22 октября NVIDIA рассказала о европейских проектах в сфере ИИ для розничной торговли, связанных с затратами на обслуживание моделей, поиском товаров и планированием работы складов. Внутренний бенчмарк Shopify показал сокращение затрат на обслуживание кастомизированной модели на 90%, а Otto Group расширила свою инициативу по симуляции склада на крупнейший распределительный центр в Германии.

Основные выводы

  • По внутреннему бенчмарку Shopify, дообученная модель показала более высокую точность, снижение затрат на обслуживание на 90% и ответы в семь раз быстрее.
  • Сценарии применения в рознице варьируются от прототипа поиска Zooplus до внедренного редактирования изображений и виртуальной примерки на основе физических моделей.
  • Otto Group расширила возможности симуляции складских операций, а три розничных решения NVIDIA остаются в раннем доступе.

Содержание

Европейская розница применяет кастомизированные модели

Результаты Shopify связаны с субагентом GraphQL в Sidekick — ИИ-помощнике для продавцов. Компания дообучила NVIDIA Nemotron 3.5 Lightning с помощью таких инструментов, как Megatron Bridge и NeMo RL. Субагент извлекает данные магазина для функций, подобных Sidekick Pulse: она анализирует бизнес продавца и рекомендует улучшения.

По внутреннему бенчмарку Shopify, кастомизированная модель превзошла неназванную ведущую передовую модель по точности, сократила затраты на обслуживание на 90% и выдавала ответы в семь раз быстрее, сообщила NVIDIA. Эти результаты относятся к бенчмарку и не устанавливают показатели эффективности для всех задач продавцов.

Отдельно: ПО NVIDIA CCluster для оптимизации инференса vLLM помогло Shopify добиться в 4,5 раза более высокой производительности и снизить затраты на инференс до 12 раз в пяти других сценариях: обогащении каталогов, помощи продавцам, симуляции покупок, классификации товаров и рекомендациях.

Поиск и изображения товаров находятся на разных этапах внедрения

Zooplus совместно с Infosys и с использованием технологий NVIDIA перестроила систему поиска товаров. Готовый к внедрению прототип, развернутый в среде Amazon Web Services ритейлера товаров для домашних животных, показал точность поиска 86%. В нем используется библиотека Nemotron Retriever для семантического поиска и решение NVIDIA для обогащения розничных каталогов, которое генерирует атрибуты товаров, доступные для поиска.

В Vestiaire Collective API Photoroom для редактирования изображений теперь стандартизирует каждое основное изображение объявления, обрабатывая около 40 000 изображений ежедневно в 70 странах. По данным NVIDIA, у обработанных объявлений показатель ликвидности был на 5% выше, а число уникальных просмотров страниц товаров — на 3–7% больше. Конвейер работает на графических процессорах NVIDIA с использованием TensorRT и Triton Inference Server.

Omi запустила ProductDrop, чтобы связывать сгенерированные изображения с одобренными цифровыми двойниками и избегать ошибок в представлении товаров в каталогах. L’Oréal использует этот подход в своей программе CreAItech. Генерация 3D-объектов TRELLIS от Omi работает на графических процессорах RTX PRO 6000 Blackwell Server Edition; по сообщению компании, инференс выполняется в десять раз быстрее, а задержка конвейера сокращена в четыре раза.

Обработка каталогов и исследование ингредиентов расширяют сферу применения

Решение Catalog Transformer от Mirakl обработало более 70 миллионов товаров, объединяя тонко настроенные открытые модели с проприетарными сервисами для систематизации данных поставщиков. Mirakl запускает модели на графических процессорах NVIDIA в собственной инфраструктуре и через европейских облачных провайдеров, таких как Scaleway.

L’Oréal также интегрирует NVIDIA ALCHEMI в исследования ингредиентов; по сообщению компании, вместо месяцев экспериментов теперь требуются часы вычислительного скрининга. Компания тестирует связанный подход с помощью CurieOS от Orbital Industries, используя молекулярную модель симуляции с открытым исходным кодом OrbMol-v2.

По имеющимся данным, при интеграции с ALCHEMI Toolkit OrbMol-v2 работает в пять раз быстрее сопоставимых моделей, а ошибка на 21% ниже, чем у следующей по результатам модели этого типа. Рабочий процесс позволяет выявлять перспективные сочетания ингредиентов для солюбилизации УФ-фильтров до проведения лабораторных испытаний.

Симуляция приходит на склады и в виртуальную примерку

Otto Group расширила инициативу по созданию автономного склада под контролем человека на свой крупнейший распределительный центр в Хальденслебене, Германия. Система, созданная совместно с Reply с использованием библиотек NVIDIA Omniverse и работающая на Google Cloud, позволяет логистическим командам проектировать, тестировать и оптимизировать операции в симуляции до их реализации в физической среде.

ALLSIDES запустила автоматизированную фабрику 3D-цифровых двойников, которая за несколько минут преобразует физические объекты в ресурсы, готовые для симуляции. Компания заявляет о геометрической точности до долей миллиметра, измеренных физических свойствах и материалах, освещение которых можно изменять. Платформой уже пользуются такие бренды, как adidas, Amazon, Nike, Zalando и Zara.

В сфере виртуальной примерки CATCHES сообщила, что внедрение RealFit у AMIRI повысило конверсию на 55%, активность добавления товаров в корзину — на 80%, а валовые продажи — на 56% после сезонной корректировки с учетом сопоставимых моделей. CATCHES также запустила PredictiveFit для розничных продавцов и CASI — модного агента в WhatsApp для покупок, подбора стиля и выбора размера.

Три розничных решения остаются в раннем доступе

На GTC Berlin компания Nebius демонстрирует три розничных решения NVIDIA, работающих на ее инфраструктуре. Все они доступны в раннем доступе и не позиционируются как продукты, уже вышедшие на общий рынок.

Agent Harness for Employee Productivity объединяет планирование графиков, управление задачами, оповещения о запасах и операционную аналитику. Inventory Simulation and Optimization моделирует спрос и стратегии пополнения запасов до принятия обязательств в реальном мире. Agentic Finetuning Flywheel связывает генерацию обучающих данных, тонкую настройку моделей с открытым исходным кодом и обратную связь о результатах в реальных условиях.

Читайте также

Другие новости FinanceVelix

Отказ от ответственности

Эта статья FinanceVelix содержит общую информацию и не является персональной финансовой, инвестиционной, юридической или налоговой консультацией. Рыночные цены, процентные ставки и экономические условия могут меняться; инвестиции сопряжены с риском убытков. Факты отражают материалы, доступные на момент публикации, и могут измениться. Самостоятельно проверяйте важную информацию и при необходимости обращайтесь к квалифицированному специалисту. Упоминание актива, компании или услуги не является рекомендацией.