亚马逊利用Amazon Nova模型实现配送中心自动化运营准备测试
AWS Machine Learning Blog2026/02/11 02:34机翻/自动摘要/自动分类
2 阅读
摘要
亚马逊通过Amazon Nova模型和Claude Sonnet构建自动化运营准备测试（ORT）系统，显著提升配送中心组件检测效率和准确性。系统利用AI图像识别技术，实现快速分析、标准化描述生成和实时验证，减少60%的人工测试时间，准确率达92%。该方案适用于制造业、物流和质量保证等领域，具有广泛的应用前景。
正文
亚马逊作为全球领先的电子商务和技术企业，拥有庞大的配送中心网络。为确保新配送中心顺利运营，其全球工程服务（GES）团队采用了一种名为‘运营准备测试’（ORT）的流程，该流程原本需要大量人工时间。通过引入Amazon Nova模型，亚马逊构建了一个基于人工智能的自动化解决方案，显著提升了检测效率和准确性。
在ORT流程中，每个配送中心需验证10,500个工作站上的200,000多个组件，传统方式需耗时2000小时。借助Amazon Bedrock平台，亚马逊实现了基于图像识别的自动化检测，包括组件识别、配置验证和功能测试等关键环节。
该解决方案由多个组件构成，包括API网关、同步图像处理、进度跟踪、数据存储（如Amazon S3和Amazon DynamoDB）以及计算（如AWS Lambda）。其中，Amazon Nova Pro负责快速、精准的图像分析，提供稳定的边界框坐标，而Claude Sonnet则用于生成组件描述和检测规则。
在测试过程中，该方案在多个配送中心实现了92%的准确率，每张图像的检测延迟控制在2-5秒之间，总测试时间减少60%。此外，系统还能识别原始数据中的缺失标签，从而提升数据质量。未来，亚马逊计划进一步优化系统并探索其在更多业务场景中的应用。