Tom Peck是在新冠疫情高峰期间时加入Sysco公司的,当时他的主要目标是确保这家全球最大型的食品服务交付企业能够生存下来,并帮助数千名客户维持生计。
这家总部位于美国休斯顿的跨国企业一直在向美国各地人口稀少的建筑物、自助餐厅、机场和疗养院运送食品,并通过路边登记、非接触式菜单和菜单二维码帮助客户“重塑”他们的业务。
Peck在2020年12月加入Sysco公司,担任执行副总裁兼首席信息和数字官,他说:“我们是疫情经济中受影响最严重的行业之一,疫情迫使我们重新审视整个企业和整个行业。”
他表示,虽然在疫情爆发时,公司已经踏上了云之旅,但对于一家食品分销商来说,如此重大的事件需要对战略愿景、研发计划和数字化转型进行重大的改革。
2020年,Sysco公司任命前CVS Health和CVS Pharmacy高管Kevin Hourican担任首席执行官,一年之后在2021年5月公布了名为“增长秘诀”的蓝图。
这一计划是把B2C应用于Sysco的B2B业务中,并致力于实现整个行业规模的1.5倍增长——Peck表示,预计仅在美国这个行业的规模就高达3300亿美元。
他补充说:“想要在疫情期间存活下来还不够,我们还需要改变自己……并比我们的竞争对手和我们的市场增长地更快。‘增长秘诀’与我们运营业务的方式密切相关——云和底层技术、我们交付软件的方式、以及支撑我们战略的所有基础能力。”
Sysco的关键要素:IT
Peck表示,从本质上讲,“增长秘诀”这一战略“很大程度上依赖于Sysco作为一家出色的技术公司,摆脱技术债务,迁移到云端,提供微服务并使用AI”这一系列举措。
多年来,Sysco公司一直在积极收购,但发现自身背负了大量的本地数据中心和遗留应用等负担。Peck 表示,为了实现现代化,公司必须迁移和重写许多云应用,以提高效率、加快生产速度、减少技术债务。他坚称,Sysco正在使用并将继续使用所有三大公有云提供商的服务来支持他们业务范围,以及客户需求的多样性。
除了云之外,Sysco的战略中还有一个主要组成部分,就是名为Sysco Shop的一款复杂的本土电子商务系统,该系统能够将B2C应用于Sysco的全球B2B业务,特别是个性化和定制,Peck表示,这个系统基于他们的一项分析策略,该策略以公司自主开发的数据仓库、Amperity客户数据平台、Salesforce CRM、用于销售分析的Tableau以及生成用户点击流分析的Tealium为核心。
和大多数公司一样,Sysco传统上是以批量重新订购的方式运营B2B电子商务业务的,但是,利用云的敏捷性和灵活性以及为每个客户提供个性化微服务,这对他们的业务来说是非常有利的。
Peck表示:“我们已经能够以更敏捷的方式交付,并且每两周上线新的功能,这些功能更类似于消费级的功能。”他们添加了分析和电子商务个性化工具(例如产品推荐、库存管理工具、精选菜单和忠诚度计划)组合,扩大对企业客户的价值。“我们看到了购物车变得越来越大,因为我们正在强化追加销售和交叉销售,并给客户提供推荐。正是这一点与我们的投资和销售工具相结合,推动了大幅增长。”
将AI添加到IT组合中
Sysco公司的程序员和数据科学家们使用了一系列工具,包括JavaScript、Kafka和Python,来构建公司自主开发的电子商务和数据仓库平台,并且他们已经在很多配送中心部署了Blue Prism的机器人流程自动化。
Sysco公司是介于食品供应商和大客户之间,尽可能使用SaaS平台,但核心技术堆栈是自主开发的,IT团队在此基础上使用AI等新兴工具。Peck说:“电子商务和数据仓库的基本引擎都是自定义代码的,但我们使用围绕核心的最佳解决方案来处理其他一切事务。”
Sysco公司的目标是利用Salesforce和Tealium的分析功能以及客户历史订购数据,继续提出个性化的建议,提供更多自助服务工具,并通过AI提供更精细的产品组合推荐。Sysco公司目前使用AI来检测购买习惯的异常情况,并确定客户购买新产品的倾向。
