自2010年建立以来,Warby Parker一直心怀一项崇高的目标——即以低廉的价格将设计师精心打造的眼镜产品交付至每一位需要的客户手中。近年来,该公司已然成为行业中的颠覆者,目前市值甚至超过十亿美元。而为了在竞争当中继续保持领先地位,Warby Parker开始利用最新的人工智能与增强现实技术为客户带来非凡的购物体验。
Warby Parker正努力凭借人工智能与增强现实技术以迷人的方式颠覆零售行业
最初,Warby Parker颠覆整个眼镜行业的方式之一就是全面上线其家中试戴计划——客户可以在线选择几款镜框,相关产品将被寄送给客户并允许其在家中进行五天试戴。如今,另一套新的镜框体验解决方案利用iPhone X的拍照功能提供类似的虚拟试戴。虽然在此之前,Warby Parker也曾经推出过虚拟试戴服务,允许客户通过增强现实技术了解自己佩戴后的效果——该项技术能够将计算机生成的图像(帧)覆盖到现实世界中的图像(您的面部)上——但新的版本可以配合苹果公司的Face ID,利用3万个肉眼不可见的点与红外图像创建客户的面部图像。这无疑将大大改善原有数字试戴系统的体验,具体包括提供面部3D预览功能并利用增强现实技术替代用于试戴的物理镜框。
Warby Parker利用人工智能超越客户期望的另一种方式,在于培养客户关系并与访问其官方网站的客户进行沟通。该公司利用一系列最新的营销技术与浏览其网站但却并没有实际购买的客户保持互动。通过利用个性化元素激发每位客户的兴趣并引导他们在购买流程中所处的不同阶段,Warby Parker使得客户能够更轻松地找到自己想要的选项。表达传递的是企业的修改,而每一次沟通都是Warby Parker进一步吸引客户的宝贵机会。为了达到Warby Parker业务沟通所需要的个性化与规模水平,AI算法的引入可谓势在必行。
客户的要求往往与零售商的供应内容有所区别。在这方面,人工智能有望帮助客户获得自己想要的效果。因此,虽然有不少关于零售业、特别是实体店可能快速消亡的声音,但亚马逊与Warby Parker等一系列积极进取的企业正在着力开设“实体店”,用以补充其在线服务与产品体系。请放心,这两家行业颠覆者开设的并不是那种传统的门店,而是在人工智能的帮助下实现购物体验的现代化转型。作为门店员工的补充,当工作人员无法给出答案时,人工智能技术可以为客户查询资料并提供指引。这不仅显著缩短了店面人员与公司总部联络所带来的等待时间,同时也消除了“我不知道”这类消极回应所带来的挫败感。
除此之外,AI还有望为店面体验带来个性化这一极具价值的收益。由人工智能支持的建议与选项可以针对特定位置,甚至把客户的在线与店内体验结合起来,从而提供一种非凡的购物感受,最终令客户心甘情愿成为该品牌的忠实支持者。而且在零售商利用人工智能为员工提供信息的同时,这些方案本身也将不断学习,从而更加便捷地以即时方式满足客户对于产品的一切需求。
Warby Parker 公司于2013年在纽约开设了第一家门店;到2018年年底,他们在美国的实体店铺数量已经超过85家。Warby Parker公司正在探索如何更好地将零售业务扩展作为在线与离线世界之间的交叉点。他们测试了无需下车的购物窗口、弹出式商店等多种形式,希望了解与顾客保持接触的最佳位置。由于Warby Parker等公司拥有着数字原生这一天然属性,因此他们非常了解自身供应链以及商品交付流程。总结来讲,他们的终极目标就是在正确的时间以正确的方式将产品交付至消费者手中。
随着零售业的不断发展,相信Warby Parker公司将继续处于创新探索的前沿。
好文章,需要你的鼓励
在2025年格勒诺布尔Leti创新日大会上,能耗问题成为焦点。随着AI驱动计算需求激增,数据中心规模和能耗急剧膨胀,部分数据中心功耗将达500兆瓦。CEA-Leti启动Resolve计划,目标到2032年实现能效提升1000倍。大会展示了3D集成、光子互连等节能技术,以及无PFAS芯片制造方法。业界呼吁通过先进封装、宽禁带功率器件等实用技术,平衡AI发展与可持续性需求。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
联想集团推出专为人工智能工作负载优化的数据中心系统产品组合。主打产品ThinkSystem SR680a V4计算设备集成近二十个处理器,推理工作负载运行速度比上一代硬件快11倍。该系统配备8块英伟达Blackwell B200显卡、6个英特尔至强6处理器,以及8个英伟达SuperNIC和BlueField-3 DPU。同时发布基于SR675服务器的两个系统和四个混合AI优势产品包,涵盖制造、酒店、安全和零售等应用场景。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。