Amazon Nova: как собственный ИИ принимает новые склады и экономит тысячи часов

Каждый раз, когда Amazon открывает очередной фулфилмент-центр размером с несколько футбольных полей, начинается тихий ад под названием «операционная готовность». Команда инженеров должна вручную проверить более 200 000 компонентов на 10 500 рабочих станциях — от сканеров до монтажных кронштейнов. Этот процесс съедает около 2000 человеко-часов на один объект. Amazon, будучи Amazon, решил, что хватит это терпеть, и выкатил внутреннее решение IORA (Intelligent Operational Readiness) на базе своей же AI-модели Amazon Nova. Результат — сокращение времени проверки на 60% и точность распознавания в 92%. Звучит как очередной корпоративный пресс-релиз, но дьявол, как всегда, в деталях.

Суть проблемы не в том, чтобы просто найти нужный предмет на полке. Проверка требует сличить каждый винтик со спецификацией (Bill of Materials, BOM), убедиться в правильности монтажа, проверить подключение и задокументировать результат. Представьте себе сборку гигантского конструктора LEGO по инструкции на тысячу страниц, где любая ошибка может остановить работу многомиллионного склада. До недавнего времени эту сизифову работу выполняли люди, вооруженные планшетами и терпением. Amazon же подошел к задаче с инженерной хитростью, создав двухступенчатую систему, которая оказалась умнее простого «посмотри и найди».

Вместо того чтобы просто натравливать модель компьютерного зрения на фотографии склада, инженеры Amazon разделили процесс. Сначала в игру вступает модель Anthropic Claude Sonnet. Ее задача — взять эталонные студийные фотографии каждого компонента (UIN — уникального идентификационного номера) и сгенерировать исчерпывающее текстовое описание: «черный пластиковый сканер с красной кнопкой, крепится на металлическую стойку двумя болтами, имеет характерный изгиб корпуса». По сути, ИИ создает идеальный словесный «паспорт» для каждого объекта. И только после этого на сцену выходит Amazon Nova Pro — модель, заточенная под распознавание объектов. Она получает не только фотографию реальной рабочей станции, но и этот самый «паспорт», что позволяет ей гораздо точнее отличать нужный сканер от похожего, но другого.

Такой подход позволил решить главную боль компьютерного зрения — ложные срабатывания. Чтобы еще больше повысить точность, команда вручную создала «ловушки» для модели. Например, система могла путать нужный треугольный знак с номером ворот и красной стрелкой с любым другим треугольным предупреждающим знаком. Инженеры добавили в промпт правило: «Не считай объект знаком SIGN.GATE.TRIANGLE, если на нем нет номера и красной стрелки». Это простое, но эффективное уточнение резко повысило качество детекции. Вся архитектура построена на классическом стеке AWS: serverless-функции Lambda, база данных DynamoDB и, конечно, хаб для моделей Amazon Bedrock. Быстро, масштабируемо и, что важно, без необходимости управлять сложной инфраструктурой.

На тестах в реальных условиях система показала задержку в 2-5 секунд на обработку одного изображения и впечатляющую точность в 92%. Более того, ИИ оказался внимательнее людей: он находил компоненты, которые были пропущены в исходной «эталонной» разметке, сделанной человеком, тем самым помогая улучшить качество обучающих данных. Конечно, не обошлось без ограничений. Решение отлично работает на модулях с менее чем 20 компонентами, но начинает «плыть», когда их число превышает 40. Для сложных станций потребуется иерархический подход — сначала распознать крупные узлы, а потом детали внутри них.

Этот кейс — яркий пример того, куда на самом деле движется прикладной ИИ, пока медиа обсуждают, какая языковая модель лучше пишет стихи. Amazon не пытается создать универсальный интеллект. Он решает конкретную, скучную и очень дорогую бизнес-задачу. Это не столько технологическая революция, сколько вершина операционной эффективности. Для компании это способ сэкономить миллионы долларов на запуске складов. А для AWS — это мощнейший маркетинговый инструмент: «Смотрите, мы не просто продаем вам доступ к моделям, мы сами используем их, чтобы управлять самой сложной логистической машиной в мире. Хотите так же? Вот вам Bedrock».

Наш вердикт: Это не прорыв в фундаментальной науке об ИИ, а блестящий образец инженерного прагматизма и вертикальной интеграции. Amazon в очередной раз доказывает, что настоящий бизнес на искусственном интеллекте делается не на фронте битвы чат-ботов за внимание пользователей, а в тишине складов, где каждая сэкономленная минута превращается в миллионы долларов. Это скучный, несексуальный, но чертовски эффективный AI, который действительно работает и приносит деньги. И это, пожалуй, самая честная реклама для платформы AWS.