I slutningen af 2016 blev Amazon Amazon Go indviet i Seattle. Denne ubemandede fysiske butik, som gør fuld brug af deep learning, sensorer, computervision og andre AI-teknologier, havde en enorm indflydelse på detailverdenen, så snart den dukkede op.
De brancheændringer, som AI medfører, stopper ikke der. Når man ser på nutiden, har det vækstdilemma, som detailhandlere står over for, intensiveret deres forventninger til kunstig intelligens-teknologi - objektive faktorer som gentagelsen af den økonomiske cyklus har gjort forbrugermarkedet blottet, og erhvervslivet er vendt tilbage til essensen af omkostningsreduktion og effektivitet, og oplevelsesforbedring.
"Fremtiden vil være et nyt, mere effektivt databehandlingssystem." Hraley, forfatter til A Brief History of the Future, forudsagde engang dette om den digitale fremtids muligheder. Et fuldt forbundet og digitaliseret samfund kan stadig forestilles, men forholdet mellem mennesker, den virkelige verden og den virtuelle verden er begyndt at slynge sig ind i kysten i bølgerne rullet af generativ AI.
Efter ChatGPT forårsagede en bølge af socialisering, har industrien set en "kamp med tusinde modeller". Men ud over de ændringer, som offentligheden opfatter i at chatte, skrive digte og male ......, hvilken slags stor model vil være nøglen til fremtidens industrielle intelligens?
I "2023 Jingdong Global Science and Technology Explorers Conference og Jingdong Cloud Summit", Jingdong tale næsehorn store model, for at give svaret på dette spørgsmål. Denne store model, der stammer fra industrien og tjener industrien, idet den tager udgangspunkt i den digitale forsyningskæde, bryder flaskehalsen ved anvendelsen af den store model. Træningsfusionen af 70 procent af de generelle data og 30 procent af de oprindelige data i den digitale forsyningskæde er forpligtet til videntunge, opgaveorienterede industrielle scenarier for at løse reelle industrielle problemer.
Social lydvolumen fra grænserne for videnskab og innovation, generaliseret i det offentlige karneval, med ChatGPT som repræsentant for generativ AI, i færdiggørelsen af uddannelsesmarkedet, forme kognitionen, varmen gradvist falmet. Den objektive værdi af at løse den store model og sceneafbrydelse ligger i den AI-angst, der ligger i hovedet på utallige iværksættere.
Ifølge SimilarWeb-data er vækstraten for besøg før ChatGPT forbløffende, ringvækstraten i januar var 131,6 procent, i februar var 62,5 procent, i marts var 55,8 procent, og den aftog markant i april med en ringvækst. rate på 12,6 procent, og i maj er tallet ændret til 2,8 procent, og det forventes, at ringvækstraten i juni sandsynligvis vil være et negativt tal.
Store industrimodeller, der løser reelle problemer i alvorlige scenarier, begynder at tage den vokale højde. Internationalt er Microsoft, Amazon og andre store producenter begyndt at udforske vejen til kommercialisering af tjenester i virksomhedsklassen; indenlandsk, såsom Baidu, Ali, Jingdong, Tencent, Huawei accelererer investeringen i industriens store modeller, og mængden af fusioner og opkøb af virksomheder af relaterede teknologiruter er steget til nye højder.
Forskellige vertikale industrier efterlyser fremkomsten af intelligens for at klare den nye teknologi, den nye æras opfordring. Grundlaget for fremkomsten af intelligens er at levere tilstrækkelige data og applikationsscenarier til store AI-modeller. For en enkelt branche er dette ikke en endagsindsats, men kræver evnen til to aspekter: en stærkere dataplatform og smartere interaktionsmuligheder, for at opnå proprietære data som "brændstof" for den store model til industrien.
Dette er blevet hovedtemaet for virksomhedens seneste teknologiske udforskning. AI-angsten, der har varet længe, begynder at få afløb. For industriens aktører er en banebrydende indsigt behovet for at returnere teknologien til selve den industrielle scene og faktisk gå ind i det faktiske forretningsflow for at løse de reelle industrielle problemer.
Efter at industrien nåede til enighed, blev det fundet, at en stor model baseret på en generaliseret stor model, der inkorporerer proprietære data, ville være den sidste kilometer i den AI-aktiverede industri.
Dette bekræfter Jingdong Clouds vurdering: intelligens, som ikke opnås fra den ene dag til den anden, vil blive prioriteret i digitaliseringen af førende industrier til land. Detailbranchen er med sine komplekse marketingscenarier og forsyningskædeled en fremragende "slagmark" til at forfine store modeller.
Hvordan roder man sig ind i detailbranchens lange forsyningskæde? Hvordan lader man data fuldende hele kæden af "fordybelse" fra varer til forbrugere? Mange detailvirksomheder er vendt tilbage til virkeligheden og fornuften, og de indser meget, at de høje omkostninger og tekniske barrierer for generelle store modeller ikke er anvendelige for enhver virksomhed, og at industriens store modeller, der er i overensstemmelse med behovene i faktiske scenarier, er hjulene, der allerede er bygget.
Derfor, den store model af konkurrencen, er nøglen ikke i teknologi, men i den industrielle scene landing. Dette kan også være, Jingdong lancerede industri-orienteret tale næsehorn store model, samt frigivelsen af en række produkter og løsninger til at fremme den industrielle landing i industrien efter årsagen til ophedet debat.
AI styrker den sidste kilometer af industrien og tager føringen i detailbranchen til at tage et solidt næste skridt.