“移”起AI+丨首创AI值守无人小店!中国移动视觉大模型加速落地

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

在城市里开设一家24小时便利店有多难?创业者常常面临着熬夜看店、全年无休的困境,而选择增加雇佣员工看店又会面临着成本高昂、利润微薄的问题。

日前在温州,一家AI无人值守便利店引发关注。在这家无人便利小店内,浙江移动试点部署了首例AI值守系统以及5G无人零售应用,基于中国移动自主研发的视觉大模型技术,有效解决了中小微门店人工贵、招人难、守店累的痛点问题,可以更智能地处理无人值守中遇到的复杂销售场景问题,为消费者创造了更轻松便捷的购物体验。

图片

AI创新模式解决无人小店瓶颈问题

“这家无人值守小店可真是帮了我的大忙!前两天,小朋友半夜突然发烧,家里的退烧贴用完了还没来得及补上,没想到凌晨3点这家便利店还开着。人生第一次去无人便利店买东西,从进门到买完退烧贴再到出门,店里全程都有语音引导,操作也很简单,根本不用担心!”在温州某小区的王女士激动地介绍自己在AI无人小店的购物体验。

实际上,无人小店在几年前就“火”过一把,但却又在一段时间后归为沉寂,归其原因就是在无人值守的情况下,店内一些支付结算以及货物清算等复杂场景,常因缺乏人员服务的有效支撑而让消费者望而却步。

与早前不同,温州这家加持了中国移动AI人工智能技术的便利小店,采用了“人工、无人随时切换”的值守模式,在白天以人工值守为主,在夜间开启无人值守,顾客们可以在店内自由选择商品,并到柜台自动结算支付。

更神奇的是,顾客在店里的一举一动仿佛都能被自动感应。据了解,通过视觉大模型技术,摄像头对于小店内每位顾客的动作、状态,都能作出智能分析与判断,如顾客拿了什么货、退回了什么货、是否结算支付、结算货物与货架上取物是否一致等,同时,顾客有什么问题,可以得到智能客服系统的随时支撑,还能自动转接云端值守的人工系统,从而更有效地解决问题。比较有意思的是,智能系统还能对当晚零售的情况进行汇总分析并提交智能报告。

“AI无人云值守系统,帮了我不少忙的,之前像端午、中秋这种要走亲访友的节假日,我基本上需要在这里看店,但是现在只需要一键开启无人模式,AI值守无人小店就能帮我智能看店,轻松多了!”无人小店的老板介绍道,“而且像之前店里有两个员工,差不多两点钟就关店了,现在用了这个无人系统之后,相当于请了一个成本很低的员工,实现24小时营业,日营业额大大提升了。”

AI系统缘何解决复杂场景问题,赋能无人小店?温州移动政企“AI+”党员责任区负责人表示:“我们利用边缘端视频数据给云端大模型做训练,不断沉淀智能看店算法,节约了50%云端客服人员数量,并提升50%的盗损发现率,还通过AI智能盒子实时进行人脸识别、异常行为识别、漏付商品识别等,实现智能防盗和可疑交易预警,实现门店效益最大化。”

据统计,AI值守无人小店系统运营以来,增收效果显著。这不仅验证了该产品的商业价值,也展示了其在零售行业中的巨大潜力。

视觉大模型赋能,AI+应用加速落地

随着ChatGPT在全球范围迅速火爆,人工智能大模型备受关注。近年来,浙江移动加强在人工智能领域不断探索,尤其加大对AI应用的开发和部署,优化视觉大模型的创新应用,上线超过100种视觉场景能力,通过算法赋能5万+融合视频监控目。

由中国移动(浙江)创新研究院自主研发的视觉大模型目前正加速落地,已在温州市数据局、宁波小微商超、金华智慧监所等地上线应用,为城市治理、行业监管发挥着切实作用。用户通过简单的文字检索,在远程监控中能够精准地找到房间里的一个人、一只猫甚至一支笔在哪里。机器视觉的应用从最初的安防监控,扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。

“我们自主研发了视觉大模型产品,针对当前中小企业AI转型时面临的算法迭代快信创适配难、硬件采购周期长运维难、原生调度资源利用率低三大痛点逐点攻关,打造新型智算基础设施,推动中小企业低成本高效利用算力资源。”浙江移动工作人员介绍道。

