Pada 22 Oktober, NVIDIA menguraikan proyek AI ritel di Eropa yang mencakup biaya penyajian model, pencarian produk, dan perencanaan gudang. Benchmark internal Shopify menunjukkan penurunan biaya penyajian sebesar 90% untuk model yang disesuaikan, sementara Otto Group memperluas inisiatif gudang berbasis simulasi ke pusat pemenuhan pesanan terbesarnya di Jerman.

Hal-Hal Penting

  • Shopify melaporkan akurasi yang lebih tinggi, biaya penyajian 90% lebih rendah, dan respons tujuh kali lebih cepat untuk model yang menjalani pelatihan lanjutan, berdasarkan benchmark internalnya.
  • Aplikasi ritel mencakup berbagai hal, mulai dari prototipe pencarian Zooplus hingga penyuntingan gambar yang telah diterapkan dan virtual try-on berbasis fisika.
  • Otto Group memperluas kapabilitas simulasi gudang, sementara tiga cetak biru ritel NVIDIA masih berada dalam tahap akses awal.

Daftar Isi

AI ritel Eropa menerapkan model yang disesuaikan

Hasil Shopify berpusat pada subagen GraphQL dalam Sidekick, asisten AI untuk pedagang. Perusahaan tersebut melakukan pelatihan lanjutan terhadap NVIDIA Nemotron 3.5 Lightning dengan menggunakan berbagai alat, termasuk Megatron Bridge dan NeMo RL. Subagen itu mengambil data toko untuk fitur seperti Sidekick Pulse, yang meneliti bisnis pedagang dan merekomendasikan peningkatan.

Menurut NVIDIA, dalam benchmark internal Shopify, model yang disesuaikan itu melampaui model frontier terkemuka yang tidak disebutkan namanya dalam hal akurasi, memangkas biaya penyajian sebesar 90%, dan memberikan respons tujuh kali lebih cepat. Hasil tersebut berlaku untuk benchmark itu, bukan menunjukkan kinerja pada semua tugas pedagang.

Secara terpisah, perangkat lunak optimisasi inferensi NVIDIA CCluster vLLM membantu Shopify mencapai kinerja 4,5 kali lebih cepat dan biaya inferensi hingga 12 kali lebih rendah untuk lima penggunaan lainnya: pengayaan katalog, bantuan bagi pedagang, simulasi belanja, klasifikasi produk, dan rekomendasi.

Pencarian dan citra produk menunjukkan tahap penerapan yang berbeda

Zooplus bekerja sama dengan Infosys dan teknologi NVIDIA untuk membangun ulang fitur pencarian produk. Prototipe siap produksi yang diterapkan di lingkungan Amazon Web Services milik peritel hewan peliharaan tersebut mencapai akurasi pencarian 86%. Prototipe itu menggunakan pustaka Nemotron Retriever untuk pencarian semantik dan cetak biru pengayaan katalog ritel NVIDIA guna menghasilkan atribut produk yang dapat ditelusuri.

Di Vestiaire Collective, Image Editing API dari Photoroom kini menstandarkan setiap gambar utama pada daftar produk, dengan memproses sekitar 40.000 gambar per hari di 70 negara. NVIDIA melaporkan bahwa daftar produk yang diproses memiliki tingkat likuiditas 5% lebih tinggi dan jumlah kunjungan unik ke halaman produk 3% hingga 7% lebih banyak. Alur kerja tersebut berjalan pada GPU NVIDIA menggunakan TensorRT dan Triton Inference Server.

Omi meluncurkan ProductDrop untuk mengaitkan gambar yang dihasilkan dengan kembaran digital yang telah disetujui dan menghindari kesalahan produk di seluruh katalog. L’Oréal menggunakan pendekatan tersebut dalam program CreAItech-nya. Pembuatan aset 3D TRELLIS milik Omi berjalan pada GPU RTX PRO 6000 Blackwell Server Edition, dengan inferensi yang dilaporkan sepuluh kali lebih cepat dan latensi alur kerja yang berkurang empat kali lipat.

