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
Cerebyte 是一家专注于陶瓷纳米点存储技术的初创公司,近日获得了美国情报机构投资部门 In-Q-Tel 的战略投资。该公司的创新技术利用陶瓷涂层玻璃存储介质和机器人库存系统,提供长达千年的数据存储解决方案,有望在性能和成本方面超越传统磁带存储。此次投资将加速 Cerebyte 的产品开发进程,为国家安全和商业领域带来先进的长期数据存储技术。
Midjourney 与纽约大学合作,发布了一项提升大语言模型创造性写作能力的研究。他们提出了两种新技术:多样化直接偏好优化(DDPO)和多样化比值偏好优化(DORPO),旨在扩大模型输出的多样性,同时保持连贯性和可读性。这项研究不仅展示了 Midjourney 在文本领域的野心,也为企业 AI 团队、产品开发者和内容创作者提供了改进 AI 生成文本的新方法。
英伟达推出了一款名为G-Assist的实验性AI助手,可在本地GPU上运行,无需云端支持。这款AI助手旨在帮助玩家优化PC性能并提升游戏体验。G-Assist能够回答基本问题、调整系统设置、超频GPU等。虽然目前功能有限且存在一些性能问题,但它代表了本地AI应用的一个重要尝试,展示了未来GPU同时运行游戏和AI模型的潜力。
OpenAI CEO Sam Altman 宣布 ChatGPT 的图像生成能力获得一年来首次重大升级。通过 GPT-4o 模型,ChatGPT 现可原生创建和修改图像。该功能目前已向 Pro 订阅用户开放,并将陆续向 Plus 和免费用户推出。新功能不仅可生成更精确和详细的图像,还支持编辑现有图片,包括人物图像的转换和细节修改。