关键要点
- 人工智能驱动三项创新，实现更快、更准确的包裹配送。
- Wellspring 利用生成式 AI 提升配送地点的准确性。
- 亚马逊最新的人工智能需求预测模型能够预测客户想要什么产品、在何处需要以及何时需要。
- 一个智能体 AI 团队将使机器人能够理解自然语言指令。
亚马逊推出了三项具有突破性的 AI 创新成果，为客户、员工和配送合作伙伴创造真实价值。这些新进展——包括用于地图绘制的生成式 AI 技术 Wellspring、为亚马逊供应链提供动力的 AI 驱动需求预测模型，以及面向机器人的新兴智能体 AI 能力——代表了亚马逊对前沿且实用的 AI 应用的持续投入，旨在解决现实世界中的物流挑战。
尽管这些系统在幕后运行，但客户无疑将体验到其带来的好处：更精准的配送地点、更快的运输选项，以及在客户期望的时间获得所需产品的可用性提升。
以下是我们正在开发的内容概览：
生成式 AI 地图绘制：Wellspring
Wellspring 是一项旨在提升客户配送准确性的举措。该系统由生成式 AI 驱动，整合来自数十个数据源的信息，包括卫星图像、道路网络、建筑轮廓、客户说明、历史配送信息以及街景图像，为数百万个地点构建全面的配送解决方案。该技术有助于司机更好地应对复杂多样的环境——例如多栋建筑组成的公寓小区或尚未出现在导航应用中的全新社区——从而将包裹送达客户指定的位置。
通过 Wellspring，我们能够更准确地识别公寓小区中各楼栋对应的门牌号，确定哪些停车位和入口能为包裹投递提供最优路线，以及共享邮件室的位置，从而支持配送员在多样化的配送场景中高效导航。在引入 Wellspring 和生成式 AI 技术之前，我们无法充分利用这些丰富的位置信息来构建对物理世界的更清晰认知，以更好地服务配送合作伙伴。
2024年10月，我们在美国开始测试 Wellspring，取得了显著成果：该系统将超过280万个公寓地址映射到其所属的楼栋，覆盖1.4万多个小区，同时识别出400万个地址处的便捷停车点。过去，要获得如此详尽的物理世界视图需要耗费数年时间。该技术还能通过分析历史配送的交付证明照片和位置数据，自动检测楼宇入口和邮件室位置。这些改进帮助配送员更有信心地应对独特环境，确保包裹准确送达客户预期地点。
用于提升客户体验的AI驱动需求预测模型
亚马逊供应链引入了全新的基础 AI 预测模型，旨在预测客户对数亿种商品的需求内容、需求地点和需求时间。此前的系统主要依赖销售历史来指导库存规划决策，而这一基础模型则加入了天气模式、节假日安排等有时效性的数据，从而更精准地将合适的商品部署在合适的地点。
通过分析区域差异——例如夏季马萨诸塞州科德角的防晒霜销量，或滑雪旺季期间科罗拉多州博尔德市的滑雪护目镜销量——我们能够准确且高效地满足所服务社区的不同需求。这些预测使全国范围内促销活动的长期预测准确率提升了10%，数百万热门商品的区域预测准确率提升了20%，不仅提高了运营效率，还缩小了网络的碳足迹。
该技术的效益切实可见：包裹送达更快（有时实现当日达，而非以往的两天内送达），配送员行驶里程减少，交通压力降低，碳排放得以避免。目前，美国、加拿大、墨西哥和巴西的运营网络已采用该技术，未来还将进一步扩展。
智能体AI（Agentic AI）
亚马逊机器人部门新成立的智能体 AI 团队将专注于构建一个 AI 框架，以推动我们机器人技术的下一步演进——赋予机器人听觉能力，使其能够理解自然语言、进行推理并自主行动。试想一下，如果运营人员可以直接在我们的履约中心与机器人沟通，说“把左边黄色料箱中的所有物品取出，放入灰色料箱”，或者“将装载区的所有料箱装入拖车”。通过利用视觉语言模型（VLM）和驱动机器人动作的策略，指令可以用日常语言下达。这将彻底改变诸如 Proteus——一种自主移动机器人，负责搬运客户订单——这样的系统，使其成为能够在狭窄空间中搬运重物的多功能助手，同时让我们的员工得以专注于需要批判性思维和解决问题的任务。
为我们的机器人车队开发代理型 AI 能力有望带来显著益处：一线员工的工作更安全，因为他们可以让机器人处理重复性任务；客户配送速度更快，因为机器人可以被重新路由到最需要的地方；效率更高，因为一台机器人可以执行多项工作。
这些只是我们利用人工智能改善客户、员工和合作伙伴体验的众多方式中的一部分，而人工智能正在改变我们工作的方方面面。
接下来，请继续阅读关于一项新的 AI 技术的介绍，该技术使亚马逊配送站员工分拣包裹变得更加轻松。