亚马逊近日推出AI购物助手Rufus,正式踏入消费者聊天机器人的竞技场,与科技巨头们一较高下。这意味着,用户可以像与其他面向消费者的AI聊天机器人,例如OpenAI的 ChatGPT 或Google的Bard一样,与亚马逊AI助手进行聊天,只不过它还集成了购物功能。
Rufus基于亚马逊丰富的产品目录、客户评论、社区问答和网络信息进行训练,能够回答与其购物相关的各种问题,无论是在购物初期的范围缩小,还是探讨具体问题。而Rufus一名的由来,其实是早期亚马逊员工带到办公室的一只狗。
亚马逊CEO安迪·贾西在电话会议提到,顾客可以向Rufus询问如何选择更好控制旋转的高尔夫球或者防寒雨衣,并获得关于重要考量因素和产品推荐的详尽解释。
据亚马逊博文所述,用户能够直接在应用的搜索栏与Rufus互动,以便寻找商品、进行比较和获取购买建议。目前,Rufus的测试版仅向美国“少部分用户”开放,预计未来几周将逐步扩大用户范围。
博文中强调:“生成式人工智能尚处初期,我们将不断优化AI模型并微调响应,确保Rufus随着时间推移而日益精进。我们鼓励消费者通过评分反馈或提供自由形式的反馈,以助我们进一步改善。”同时公司明确表示,Rufus一开始不会搭载广告,但不排除未来会根据用户价值增加新的元素。
自从OpenAI发布ChatGPT以来,亚马逊一直在努力摆脱人工智能领域落后的形象。如果Rufus得到用户的青睐并广受欢迎,它可能会彻底改变亚马逊产品搜索的格局,从而更深层次地控制在线购物体验。
贾西表示,“Rufus让顾客以一种全新的方式发现商品,这种方式与传统电商网站大相径庭,它完美融入了顾客习惯且钟爱的亚马逊体验。”
即使没有生成式AI,亚马逊的搜索栏及其带来的热门结果已是在线零售中最重要的展示位置,这些搜索结果不仅是反垄断调查的焦点,同时也是公司广告业务蓬勃发展的基石。
消费者在寻找特定商品时首选亚马逊作为搜索平台的概率是其他搜索引擎的两倍以上。尽管如此,作为电商巨头的亚马逊希望在顾客没有清晰的购物目标时就吸引他们,通常这时他们会转向其他平台,比如TikTok或谷歌,而Rufus是引导他们进入亚马逊的一个尝试。
“当然,如果你非常清楚自己想要什么,你仍然可以在搜索栏中搜索,”该公司财务总监布莱恩·奥尔萨夫斯基(Brian Olsavsky)在电话会议中说:“Rufus的存在,更多是为了帮助你探索,如果你有更多疑问,它就像是你和亚马逊之间的对话。”
如果Rufus获得成功,亚马逊有可能从谷歌和社交媒体网站夺取广告份额,亚马逊本身在谷歌和社交媒体上也是一个重要的广告主,旨在引导消费者在购物早期进入其平台。而谷歌多年来也一直试图蚕食亚马逊的市场份额,推出了多项购物举措来吸引独立卖家,但收效甚微。
此外,亚马逊公布了强劲的第四季度财报,部分得益于假日季的刺激。
该季度销售额达到1700亿美元,同比增长17%,利润达到106亿美元,超出分析师和亚马逊自身的预期。公司为市场上的第三方卖家提供物流等服务,并向品牌和卖家提供广告,这些在此季度表现强劲。
投资者一直密切关注亚马逊云计算和广告,这是其最赚钱的领域。广告业务销售额增长了27%,达到147亿美元,亚马逊云服务的销售额增长了13%,达到242亿美元。
过去一年,亚马逊裁减了数万职位,关闭投机性项目,暂停部分扩张计划,对物流业务进行了重组,以提高速度和效率。公司创下了有史以来最高的单季营业收入,并对未来盈利能力的持续增长抱有信心。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。