“移”起AI+丨首创AI值守无人小店!中国移动视觉大模型加速落地

在城市里开设一家24小时便利店有多难?创业者常常面临着熬夜看店、全年无休的困境,而选择增加雇佣员工看店又会面临着成本高昂、利润微薄的问题。

日前在温州,一家AI无人值守便利店引发关注。在这家无人便利小店内,浙江移动试点部署了首例AI值守系统以及5G无人零售应用,基于中国移动自主研发的视觉大模型技术,有效解决了中小微门店人工贵、招人难、守店累的痛点问题,可以更智能地处理无人值守中遇到的复杂销售场景问题,为消费者创造了更轻松便捷的购物体验。

图片

AI创新模式解决无人小店瓶颈问题

“这家无人值守小店可真是帮了我的大忙!前两天,小朋友半夜突然发烧,家里的退烧贴用完了还没来得及补上,没想到凌晨3点这家便利店还开着。人生第一次去无人便利店买东西,从进门到买完退烧贴再到出门,店里全程都有语音引导,操作也很简单,根本不用担心!”在温州某小区的王女士激动地介绍自己在AI无人小店的购物体验。

实际上,无人小店在几年前就“火”过一把,但却又在一段时间后归为沉寂,归其原因就是在无人值守的情况下,店内一些支付结算以及货物清算等复杂场景,常因缺乏人员服务的有效支撑而让消费者望而却步。

与早前不同,温州这家加持了中国移动AI人工智能技术的便利小店,采用了“人工、无人随时切换”的值守模式,在白天以人工值守为主,在夜间开启无人值守,顾客们可以在店内自由选择商品,并到柜台自动结算支付。

更神奇的是,顾客在店里的一举一动仿佛都能被自动感应。据了解,通过视觉大模型技术,摄像头对于小店内每位顾客的动作、状态,都能作出智能分析与判断,如顾客拿了什么货、退回了什么货、是否结算支付、结算货物与货架上取物是否一致等,同时,顾客有什么问题,可以得到智能客服系统的随时支撑,还能自动转接云端值守的人工系统,从而更有效地解决问题。比较有意思的是,智能系统还能对当晚零售的情况进行汇总分析并提交智能报告。

“AI无人云值守系统,帮了我不少忙的,之前像端午、中秋这种要走亲访友的节假日,我基本上需要在这里看店,但是现在只需要一键开启无人模式,AI值守无人小店就能帮我智能看店,轻松多了!”无人小店的老板介绍道,“而且像之前店里有两个员工,差不多两点钟就关店了,现在用了这个无人系统之后,相当于请了一个成本很低的员工,实现24小时营业,日营业额大大提升了。”

AI系统缘何解决复杂场景问题,赋能无人小店?温州移动政企“AI+”党员责任区负责人表示:“我们利用边缘端视频数据给云端大模型做训练,不断沉淀智能看店算法,节约了50%云端客服人员数量,并提升50%的盗损发现率,还通过AI智能盒子实时进行人脸识别、异常行为识别、漏付商品识别等,实现智能防盗和可疑交易预警,实现门店效益最大化。”

据统计,AI值守无人小店系统运营以来,增收效果显著。这不仅验证了该产品的商业价值,也展示了其在零售行业中的巨大潜力。

视觉大模型赋能,AI+应用加速落地

随着ChatGPT在全球范围迅速火爆,人工智能大模型备受关注。近年来,浙江移动加强在人工智能领域不断探索,尤其加大对AI应用的开发和部署,优化视觉大模型的创新应用,上线超过100种视觉场景能力,通过算法赋能5万+融合视频监控目。

由中国移动(浙江)创新研究院自主研发的视觉大模型目前正加速落地,已在温州市数据局、宁波小微商超、金华智慧监所等地上线应用,为城市治理、行业监管发挥着切实作用。用户通过简单的文字检索,在远程监控中能够精准地找到房间里的一个人、一只猫甚至一支笔在哪里。机器视觉的应用从最初的安防监控,扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。

