商场 AI 导览：不装硬件，用摄像头做室内定位与讲解

商场 AI 导览 App 界面示意（方案设计稿）

本页依据 2026 年 9 月《商场 AI 导览 App · 纯摄像头视觉方案 v5》整理，属于方案案例，记录设计思路与落地路径。文中的周期、成本对比、精度分级均为方案口径，不是交付后的实测数据。

项目概况

一、商场导览为什么一直做不起来

把顾客的抱怨和商场的难处放在一起看，会发现问题是一体两面：

最后落到一句：体验差 + 落地贵，商场导览就停在了「楼层图 App」。要突破，得同时把这两头解开，而不是再做一个更漂亮的楼层图。

二、换个起点：看见即所在

方案的核心假设只有一句：你看到的东西，就是你的位置。摄像头同时是眼睛和定位器，不需要基站、信标，也不需要进场施工。

传统方案的部署按「周 + 施工队」算；这套方案从「拍一张门头照」开始，方案口径是半天录入一层。

三、用户怎么用：四个场景

第四个场景值得单独说：拍海报问优惠不需要知道你在哪。它只依赖多模态模型读图，所以即使定位失败，这个入口依然可用。这是「识别不了也有用」的设计。

四、两条视觉链路：看懂世界 + 知道在哪

同一次取景，系统并行回答两个问题——这是什么，以及我在哪。

一次识别的完整流水是四步：识别到店 → 查店铺库 → LLM 组导览词 → 语音播报。

成本上有两个设计：云端多模态只做语义兜底，端侧 OCR 负责便宜的前置过滤；同一店招在短期内不重复调用（关键帧缓存）。这两条决定了它能不能被大量用户日常使用，而不是只在演示时跑得漂亮。

五、视觉定位的四个等级

起步只需要每家店 1~2 张门头照。精度逐级升级、成本逐级增加，但始终不碰硬件。

方案判断是 V1 + V2 已覆盖约 90% 的需求（拍照问答、语音导航）。AR 箭头才需要 V3，而到那一步也只是一次性采集，不是部署硬件。

六、四层架构，端云协同

第四层与团队现有的 Agent 技术栈同构：识别链路、话术编排、运营后台可以直接复用，不需要从零造一套。

七、从「坐标 + 箭头」到「地标 + 语音」

它最终播报出来的不是「向东 30 米」，而是人话：

「直行约 40 米，右手边是优衣库；过了 HM 左转，乘扶梯上二楼——海底捞在扶梯右手边，今天午市 7.8 折。」

这句话里的每个地标，都是用户抬头能看见的东西。这是它相比箭头导航真正的优势：不需要用户相信一个抽象的坐标，只需要他看见下一家店。

八、落地路线：三步，每步先验证

顺序不能倒。每个阶段都先验证再投入：先证明「有人用、商场愿意付」，再往体验升级。反过来做，很容易做出一个技术很完整、但没人打开的产品。

九、对商场意味着什么

十、四个风险，和对应的兜底

一条设计铁律贯穿全部：识别不了不等于死路。每个场景都有语音兜底——报店名、搜索、转人工。

十一、这个方案的边界

写方案容易只写好处，这里把做不到的部分说清楚：

• 识别率不是 100%。玻璃反光、人流遮挡、门头被横幅盖住，都会失败。系统能重试、能引导重拍，但不能保证每次都成。
• 它不是厘米级定位。V1 只知道「你在哪家店门口」，V2 只知道「你走到哪一段」。需要箭头贴地的 AR 体验，得先做 V3 的视觉建图。
• 内容不维护就会过期。店铺换了、活动结束了而库里没更新，AI 会一本正经地讲错。这件事只能靠商场运营，不能靠模型。
• 不承诺客流与转化。它能做的是缩短「看见 → 听懂 → 进店」这条路径，不负责把人变多。
• 隐私需要正面处理。摄像头常开是这类方案的命门，必须在试点前和商场法务确认告知方式、数据留存与删除策略。

十二、适合什么样的商场

• 层数多、店铺密、动线复杂，顾客容易在 B1 和 L2 之间迷路；
• 有会员和优惠体系，但散落在公众号、海报、商户各自的小程序里；
• 不愿意为了室内定位停业施工，或物业明确不接受大规模布线；
• 有一个运营岗位能持续维护店铺库和活动信息。

反过来说，如果商场只有一两层、店铺几十家、顾客本来就不会迷路，那这套方案的收益有限——直接做好楼层图和商户目录，成本更低。