这家零售业巨头已经建立起自己的降本增效模型。该公司的数据显示,目前AI技术每年能够帮助其省下约50万吨包装材料。
亚马逊公司每天需要在19个国家/地区运送2000万个包裹,涉及大量纸张、纸板与塑料等。找到行之有效的货品包装模型,无论是对亚马逊自身的经营利润还是整个自然环境都将大有裨益。
因此在2019年,亚马逊发布了专有AI模型以减少包装浪费。根据该公司的数据,五年之后该项技术每年帮助其至少省下50万吨包装材料,几乎相当于7750架波音737飞机的重量。
亚马逊包装创新团队高级经理Kayla Fenton在接受《福布斯》杂志采访时表示,“这让我们得以做出大规模决策,并找到可持续发展与商业收益间完美契合的实例。”
为了应对体量如此庞大的需求,亚马逊研究人员建立起名为Package Decision Engine“包装决策引擎”的AI模型,希望借此预测出效率最高的包装选项——例如确保为餐盘选择坚固稳定的包装盒,同时为毯子提供柔软轻便的塑料袋。
该模型使用自然语言处理在线商店中每件商品的文本数据,包括产品名称与描述等基本信息。它还能收集退货指标与产品评论反馈,将其与送达时发生损坏的产品联系起来。此外,这套模型还能将各项数据同货品与亚马逊仓储端由特殊计算机视觉隧道拍摄的照片对应起来。这些照片将为亚马逊提供每种货品的确切尺寸信息,并从多个角度提供图像以帮助确定最佳打包方式。
随着时间推移,该模型在识别特定物品方面拥有更细微的差别判断能力。例如,保证成人尿布等个人物品必须在安全包装后才进行递送,避免为了节约打包材料而令买家尴尬;此外,具有强磁性的产品也将得到充分保护,防止其被卡在传送带上。
“使用AI技术来减少包装浪费,不仅对亚马逊意义重大,更将影响到整个零售行业。”
Rafael Auras,密歇根州立大学包装可持续专业教授
在2021年的一篇论文中,亚马逊研究人员Prasanth Meiyappan(是一位拥有伊利诺伊大学厄巴纳-香槟分校大气科学博士学位的应用科学家)与Matthew Bales(亚马逊客户体验团队负责机器学习的物理学家)写道,将视觉与文本数据相结合已经成功将模型的性能提高了30%。
密歇根州立大学包装学院助理教授Euihark Lee表示,利用AI技术指导打包决策极具开创性。他解释称,“我认为亚马逊在打包方面确实处于AI应用的前沿,因为他们掌握着大量数据。相比之下,其他企业则没有那么丰富的数据资源。”
亚马逊目前的年销售额高达5750亿美元,且正在北美和欧洲地区使用AI模型,同时努力希望在印度、澳大利亚及日本推广该方案。尽管没有给出国际推广的具体时间表,但亚马逊承认AI模型需要学习新的语言并整合针对这些市场的特有产品。
亚马逊方面表示,其包装模型帮助公司在2015年至2022年期间节约下超200万吨包装材料。与零售业巨头2021年首次公布将减少150万吨包装材料用量的目标相比,实际节约数字增加了50万吨。但亚马逊并没有透露其每年实际使用多少吨包装材料,所以我们很难计算出AI模型帮助节约的物料在总用量中所占的比例。
专家们在接受《福布斯》采访时表示,任何节约成效都值得关注和肯定。专注于包装业务的麦肯锡高级合伙人David Feber表示,“我认为这非常重要。”密歇根州立大学包装学院的包装可持续发展教授Rafael Auras也强调,对于单一企业来说,亚马逊的节约数字令人印象深刻;但包装材料浪费问题太过普遍,绝非单枪匹马所能扭转。他表示,“使用AI技术来减少包装浪费,不仅对亚马逊意义重大,更将影响到整个零售行业。”
亚马逊在包装层面运用AI技术不仅仅是为了减少浪费、增强可持续性,同时也有成本方面的考量。在其最新年度报告中,亚马逊公司详细介绍了其如何寻求“降低单位可变成本”,包括选择最佳打包方式。
“这绝对是可持续发展与商业收益间完美契合的实例。”
Kayla Fenton,亚马逊包装创新团队高级经理
塑料包装一直是亚马逊面临的重大痛点。塑料材料的回收难度很高,CalPIRG最近发布的报告发现,亚马逊顾客们扔进垃圾箱的塑料垃圾(理论上,所有蓝白色塑料包装都可回收)很少能顺利触达回收中心。
亚马逊去年10月宣布,其位于俄亥俄州欧几里得的仓库将采用可回收纸张与纸板材料取代塑料包装,这也是其分销网络摆脱塑料这项长期目标的重要组成部分。Fenton表示,AI模型能够确定哪些物品可以安全放入纸袋包装(相同尺寸下重量仅为硬纸板箱的十分之一)、哪些货品仍需要更坚固的打包材料,借此推动这项环保举措。
她同时指出,俄亥俄州配送中心现已完成向纸质及纸板包装的全面转型,但拒绝透露美国本土其他亚马逊仓库将在何时完成去塑料化。在欧洲,新的立法将很快禁止使用一次性塑料包装,因此亚马逊也已成功用纸质与纸板材料取代塑料送货袋及防撞充气包。
亚马逊表示,其目标是到2040年实现净零碳排放。在最新发布的2022年可持续发展报告中,亚马逊公司表示其碳排放量已经减少0.4%,而销售额则增长了9%。达成这项成就的部分原因,在于其组建了由9000多辆电动汽车组成的配送车队,在全球范围内运送了1.45亿个包裹。包装方式的改变也会间接影响运输排放与成本,因为包装体积越小,单一车辆所能容纳的货品就越多。Fenton解释称,“改变打包材料以及向客户发送尺寸更小、打包方式更合理的包裹,能够显著降低货品包装对于环境的影响。”
但要想在整个配送链中进一步降低顾客包裹的环境影响,减少材料浪费只是其中一环。另一个更加困难的挑战,在于让纸箱与纸袋制造商选择更加可持续的生产方式。
关于包装可持续性的法规与新立法也有望起到推动作用。来自麦肯锡的Feber表示,目前全球有59个国家针对包装可持续性出台了700多项法规,其中美国各州及地方政府也已公布50到100项法规。“相信当整个供应链协同努力之时,就是可持续性与成本优化迎来真正突破之日。”
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。