top of page

從亞馬遜無人超市說起

近年有兩件事情正快速改變商業的營運模式,首先是生成式人工智能可以讓試錯成本大幅降低;其次是數據收集的方式由局部(capture)變成全面(recording),意思是不需要選擇性收集,而是通過周邊自動化集成,全取自各種來源的數據。這場革命全賴物聯網(IoT)前沿技術與互聯設備系統的成熟,企業能夠用很低的成本收集即時數據、分析並獲得見解,還可利用生成式人工智能,幫助人類做出明智決策,以優化營運。 其中一個具體例子是亞馬遜無人超市(Amazon Go),顧客可透過Amazon Go應用程式進入商店,選購所需商品,然後直接離開,毋須在收銀台排隊付款。實現這一切都依賴物聯網技術,包括傳感器、攝像鏡頭及深度學習演算法。在商店內不斷收集數據,監控商品的位置,並識別商品從貨架上被拿走或被放回時的情況。同時,這些設備亦能識別及追蹤顧客,以便知道哪位顧客拿走了商品。 這些數據都被實時收集和分析,以便顧客離開商店時,能夠自動結算他們的購物賬單。此外,數據還可用於優化庫存管理,預測商品需求,以及提供個性化的購物推薦。通過這種方式,Amazon Go採用了物聯網及數據採集系統的集成,突破傳統銷售模式,實現了零售業的創新和優化。 監控與數據採集系統(SCADA),亦被廣泛應用在製造業、電力網絡、水處理設施等複雜基礎設施中。SCADA系統由硬件及軟件組成,它們協同工作,從遠程設備(如傳感器、閥門、泵等)收集和處理實時數據。收集到的數據會使用圖像介面呈現給操作人員,供其監控和分析。當中提供有關系統狀態的實時訊息,對異常情況發出警報和提示,使操作人員做出明智決策及採取適當行動。 大家可以想像到數據的重要性,同時更應明白人工智能與數據的關係是相互作用,更強的人工智能促使數碼化轉型加速;成熟度高的數碼環境,讓數據的收集變得更簡單容易。全球企業都在急起直追,香港企業們亦要加快做好準備,應對這個大趨勢。

Recent Posts

See All
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
bottom of page