“我们自主研发了视觉大模型产品,针对当前中小企业AI转型时面临的算法迭代快信创适配难、硬件采购周期长运维难、原生调度资源利用率低三大痛点逐点攻关,打造新型智算基础设施,推动中小企业低成本高效利用算力资源。”浙江移动工作人员介绍道。

在宁波,中国移动AI+视觉大模型为三江购物超市门店装上了“智慧之眼”,通过智能化统计经营日报功能,高效呈现超市前一天的消防、卫生、客流、货架、员工状态等重要经营信息,大幅提升三江购物200余家超市的经营效率;在金华野马电池工厂,基于先进传感技术、图像处理算法及智能决策技术,AI+视觉大模型应用实现对电池缺陷的自动识别和分类,检测准确率超98%;在邮政公司,浙江移动助力构建了接入全省4.9万个邮政网点的邮政视频监管平台,实现包裹监管、自动巡检,AI分析,助力邮政行业的智能化升级。

据了解,浙江移动自主研发的视觉大模型训练收敛速度提升2.5倍,实现小时级训练交付能力,模型mAP精度明显优于业内优秀开源方案,其方案也已成功应用于镇街、商超、治理等多场景需求。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/740504.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

C++STL梳理

CSTL标准手册: https://cplusplus.com/reference/stl/ https://cplusplus.com/reference/vector/vector/at/ 1、STL基础 1.1、STL基本组成(6大组件13个头文件) 通常认为,STL 是由容器、算法、迭代器、函数对象、适配器、内存分配器这 6 部分构成&…

Tomcat多实例配置

目录 一. 复制程序文件 二. 启动tomcat多实例 三. Tomcat多实例负载均衡 多实例(多进程):同一个程序启动多次,分为两种情况: 第一种:一台机器跑多个站点; 第二种:一个机器跑一个站点多个实…

基于Java家庭理财系统设计和实现(源码+LW+调试文档+讲解等)

💗博主介绍:✌全网粉丝10W,CSDN作者、博客专家、全栈领域优质创作者,博客之星、平台优质作者、专注于Java、小程序技术领域和毕业项目实战✌💗 🌟文末获取源码数据库🌟 感兴趣的可以先收藏起来,…

ardupilot开发 --- 视觉伺服 篇

风驰电掣云端飘,相机无法对上焦 视觉伺服分类视觉伺服中的坐标系成像模型推导IBVS推导参考文献 视觉伺服分类 控制量是在图像空间中推导得到还是在欧式空间中推导得到,视觉伺服又可以分类为基于位置(PBVS)和基于图像的(IBVS)视觉伺服。 视觉伺服中的坐…

算法设计与分析:并查集法求图论桥问题

目录 一、实验目的 二、问题描述 三、实验要求 四、算法思想 1. 基准算法 1.1 算法思想 1.2 代码 1.3 时间复杂度 2. 使用并查集的高效算法 2.1 算法思想 2.2 代码: 2.3 时间复杂度: 五、实验结果 一、实验目的 1. 掌握图的连通性。 2. 掌…

MySQL数据库初体验+数据库管理(其一)

【1】 操作系统介绍: Linux操作系统有 RedHat CentOS Debian Ubuntu OpenSUSE 信创标准 国产系统 : 华为(欧拉) 阿里(龙蜥) 腾讯 (tencentOS) 麒麟&#xf…

cefsharp 修改请求头request.Headers,以实现某种请求验证(v100+已测试)含主要源码和注释

(一)目的:cefsharp实现修改请求头 Tip:网上搜的很多代码都无法实现(要么版本较低,方法有变,要么就行不通),较多的错误是:集合属性只读。其中一个bili网友的测试方法注解一张图,但没有具体代码。参考一下。 (二)实现方法 2.1 创建对象 ChromiumWebBrowser home…

台式扫描电镜低真空和高真空区别

台式扫描电镜的低真空和高真空模式主要有以下区别: 1. 真空条件:在高真空模式下,扫描电镜工作在高度真空的环境中,通常要求真空度优于\(10^{-3}\) Pa。而低真空模式则允许样品室的真空度相对较低,通常在1~…

