NVIDIA 推出多智能体智能仓库和目录增强 AI 蓝图，助力零售管道
Source: NVIDIA AI Blog
请提供您希望翻译的具体文本内容，我将为您翻译成简体中文。
将零售的“这很容易”时刻变为现实
每一次“这很容易”的购物体验，都离不开团队在运输截止日期前奔波、修复缺失的产品信息、为消费者打造流畅旅程的努力。
在幕后，他们要应对：
- 老旧的遗留系统
- 数据孤岛
- 日益提升的客户期望
随着新季节的到来和商品目录中 SKU 的增加，这些因素使得保持一致性和速度变得愈发困难。
NVIDIA 零售蓝图
全新开源开发者参考（今日发布）旨在将这种复杂性转化为竞争优势：
| 蓝图 | 功能说明 | 链接 |
|---|---|---|
| Multi‑Agent Intelligent Warehouse (MAIW) | 通过协同的 AI 代理自动化仓库运营，提高吞吐量并降低错误率。 | Explore MAIW |
| Retail Catalog Enrichment | 大规模丰富产品数据（图片、描述、属性），确保目录准确且可搜索。 | Explore Catalog Enrichment |
这些蓝图帮助开发者 定制 AI 驱动的解决方案，覆盖整个零售价值链——从仓库车间到消费者衣橱——同时降低集成成本，加速价值实现。
“使用这些蓝图进行构建将降低集成成本，帮助我们的客户和合作伙伴快速实现应用，” NVIDIA 零售与快速消费品 AI 开发者关系总监 Tarik Hammadou 说。“它们释放了零售行业竞争所需的效率和企业级规模。”
现场观看蓝图演示
这些蓝图将在下周的 全美零售联合会（NRF）大型展会 上展示。
📅 活动： NRF Big Show 2024
用 AI 驱动的速度、一致性和规模，赋能您的零售运营。
简化仓库工作流程
仓库是充满活力的空间，拥有众多活动部件——从装载各种零售商品的箱子到大型机器以及完成每日数千订单的工人。问题可能在瞬间出现，例如缺货商品或四号通道需要清理。
在这种环境中，一个持续存在的问题是 IT 与 运营技术 (OT) 层之间的脱节。这一鸿沟阻碍了管理者轻松实现：
- 准确衡量产品库存
- 高效定位技术问题
- 向需要额外帮助的区域部署足够的工人
“在 IT 或 OT 层面上拥有一个自主 AI 层并不高效，但在 IT 与 OT 之间放置代理，使 AI 代理能够充当协调者，” — Tarik Hammadou
图：MAIW Blueprint 内部视图。
NVIDIA MAIW Blueprint 的作用
NVIDIA MAIW（Manufacturing AI Warehouse）蓝图提供了一个同步的 AI 系统，位于现有仓库管理系统、企业资源规划、机器人技术和物联网数据之上。它为团队提供实时、可解释的运营情报。
关键组件：
| 组件 | 角色 |
|---|---|
| 专用代理 | 管理设备资产、协调运营、执行安全合规、预测需求、处理文档 |
| 中央仓库运营助理 | 反映仓库的实际运行方式，将碎片化数据转化为主动决策 |
| 生产级能力 | 基于角色的访问控制、策略防护栏和审计追踪 |
实际工作原理
主管可以用自然语言询问：“为什么包装速度慢？” 助理随后：
- 分析设备状态、任务队列和人员配备数据。
- 用支持证据突出瓶颈。
- 推荐如重新平衡工作或调整任务优先级等行动。
由于系统强制执行基于角色的访问和策略防护栏，运营团队可以信任 AI 来协调真实设备和安全关键决策。
商业影响
- 更快检测并解决问题及安全事件。
- 改善准时订单履行和 SLA 合规。
- 将仓库从持续的应急演练转变为可预测、数据驱动的班次。
合作伙伴视角
“图表和曲线是过去式；我们需要预测和处方性行动，” — Jeremy Jarrett，Kinetic Vision CEO
“NVIDIA MAIW 蓝图为我们提供了一个中心化的方式来回答问题并推动决策。”
像 Kinetic Vision 这样的产品与技术开发公司，可以利用 MAIW 蓝图进行创新，解决零售供应链中长期存在的挑战。
解决稀疏的产品数据
