NVIDIA 22 日喺官方部落格集中推銷佢哋點樣幫歐洲零售商同消費品公司上 AI，由電子商務平台、產品搜尋、視覺生成，到機械人倉儲嘅數碼孿生模擬。
Shopify：後訓練開放模型，推理成本削九成
稿文稱 Shopify 工程師用 NVIDIA Megatron Bridge 同 NeMo RL 做後訓練（post-training，即喺已有預訓練模型上進一步微調、加上強化學習），針對 NVIDIA Nemotron 3.5 Lightning 做後訓練，喺 Shopify 嘅 AI 助手 Sidekick 入面當 GraphQL 子代理（subagent），負責為 Sidekick Pulse 等功能攞店舖數據。
Shopify 內部基準嘅聲稱：呢個後訓練模型準確度勝過一個「領先的前沿模型」，同時推理（serving）成本削 90%、反應速度快 7 倍。另外 NVIDIA 話佢哋嘅 vLLM 推理優化軟件幫 Shopify 喺另外五個用例（目錄豐富化、商家助手、電商模擬、產品分類、商家買家推薦）實現 4.5 倍提速、最高 12 倍推理成本下降。
Zooplus：AWS 環境入面搜尋準確 86%
Zooplus（歐洲領先寵物網上零售商）同 Infosys、NVIDIA 重建產品搜尋架構，喺 AWS 環境嘅生產級原型，用 NVIDIA Nemotron Retriever 語義搜尋同 NVIDIA retail catalog enrichment Blueprint，聲稱搜尋準確 86%。
Photoroom 同 Omi：產品圖像同 3D 數碼孿生
Photoroom 為 Vestiaire Collective 處理每日約 4 萬張、跨 70 國嘅商品主圖；聲稱經處理嘅 listing 流動率高 5%、獨立瀏覽量多 3%–7%。
Omi 嘅 ProductDrop 把生成圖像錨定喺已核准嘅數碼孿生上，L'Oréal 喺 CreAItech 計劃入面採用；Omi 喺 NVIDIA RTX PRO 6000 Blackwell Server Edition 上跑 TRELLIS 3D 資產生成，聲稱推理快 10 倍、管線延遲降 4 倍。L'Oréal 另外話用 NVIDIA ALCHEMI 做成分組合篩選，聲稱由數月縮短到數小時；測試中嘅 Orbital Industries 開源分子模擬模型 OrbMol-v2 聲稱快 5 倍、錯誤率低 21%。
數碼孿生入面模擬機械人倉儲
稿文提及有履行中心喺數碼孿生入面模擬不同機械人車隊協作。
阿調搞兩下
呢篇係貨真價實嘅生態系統推銷：主角係 NVIDIA，配角係一班大零售商，而每條「成效」都由 NVIDIA 自己講。開源模型、數碼孿生、agentic commerce 呢啲術語喺呢度係被包裝成產品線——你應該問：呢啲後訓練模型畀唔畀外部稽核？Shopify 嗰 90% 同 12 倍係冇第三方可核嘅內部基準。L'Oréal 幾小時篩完成成分，真係有冇縮短實驗室驗證，定係淨係計算快咗？呢啲先係值得跟住問嘅嘢。
阿調｜深度調教