在宁波,中国移动AI+视觉大模型为三江购物超市门店装上了“智慧之眼”,通过智能化统计经营日报功能,高效呈现超市前一天的消防、卫生、客流、货架、员工状态等重要经营信息,大幅提升三江购物200余家超市的经营效率;在金华野马电池工厂,基于先进传感技术、图像处理算法及智能决策技术,AI+视觉大模型应用实现对电池缺陷的自动识别和分类,检测准确率超98%;在邮政公司,浙江移动助力构建了接入全省4.9万个邮政网点的邮政视频监管平台,实现包裹监管、自动巡检,AI分析,助力邮政行业的智能化升级。

据了解,浙江移动自主研发的视觉大模型训练收敛速度提升2.5倍,实现小时级训练交付能力,模型mAP精度明显优于业内优秀开源方案,其方案也已成功应用于镇街、商超、治理等多场景需求。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】
手把手教你用gmid方法设计二级运放:从理论到仿真全流程(附避坑指南) 本文详细介绍了使用gmid方法设计二级运放的全流程,从理论到仿真实践,特别针对初学者常见问题提供避坑指南。通过系统化的晶体管尺寸确定技术,帮助工程师在性能、功耗和面积之间找到最佳平衡点,适用于模拟集成电路设计中的关键模块开发。 阅读详情

相关推荐

利用docx4j与docx4j-ImportXHTML高效实现HTML到Word的自动化转换

本文详细介绍了如何利用docx4j与docx4j-ImportXHTML库,在Java环境中高效实现HTML到Word文档的自动化转换。内容涵盖从环境搭建、核心依赖配置,到集成Spring Boot REST API的完整实战流程,并深入解析了处理图片、CSS样式、字体设置以及使用模板保证样式统一等高级技巧与常见问题解决方案,帮助开发者构建稳定的文档自动化生成流水线。

cnn8visionary的博客 366

中国移动:大模型及产品分析

中国移动中国移动中国移动就成立了“九天”人工智能团队,目前核心技术人员规模近1500 人,累计投入超百亿元。据悉,中国移动算力规模已达 9.4EFLOPS,拥有近700PB 数据,积累超 1.6 万个 DICT 行业项目经验。1.九天众擎基础大模型九天·众擎”基座大模型,训练数据规模超两万亿Tokens一是数据构建、预训练、微调、推理加速等全链路关键技术自主掌控;二是行业定向增强,融合通信、能源、钢铁、建筑、交通等8大行业专业知识,叠加专项训练和优化。

solar7799的博客 5378

BLDC方波控制 vs. FOC:技术选型指南与未来演进

本文深入对比BLDC电机方波控制与FOC技术的核心差异,分析两者在成本、性能和应用场景上的权衡。方波控制凭借低成本和易实现性,在电动工具和家电领域优势明显;而FOC则以平滑高效控制见长,适用于高端精密应用。文章为工程师提供了实用的技术选型指南,并展望了未来技术融合的发展趋势。

yhn4567890的博客 1172

无人智慧超市

摘 要 随着互联网时代的发展,传统的线下管理技术已无法高效、便捷的管理信息。为了迎合时代需求,优化管理效率,各种各样的管理系统应运而生,国家在环境要求不断提高的前提下,无人智慧超市管理系统建设也逐渐进入了信息化时代。 这个系统的设计主要包括前端展示界面和方便管理员互动的后端数据库,要求系统需要良好的数据处理能力、友好的界面和易用的功能。 数据要被工作人员通过界面操作传输至数据库中。通过研究,以MySQL为后端数据库,以IDEA为开发平台,采用SPRINGBOOT架构,建立以个人中心、用户管理、商品分类

全网粉丝10W+、全栈领域优质创作者、掘金、阿里云等社区博客专家、专注于全栈领域和毕业项目实战 521

机械臂视觉抓取避坑指南:如何正确计算手眼标定矩阵(附Numpy代码)

本文详细解析了机械臂视觉抓取中手眼标定矩阵的计算方法,特别针对'眼在手上'配置下的常见错误提供了解决方案。通过Numpy代码示例和坐标转换原理,帮助开发者避免矩阵计算错误和坐标转换偏差,提升工业自动化系统的精度和效率。

weixin_29081703的博客 243

2025.06.18【转录组】|Ribo-seq/small RNA数据分析:rRNA和smRNA比对率统计全流程

本文介绍了一种自动化统计rRNA/smRNA比对率的方法,用于评估Ribo-seq或small RNA测序数据的质量。主要内容包括:分析原理(比对率定义、参考序列来源)、实践流程(构建索引、比对统计)以及结果可视化方法。通过Python和R脚本实现自动化处理,可生成汇总表格和柱状图。比对率结果能反映样品污染程度,建议控制在20%以下。该流程有助于快速评估测序质量,为后续分析提供可靠依据。文中还提供了常见问题解决方案和脚本示例,适用于生物信息学标准化质控环节。

