零售与消费 · OCR / 文档识别 / 算力基础设施与AI平台
朗镜科技携手阿里云构建云原生AI商品识别平台,性能提升超40%
朗镜科技采用阿里云高性能文件存储CPFS、DeepGPU加速工具包和云原生AI套件,升级AI商品识别平台,数据处理速度提升50%,GPU利用率提升30%,系统性能提升超40%。
业务效果
数据处理速度提升50%以上
未披露
业务效果
GPU集群利用率提升30%
未披露
业务效果
系统性能提升超过40%
未披露
01
业务背景
朗镜科技(Trax中国)成立于2015年,为零售业提供计算机视觉解决方案和数据分析服务。公司利用计算机视觉、机器学习和IoT技术,将传统货架数字化,帮助品牌和零售商实时掌握门店动态,推动实体零售数字化转型。业务覆盖全球90多个市场,客户涵盖食品、饮料、乳制品等多个行业。
02
遇到的问题
朗镜科技面临商品图片识别量级大、场景复杂多变、成本高昂和迭代频繁等挑战。每日需处理数百万张图片和大量SKU,且实体零售场景复杂多样,对图片尺寸、质量和处理延迟要求高。此外,快消品行业新品迭代快,要求AI模型快速更新,带来高成本和高运维压力。
03
AI 解决方案
阿里云为朗镜科技提供综合解决方案:采用高性能文件存储CPFS优化数据预处理,实现多机多进程并行写入,降低小文件写入延迟;结合DeepGPU工具包和自研算子库,加速多个计算机视觉模型的推理;基于云原生AI套件,利用GPU共享调度、显存隔离等技术,整体提升GPU集群利用率,降低运维复杂度。
- 1优化客户端数据写入方案,采用阿里云CPFS实现多机多进程并行写入。
- 2利用DeepGPU工具包和自研高性能算子库,加速模型推理。
- 3基于现有容器架构,构建云原生AI产品解决方案,采用GPU共享等策略。
- 4通过算法优化、自定义算子升级、云管理升级和多端写入策略,完成架构升级。
04
实施结果
业务效果:数据处理速度提升50%以上
业务效果:GPU集群利用率提升30%
业务效果:系统性能提升超过40%
业务效果:DeepGPU推理速度提升2倍
业务效果:小文件图片写入延迟降至5%以内
05
风险与边界
AI模型迭代频繁可能导致运维复杂度增加,需持续投入技术团队进行算法优化和算子升级,同时确保数据安全和系统稳定性。
该案例展示了云原生AI架构在图像识别场景中的显著效益,通过高性能存储、GPU加速和智能调度优化,大幅提升处理效率和利用率,适合追求成本效益和技术创新的零售科技企业。
适合
需要大规模图像识别处理的零售、消费品企业希望通过云原生架构优化AI算力成本的企业
前置条件
具备自研AI模型和算子库能力有容器化架构基础需要高性能存储和GPU计算资源
信息来源
2 个来源页面内容为结构化改写;关键结论应可追溯到以下材料。