机器人导购、3D试装、刷脸支付……商场里的各种“新玩法”让人目不暇接。可以说,在数字化大潮的裹胁下,人工智能、高性能计算等新兴技术早已从概念验证阶段悄然融入大众的日常生活。零售业也随之从最初的线下传统模式到电商,再到现在线下线上融合的全场景布局。和每一种新的商业模式一样,它也有属于自己的发展趋势,产品的个性化、服务的专属化、供应链的智能化、流量的去中心化等等。
如何给这些变化下一个定义?有人简单的把他们概括为“新零售”,有人则称之为“智慧零售”。但对于万千商家来说,最关键的不是下定义,而是如何最快的感知这些“变化”,从而抓住时代的脉搏,获得业务成功。
零售业创新需要高密度计算支持
时尚易逝,风格永存。产品的独特性是大多数品牌获得成功的法宝。但如何把自己各具特色的产品推荐给最适合的受众又是一大难题。事实上,沃尔玛超市在上世纪就给出了答案:他们的售货员在与顾客访谈后,发现了纸尿裤与啤酒间的“数据联系”,于是将二者摆放在一起销售,销售额大幅提升。
现在,“新零售”,或是“智慧零售”,依旧离不开“数据”。但与上世纪不同的是,人们可以借助高性能计算和人工智能等手段,通过社交网络感知消费者的行为习惯,从而精准获客并向其提供多样化、个性化的服务。无论是对顾客的消费行为分析,还是之前的模型开发甚至训练及验证阶段,海量的计算对零售业IT基础设施的要求都将越来越高。行业呼唤更高性能计算的支持。
IT即服务公司HPE在今年初推出了具有突破性新功能的HPE Apollo产品组合,将加速计算能力提高到一个前所未有的新水平。HPE Apollo 6500 Gen10 Plus系统是这一产品线中的明星产品,具有出色的密度和敏捷性。
HPE Apollo 6500 Gen10 Plus系统包含有最新的NVIDIA A100 Tensor Core GPU和第二代AMD EPYC™ 处理器,其卓越的处理能力缓解了遗留基础架构的压力,增强了数据驱动的创新能力。其中,NVIDIA A100 GPU能够保障高吞吐下的低延迟,加速运行各种工作负载。同时,HPE Apollo 6500 Gen10 Plus系统采用业界领先的GPU互联架构,实现了GPU利用率的最大化,每个服务器有多达16个GPU,无论HPC和AI工作负载的要求如何高,都能够快速捕获和智能分析,并投入运营。不仅如此,系统最多可接入16个前置连接存储设备,SAS/SATA固态驱动与最多6个NVMe驱动可更加快数据的访问速度。
借助HPE Apollo 6500 Gen10 Plus强大的计算性能,零售企业可以通过数据分析和机器学习快速感知消费者的喜好变化,大幅缩短获取洞见的时间,在激烈的市场竞争中占得先机。
携手生态伙伴,打造的智能的零售业解决方案
新零售将线下购物重新拉回人们的视野,5G、物联网、人工智能、边缘计算等技术与线下门店的融合趋势愈加深入。其中,智能视频分析(IVA)利用深度学习技术分析实时的视频信号,在零售业得到更广泛的使用。通过对销售行为、过道的人流、结账队伍、促销商品选择以及商品的摆放位置等店内视频进行分析,能够帮助零售商寻找到新的。Allied市场调研公司的研究显服示,在2019年,零售业就已成为视频分析的最大用户。
在这样的背景下,HPE携手英伟达打造了智能的零售业解决方案。通过将HPE服务器的性能、安全性和可靠性与优化的NVIDIA EGX软件堆栈相结合,该解决方案能够交付超高速度和灵活性,从边缘获得的店铺和客户数据,为零售商带来关键性优势。而在边缘之外,要发挥AI和深度学习的全部潜力,就需要能适应计算密集型工作负载的系统来支持AI开发的各个阶段,包括数据准备、模型的开发、训练和验证等。
具有突破性算力提升的HPE Apollo 6500 Gen10 plus系统,就具备这样卓越的性能,适合端到端IVA的AI模型的开发和训练并具有出色的密度和敏捷性,能够支持各种HPC和AI应用。此外,该系统以其广泛的操作系统选项,灵活的选件支持,模块化设计,在保障可靠性、安全性和简单性的同时,降低了总体拥有成本。
基于此优势的HPE高性能解决方案能交付出色的内存带宽、灵活性和安全性。经过全面测试和配置的HPE解决方案,能满足零售业客户在HPC、AI、机器学习和深度学习工作负载的需求。除此之外,HPE还提供全面的运营、咨询和专业服务,合作伙伴生态系统能帮助零售客户深入了解零售业的需求,取得业务成功。
结语
2020年的疫情,仿佛给全社会数字化转型的步伐加入了催化剂。人们越来越意识到,科技创新和产业升级的必要性。在2021政府工作报告中,政府着重强调大力促进科技创新、产业转型升级步伐加快。同时也提出要改造升提升传统产业,推进产业基础高级化、产业链现代化等,促进服务业繁荣发展。
HPE Apollo 6500 Gen10 Plus系统所具有的加速计算能力正在颠覆市场,也预示了HPC和AI未来的发展前景。HPE完善的Gen10产品组合为HPC和AI量身定制,能够应对不断增长的规模。同时,HPE也在持续加强协作,不断构建、验证和交付最先进的解决方案和服务,满足工作负载和客户的要求。无论您计划采用HPC还是AI,HPE都能为您提供安全可靠的帮助,同时降低总体拥有成本,为企业客户的数据创新提供有力支撑。
新华三是HPE品牌的服务器、存储和相关技术服务的中国独家提供商。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。