至顶网个人商用频道 09月14日 北京消息(文/陶婧婕)自动贩卖机(无人售货机)不新鲜,很多大街小巷都有,但你见过把冰箱门打开让你“自由”拿的智能货柜么?在京东,我看到了。
JD Go——新一代智能货柜
在京东位于北辰世纪中心的办公室内,JD Go就设置在进门的休息区,京东员工在扫描二维码后,只需要开门-取货-关门这三个步骤,即可完成一次交易。与传统的自动贩卖机相比,似乎就多了开门、关门这个步骤,但是感官却不相同。
从消费者角度来看,图片跟实物,显然后者更能激发购物欲。京东制作JD Go也是想为消费者带来更便捷和高效的购物体验,这个智能货柜可以让消费者实现开门即拿、一次多件商品。
JD Go开门任拿?那么如果消费者就付了一件商品的钱,却拿了一堆,怎么办?这应该是京东开发这个无人智能货柜时首要面临的问题,京东拉来了合作伙伴英特尔,有人脸识别技术加持,想多拿?小心警察叔叔找你喝茶。
除此之外,JD Go还配有重力感应、智能库存管理和智能广告牌等诸多技术,货源及时补给,还可以通过广告手段增加收入。
京东可是一家大公司,需要通过JD Go来赚钱?当然,不赚钱是不可能的,京东是想持续布局无界零售,JD Go则是其中一环。
京东er眼中的无界零售长这样
无界零售是刘强东对电商的一个全新的诠释,据京东集团副总裁、大数据平台负责人翁志介绍,京东从2004年转型为电商公司到现在,已经有14年历史。这14年当中,我们经历了整个互联网飞速向上发展的过程。近几年,我们也看到了增长速率已经开始平缓发展,线上和线下都是有各自的优势,怎么把线上的技术赋能到线下,能够帮助线下的零售商业体提升他们的价值和收益。京东认为这种结合是可以建立一个新的生态,让线下的企业、线下的零售店焕发青春,增强实力的同时,为他们带来收益。所以京东提出了无界零售的概念,就是为了能够使线上线下结合。
JD Go可以看做是京东在推广无界零售的其中一环,把英特尔和自家的技术相结合,再通过无人售货的线下模式来出售商品。
论数据的重要性
(自动贩卖机)套路虽然是老的,可设备是新的。JD Go能够更好的搜集消费者购物时的用户行为数据(当然也是基于英特尔的技术做支撑)。据了解,JD Go在2年多的实践中,积累了近4000万用户,产生了十分丰富的用户画像和消费大数据。
翁志说道,数据线上线下的完美结合,能够增值一个新的发展方向。在这方面我们跟英特尔有很大的合作潜力,包括在设备上,在新的商业形态上,都有合作的机会。这也是我们走到一起的原因,一起开拓市场,同时去做一些新的IOT设备来扩展我们的业务,同时给消费者带来更好的体验,这是我们的共识,也是我们一起努力、一起合作的基础。
英特尔公司物联网事业部副总裁兼零售解决方案部总经理Joe D. Jensen表示,数据能够让世界、让整个事情变得更好。他补充道,说到数据和数据的分析,我相信这是一个非常重要的趋势,将会完全改变当前的零售行业,从英特尔的角度来说,数据和数据分析对于整个零售行业的改变,与京东是完全吻合、一致的,我们双方在这方面的理念是相同的。我们认为通过更好的使用、管理和分析数据,能够提升消费者的总体消费体验,能够向他们推荐更多相关性更强的产品,能够改善整个店铺的总体运营水平,进而提高效率。
英特尔擅长把行业和生态系统拉到一起,共同开发通用平台技术。在物联网以及数据分析方面,英特尔非常重视在边缘的能力,与之相关的边缘计算领域中,英特尔特别重视能够搭建出适用于所有应用程序的标准组件,应用程序的开发者或者人工智能技术的创新者们,都能够使用一个通用的、标准的基础性平台。Joe D. Jensen表示,这样可以让整个过程变得更加简化,让部署的速度能够更快,让整个生态系统和行业当中的多种创新最大化的发挥出他们的价值,也让在整个生态系统中的每一家公司能够很快的把自己好的创新部署出来,因为毕竟这个市场、这个行业变化发展的速度实在是太快了。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。