NVIDIA 推动欧洲零售从数字发现走向实体运营
NVIDIA Transforms European Retail, From Digital Discovery to Physical Operations
NVIDIA 正以开放模型、物理 AI 和数字孪生技术推动欧洲零售商升级，从商品发现与电商智能体延伸至仓储运营模拟。Shopify 微调 Nemotron 3.5 Lightning 后，内部基准准确率超过一款领先前沿模型，服务成本降低 90%、响应速度提升 7 倍；Zooplus 的生产就绪原型搜索准确率达 86%。奥托集团则在数字孪生中设计、测试和优化仓库作业，再进行实体部署。
欧洲零售商正将开放模型和物理智能应用于各种场景——从将推理成本削减 90% 的商务平台，到在数字孪生中模拟不同机器人集群协作的履约中心。
开放模型带来前沿成果
欧洲各地的零售业领军企业和科技公司正借助 NVIDIA 加速的开放模型和前沿模型，推动智能体商务、数字产品发现和零售研发发展。
Shopify 通过后训练开放模型，以极低成本实现前沿级准确度。其工程师使用 NVIDIA Megatron Bridge 库加快微调，并使用 NVIDIA NeMo RL 进行强化学习。Shopify 已对 NVIDIA Nemotron 3.5 Lightning 进行后训练，将其用于集成到 Sidekick（Shopify 面向商家的 AI 助手）中的 GraphQL 子智能体。该子智能体会为 Sidekick 的多项功能检索商店数据，其中包括 Sidekick Pulse；它会调研商家的商店，并推荐改进方法。
在 Shopify 的内部基准测试中，经过后训练的模型准确度超过一款领先的前沿模型，同时将服务成本降低 90%，响应速度提升 7 倍。除 Sidekick 外，NVIDIA CCluster vLLM 推理优化软件还帮助 Shopify 在另外五种场景中实现了 4.5 倍的性能提升和最高 12 倍的推理成本降低：商品目录增强、商家助手、电商购物模拟、商品分类体系分类，以及商家和买家推荐。
Zooplus 是欧洲领先的在线宠物用品零售商，它与 Infosys 借助 NVIDIA 技术，为智能体时代重建了商品发现技术栈。在 Zooplus 的 Amazon Web Services (AWS) 环境中部署的生产就绪型原型，借助 NVIDIA Nemotron Retriever 库实现语义搜索，并通过 NVIDIA 零售商品目录增强蓝图生成可用于搜索的商品属性，搜索准确率达到 86%。
Photoroom公布了与 Vestiaire Collective 合作部署的成果：其图像编辑 API 现在会在商品上架时统一处理每张主图，每天约处理 40,000 张，覆盖 70 个国家/地区。经 Photoroom 处理的商品流动性成交率提高了 5%，每个商品页面的独立浏览量增加了 3% 至 7%。该流水线运行在搭载 TensorRT 和 Triton Inference Server 的 NVIDIA GPU 上，NVIDIA Dynamo Snapshot 则可帮助用户快速应对需求激增。
Omi推出了 ProductDrop，这是一套工作流，可将每张生成的图像锚定到经批准的数字孪生，让品牌在整个产品目录中扩展创意产出，同时避免产品错误。 L’Oréal 正在采用这种方法，在其 CreAItech 计划中将 Omi 的数字孪生与生成的品牌环境相结合。 Omi在 NVIDIA RTX PRO 6000 Blackwell Server Edition GPU 上运行 TRELLIS 3D 资产生成，将推理速度提升 10 倍，并将流水线延迟降低 4 倍。
此外，L’Oréal 正借助 NVIDIA ALCHEMI 集成到其研究工作流中，加速寻找最佳成分组合，将数月的实验缩短为数小时的计算筛选。
L’Oréal 也在使用 Orbital Industries 面向科学与工程的操作系统 CurieOS 测试这种方法，并采用其开源分子模拟模型 OrbMol-v2。OrbMol-v2 集成了 NVIDIA ALCHEMI Toolkit，并由 NVIDIA 加速计算提供支持，速度比同类模型快 5 倍，误差比次优同类模型低 21%。这一基于 AI 的工作流使研究人员能够在进行实验室测试之前，找出最有希望用于增溶紫外线过滤剂并优化性能的成分组合。
Mirakl是一家智能商务软件公司，在自有基础设施以及 Scaleway 等欧洲云服务商的平台上运行开放模型。这使其技术保持自主可控，避免供应商锁定，并提供客户期待的速度与规模。 Mirakl 的 Catalog Transformer 将经过微调的开放模型与专有服务相结合，已接入超过 7000 万种产品，将杂乱的供应商数据转化为准确、井然有序的目录。
物理智能助力在仿真环境中训练
NVIDIA 物理 AI、数字孪生和开放模型可帮助模拟零售环境、自动化仓库运营，并为欧洲零售商和时尚品牌提供虚拟试穿体验。
Otto Group将其在人工监督下推进仓库自主化的计划——与 Reply 基于 NVIDIA Omniverse 库构建，并运行于 Google Cloud——拓展至该集团位于德国哈尔登斯莱本、规模最大的履约中心。新增功能使物流团队能够在进行任何实体实施之前，完全在仿真环境中设计、测试并优化仓库运营。
ALLSIDES 推出了其 3D 数字孪生工厂：一个自动化流水线，可在数分钟内将实体物体转换为 SimReady 3D 数字孪生体，捕捉亚毫米级几何精度、经测量的物理属性，以及可完全重新布光的材质，确保其在任何光照条件下都能保持准确性。这些数字孪生体既是以 3D 模拟完整门店布局的基础，也可用于在整个购物旅程及结账环节中可靠地追踪商品，而不受环境光影响。该平台基于 NVIDIA CUDA、OptiX 和 TensorRT 构建，目前已服务包括 adidas、Amazon、Nike、Zalando 和 Zara在内的品牌。
CATCHES 与 AMIRI 合作部署 RealFit 后取得了实际生产成果：在针对同类款式进行季节性调整后，转化率提升 55%、加入购物车率提升 80%、总销售额提升 56%。该公司推出了 PredictiveFit，将基于物理的虚拟试穿扩展至零售商；同时还推出了 CASI，这是一款通过 WhatsApp 为客户购物、搭配和确定尺码的个人时尚代理，采用包括 NVIDIA Nemotron 3 在内的开放权重模型提供支持，并基于 NVIDIA Omniverse 和 Newton Physics Engine 构建。
在 Nebius 展台探索全新的 NVIDIA 零售蓝图
在 GTC Berlin 上，Nebius 正在展示三款面向零售业的 NVIDIA 蓝图，目前均已开放早期访问，并运行于 Nebius 基础设施之上，由 NVIDIA 提供加速：
- 用于提升员工生产力的代理框架：一款代理式助手，为门店经理整合排班、任务管理、库存提醒和运营洞察。
- 库存模拟与优化：该蓝图可通过建模需求场景、测试补货策略，并在用户需要在现实世界中做出决策之前优化库存水平，帮助零售商减少库存积压和缺货。
- 代理式微调飞轮： 一个自我改进循环，利用代理式工作流持续生成训练数据、微调开源模型，并将现实世界中的性能反馈到下一轮训练中。
申请蓝图早期访问权限，并详细了解 NVIDIA 面向零售和包装消费品行业的技术。
查看 通知，了解软件产品信息。
来源：NVIDIA Blog · blogs.nvidia.com