Peck表示,Sysco公司还一直在实施机器学习,“通过预测客户行为、库存水平和定价来进行平滑的库存预测”。
他表示,把先进的AI集成到他们高度机器人化的流程自动化车间以及边缘计算中,是公司目前正在探索的一个巨大机遇,此外,部署大型语言模型(LLM)还将让Sysco公司能够使用云中更丰富的数据,以根据趋势规划他们的产品目录,并发现不断变化的购买行为。
他说:“采用AI是自然而然的一步,机器学习就是比较大量的输入内容。大型语言模型则允许你获取更多数据并扫描更多信息,无论是在另一个云中还是在本地。我们将能够搜索并获取有关餐厅或有关食谱和食物的社会趋势反馈,并将其反馈给我们或者我们的客户。”
催化变革
Peck表示,尽管编写AI算法很复杂,但技术是Sysco下一代增长秘诀中最简单的部分。
他说,实施此类先进技术面临多项挑战,例如如何处理变更管理以及如何快速扩展,但好处要远远大于挑战。
为此,Sysco正在向他们的销售团队推广关于消除繁复工作和任务所带来的好处,让他们能够去寻找新的潜在客户并发展业务。
Peck表示,诸如此类的举措都是为了赢得员工的心,让他们接受AI,以提出更具预测性的销售电话和订单建议。
他说:“你的销售团队可能会把AI视为一种威胁,但实际上AI不是威胁,AI能够让他们花费更少的时间在研究和定价上,而把更多的时间花在客户关系上和培育新业务上。”
他认为,如果实施得当,AI对所有员工和整个公司都会带来巨大的好处。
“AI帮助我们更好地为客户服务,获得准确的填充率让卡车可以准时出现,帮助我们公司集中精力,有时候,想要进行数字化转型的公司往往过于宽泛,想要包揽一切。而我们非常专注于我们正在努力做的关键事情上,这对公司来说是可以鼓舞士气的,让我们感觉自己是某个特别项目的一员。”
好文章,需要你的鼓励
这项研究介绍了FlowDirector,一种无需训练的视频编辑新框架,由西湖大学AGI实验室开发。不同于传统方法,该技术避开了易导致时间不一致和结构失真的反转过程,而是直接在数据空间中进行编辑。通过常微分方程引导视频沿着时空流形平滑过渡,结合空间注意力流校正和差分平均引导机制,实现了精确的文本引导视频编辑,同时保持未编辑区域的完整性和时间连贯性,为视频内容创作提供了新可能。
SViMo是清华大学与南方科技大学等机构联合开发的创新系统,通过同步扩散模型实现手物交互视频与3D动作的协同生成。不同于传统方法分别处理视觉效果或物理动作,SViMo整合视觉先验和动态约束于统一框架中,采用三模态自适应调制对齐异构特征,并设计闭环反馈机制提升视频-动作一致性。实验证明SViMo生成的交互序列在视觉真实性、动态合理性和泛化能力上全面超越现有技术,无需预定义物体模型即可应对真实场景挑战。
这项新泽西理工学院与麻省理工学院合作的研究揭示了语言模型水印技术会降低模型对齐性的隐患。研究者发现水印导致两种行为异常:模型要么变得过于顺从而忽视安全限制(防护减弱),要么变得过度谨慎而拒绝合理请求(防护增强)。针对这一问题,研究团队提出了"对齐重采样"方法,通过从多个水印样本中选择最佳回答,成功恢复了模型对齐性而不损害水印检测效果。实验表明,仅需2-4个样本即可显著改善模型真实性、安全性和有用性,为大语言模型的安全部署提供了实用解决方案。
浙江大学和吉利汽车研究院联合团队提出的FreeTimeGS是一种创新的动态3D场景重建方法。不同于传统方法,它允许高斯基元在任意时空位置自由出现,并赋予每个基元运动功能,使其能够随时间移动到相邻区域。研究通过4D正则化策略解决了高不透明度基元阻碍优化的问题。在多个数据集测试中,该方法在渲染质量和速度上均大幅超越现有技术,特别是在处理复杂动态场景时,使用单个RTX 4090 GPU能以467 FPS的速度实现1080p实时渲染,为电影制作、游戏和虚拟现实等应用提供了新可能。