在今天(7月7日)公布的【2022年度亚洲零售大奖Retail Asia Awards】中,多点DMALL作为中国零售科技代表,凭借【智能陈列系统】和【广东7-Eleven数字化转型】服务案例,分别荣获(中国)年度最佳数字方案和(中国)年度最佳客户服务方案两项大奖。
亚洲零售大奖Retail Asia Awards由《亚洲零售杂志Retail Asia》组织举办,由零售行业资深专家组成的评审团联合评审,旨在表彰亚洲零售业的重大突破、创新和关键参与者。2022年共有55家来自亚洲、大洋洲、中东地区的知名企业斩获75项殊荣。多点DMALL经7年技术创新和零售业数字化实践,得到了研究机构、知名媒体和广大客户的一致认可,这也是多点DMALL能够连续两年斩获亚洲零售大奖的主要原因。
【智能陈列系统】:年度最佳数字方案

智能陈列系统,聚焦零售企业经营的核心环节——门店货架空间管理。针对零售企业精细化管理门店货架空间难度高、成本高、效率低的痛点,多点提供了业内领先的数字化陈列管理闭环解决方案,实现从总部规划到门店执行全流程可跟踪、可考核,使整体陈列业务在线化、数字化、智能化。通过打破信息孤岛,助力零售全链路高效协同,提升企业货架空间管理效率、提高门店生产力。
从布局分析规划到门店执行,DMALL OS智能陈列管理解决方案打造了陈列图纸的全生命周期管理,实现了业务流程的可追溯,打通了总部规划与门店执行之间的鸿沟。门店员工可以通过可视化的任务机制在手机上接收任务通知,根据不同的颜色标签放置产品。执行流程利用在线化信息反馈功能,打通总部门店沟通链路,降低总部门店协同成本。
此外,系统采用AI图像识别技术,智能比对门店实际货架陈列与规划货架陈列的差异。基于货架、商品、空位检测模型,动态计算检核指标,标准量化门店陈列执行效果。
目前,多点DMALL数字化陈列系统已在大卖场、标超、便利店等多个零售业态下验证成功。项目的成功实施,打通了招商、品类、订货、补货、价签等多个零售场景,实现零售企业总部和门店的高效协同,有力驱动了零售企业门店货架空间管理的提质增效,助力零售商数字化转型升级。
【广东7-Eleven数字化转型】:年度最佳客户服务方案

随着数字经济的发展,数字化转型不仅成为零售行业特点驱动的内在需求,也是零售行业公认的趋势。7-Eleven,作为便利店行业的标杆,是“一直被模仿,从未被超越”的存在。尤其在广东区域,凭借多年的运营经验和供应链优势,7-Eleven在广东的门店数将近1500家,是当之无愧的领导者。然而,像广东7-Eleven这样的公司也面临着诸多挑战——消费者行为不断变化、租金和劳动力成本上升,以及对供应链效率的更高要求,需要提高店内生产力和劳动效率,优化供应链性能,并减少人工和其他成本。
2020年10月以来,多点DMALL通过对零售行业的深刻理解和丰富的实践经验,对广东7-Eleven进行了多层次的数字化改造和升级。在原有服务的基础上,广东7-Eleven的所有门店及3个配送中心已全部上线多点零售联合云,形成了从消费者、门店、供应链、加盟商、仓储物流到总部管理的全流程、全要素数字化。
广东7-Eleven全体员工在手机上安装移动版DMALL OS,实现员工运营和门店管理的在线化、移动化、无纸化,而多点DMALL零售联合云的全渠道中台使广东7-Eleven可以与众多第三方平台对接。2021年3-8月,广东7-Eleven外卖单量同比大涨超过300%;
广东7-Eleven 升级并创建了新的会员系统。 针对不同类型会员进行全渠道精细化管理。广东7-Eleven2021年7月会员总数同比增长20%,平均每个会员消费次数提升了0.5次,用户粘性和复购率显著提高。
广东7-Eleven旗下3个配送中心在上线多点DMALL零售联合云智慧仓储物流管理系统后,原箱分拣效率提升30%。根据不同品类和分拣场景,系统支持不同分拣模式,配送和分拣数据实时可视化,工作人员的平均工作时长整体缩短2小时。
此外,广东7-Eleven还上线了多点DMALL OS加盟商系统模块,让加盟商可以在移动端系统在线管理门店。
此次除多点DMALL荣获亚洲零售大奖Retail Asia Awards外,还有屈臣氏、阿迪达斯、施华洛世奇、Body Shop等零售品牌,永旺超市、万宁等零售商在此次大奖中有出色表现。
好文章,需要你的鼓励
Brave Software开始为其AI助手Leo提供可信执行环境(TEE)技术,以增强云端AI服务的隐私保护。目前该功能仅在测试版本中支持DeepSeek V3.1模型。TEE技术能为数据处理提供可验证的机密性和完整性保障,解决传统云端AI模型处理用户请求时数据暴露的隐私风险。该技术采用Intel TDX和Nvidia TEE方案,让用户能够验证服务提供商的隐私承诺,确保AI响应来自声明的模型,未来将扩展支持更多AI模型。
华南师范大学团队开发的GraphTracer框架,通过构建信息依赖图解决多智能体系统高失败率问题。该方法摒弃传统时间序列分析,追踪信息流网络精确定位错误根源,在失败归因准确率上比现有方法提升18.18%,并已开源供实际应用。
OpenAI宣布与富士康合作,专注于下一代AI基础设施硬件的设计和美国制造准备工作。双方将结合OpenAI对AI模型需求的洞察和富士康的制造专业知识,共同设计多代数据中心硬件,强化美国AI供应链,并在美国本土构建关键AI数据中心组件。此次合作旨在满足先进AI模型对专用物理基础设施的需求,加速先进AI系统的部署。
杜克大学研究团队通过几何框架分析发现,AI推理过程呈现连续"流动"特征而非离散跳跃。研究表明逻辑结构像河床般调节推理流的速度和方向,即使面对不同语言和领域的内容,相同逻辑结构的任务在AI内部表现出惊人的几何相似性。这一发现颠覆了AI为"随机鹦鹉"的传统认知,证明AI具备真正的逻辑理解能力,为AI可解释性和系统优化开辟新方向。