Retail Catalog Enrichment NVIDIA Blueprint 帮助各种规模的企业创建更丰富、更准确的产品列表，并实现大规模本地化营销。
问题
零售商经常收到文本极少或不一致的产品图片。团队因此需要花费大量时间：
- 编写标题、描述和属性
- 为每个市场和活动定制内容
蓝图如何解决
该方案利用生成式 AI 自动生成 高质量、结构化、本地化且符合品牌调性的 产品内容。
示例工作流
- 输入 – 一家家居用品零售商上传一批陶瓷杯照片。
- 视觉语言模型 (VLM) – 一个 NVIDIA Nemotron VLM 处理每张图片并提取元数据，例如：
- 颜色
- 材质
- 容量
- 风格
- 使用场景
- 内容生成 – 基于提取的数据，系统生成：
- 本地化的产品标题和描述
- 用于搜索和推荐引擎的标准化属性（提升 SEO 与地域定位）
- 符合文化的 2‑D 生活方式图片
- 交互式 3‑D 资产
- 质量检查 – AI “评审”在内容发布前对输出进行一致性和质量评估。
品牌感知的营销内容
通过在提示中加入品牌语调、风格和分类指令，并结合产品图片和目标地区，蓝图还能生成：
- 符合品牌指南的丰富标题和描述
- 本地化的类别和标签
- 针对特定营销意图的文化适配生活方式图片变体
结果： 加快上线速度，减少人工工作量，打造始终高质量、本地化的产品目录，从而提升搜索可见性和客户参与度。
Grid Dynamics的 NVIDIA Blueprint‑驱动解决方案
全球技术咨询公司 Grid Dynamics 构建了一个目录丰富化和管理系统，利用 Retail Catalog Enrichment NVIDIA Blueprint 提高大型零售商商品内容的准确性和 SKU 状态。
“搜索质量以及客户浏览体验的好坏直接取决于目录数据的质量，” Grid Dynamics 首席技术官 Ilya Katsov 说。
“对于所有拥有数字化业务的零售商来说，确保目录拥有尽可能丰富且一致的属性是一个非常关键的问题——我们的解决方案实现了自动化，免去了人工审查的需求。”
对于拥有海量商品目录的大型零售商来说，属性可能缺失或不正确。引入结构各异的新供应商会进一步使数据混乱，导致：
- 销售报告不准确
- 客户体验受挫
- 客户忠诚度下降
Grid Dynamics 解决方案的帮助方式
“我们的解决方案让商品目录更易被发现，同时让品牌能够在大规模上强制执行其业务规则，” Grid Dynamics 首席软件工程师 Dan Guja 说。
“通过在整个目录上应用 AI 驱动的业务规则，品牌可以提升数据质量，强化客户意图信号，并展示客户真正想要的商品。”
关键收益
- 提升数据质量 – 自动化丰富化降低人工错误。
- 可扩展的强制执行 – AI 驱动的业务规则在数百万 SKU 上保持一致。
- 更佳的可发现性 – 更丰富、更准确的属性提升搜索和浏览体验。
## 拼接 NVIDIA 零售管道
MAIW 和 Catalog Enrichment NVIDIA 蓝图是更大计划的一部分，旨在通过在每个层面部署 AI 基础设施，重新构想仓库到消费者的工作流程。
后端
- MAIW Blueprint – 帮助管理者和仓库工作人员完成日常供应链和数据管理任务。
- Catalog Enrichment Blueprint – 让数字团队只需一次点击即可策划风格化的 SKU 页面。
- Nemotron‑Personas‑USA – 一个开源数据集，可用于开发和训练解决方案，提升在各种购物者人口统计下合成数据的多样性。
前端
- NVIDIA Retail Shopping Assistant Blueprint – 一个具备代理能力的对话助理，使产品发现和购物体验更加轻松愉快。
“下一步是将物理 AI 层嵌入仓库和门店运营，使智能代理能够看到、推理并对真实世界的库存和供应链挑战采取行动，” Tarik Hammadou 说。“通过为物理代理训练计算机视觉等能力，我们正朝着更具适应性和自主性的运营迈进。”
了解更多
- MAIW Blueprint – [Link]
- Retail Catalog Enrichment Blueprint – [Link]
所有链接均在新标签页中打开。