انویدیا در تازه‌ترین اقدام خود، تحولی بنیادین در خرده‌فروشی اروپا ایجاد کرده است؛ تحولی که از کشف دیجیتال محصول تا عملیات فیزیکی فروشگاه‌ها را در بر می‌گیرد. این تحول با بهره‌گیری از مدل‌های باز و هوش فیزیکی صورت می‌گیرد و نتایج چشمگیری مانند کاهش ۹۰ درصدی هزینه‌های استنتاج در یک پلتفرم تجارت الکترونیکی و شبیه‌سازی همکاری ناوگان‌های رباتیک در مراکز تکمیل سفارش به همراه داشته است.
مدل‌های باز و هوش مصنوعی؛ محرک نوآوری در خرده‌فروشی
رهبران صنعت خرده‌فروشی و شرکت‌های فناوری در سراسر اروپا از مدل‌های باز و مرزی شتاب‌داده‌شده با سخت‌افزار انویدیا برای پیشبرد تجارت عامل‌گرا، کشف دیجیتال محصول و تحقیق و توسعه خرده‌فروشی استفاده می‌کنند. این مدل‌ها به کسب‌وکارها امکان می‌دهند بدون نیاز به سرمایه‌گذاری سنگین، به دقت و کارایی بالایی دست یابند.
شاپی‌فای؛ از مدل‌های باز تا کاهش ۹۰ درصدی هزینه‌ها
شاپی‌فای به‌عنوان یکی از بزرگ‌ترین پلتفرم‌های تجارت الکترونیک جهان، با پست‌ترین‌کردن مدل‌های باز، موفق به دستیابی به دقتی در سطح مدل‌های مرزی و با کسری از هزینه شده است. مهندسان این شرکت از کتابخانه NVIDIA Megatron Bridge برای تنظیم دقیق سریع‌تر و از NVIDIA NeMo RL برای یادگیری تقویتی استفاده می‌کنند. در همین راستا، شاپی‌فای مدل NVIDIA Nemotron 3.5 Lightning را برای زیرعامل GraphQL که در Sidekick (دستیار هوشمند فروشندگان) یکپارچه شده، پست‌ترین کرده است. این زیرعامل داده‌های فروشگاه را برای چندین ویژگی Sidekick از جمله Sidekick Pulse بازیابی می‌کند که به تحلیل فروشگاه و ارائه توصیه‌های بهبود می‌پردازد. بر اساس معیارهای داخلی شاپی‌فای، مدل پست‌ترین‌شده از یک مدل مرزی پیشرو در دقت فراتر می‌رود و در عین حال هزینه‌های سرویس‌دهی را ۹۰ درصد کاهش داده و پاسخ‌ها را ۷ برابر سریع‌تر ارائه می‌کند.
علاوه بر Sidekick، نرم‌افزار بهینه‌سازی استنتاج NVIDIA CCluster vLLM به شاپی‌فای کمک کرده تا در پنج مورد استفاده دیگر به عملکرد ۴.۵ برابر سریع‌تر و هزینه استنتاج تا ۱۲ برابر کمتر دست یابد. این موارد عبارتند از:
- غنی‌سازی کاتالوگ محصولات
- دستیار فروشنده
- شبیه‌سازی خرید در تجارت الکترونیک
- طبقه‌بندی تاکسونومی محصول
- ارائه توصیه‌های خریدار و فروشنده
هوش فیزیکی و شبیه‌سازی انبارها با دیجیتال توئین
در بخش عملیات فیزیکی نیز انویدیا با تکیه بر مفهوم هوش فیزیکی، به خرده‌فروشان اروپایی امکان می‌دهد تا همکاری ناوگان‌های رباتیک مختلف را در یک دیجیتال توئین شبیه‌سازی کنند. این شبیه‌سازی‌ها پیش از راه‌اندازی واقعی، کارایی و ایمنی عملیات انبار را بهبود می‌بخشند و هزینه‌ها را کاهش می‌دهند. این رویکرد نشان می‌دهد که هوش مصنوعی تنها به دنیای دیجیتال محدود نمی‌ماند، بلکه در انبارهای فیزیکی نیز به کمک کسب‌وکارها می‌آید.
بدین ترتیب، ترکیب مدل‌های باز، یادگیری تقویتی و شبیه‌سازی‌های دیجیتال، راهی نوین برای تحول در خرده‌فروشی اروپا ترسیم می‌کند و مزیت رقابتی قابل توجهی برای شرکت‌هایی فراهم می‌کند که زودتر به این فناوری‌ها روی بیاورند.
پرسش‌های پرتکرار
مدل‌های باز چه نقشی در کاهش هزینه‌های هوش مصنوعی در خرده‌فروشی دارند؟
مدل‌های باز مانند Nemotron انویدیا با پست‌ترین‌کردن روی داده‌های اختصاصی، به کسب‌وکارها امکان می‌دهند تا به دقت مدل‌های مرزی دست یابند در حالی که هزینه‌های استنتاج تا ۹۰ درصد کاهش می‌یابد. این امر به‌ویژه برای پلتفرم‌هایی مانند شاپی‌فای که حجم بالایی از درخواست‌ها را پردازش می‌کنند، اهمیت دارد.
هوش فیزیکی چگونه به انبارهای خرده‌فروشی کمک می‌کند؟
هوش فیزیکی با شبیه‌سازی همکاری ربات‌ها در محیط دیجیتال توئین، به خرده‌فروشان امکان می‌دهد تا پیش از اجرای واقعی، خطرات و هزینه‌های عملیاتی را کاهش دهند و کارایی انبار را به‌طور چشمگیری افزایش دهند.
