至顶网CIO与应用频道 04月03日 北京消息:3月23日,在南京最繁华的新街口地段有一家“苏宁极物”开业了,这是在无人店之后又一次新的尝试。
不同于无人店的单一属性,这是一家集衣食住行一体的新零售概念打造的店面,其占地400平米,SKU达到300,一天营业额达到35万,其中家居单品单品一般在200元,占极物店三分之一营业额。
苏宁极物
苏宁极物分为两层,一层展示了家居、3C、生活电器等多个类目中的新奇产品;二层苏鲜生海鲜餐厅,提供海鲜、寿司、铁板烧打造高端餐饮。
苏宁极物定位泛生活体验,针对年轻消费者提供个性化服务,现场既可以选择自由浏览闲逛、通过pad、摘机等科技技术了解产品性能、卖点,也可通过咨询现场体验师获得专业的产品知识讲解。
支付与取货方面选择自助浏览的消费者可通过扫码支付、自助取货快捷取货。对于一些需求频次较高、快捷支付需求强的商品消费者可通过24小时无人店由智能化机械臂进行取货。
当然极物店内还有很多互动大屏,包括颜值机、新人红包、订单红包、砍神券等。
在店面的一侧,还有一个无人水吧,在终端上下单后,机械臂会自动进行制作。这些都是智慧零售与购物的场景融合展现,与消费者产生更多互动的同时让店面更具趣味性和人情味。
同样在苏宁生活广场内还有一家苏宁体育Biu店,这是苏宁的第6加无人店,也是首次采用第二代苏宁Biu点技术搭建,这个这个占地面积240平方米,涵盖了体验、零售、游戏等多种业态。
苏宁体育Biu店2.0
和之前的苏宁体育Biu店不同的是,无人店2.0拆掉了进门的闸口,顾客的体验门槛变得更低,而不是先要下载App“绑脸”进店,当然之前已经绑过脸的用户在进店时摄像头就会自动捕捉并显示。
拿起商品靠近附近的显示屏,显示屏会自动感应并显示产品的详细信息,实现所见即所知,信息甚至整合了苏宁易购的线上数据,用户留言也可以轻松查看。
当用户拿着衣服靠近店内的智能试衣镜时,“魔镜”屏幕画面则迅速切换显示相关商品详情;在智能试衣间,你可以点击镜面切换室内、户外、夜跑等不同场景画面,改变试衣间光线效果,查看相应场景下的试穿效果。
同时可记录运动数据的智能跑步机区域,通过语音控制、大屏场景互动等手段打造乐跑体验;篮球体感类游戏区,用户还可以通过投篮或弹跳类体感游戏融入到购物场景中。
苏宁无人店2.0围绕着场景化购物体验、智能化精准互动和个性化增值服务三方面为用户提供服务。
像这样的创意店,苏宁还有很多规划。从去年十一期间苏宁提出2018年新开门店5000家,到12月19日启动大开发战略,提出“未来三年将互联网门店拓展到2万家、落地2000多万平方商业实体”。
这就是我们说的苏宁速度,苏宁易购O2O平台总经理许宏平说,新零售要回归到经营的本质,一方面提供更优质的用户体验,一方面提供更优质的商品,最后是将供应链、品牌商等合作上的效率提升,当然这些都离不开技术的帮助。
苏宁易购O2O平台总经理许宏平
近期,智慧零售实践者峰会上苏宁还发布了技术星象图,消费者为太阳,苏宁为行星。以消费者为中心,苏宁始终围绕消费者旋转,根据距离消费者的远近,打造苏宁业态。
距离消费者不到1米的地方,有苏宁易购主站平台;搭载了语音识别、交互技术、物联网技术的苏宁小Biu音响则作为入口,链接了用户10米范围的智能家居设备,形成了用户10米内的服务;距离消费者大概500米的地方,写字楼内部、酒店内部、大型Shopping Mall 内部等,苏宁利用重力感应、人脸识别、机器人技术布局了无人货架、智能货架、巡游机器人;离消费者约3公里的地方,苏宁则布局了无人店Biu、苏宁极物店、苏宁小店、苏宁易购精选店、苏宁易购直营店等;而在3公里外,苏宁生活广场、苏宁云店、苏宁影城,可让消费者在苏宁3公里外的店内玩上一整天,体验智慧零售玩到极致。
好文章,需要你的鼓励
Docker公司发布重大新功能,旨在简化智能体AI应用的构建、运行和部署。公司扩展了Docker Compose工具以支持AI智能体和模型的大规模部署,并推出Docker Offload服务,允许开发者将AI工作负载转移到云端。新功能还支持模型上下文协议网关的安全连接,并与谷歌云、微软Azure等合作伙伴集成。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
欧盟发布AI法案实施细则,要求谷歌、Meta、OpenAI等公司承诺不使用盗版材料训练AI,详细披露训练数据来源和模型设计理念。新规还要求公司尊重付费墙和网站爬虫限制,公开训练和推理的总能耗,并在5-10天内向欧盟AI办公室报告安全事件。违规企业可能面临年销售额7%或3%的罚款。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。