Howdens应用已经迎来更新,凭借生成式AI驱动的全新数字助手,可帮助行业客户解决技术问题。
作为一家专门为行业客户提供厨房用品的公司,Howdens开发出一款新的人工智能(AI)驱动型应用以交付技术知识。这款方案中大量采用微软家的生成式AI技术,包括Azure OpenAI服务、Azure Cosmos DB、Azure AI Search以及Applied AI Services服务等。
新应用名为“Chip”,旨在为Howdens的行业客户提供必要信息,以确保他们能够更加顺畅且出色地完成工作。
根据Howdens公司首席客户官David Sturdee的解释,Howdens是微软的合作客户,且敏锐意识到由生成式AI创造的一系列机会。“随着生成式AI的出现,我们立即意识到这将改变一切。”
虽然由生成式AI带来的某些机会目前来看似乎空间不大,但作为时代潮流的重要风向标,相信五年之后这些小变化将有可能颠覆业务的整体运作方式。Sturdee表示,“我们很早就发现,生成式AI开启了各种各样的机会,包括增强个人的影响力、为他们提供更好的工具和信息,乃至解决特定挑战等,比如我们该如何为现场行业客户提供帮助。”
举例来说,如果行业客户对于产品装配抱有疑问或者需要了解某些技术知识,那么由生成式AI提供支持的新技术就能以高效快捷的体验为这些问题找到答案。
这也是Chip应用的核心用例。Sturdee解释道,“该工具采用微软AI技术构建而成,这样商业账户的持有人只需按下按钮即可访问产品及装配支持信息。这意味着无论何时何地,我们都能为行业客户提供服务。当然,Chip只是Howdens公司AI之旅的第一步,未来我们将继续探索AI在提高客户效率方面的其他应用空间。”
在Sturdee看来,AI模型近年来已经取得了长足进步。“现在大模型开始支持多模态”,这意味着它们能够处理不同类型的数据,而不仅仅是文本输入。“这些新的AI模型能够获取大量信息,使之易于访问,并且以极具现实意义的方式呈现信息内容。”
Howdens公司的主要业务就是参与厨房设计。Sturdee认为,在设计过程中将生成式AI工具与设计师相融合代表着巨大的机会,而AI将在整个设计过程中扮演幕后助手的角色。
他指出,“除了总体设计之外,厨房设计还涉及大量规划细节,包括裙板、桌脚和其他构成完整效果的各种设计部分。AI模型能够分担并省去很多繁琐的工作内容。”
得益于深度学习的力量,Sturdee还看到了生成式AI技术创造全新事物的潜力。他相信在AI技术的帮助下,Howdens的厨房设计师们能够进一步丰富用户体验,同时简化整个设计流程。
“我们可以用这种方式帮助设计师了解趋势,甚至可以使用AI模型生成设计的初始版本。之后设计师才实际参与进来,利用自己的专业知识做好进一步补全和润色。”
Sturdee认为,这样的设计流程将在不久的未来彻底成为现实。
微软零售与消费业务总经理Olaf Akkerman表示,“认真审视整个设计流程,我们会发现这对人们来说是一种情感上的吸引过程,因此必然要经历许多次迭代,包括与诸位工匠及Howdens一道寻求专业知识、获取最佳建议。”
在到达现场之后,厨房装修工可能会发现很多设计需要做细节调整。他强调称,AI技术不仅有助于提高设计效率,还能够在Howdens、工匠和消费者之间建立起牢固的联系。
对于厨房设计流程,Howdens目前正在与微软合作开展可行性研究,判断数据结构是否正确。Akkerman指出,“保证结果的正确性永远是第一位的。”
回顾该公司首次涉足生成式AI领域的发展历程,Howdens最初就选择与微软合作,从全业务体系的参与者处收集关于AI技术潜在应用空间的思路,而后评估由此对业务造成的影响。Akkerman解释称,“我们列出了一份候选清单,而后开展了一系列快速的可行性实验,最终让Chip成为首个实践用例。”
虽然大部分AI用例都面向内部需求,但Akkerman表示Howdens团队在Chip应用中引入AI的方式表明,该项技术也完全可以作为知识库之上的数字助手。
从第一次关于AI的对话开始,Howdens公司的Chip构建和部署过程仅仅耗时6到9个月。
而且正如Sturdee所强调,这个年轻的项目还将继续发展进步。“我们将继续与微软合作开发Chip,确保它能继续发展以满足我们行业以及行业客户的实际需求。”
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。