Pemrosesan katalog dan riset bahan memperluas adopsi

Catalog Transformer milik Mirakl telah memasukkan lebih dari 70 juta produk, dengan menggabungkan model terbuka yang disetel secara khusus dan layanan proprietari untuk menata data vendor. Mirakl menjalankan model pada GPU NVIDIA di infrastrukturnya sendiri dan melalui penyedia cloud Eropa seperti Scaleway.

L’Oréal juga mengintegrasikan NVIDIA ALCHEMI ke dalam riset bahan, dengan peralihan yang dilaporkan dari eksperimen selama berbulan-bulan menjadi penyaringan komputasional selama berjam-jam. Perusahaan tersebut sedang menguji pendekatan terkait melalui CurieOS milik Orbital Industries dengan menggunakan model simulasi molekuler sumber terbuka OrbMol-v2.

Dengan integrasi ALCHEMI Toolkit, OrbMol-v2 dilaporkan berjalan lima kali lebih cepat dibandingkan model sebanding, dengan tingkat kesalahan 21% lebih rendah daripada model sejenis terbaik berikutnya. Alur kerja ini mengidentifikasi kombinasi bahan yang menjanjikan untuk melarutkan filter UV sebelum pengujian laboratorium.

Simulasi menjangkau gudang dan pemasangan virtual

Otto Group mengembangkan inisiatif gudang otonom dengan pengawasan manusia ke pusat pemenuhan pesanan terbesarnya di Haldensleben, Jerman. Sistem yang dibangun bersama Reply dengan menggunakan pustaka NVIDIA Omniverse dan berjalan di Google Cloud ini memungkinkan tim logistik merancang, menguji, dan mengoptimalkan operasi dalam simulasi sebelum diterapkan secara fisik.

ALLSIDES meluncurkan 3D Digital Twin Factory otomatis yang mengubah objek fisik menjadi aset siap simulasi dalam hitungan menit. Perusahaan melaporkan akurasi geometris di bawah satu milimeter, sifat fisik yang terukur, dan material yang dapat diterangi ulang. Platformnya telah melayani merek-merek seperti adidas, Amazon, Nike, Zalando, dan Zara.

Dalam pemasangan virtual, CATCHES melaporkan bahwa penerapan RealFit bersama AMIRI meningkatkan konversi sebesar 55%, aktivitas penambahan ke keranjang sebesar 80%, dan penjualan bruto sebesar 56%, setelah penyesuaian musiman dengan membandingkan model yang serupa. CATCHES juga meluncurkan PredictiveFit untuk peritel dan CASI, agen fesyen di WhatsApp untuk belanja, penataan gaya, dan penentuan ukuran.

Tiga cetak biru ritel masih berada dalam tahap akses awal

Di GTC Berlin, Nebius memamerkan tiga cetak biru ritel NVIDIA yang berjalan pada infrastrukturnya. Semuanya tersedia dalam tahap akses awal, bukan digambarkan sebagai produk yang telah tersedia secara umum.

Agent Harness for Employee Productivity menggabungkan penjadwalan, manajemen tugas, peringatan inventaris, dan wawasan operasional. Inventory Simulation and Optimization memodelkan permintaan dan strategi pengisian ulang sebelum komitmen diterapkan di dunia nyata. Agentic Finetuning Flywheel menghubungkan pembuatan data pelatihan, penyetelan halus model sumber terbuka, dan umpan balik kinerja di dunia nyata.

Baca Berita Lainnya

Berita FinanceVelix lainnya

Penafian

Artikel FinanceVelix ini memberikan informasi umum, bukan saran keuangan, investasi, hukum, atau pajak yang dipersonalisasi. Harga pasar, suku bunga, dan kondisi ekonomi dapat berubah; investasi mengandung risiko kerugian. Fakta mencerminkan materi yang tersedia saat artikel diterbitkan dan dapat berubah. Periksa sendiri informasi penting dan konsultasikan dengan tenaga profesional yang berkualifikasi bila diperlukan. Penyebutan aset, perusahaan, atau layanan bukan merupakan dukungan.