22 października NVIDIA przedstawiła europejskie projekty AI w handlu detalicznym, obejmujące koszty obsługi modeli, odkrywanie produktów i planowanie pracy magazynów. Wewnętrzny benchmark Shopify wykazał spadek kosztów obsługi dostosowanego modelu o 90%, a Otto Group rozszerzyła inicjatywę symulacji magazynu na swoje największe centrum realizacji zamówień w Niemczech.

Najważniejsze wnioski

  • Shopify odnotowała wyższą dokładność, o 90% niższe koszty obsługi i siedmiokrotnie szybsze odpowiedzi dostrajanej w procesie post-trainingu wersji modelu w swoim wewnętrznym benchmarku.
  • Zastosowania w handlu detalicznym obejmują prototyp wyszukiwania Zooplus, wdrożoną edycję obrazów oraz wirtualne przymierzanie oparte na fizyce.
  • Otto Group rozszerzyła możliwości symulacji magazynowej, a trzy plany działania NVIDIA dla handlu detalicznego są nadal we wczesnym dostępie.

Spis treści

Europejski handel detaliczny wykorzystuje dostosowane modele

Wyniki Shopify dotyczą podagenta GraphQL w Sidekick, asystencie AI dla sprzedawców. Firma przeprowadziła post-training modelu NVIDIA Nemotron 3.5 Lightning, korzystając z narzędzi takich jak Megatron Bridge i NeMo RL. Podagent pobiera dane ze sklepu na potrzeby funkcji takich jak Sidekick Pulse, która analizuje działalność sprzedawcy i rekomenduje usprawnienia.

Według NVIDIA w wewnętrznym benchmarku Shopify dostosowany model przewyższył pod względem dokładności nienazwany, wiodący model frontier, obniżył koszty obsługi o 90% i udzielał odpowiedzi siedem razy szybciej. Wyniki te dotyczą benchmarku i nie stanowią potwierdzenia wydajności we wszystkich zadaniach sprzedawców.

Niezależnie od tego oprogramowanie do optymalizacji inferencji vLLM, NVIDIA CCluster, pomogło Shopify uzyskać 4,5-krotnie wyższą szybkość działania i obniżyć koszty inferencji nawet 12-krotnie w pięciu innych zastosowaniach: wzbogacaniu katalogów, pomocy sprzedawcom, symulacji zakupów, klasyfikacji produktów i rekomendacjach.

Wyszukiwanie i zdjęcia produktów na różnych etapach wdrożenia

Zooplus współpracowała z Infosys i wykorzystała technologie NVIDIA do przebudowy funkcji odkrywania produktów. Prototyp gotowy do wdrożenia produkcyjnego, uruchomiony w środowisku Amazon Web Services należącym do sprzedawcy produktów dla zwierząt, osiągnął 86% dokładności wyszukiwania. Wykorzystuje bibliotekę Nemotron Retriever do wyszukiwania semantycznego oraz plan działania NVIDIA do wzbogacania katalogów detalicznych, który generuje atrybuty produktów umożliwiające ich wyszukiwanie.

W Vestiaire Collective interfejs API Image Editing firmy Photoroom służy obecnie do standaryzacji każdego głównego zdjęcia oferty, przetwarzając około 40 000 obrazów dziennie w 70 krajach. NVIDIA podała, że przetworzone oferty miały o 5% wyższy wskaźnik płynności i o 3%–7% więcej unikalnych odsłon stron produktów. Potok działa na procesorach graficznych NVIDIA, wykorzystując TensorRT i Triton Inference Server.

Omi uruchomiła ProductDrop, aby powiązać generowane obrazy z zatwierdzonymi cyfrowymi bliźniakami i zapobiegać błędom dotyczącym produktów w katalogach. L’Oréal wykorzystuje to podejście w swoim programie CreAItech. Generowanie zasobów 3D za pomocą Omi TRELLIS działa na procesorach graficznych RTX PRO 6000 Blackwell Server Edition; według podanych informacji inferencja jest dziesięć razy szybsza, a opóźnienie potoku czterokrotnie krótsze.

