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
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。