1616

无人超市解决方案

无人超市解决方案

侯炯的专栏 1万+

【光子 AI 】应用 LangGraph 的核心模型和算法原理,完整实现一个极简版的 Agent 开发框架源代码,并给出具体的应用测试实际项目案例

下面给出一个“极简版 LangGraph 风格 Agent 框架”的完整可运行实现:用 有向图 + 状态(State) + 节点(Node) + 条件路由(Conditional Edge) + 循环(Loop) + Checkpoint 这一套核心模型/算法,把 Agent 组织成可编排、可测试的状态机工作流(这正是 LangGraph 的核心抽象之一:以 StateGraph 组织节点,节点读写共享状态,边做路由与循环,并支持持久化/回放)。 参考概念来源:LangGraph 官方文档对 “StateG

AI天才研究院 270

【无人零售】易观:2017中国无人便利店发展专题分析

随着智能科技应用日趋成熟,零售业“无人化”概念在全球升温,“无人化”技术逐渐步入广泛商用阶段。自2016年12月美国亚马逊试水”Amazon Go”开始,无人便利店引起零售业界的广泛关注,国内外市场中各种模式竞相探索,无人便利店也将迅速发展。 作为移动互联网大国,中国零售行业自然也在积极探索这一崭新技术,易观最新首发《中国无人便利店发展专题分析2017》,通过分析当前国内无人便利店主要厂

产业智能官 3468

基于mengzi-t5训练生成式模型

【代码】基于mengzi-t5训练生成式模型。

开卷有益 170

芯片标称具备8kVESD能力却在8kV测试中失效?

芯片级ESD(HBM模型)与系统级ESD(IEC 61000-4-2)存在本质差异:

硬核科技 645

无人便利店和无人售货机的区别在哪

在很多业界观点看来,无人便利店和无人售货机的主要特质就在于“无人”,也就是通过无人零售的方式从而降低人力成本,同时仍能够实现24小时开店的需求。下面37号仓小编给大家讲解下无人便利店和无人售货机的区别在哪。 第一、功能上的区别 无人售货机和无人便利店在功能上没有太大区别。无人售货机可以在一台机器上销售,无人便利店可以说是机器的扩展版本或无人售货机的组合。 第二、 存货单位数量的区别 无人便利店可以...

37号仓 1024

【华为OD机试】2024年真题C卷(python)-API集群负载统计

【华为OD机试】-API集群负载统计-【华为OD机试】-API集群负载统计:某个产品的 restful API 集合部署在服务器集群的多个节点上,近期对客户端访问日志进行了采集,需要统计各个API的访问频次,根据热点信息在服务器节点之间做负载均衡,现在需要实现热点信息统计查询功能。 restful API 是由多个层级构成,层级之间使用/连接,如 A/B/C/D 这个地址,A属于第一级,B属于第二级,C属于第三级,D属于第四级。 现在负载均衡模块需要知道给定层级上某个名字出现的频次,未出现过用0

u014481728的博客 1495

【人工智能学习】【四】文本预处理

文本预处理 文本是一种序列,一篇文章可以看做是单词字母的序列。文本不同于输入像素尺寸固定的图片,所以对文本预处理是进行文字处理必要的一步。文本预处理主要分为以下几个步骤: 文本读取 对文本信息进行分词 建立字典,将单词进行映射 将文本序列转换成索引序列(到这一步,文本信息就变成了一堆固定长度的数字信息了) 这只是一个整体的大致步骤,最终还需要针对不同的任务来进行不同的处理方式。 文本读入 最简...

努力奋斗 1403

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 224

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 398

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 246

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 501

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 201

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 199

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 558

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 573

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 90

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 278

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 640
上一篇: 朴素贝叶斯:帮助AI产品经理“小步快跑,快速迭代”
下一篇: 现身说法,AI小白的大模型学习过程
冻感糕人~
博客等级 码龄3年 8926粉丝 2384原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值