埃森哲宣布投资智能体平台Profitmind,押注人工智能将成为零售业的未来驱动力。Profitmind是一个基于智能体的平台,能够自动化定价决策、库存管理和业务规划。
埃森哲全球零售业务负责人Jill Standish在声明中表示:"Profitmind通过智能体AI在洞察和行动之间搭建了桥梁。它模仿零售商的业务运营模式,链接多个数据源,提供清晰、优先级明确的建议,在竞争日益激烈的行业中能够被信任并快速执行。"
双方未透露投资条款的具体细节。资金由埃森哲旗下专注于AI早期初创企业的风险投资部门埃森哲创投提供。
Profitmind首席执行官Mark Chrystal通过电子邮件告诉媒体记者:"Profitmind带来了一项变革性技术,能够识别和量化零售业务中的绩效机会。随着AI越来越多地自动化商品销售和定价,企业需要像Profitmind这样的系统来保持市场领先地位并做出响应。此外,Profitmind的营销智能体具备创建生成式引擎优化产品文案的能力,增加AI搜索智能体发现和推荐其产品的可能性。"
Salesforce也认同下一波零售浪潮将依赖于AI,无论是在幕后还是面向客户。这家CRM平台公司周四发布的在线假日销售数据显示,2025年标志着AI辅助购物的转折点,来自第三方AI搜索的全球和美国流量份额比去年翻了一番。
研究发现,在创纪录的1.29万亿美元全球在线销售额中,AI和AI智能体推动了2620亿美元的销售,约占2025年假日消费的20%。
Salesforce表示,即使在价格上涨的情况下,在线假日销售在全球增长了7%,在美国增长了4%,美国在线销售额达到2940亿美元。部署自己AI智能体的企业(如Pandora、SharkNinja和Funko)假日销售同比平均增长6.2%,而未部署的公司增长率仅为3.9%。
Salesforce的研究发现:"除了回答客户问题外,这些智能体还代表客户直接采取行动,处理的任务比前两个月增加了142%。这些任务包括更新配送地址和启动退货流程,这些都是人工代表需要手动处理的资源密集型任务。"
Chrystal表示,Salesforce的研究强化了对其平台的需求,该平台能够实时监控竞争对手的价格、产品组合和营销策略。他还认为,通过与埃森哲合作,公司可以扩展到全球客户并识别需要构建新能力的领域。
他通过电子邮件告诉记者:"埃森哲带来了他们在转型、业务流程变革、实施和商业案例开发方面的专业知识。我们相信,通过合作,我们能够提供完整的能力组合,既提供工具又推动转型,对任何零售业务产生积极影响。"
在下周的全国零售联合会展会上,微软将在其展台演示部署在Azure上的Profitmind。Chrystal表示,微软还将解释客户如何通过其合作平台更快地获得Profitmind的访问权限和实施支持。
Q&A
Q1:Profitmind是什么平台?主要功能是什么?
A:Profitmind是一个基于智能体的AI平台,主要功能包括自动化定价决策、库存管理和业务规划。它能够实时监控竞争对手的价格、产品组合和营销策略,并提供清晰、优先级明确的建议,帮助零售商快速响应市场变化。
Q2:AI智能体对零售业销售有多大影响?
A:根据Salesforce的研究数据,AI和AI智能体推动了2620亿美元的假日销售,约占2025年假日消费的20%。部署AI智能体的企业假日销售同比平均增长6.2%,而未部署的公司增长率仅为3.9%,显示出显著的性能差异。
Q3:埃森哲为什么要投资Profitmind?
A:埃森哲认为AI将成为零售业的未来驱动力。Profitmind通过智能体AI在洞察和行动之间搭建桥梁,能够模仿零售商的业务运营模式,在竞争日益激烈的行业中提供可信赖且可快速执行的解决方案,符合零售业数字化转型的需求。
好文章,需要你的鼓励
埃森哲投资AI零售平台Profitmind,该平台通过智能代理自动化定价决策、库存管理和规划。研究显示AI驱动了2025年假日购物季20%的消费,约2620亿美元。部署AI代理的企业假日销售同比增长6.2%,而未部署的仅增长3.9%。Profitmind实时监控竞争对手价格和营销策略,并可创建生成式引擎优化产品文案。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。