Il 22 ottobre NVIDIA ha illustrato progetti europei di IA per il retail che riguardano i costi di esecuzione dei modelli, la ricerca dei prodotti e la pianificazione dei magazzini. Un benchmark interno di Shopify ha mostrato una riduzione del 90% dei costi di esecuzione per un modello personalizzato, mentre Otto Group ha ampliato la propria iniziativa di simulazione dei magazzini fino al suo più grande centro di evasione degli ordini in Germania.

Punti chiave

  • Nel proprio benchmark interno, Shopify ha riportato maggiore precisione, costi di esecuzione inferiori del 90% e risposte sette volte più rapide per un modello sottoposto a post-addestramento.
  • Le applicazioni per il retail spaziano da un prototipo di ricerca per Zooplus alla modifica delle immagini già implementata e alla prova virtuale basata sulla fisica.
  • Otto Group ha ampliato le capacità di simulazione dei magazzini, mentre tre blueprint NVIDIA per il retail sono ancora in accesso anticipato.

Indice

L’IA nel retail europeo mette al lavoro modelli personalizzati

I risultati di Shopify riguardano un sottoagente GraphQL integrato in Sidekick, l’assistente IA dell’azienda per i commercianti. La società ha sottoposto a post-addestramento NVIDIA Nemotron 3.5 Lightning utilizzando strumenti tra cui Megatron Bridge e NeMo RL. Il sottoagente recupera i dati dei negozi per funzionalità come Sidekick Pulse, che analizza l’attività di un commerciante e suggerisce miglioramenti.

Nel benchmark interno di Shopify, il modello personalizzato ha superato in precisione un modello frontier leader non specificato, ridotto i costi di esecuzione del 90% e fornito risposte sette volte più rapidamente, ha dichiarato NVIDIA. Questi risultati si riferiscono al benchmark e non dimostrano prestazioni analoghe per tutte le attività dei commercianti.

Separatamente, il software di ottimizzazione dell’inferenza vLLM NVIDIA CCluster ha aiutato Shopify a ottenere prestazioni 4,5 volte superiori e costi di inferenza fino a 12 volte inferiori in altri cinque ambiti: arricchimento dei cataloghi, assistenza ai commercianti, simulazione degli acquisti, classificazione dei prodotti e raccomandazioni.

Ricerca e immagini dei prodotti mostrano diverse fasi di implementazione

Zooplus ha collaborato con Infosys e le tecnologie NVIDIA per ricostruire il processo di ricerca dei prodotti. Un prototipo pronto per la produzione, implementato nell’ambiente Amazon Web Services del rivenditore di prodotti per animali, ha raggiunto una precisione di ricerca dell’86%. Utilizza la libreria Nemotron Retriever per la ricerca semantica e il blueprint NVIDIA per l’arricchimento dei cataloghi retail, che genera attributi dei prodotti consultabili tramite ricerca.

Vestiaire Collective utilizza ora l’API Image Editing di Photoroom per uniformare ogni immagine principale degli annunci, elaborandone circa 40.000 al giorno in 70 paesi. NVIDIA ha riferito che gli annunci elaborati hanno registrato un tasso di liquidità superiore del 5% e dal 3% al 7% in più di visualizzazioni uniche delle pagine prodotto. La pipeline funziona su GPU NVIDIA con TensorRT e Triton Inference Server.

Omi ha lanciato ProductDrop per associare le immagini generate a gemelli digitali approvati ed evitare errori sui prodotti nei cataloghi. L’Oréal utilizza questo approccio nel programma CreAItech. La generazione di asset 3D TRELLIS di Omi funziona su GPU RTX PRO 6000 Blackwell Server Edition, con un’inferenza dieci volte più rapida e una latenza della pipeline ridotta di quattro volte, secondo quanto riportato.

Elaborazione dei cataloghi e ricerca sugli ingredienti ampliano l’adozione

Catalog Transformer di Mirakl ha integrato oltre 70 milioni di prodotti, combinando modelli open source ottimizzati con servizi proprietari per organizzare i dati dei fornitori. Mirakl esegue i modelli su GPU NVIDIA nella propria infrastruttura e tramite provider cloud europei come Scaleway.

L’Oréal sta inoltre integrando NVIDIA ALCHEMI nella ricerca sugli ingredienti, con un passaggio, secondo quanto riferito, da mesi di sperimentazione a ore di analisi computazionale. L’azienda sta testando un approccio correlato tramite CurieOS di Orbital Industries, utilizzando il modello open source di simulazione molecolare OrbMol-v2.

Integrato con ALCHEMI Toolkit, OrbMol-v2 risulta cinque volte più veloce di modelli comparabili e presenta un errore inferiore del 21% rispetto al modello successivo migliore della categoria. Il flusso di lavoro individua combinazioni promettenti di ingredienti per solubilizzare i filtri UV prima delle prove di laboratorio.

La simulazione arriva nei magazzini e nella prova virtuale

Otto Group ha esteso la propria iniziativa di magazzino autonomo supervisionato da personale al suo più grande centro di evasione degli ordini, a Haldensleben, in Germania. Realizzato con Reply utilizzando le librerie NVIDIA Omniverse e in esecuzione su Google Cloud, il sistema consente ai team logistici di progettare, testare e ottimizzare le operazioni in simulazione prima della loro implementazione fisica.

ALLSIDES ha lanciato una fabbrica automatizzata di gemelli digitali 3D che converte oggetti fisici in asset pronti per la simulazione nel giro di pochi minuti. L’azienda dichiara una precisione geometrica inferiore al millimetro, proprietà fisiche misurate e materiali la cui illuminazione può essere modificata. La piattaforma è già utilizzata da marchi tra cui adidas, Amazon, Nike, Zalando e Zara.

Nell’ambito della prova virtuale, CATCHES ha riferito che l’implementazione di RealFit con AMIRI ha aumentato le conversioni del 55%, le aggiunte al carrello dell’80% e le vendite lorde del 56%, dopo l’aggiustamento stagionale e il confronto tra modelli equivalenti. CATCHES ha inoltre lanciato PredictiveFit per i rivenditori e CASI, un agente di moda su WhatsApp dedicato agli acquisti, allo styling e alle taglie.

Tre blueprint per il retail restano in accesso anticipato

Al GTC Berlin, Nebius presenta tre blueprint NVIDIA per il retail in esecuzione sulla propria infrastruttura. Sono tutti disponibili in accesso anticipato e non vengono descritti come prodotti generalmente disponibili.

Agent Harness for Employee Productivity integra pianificazione dei turni, gestione delle attività, avvisi sulle scorte e informazioni operative. Inventory Simulation and Optimization simula la domanda e le strategie di rifornimento prima di assumere impegni nel mondo reale. Agentic Finetuning Flywheel collega la generazione dei dati di addestramento, l’ottimizzazione dei modelli open source e il feedback sulle prestazioni nel mondo reale.

Leggi altre notizie

Altre notizie di FinanceVelix

Esclusione di responsabilità

Questo articolo di FinanceVelix fornisce informazioni di carattere generale e non costituisce una consulenza finanziaria, d’investimento, legale o fiscale personalizzata. I prezzi di mercato, i tassi d’interesse e le condizioni economiche possono cambiare; gli investimenti comportano il rischio di perdite. I fatti rispecchiano le informazioni disponibili al momento della pubblicazione e possono variare. Verificate autonomamente le informazioni importanti e, se necessario, rivolgetevi a un professionista qualificato. La menzione di un’attività, di una società o di un servizio non costituisce un’approvazione.