08.QT控件:QWidget

一、Widget 简介 Widget 是 Qt 中的核⼼概念.。英⽂原意是 "小部件",我们此处也把它翻译为 "控件"。控件是构成⼀个图形化界⾯的基本要素。 Qt 作为⼀个成熟的 GUI 开发框架, 内置了⼤量的常⽤控件。并且 Qt 也提供了 "⾃定义控件" 的…

Mysql简述

Java - sql语句学习 sql分类 sql语句 sql数据类型

2024考古之还在用原始JDBC开发 手搓 案例 实现一个模块的增删改

JDBC案例 将来如果完成的话 就代表对JDBC里面的知识点全部融会贯通了 其实就是对数据的增删改查 我们入门做不出来前端的内容 很正常 准备环境 建表 use mybatis;create table tbl_brand (id int primary key auto_increment,brand_name varchar(20),company_name varcha…

java数据结构-链表经典习题

前言 上一篇讲解了链表的基本操作详解,接下来练习一下链表的应用。 目录 1.删除链表中等于给定值 val 的所有节点。 题解思路 2.反转一个单链表 思路分析 画图分析 代码实现 3.链表的中间结点 思路分析 画图分析 代码实现 4.链表中倒数最后k个结点 第一解决…

RS-485和RS-422通信的3.3V低功耗收发器MAX3483

描述 多数公司的MAX3483速率为:250kbps; Analog Devices公司的MAX3483速率为10Mbps。 国产MAX3485外观和丝印 该MAX3483ESA为15kV ESD保护、3.3V、低功耗收发器,用于RS-485和RS-422通信。 每个设备包含一个驱动器和一个接收器。 该MAX3483E…

Open3D通过索引提取点云

目录 一、概述 二、代码实现 2.1关键函数 2.2 完整代码 三、实现效果 3.1原始点云 3.2提取后点云 一、概述 在 Open3D 中,通过索引提取点云是一种常见且有效的操作,特别适用于需要处理点云子集的场景,例如提取特定区域的点、降采样、或…

CPsyCoun:心理咨询多轮对话自动构建及评估方法

CPsyCoun: A Report-based Multi-turn Dialogue Reconstruction and Evaluation Framework for Chinese Psychological Counseling 在大模型应用于心理咨询领域,目前开源的项目有: https://github.com/SmartFlowAI/EmoLLM (集合,…

query2doc:用大模型做query检索拓展

原文: 前沿重器[38] | 微软新文query2doc:用大模型做query检索拓展 比较主流的检索方案: 字面检索(sparse,稀疏)向量检索(dense,稠密) query对文档文段的召回&#xff…

如何在Ubuntu上安装WordPress

如何在Ubuntu上安装WordPress 执行系统更新 apt update && apt upgrade第一步 安装 Apache apt install apache2确认 Apache 安装是否成功. systemctl status apache2安装成功后 打开浏览器输入 http://server-ip-address 第二步 安装 MySQL apt install mariad…

大模型揭秘:AI与CatGPT在实体识别中的创新应用

摘要 尽管大规模语言模型 (LLM) 在各种 NLP 任务上已经取得了 SOTA 性能,但它在 NER 上的性能仍然明显低于监督基线。这是由于 NER 和 LLMs 这两个任务之间的差距:前者本质上是序列标记任务,而后者是文本生成模型。在本文中,我们…

劳易测应用案例:包装机械设备风险评估

提起机器风险评估,客户经常会问 “机器存在哪些风险?”、“如何识别并防止风险?”、“如何依据安全标准对机器进行改造与升级?”以及“如何确保机器符合安全要求?等等。 机器风险评估是什么? 机器风险评估是…

鸿蒙HarmonyOS服务卡片实战

引言 在现代开发中,服务卡片是不可或缺的一部分,比如音乐,天气类等应用,官网的介绍中写道:卡片让您便捷地预览服务信息,例如查看天气或日历日程等内容。您可将卡片添加到屏幕上,让这类信息触手…