客户案例
这里写的是现场条件和我们的做法，不是宣传口径。客户名称、门店数量与效果数据，只在取得客户同意后公开。
沃尔玛中国
零售 · 烘焙识别。与天波合作落地，我们是算法与端侧这一层。
现场条件
现烤烘焙区，商品出炉后直接上架：没有条码，或者条码在包装背面不好扫；同款不同价的情况多；门店在高峰时段排队明显，收银台不能等；门店宽带质量参差。
我们做了什么
把识别模型和商品库放到收银设备本地：认货在本地完成，单据也在本地生成，识别链路里没有网络往返。商品库更新走独立维护流程，新增商品不需要客户端发版。
关键取舍是先保断网可用——门店网络抖动是常态，如果识别依赖云端往返，掉线就等于停业。
交付了什么
端侧识别 SDK + 收银客户端 + 商品库维护流程。硬件与整包交付由天波负责，我们负责算法与端侧这一层。
遗留与后续
现烤商品的形态变化快（新品、季节品、临时改配方），商品库维护仍是主要工作量；我们在做的方向是让新增商品的录入更省事，而不是靠加人。
绝味鸭脖
零售 · 卤味计数。数家门店试点，先验证一致性与操作习惯。
现场条件
卤味与新鲜零食按件或按份取货，商品没有条码，大小包外观相似；人工点数和记录慢，还容易和实际出货对不上。
我们做了什么
用商品计数的能力解决“数得准”：同一套端侧识别 SDK，换卤味场景的模型；前端用开源业务客户端，把计数结果接进他们的流程。当前处在数家门店试点，先验证计数一致性和操作习惯，再谈铺开。
交付了什么
端侧识别 SDK + 卤味计数客户端（开源）+ 试点期的问题清单与调整。
遗留与后续
叠加摆放、遮挡、连盒带袋的情况仍会掉准确率；试点阶段主要在收集这类边界样本，用来迭代模型，而不是靠现场调参糊过去。
立臻精密
安防 · 园区综合安防。重型制造园区，单厂区 8,000+ 路摄像头。
现场条件
重型制造园区，单厂区 8,000+ 路摄像头已在运行；品牌型号混杂，时间基准不一致；出事时靠人翻录像，效率极低。要的不是“多一块大屏”，是“能不能查到”。
我们做了什么
先把接入和时间对齐解决，再把视频流做成结构化事件与特征：人在哪一路、哪一秒、做了什么，都能按条件筛出来。分析链路与录像链路解耦——分析异常不影响录像本身。
规模上，这一套跑在客户机房：算法与算力服务器出事件，中心侧 PaaS 负责存储与秒级检索。
交付了什么
园区安防算法（周界与闯入、人员行为、车辆、检索与布控）+ 算力服务器 + 安防 PaaS。人体搜索、人脸布防这类能力，是规模下才真正成立的部分。
遗留与后续
多路摄像头的时间漂移仍需定期巡检；跨厂区的统一检索还没做，属于下一阶段。
未实名的，按行业写
这些客户没有授权公开名称，所以我们只写行业与做法。
团餐 · 后厨晨检与操作规范
上岗前的检查靠人记录、事后无凭据。把检查项固化成端侧判定流程，结果带时间与画面摘要上报，异常当天可见。
医疗 · 疫苗留观监测
留观 30 分钟靠人工盯。用人脸追踪给出“何时进入、何时离开”的事实值，是否满 30 分钟由业务系统判。
食堂 · 场内 SOP
桌面是否干净、有没有人落座、落座后多久有人上前、走后多久清理完——只给事实。
工业 · 产线 AI SOP
工位动作是否按规程执行（到位、顺序、次数、工具），判定在产线本地完成。
生鲜 · 称重计价
散装生鲜的快速识别，替代手工找码；称重联动交给客户的秤与收银系统。
这页的几条规矩
授权
能实名是因为客户同意
没同意的一律按行业描述，连“某国际零售巨头”这种暗示都不写。
数字
模糊一点点
8,000+ 路、数家门店、十万级向量——不报精确值，因为精确值一旦被现场核对就对不上。
效果
不写没出处的
不写没有来源的百分比，也不出现“某店长说……”这类伪造的客户引语。