通过使用来自摄像头和传感器的数据，零售商正利用 AI 来减少损耗、消除缺货问题，以及清楚查看顾客行为。同样的基础设施也能加快结账速度。研究零售商如何使用 AI 从以下四个方面打造智能商店：资产保护、商店分析、自助购物和商店运营。

AI 还能改进需求预测和库存管理。需求预测使用来自各种来源的数据，以确保在合适的时间和合适的商店发售合适的产品。 使用机器学习提高预测准确度能对供应链优化产生重大影响。 有效的预测不仅仅要考虑人口统计数据和地点。许多外部事件（例如天气或当地体育赛事）也可能会影响供给和需求。通过基于 NVIDIA GPU 运行 NVIDIA RAPIDS™ 软件库，零售商可以将机器学习算法的训练速度提升高达 20 倍。这意味着他们可以使用更多的数据，并以更高的准确度更快地处理数据。

借助深度学习和增强学习，可以在供应链中将 AI 与仓库管理结合起来。这种结合为运营增加了一定程度的“意识”，让仓库机器人能够从整体角度看待产品（同时利用物理特性和理论特性），以做出明智的决策。 NVIDIA EGX™ 平台通过在边缘位置（位于仓库内）部署 GPU 加速的 AI，提高仓库生产力、效率和订单准确性。负责处理订单的仓库机器人由 GPU 驱动，不仅能实时运行，还能在做出决策之前测量所有变量和就地适应变化的情况。它们能够自动生成报告（可能包括需求预测和最后一公里交付），从而提供端到端可见性，并提高按订单拣货、包装和发运的准确性。

了解顾客行为对于希望推动业务发展的零售商而言变得更为重要。利用视频分析技术驱动的 AI 应用程序，零售商可以清楚看到店内的顾客行为，就像他们当前在线看到的一样。 通过深入了解客流量大的过道、停留时间和人口统计数据，零售商可以改善推销效果和在店内举行实时促销活动，以增加收入并提供更好的体验。 对于电子商务，零售商正使用 GPU 驱动的机器学习和深度学习算法来打造更快、更准确的推荐引擎，从而将收入提升 60%。

自然语言处理 (NLP) 正帮助零售商为顾客提供个性化体验及改善顾客服务。它还用于汇编和分析消费者数据，以获得切实可行的见解。NVIDIA 可优化 BERT（一种热门的 NLP 模型）的训练和推理性能，从而实现实时对话式 AI。 NVIDIA Jarvis 是一种用于构建和部署 AI 应用程序的平台，能够融合用于语音识别和语音合成、语言理解和视觉的深度学习模型。Jarvis 在 NVIDIA EGX 堆栈上运行，该堆栈与所有商用 Kubernetes 基础设施兼容。