英特尔、WaitTime和思科联合推出了一个人工智能解决方案,为美国购物中心(Mall of America)提供关于实时客载量、人群密度和购物体验的洞察服务。通过分析这些数据,美国购物中心可以做出明智的业务决策,在维护每位消费者隐私的同时改善购物体验。
美国购物中心和美国梦购物中心(Mall of America & American Dream)技术副总裁Aaron Nielsen表示:“在WaitTime、英特尔和思科的帮助下,我们不再需要对顾客消费的地点和方式做无谓的猜测,而且我们能够做出真正的改变来改善购物体验。尤其,通过顾客连接的Wi-Fi识别出其方位信息,并叠加其购物路线之后,我们能够真正获得对于消费者的深刻洞察。”
采用内置人工智能加速的英特尔®至强®可扩展处理器以及思科Meraki系统和分析解决方案,WaitTime利用人工智能来精确计算特定区域内的人数,并确定他们是在此停留或只是路过。WaitTime还提供详细的情况分析,经营者可以通过这些分析为消费者提供更好的购物体验。
WaitTime首席执行官Zachary Klima指出:“英特尔是世界上最具创新精神的科技公司之一,WaitTime非常珍视双方的深度合作,这项合作使我们的客户能够利用同类首创的实时商业智能来提高效率,并提升客户、消费者等的体验。”
对于购物中心、体育场馆等场所,对人群的洞察分析是提升业务成果的关键。基于此,未来,WaitTime、英特尔和思科将持续携手,共同把这款零售解决方案扩展应用到美国各地的购物中心、体育场馆及其他更多场所中。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。