零售商沃尔玛拥有一支由2.5万人组成的庞大IT团队,也对技术工作保持着高度关注。企业业务服务实际就是零售巨头的IT部门,目前由高级副总裁David Glick负责领导,其职责是为其他员工和同事提供全面的技术支持。
Glick表示,“只要员工们打开笔记本电脑,就相当于接入了我们的企业业务服务。而每当季度末结算时,整个操作流程也是我们企业业务服务的一部分。”
工资管理也在该部门的职能范围之内。他介绍称,“我们每天都参与到同事们的工作和生活当中,凭借各种技术为他们提供保障。”
Glick的职业生涯始于25年之前,当时他首先加入了亚马逊并在那里参与了基础设施和物流配送中心的建设。回顾那段时光,他感慨道:“有趣的是,那时候人们还不想自建配送中心,因为25年前大多数人并不觉得掌握供应链有多重要。”
随着亚马逊云科技(AWS)和公有云的出现,Glick开始涉足软件领域。“当时,我有机会从基础设施转向软件部门。而招纳我的领导表示,「现在会写代码的人很多,但缺少能让事情朝着正确方向推进的人。」这其实也是一直困扰着我的难题。”
“于是我开始转向亚马逊的自动化系统,负责订单库存和价格调整之类的工作。”Glick的这段经历不仅帮他掌握了运营的奥秘,也为后来的企业业务服务奠定了基础。
在被问及沃尔玛如何与亚马逊、苹果、谷歌和微软等科技巨头争夺技术人才时,Glick表示“对于那些热爱技术、关注真实运营、能够从顾客的良好感受中获得成就感的从业者来说,沃尔玛拥有独特的吸引力。我们是全球最大的零售企业,在技术领域也有深厚的积累。沃尔玛并不逊于任何一家知名科技巨头,每天都有数百万员工会用到我们开发的技术方案。”
对于基层技术岗位,Glick组织起招聘团队在LinkedIn上大规模筛选。而对于更高级别的员工,他则优先考察自己的人脉网络。“比如说之前共事过的人,或者是朋友推荐过来的人。我遇到过很多优秀的人才,也建立起自己的一套卓越人际圈。”
原研还是采购
在公司首席技术官(CTO)Suresh Kumar的带领下,沃尔玛逐渐转为内部原研软件,而不再以征求建议书(RFP)的方式求助于外部软件供应商。
Glick坦言,目前市面上的多数现成产品无法适应沃尔玛的庞大业务规模:“我们必须精准定制自己需要的产品,保证其具备良好弹性并努力维持100%的正常时间时间。”
Glick表示,沃尔玛已经投入大量资金与人力,希望将工作负载从大型机转移到公有云和自己的本地云当中。“我们拥有一套名叫沃尔玛云原生(Walmart Cloud Native)的平台,利用它对当前云环境、大型机或者其他基础设施进行抽象和简化,以便快速部署软件。如此一来,我们就能更快、更稳健地推动技术进步。”
而其中一项重要探索,就是人工智能(AI)。
纵观AI技术爆发给整个行业带来的轩然大波,Glick认为“很明显,生成式AI正渗透进我们的日常生活——大家会在Twitter上读到、听身边的朋友们说起,号称将改变世界并替代30%的现有岗位。但在沃尔玛,我们正在把AI变成可以操作的现实。”
在Glick执掌的沃尔玛企业业务服务团队当中,人们采取一种双管齐下的方式来实现生成AI。
“作为一项重要目标,我们希望自上而下选择一个应用场景,观察AI在其中的运行状况。”为此,沃尔玛公司开发了一款应用程序,帮助增强员工们经常访问的福利服务台。其基本原理就是倾听员工提出的问题,并辅助客服人员给出回复。“毕竟跟人脑相比,把300多页的福利待遇资料交给电脑才是更科学的思路。”
Glick表示,沃尔玛公司还通过“众包构建生成式AI”建立起一套自下而上的研发体系。作为其中的一部分,沃尔玛推出的AI助手能够以“安全且严格保护IP的方式”保障整个使用流程。Glick表示,“我们可以监控查询操作,跟踪员工们使用AI的目的和方法,再据此判断我们的用户到底需要哪些帮助。”
如此一来,沃尔玛的企业业务服务团队就明确了需要关注哪些专用功能,特别是如何安全保护公司的知识产权(IP)。
沃尔玛还同时借助公有云服务商和内部技术力量构建AI技术栈。“对我们来说,最重要的就是把用户数据、客户数据以及自有IP牢牢锁定在公司的防火墙之内,保证其不被用于外部训练数据集。我们花了很多时间才弄清楚要如何做到这一点。”
而这也意味着沃尔玛必须与公有云服务商密切合作,确保商业敏感数据始终驻留在公司网络内部。此外,沃尔玛还在自有数据中心内部署了大量AI图形处理单元(GPU)。
在Glick看来,随着时间推移,公有云服务商必须提供一种灵活可用的现成方案来保护IP。“我们身处生成式AI的最前沿,目前正与两家云服务商密切合作,确保我们的防护措施与他们的方案顺畅对接,避免沃尔玛的知识产权外泄进公共领域。”
而Glick在对话中透露出的最有趣的观点,就是他承认行业还无法给所有问题提供答案。现有软件无法扩展到沃尔玛所需要的水平,公有云服务商的生成式AI产品也存在严重局限。为此,沃尔玛必须着手构建并管理自己的企业系统和AI基础设施。相信这条充满荆棘的探索之路必将物有所值,为这家零售业巨头开辟出通往AI新时代的光明坦途。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。