- AI为三项新的创新提供了动力，以更快，更准确地交付包裹。
- Wellspring使用生成AI来提高交付位置的准确性。
- 亚马逊最新的AI驱动需求预测模型可以预测客户想要的产品，他们想要的地方以及何时。
- 代理AI团队将使机器人能够理解自然语言命令。
亚马逊公布了三个开创性的人工智能为我们的客户，员工和交货合作伙伴创造现实世界价值的创新。新的进步包括Wellspring，一种生成的AI映射技术；AI驱动的需求预测模型，可以为亚马逊的供应链提供动力；以及新的代理AI功能机器人技术代表亚马逊在解决现实世界后勤挑战的最先进的实用AI应用程序上的持续投资。
尽管这些系统在幕后工作，但客户肯定会体验他们的好处：更准确的交货地点，更快的运输选项以及需要提高所需产品的可用性。
这是我们开发的内容：
生成的AI映射：Wellspring
（左）之前：根据交付历史和地理坐标，所有在哪里交付包装的位置。（右）之后：AI驱动的技术，可以准确识别公寓大楼内的入口，停车位和单个单位，并显示共享的交付位置。
Wellspring是提高客户交付准确性的倡议。该新系统由生成AI提供支持，可利用数十种来源的数据，包括卫星图像，道路网络，建筑足迹，客户说明，先前交货和街头图像的信息，以为数百万个地点创建全面的交付解决方案。这项技术有帮助司机更好地导航复杂和多样化的环境，例如多建造公寓大楼或尚未出现在导航应用程序上的全新社区，因此他们能够将包裹运送到所需的客户。
借助Wellspring，我们能够更好地确定哪些公寓号与公寓大楼中的特定建筑物相对应，该建筑物的停车位和入口处是最方便的套餐路线，以及共享邮件室支持驾驶员的位置，可导航各种交付景观。在Wellspring和Generative AI技术之前，我们无法利用广泛的位置信息来帮助我们更好地理解和描绘交付伙伴的物理世界。
当我们从2024年10月开始在美国测试源泉时，该系统绘制了超过280万个公寓地址，这些公寓地址超过14,000个综合体，同时还确定了400万个地址的便利停车位。早些时候，这种物理世界的观点将花费我们几年的时间来理解。该技术还通过分析过去交付的保存照片和位置数据来检测建筑物的入口和邮件室位置。这些改进有助于驾驶员更加自信地在独特的环境中导航，从而确保包裹到达客户期望的地方。
AI驱动的需求预测模型以支持客户体验
亚马逊的供应链有一个新的基础AI预测模型，旨在预测客户想要的东西，他们想要的位置以及每天数以亿美元的产品。尽管我们以前的系统使用销售历史记录来指导库存计划决策，但该基础模型添加了时间限制的数据，例如天气模式和假日时间表，以更准确地将正确的产品放置在正确的位置。
通过分析马萨诸塞州科德角的防晒销售，夏季的月份，或在科罗拉多州博尔德的滑雪镜，在高峰滑雪季节中，我们可以准确有效地满足我们服务的不同社区需求。这些预测促进了交易事件的长期国家预测的10％改善，并且对数百万受欢迎项目的区域预测提高了20％，提高了生产力并缩小了我们的网络的碳足迹。
该技术的好处是切实的：包装到达更快（有时在两天之内而不是在两天之内），交货合作伙伴的旅行较少，交通减少，避免了碳排放。美国，加拿大，墨西哥和巴西的运营网络已经在使用这项技术，未来的扩展即将推出。
Proteus，亚马逊的自动移动机器人。
Amazon Robotics中的新代理AI团队将着重于建立AI框架，以促进我们的下一步机器人的演变添加机器人听到，理解自然语言，理性并自主行动的能力。想象一下，如果操作员可以直接与我们的履行中心中的机器人进行通信，并说：'在左边的黄色手提袋中挑选所有物品，然后将它们放在灰色手提袋中，或将其装载到装载区域中的所有手提袋的拖车。使用视觉语言模型（VLM）（VLM）（VLM）和使用机器人动作的策略，可以在启动机器人动作，可以在``驾驶机器人''中发出任何说明。这将改变系统proteus•一种自动移动机器人，将客户订单转移到能够在紧密空间中移动重物的多功能助手，同时释放了我们的员工从事批判性思维，解决问题的任务。
为我们的机器人舰队开发代理AI功能有可能获得重大收益：对于可以让机器人处理重复任务的前线员工的更安全工作；随着机器人的重新布线，对客户的交付速度更快；而且更好的效率是一个机器人可以执行多个作业。
这些只是我们使用AI来改善客户，员工和合作伙伴经验的众多方法中的一些方法，因为AI改变了我们的工作方式的各个方面。
接下来，阅读更多有关新的AI技术这使得为亚马逊送货站员工更容易排序包。