ZD至顶网软件频道消息(文/赵东): 麦当劳的汉堡,你吃过几种?5种?10种?如果我说,麦当劳有超过100种汉堡,你一定会大吃一惊,质疑我“吃”人说梦。但是,这却是真的。
去年,麦当劳推出了一项自创汉堡服务,消费者可以按照自己的喜好,在24种精选食材中,挑选自己喜欢的面包、肉饼、蔬菜、芝士、酱料和配料搭配,如果愿意甚至可以吃到芥末味儿的汉堡,这样排列组合下来,汉堡的种类要远远超过100种。目前,这项服务在北京地区只有四家麦当劳门店提供,全国范围也只是小范围提供。不过,麦当劳(中国)有限公司首席信息官刘卫霞透露,今年,这项有趣的汉堡服务将会陆续在北京、上海、广州、深圳四大城市扩大其供应范围。
可别小看这项服务,为了确保消费者体验的流畅性和便捷性,麦当劳可是下了一番功夫。首先,定制汉堡的点餐渠道就与常规汉堡不同,消费者可以根据喜好在自助点餐屏幕上DIY,面包、肉饼、蔬菜、芝士、酱料、配料,选好确定后输入“飞碟”号码并付款,然后就可以在座位上等待服务人员送餐了。值得一提的是,为了给消费者提供更便捷的服务,自助点餐机可以支持刷卡、移动支付等多种方式,就连最近热门的Apple Pay也支持,而“飞碟”是一种形似飞碟的定位器,方便服务员准确地将定制的汉堡送到消费者手上。此外,消费者还可以通过扫餐桌边上的二维码,直接进行手机点餐。
麦当劳(中国)有限公司首席信息官刘卫霞
事实上,自助点餐只是麦当劳未来智慧概念餐厅的一小部分,刘卫霞表示,而未来体验是从全面数字化点餐开始的。
“无论时代如何变迁,对于餐饮业来说,顾客的体验是第一位的。在未来智慧概念餐厅中,我们通过一系列的数字化部署将自由的选择权交回顾客手中,满足了他们对个性化用餐体验的需求。”刘卫霞在接受记者采访时表示。
据介绍,全新的麦当劳餐厅融合了数字化、个性化和人性化的体验,使得顾客可以随心享受麦当劳的产品与服务。通过触屏自助点餐机,消费者可以通过简单的点选完成配餐,免去了高峰用餐时段排队耗时的困扰;手机支付轻松快捷,即使没有带钱包出门,也不再尴尬;动态的电子菜单和取餐牌,使得信息一目了然;手机桌边加餐服务,省去了重复排队的时间,不用离开座位,便会有专人送餐到桌;线下游戏体验空间和电子互动墙,更是为孩子们留下了难忘的快乐用餐体验。
另外,在柜台点餐的消费者还可以看到动态点餐电子菜单,这种动态的菜单将结合天气等外部数据,在不同时间呈现出不同的内容和菜单,比如在高温天,电子菜单上就可以选择呈现出更多的冰淇淋产品等。
“值得一提的是双点式柜台,它把点餐、取餐分开,不仅服务更快,满足了多渠道点餐的需求,也为数字化餐厅打下了基础。今年年底,我们大部分的餐厅都会改为双点式点餐。以后,当我们推出手机点餐,也有了统一的取餐区,顾客就不需要再排队等候。”刘卫霞表示,“未来智慧概念餐厅的数字化部署,是麦当劳在数字化转型中的一次关键尝试,在此过程中,来自英特尔从云到端的技术支持不可或缺,使得我们能够更加高效的将全新的服务提供给顾客,并为他们带来更佳的用餐体验。”
麦当劳未来智慧概念餐厅全新的用餐体验背后,是端到端技术的创新应用,更是数据流通带来的便捷。搭载了英特尔酷睿i5处理器的NUC(Next Unit of Computing)集成了更多功能于4英寸见方的体积之内,提供了完备的娱乐、游戏和工作功能,为餐厅内自助点餐机、数字标牌、互动游戏屏的稳定、高效运行提供计算力支持。同时,基于英特尔至强处理器的服务器承载了餐厅日常运营的相关数据,从前端到后端的支持,让便捷的顾客体验成为现实。
英特尔中国区行业合作与解决方案部总经理柯道远
英特尔中国区行业合作与解决方案部总经理柯道远表示:“我们携手生态系统中的合作伙伴,共同通过端点设备触及客户,并且连接云端进行数据分析,从而进行消费体验的转型,然后又输回给端点。通过联结业界力量,并充分发挥英特尔的技术领先优势,我们可以支持用户加速业务转型,并创造新的商业机遇和用户体验。”
好文章,需要你的鼓励
Stripe联合创始人John Collison最近与Anthropic CEO Dario Amodei(达里奥·阿莫代)进行了一次对话。
哈工大和360研究团队联合开发了Light-IF框架,成功解决了大型语言模型在处理复杂指令时的"偷懒思维"问题。该框架通过教AI学会"预览和自检"的工作方式,显著提升了AI对多重约束条件任务的处理能力。Light-IF-32B模型在四个权威测试平台上均取得最佳成绩,超越了多个知名大型模型。研究团队已开源相关模型和代码,为AI助手的发展开辟了新方向。
GPT-5是OpenAI于2025年8月发布的新一代多模式大模型,兼具高效应答与深度推理能力,并在安全性、准确性和多语言表现上取得显著提升,尤其在医疗、内容安全与防越狱方面展现突破性进步。
T-Tech实验室开发出革命性的VL-DAC训练方法,让AI机器人能够通过观看简单模拟环境学会复杂的现实世界技能。该方法将AI的"观察思考"与"实际行动"分开训练,避免了传统方法需要复杂参数调整的问题。实验证明,AI在导航、卡牌游戏等简化环境中训练后,在真实世界的游戏控制、空间规划和网页操作任务中性能分别提升50%、5%和2%,为降低AI开发成本开辟了新路径。