Warp成立于2021年,旨在通过其技术驱动的托运商、承运商和仓库网络,帮助企业简化物流供应链并降低成本。
如今,该公司希望通过使用机器人实现仓库网络自动化,进一步提升供应链效率。
Warp联合创始人兼首席执行官Daniel Sokolovsky向TechCrunch表示,Warp一直在寻找为客户提高物流效率的方法,其客户包括沃尔玛、Gopuff和HelloFresh等企业。随着人工智能技术的进步,公司认为自动化领域存在更多机遇。
Sokolovsky说,Warp无法对供应链中的长途货运或短程配送环节进行自动化改造,因此正专注于可能改变的领域:仓库内部工作流程。
Warp首先在洛杉矶的测试仓库中安装摄像头,利用计算机视觉技术将数据转换为虚拟仓库以开始实验。
"我们实际上创建了洛杉矶设施的数字孪生或仿真环境,"Sokolovsky说。"基本上就是开始各种尝试。老实说,很多时候就是在想,如果我们这样做会怎样?如果我们那样做会怎样?如果我们做其他事情会怎样?"
他们最初的想法之一是训练人形机器人使用传统托盘搬运车,但这个方案没有成功。随后Warp开始尝试使用现成的机器人,并加装一些额外技术,取得了成功。
"我们将非常复杂的物流问题分解成许多易于理解、系统可识别和系统可处理的组件,"Sokolovsky说。"现在我们正在使用AI,无论是语音、文本、邮件、电话还是机器人技术形式,确保我们能够卸载、存储和重新装载货物。我们实际上认为可以继续推进这项工作,在不增加人员的情况下尽快实现我们的目标。"
Warp联合创始人兼首席营收官Troy Lester表示,这些机器人将帮助Warp的底层仓库合作伙伴获得优势,同时有助于降低人工成本。除了洛杉矶测试设施外,公司并不直接拥有网络中的仓库。
"他们一直向我们抱怨人员配置问题,"Lester说。"在这些设施中工作的员工也不喜欢这种工作。所以我认为有机会赋能这些企业使用机器人套件,这不仅有助于改善我们的网络,也能帮助他们与其他公司的业务变得更好。"
Warp筹集了1000万美元的A轮融资来支持这一最新发展。该轮融资由Up.Partners和Blue Bear Capital共同领投。
Warp正在测试机器人的几个不同版本,并雄心勃勃地声称将在今年开始部署。
Sokolovsky表示,Warp的洛杉矶测试设施已完全实现自动化,公司计划首先在其核心网络的仓库——洛杉矶、芝加哥、新泽西、达拉斯和迈阿密——开始部署这些机器人。Warp目前不打算在其中心网络之外销售这项技术,因为这为Warp及其底层仓库合作伙伴提供了竞争优势。
"我们不是简单地说,嘿,我们只是一家机器人公司、AI公司,为这个潜在概念花钱,而是说,不,我们实际上是一家物流公司,一直在真正影响和服务我们的客户,"Sokolovsky说。"在过去几年中,我们已经开发出了一个令人惊叹的系统和生态系统,使我们能够部署这些自动化技术。"
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。