inferência | Exija um benchmark de seu modelo no hardware de destino |
| Aumento do escopo do software | Fornecedor de hardware cotado como se incluísse a aplicação de IA | Defina uma fronteira de API por escrito; precifique hardware e software separadamente |
| Falha de conformidade | Um recurso biométrico transforma um caixa em um sistema proibido | Especifique detecção comportamental não identificável; documente o fluxo de dados |
| Incompatibilidade de especificação da câmera | Campo de visão ou iluminação escolhidos para o caso de quebra errado | Adeque a óptica ao cenário real; teste pouca luz e densidade de itens |
| Aprisionamento de atualização | Plataforma selada que não aceita um modelo mais novo | Exija uma pilha de inferência aberta e atualizável |
Onde Usingwin se encaixa
Usingwin constrói o hardware de quiosque OEM/ODM que torna a visão de borda implementável — o gabinete, os pontos de montagem para câmera e sensores, o compartimento da plataforma de computação e os periféricos de manuseio de dinheiro — para que o modelo do seu fornecedor de software tenha um lar. Plataformas relevantes para projetos de prevenção de perdas no varejo e na hotelaria incluem o freestanding US-K215CB quiosque de manuseio de dinheiro e o US-K236CB quiosque de dispensação de dinheiro, o multi-mount US-K236FS-2 , e o de montagem na parede US-K320WM quiosque de manuseio de dinheiro de 32 polegadas. Todos são montagens baseadas em configuração OEM/ODM — gabinete, periféricos e branding confirmados por projeto — com MOQ começando em uma unidade e prazos de entrega tipicamente na faixa de 15–25 dias úteis, dependendo da configuração.
Se você está especificando um caixa não assistido e precisa de um parceiro de hardware que possa acomodar uma plataforma com NPU e uma câmera no dispositivo, solicite uma revisão de configuração e cotação — envie seu orçamento de TOPS, posição da câmera e interface de software e confirmaremos o que o gabinete pode suportar.
Um quiosque precisa de um GPU para executar IA de visão para prevenção de perdas?
Não. SoCs modernos equipados com NPU — Intel Core Ultra, AMD Ryzen AI, NVIDIA Jetson Orin, Qualcomm Hexagon — executam modelos de visão em escala de varejo no dispositivo sem uma discreta GPU ou um servidor de back-office. O que importa é que você faça benchmark do seu modelo real na plataforma escolhida, não que a plataforma possua uma GPU placa.
A IA no dispositivo está mais em conformidade do que um sistema de vídeo na nuvem?
É mais fácil de cumprir. Executar inferência localmente significa que o vídeo e quaisquer dados derivados não precisam sair do local, o que reduz a exposição ao GDPR e mantém você livre das proibições do EU AI Act sobre identificação biométrica remota em tempo real. Isso por si só não torna legal um recurso de reconhecimento de emoções ou categorização biométrica — esses ainda acionam obrigações de transparência e, em alguns casos, de alto risco.
O que a consulta deve dizer sobre o software?
Mantenha hardware e software em escopos separados. Peça ao fornecedor do quiosque para entregar uma IA- pronta plataforma (computação, suporte de câmera, interfaces, limite de dados) e precifique o aplicativo de prevenção de perdas, modelo e integração separadamente, com um limite de API escrito entre os dois.
Uma caixa de borda pode atender vários quiosques?
Sim — uma única caixa de borda de back-office pode monitorar várias pistas, o que amortiza o custo em uma implantação multi-pista. A inferência no quiosque é adequada para locais de pista única, implantações pop-up e locais sem espaço de back-office. Muitos projetos combinam ambos.
A quebra e os números de mercado são citados a partir das fontes vinculadas acima (ECR Retail Loss / University of Leicester Self-Checkout Loss Report 2026; dados de quebra no nível da loja do varejista; análises da NRF e da indústria de IA de borda) e são estimativas de pesquisa direcionais, não números auditados. Detalhes de computação e conformidade referenciam fontes de fornecedores e regulatórias em 2026. Confirme sua configuração exata de pista, escopo de software, evidências e critérios de aceitação na cotação do projeto antes de se comprometer com uma implantação.