Przetwarzanie katalogów i badania składników poszerzają zakres wdrożeń

Catalog Transformer firmy Mirakl obsłużył już ponad 70 milionów produktów, łącząc dostrojone modele otwarte z zastrzeżonymi usługami w celu porządkowania danych dostawców. Mirakl uruchamia modele na procesorach graficznych NVIDIA we własnej infrastrukturze oraz za pośrednictwem europejskich dostawców chmury, takich jak Scaleway.

L’Oréal integruje również NVIDIA ALCHEMI z badaniami nad składnikami; według podanych informacji czas pracy skrócił się z miesięcy eksperymentów do godzin obliczeniowej selekcji. Firma testuje pokrewne podejście za pośrednictwem CurieOS firmy Orbital Industries, wykorzystując otwartoźródłowy model symulacji molekularnej OrbMol-v2.

Według podanych informacji OrbMol-v2, zintegrowany z zestawem narzędzi ALCHEMI Toolkit, działa pięć razy szybciej niż porównywalne modele, a jego błąd jest o 21% niższy niż w kolejnym najlepszym modelu tego rodzaju. Proces pozwala przed testami laboratoryjnymi wskazać obiecujące kombinacje składników do solubilizacji filtrów UV.

Symulacje trafiają do magazynów i wirtualnych przymierzalni

Otto Group rozszerzyła inicjatywę autonomicznego magazynu nadzorowanego przez ludzi na swoje największe centrum realizacji zamówień w Haldensleben w Niemczech. System, zbudowany we współpracy z Reply z wykorzystaniem bibliotek NVIDIA Omniverse i działający w Google Cloud, pozwala zespołom logistycznym projektować, testować i optymalizować operacje w symulacji przed ich fizycznym wdrożeniem.

ALLSIDES uruchomiła zautomatyzowaną fabrykę cyfrowych bliźniaków 3D, która przekształca obiekty fizyczne w zasoby gotowe do symulacji w ciągu kilku minut. Firma podaje, że rozwiązanie zapewnia dokładność geometryczną poniżej milimetra, mierzone właściwości fizyczne i materiały umożliwiające zmianę oświetlenia. Platforma obsługuje już takie marki jak adidas, Amazon, Nike, Zalando i Zara.

W obszarze wirtualnego przymierzania firma CATCHES poinformowała, że wdrożenie RealFit u AMIRI zwiększyło konwersję o 55%, aktywność polegającą na dodaniu produktu do koszyka o 80%, a sprzedaż brutto o 56% — po korekcie sezonowej i porównaniu podobnych stylów. CATCHES uruchomiła również PredictiveFit dla sprzedawców detalicznych oraz CASI, modowego asystenta WhatsApp do zakupów, stylizacji i doboru rozmiaru.

Trzy plany działania dla handlu detalicznego pozostają we wczesnym dostępie

Podczas GTC Berlin Nebius prezentuje trzy plany działania NVIDIA dla handlu detalicznego, działające w jej infrastrukturze. Wszystkie są dostępne we wczesnym dostępie, a nie jako produkty ogólnie dostępne.

Agent Harness for Employee Productivity łączy planowanie grafików, zarządzanie zadaniami, alerty dotyczące zapasów i wnioski operacyjne. Inventory Simulation and Optimization modeluje popyt i strategie uzupełniania zapasów przed podjęciem rzeczywistych zobowiązań. Agentic Finetuning Flywheel łączy generowanie danych treningowych, dostrajanie modeli open source i informacje zwrotne o wynikach uzyskanych w rzeczywistych warunkach.

Przeczytaj więcej wiadomości

Więcej wiadomości FinanceVelix

Zastrzeżenie

Ten artykuł FinanceVelix zawiera ogólne informacje i nie stanowi spersonalizowanej porady finansowej, inwestycyjnej, prawnej ani podatkowej. Ceny rynkowe, stopy procentowe i warunki gospodarcze mogą się zmieniać; inwestycje wiążą się z ryzykiem straty. Podane fakty odzwierciedlają informacje dostępne w chwili publikacji i mogą ulec zmianie. Ważne informacje należy weryfikować niezależnie, a w razie potrzeby skonsultować się z wykwalifikowanym specjalistą. Wzmianka o aktywach, spółce lub usłudze nie stanowi rekomendacji.