由NVIDIA Jetson Nano提供支持的实时分析技术帮助零售商实现商店的人工智能赋能,零售商可基于对顾客购买行为及偏好的更优解读完善消费体验。
零售商们当前正在努力实现商店的人工智能赋能,更好地理解顾客的购买行为和偏好,提供更好的消费体验。
位于瑞典的人工智能初创公司Modcam借助智能传感器获取零售、展厅和办公空间流量的详细数据。这些传感器由NVIDIA Jetson Nano模块驱动,利用边缘数据进行实时的AI算法计算,从而帮助各类零售商通过安全保险的方式获取有关客户购买偏好的信息。
梅赛德斯·奔驰咨询当前正在与这家初创企业合作,加速打造新一代汽车零售体验。为了测试不同的店内布局和新技术,公司更是在位于德国斯图加特的总部外建造了一个配备Modcam传感器的测试展厅。
考虑到汽车对大多数人来说是非经常性的大额消费,汽车制造商在零售方面的成功很大程度上依赖于良好的展厅体验。随着在自动驾驶和智能驾驶方面的投入增加,梅赛德斯·奔驰咨询也在寻找更易于导航并能实现更完善的布局的店面,以达成对购物体验的优化。
在Modcam边缘计算AI算法的助力下,梅赛德斯·奔驰咨询在展厅和服务方面获取了非常有价值的消费者行为信息。
智慧购物
Modcam公司的智能AI关注消费者在空间内的移动路线,其分析结果可帮助零售商判断当前布局的合理性或标识的必要性,并进一步确定客户是否会对其停留关注的产品产生兴趣。
这一算法无需收集或存储任何私人信息,顾客在其运行在边缘的深度神经网络中均不会被识别,智能传感器也不会存储他们分析的任何图像。
Modcam依赖于兼具高性能与节能特点的Jetson Nano,并使用NVIDIA Metropolis应用框架进行优化,以实现实时计算。因此,这台小型计算机具备强大的功能,可以实现多个深度神经网络(如目标检测、分割和追踪)在Modcam的同时运行,且所有应用程序仅依托于一个运行功率仅为5瓦的平台上,十分简单易用。
Modcam的首席运营官Andreas Nordgren表示:“我们上一代的传感器和处理器并不够强大,因此本次选择了更高级别的NVIDIA Jetson Nano,从而帮助下一代系统实现60倍神经网络性能提升。”
凭借这一兼具高性能与智能的边缘解决方案,Modcam正在帮助世界各地的零售商提供更优化的商品陈列和更好的购物体验。
Modcam是NVIDIA Inception的成员之一。NVIDIA Inception是一个虚拟加速器项目,锚定初创公司并为其提供基本工具、专业知识,支持其进入市场。
AI赋能的高端品牌
随着概念店在公司总部附近落成,梅赛德斯·奔驰咨询已着手测试不同的楼层布局、触屏和展示产品信息的标牌的促销效果。
通过在该店配备Modcam边缘AI系统,这家汽车制造商实现了对这些布局和投入的效果的量化考量:确定各车型的顾客流量,以及客户与不同的商店配置互动时表现出的差异,并能将这些经验扩展到其全球经销商,以优化客户消费和服务体验。
此外,在实时边缘计算的帮助下,他们可以实现快速迭代,以持续提供能力所及的最佳店内体验。
新一代自主机器嵌入式系统NVIDIA Jetson将现代AI的力量带入数百万边缘设备,开启嵌入式物联网应用程序新领域。专区有最新活动、产品、资源和学习内容,带您感知AI新维度。访问地址:http://www.zhiding.cn/special/jetson
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。