沃尔玛在设计Element时首先考虑的是规模，这一点显而易见，该平台支持的应用程序每天处理300万次查询，每周有90万名用户使用，它已经支持44种语言的实时翻译，将排班计划时间从90分钟缩短到了30分钟，但这些应用程序只是更大、更根本性变革的先导：沃尔玛已经将AI开发工业化。

“我们构建Element的方式使其能够独立于不同的大型语言模型(LLM)，”沃尔玛门店与在线取货及送货技术高级副总裁Parvez Musani在接受采访时表示，“对于我们所追求的使用场景或查询类型，Element让我们能够以最具成本效益的方式选择最好的LLM。”

在定义其平台时，沃尔玛不受制于任何人，并能够快速集成最新的LLM以保持其竞争优势。在设计上追求平台独立性的同时，也强烈承诺开源，这一点已融入Element的集成选项和结构中。

第一波揭示了工厂模式的原理

Element的初始生产验证了工厂模式。正如Musani所解释的：“Element的愿景一直是，我们如何拥有一款工具，能让数据科学家和工程师快速开发AI模型?”

在同一平台上制造了五款应用程序：

• AI任务管理：将排班计划时间从90分钟缩短到30分钟，每天为每位经理节省60分钟。Musani指出：“任务管理工具正在查看所有这些供应链数据……我们构建的一切通常都是以客户为中心的。”

• 实时翻译：支持44种语言，每种语言对动态选择模型。

• 会话AI：每天处理30000次查询，且无需人工干预即可完成常规任务。Musani指出：“在如此丰富的数据上，正在发生巨大的变革。”

• AR驱动的VizPick：结合射频识别(RFID)和计算机视觉，实现85%至99%的库存准确率。

• MyAssistant：在同一基础设施上进行公司文档和数据分析。

共享基础设施消除了冗余开发，统一的数据管道将供应链与门店楼层连接起来。正如Musani所解释的，Element是LLM无关的。“因此，对于我们所追求的使用场景或查询类型，Element让我们能够以最具成本效益的方式选择最好的LLM。”

标准化的部署模式加速了上线时间，内置的反馈循环确保了持续改进。沃尔玛员工工具副总裁Brooks Forrest强调：“我们的员工不断给我们反馈，让我们能够迭代并以敏捷的方式为他们提供功能。”Forrest继续说道：“在我们这样的规模下，拥有超过4000家门店和100多万名员工，为员工提供这些工具时，简洁性非常重要。”

工厂并不构建应用程序，它以相同的生产线、质量控制和运营模式来制造它们，每个应用程序都增强了平台为下一次构建提供的能力。

传统的企业级AI将每个应用程序视为一个独特的项目，而Element则将它们视为从生产线上滚下来的产品，这种差异决定了AI部署是花费数个季度还是数周。当被问及速度时，Musani确认：“我们想要敏捷性，这就是Element将继续迭代并创建新功能的原因。”

这种模式已被证明是有效的，数据科学家提交规格，Element处理模型选择、基础设施、扩展和部署。新应用程序从之前的构建中继承了经过实战检验的组件，开发摩擦接近于零。随着每次生产运行的进行，工厂加速运转。

沃尔玛的工厂模式如何改变开发经济学

传统的企业级AI部署遵循一种可预测的模式。公司识别一个使用场景，评估供应商，谈判合同并实施解决方案。每个新应用程序都会重复这个周期。

沃尔玛的Element平台已被设计为能够同时处理多个应用程序和产品开发请求，且浪费最小，就像一家达到了精益制造性能水平的工厂一样。数据科学家和工程师提交需求。工厂处理模型选择、基础设施配置、扩展和部署。

结果是，应用程序能够快速通过开发阶段，并在没有Element作为基础的情况下，以一小部分时间向员工交付价值。那个每天为经理节省一小时的排班计划工具就是基于Element构建的，处理员工问题的会话AI也是基于Element构建的，基于AR的库存系统，还是基于Element构建的。

工厂模式解释了为什么沃尔玛能够在其他公司还在进行试点时进行大规模部署。当基础设施、数据管道和模型管理作为制造能力而非项目要求存在时，唯一的限制因素就变成了想法的生成和验证。

供应链数据成为开发燃料

Musani透露，Element并不仅仅连接到供应链系统。它还将运营数据转化为开发资源。当卡车到达配送中心时，这些数据会通过Element流动。客户购物模式也会流入相同的管道。员工反馈则创建了训练数据集。

Musani表示，初始工厂运行中最令人惊讶的好处之一是沃尔玛拥有的丰富供应链数据的力量。Element已被设计为能够利用多种数据源来推动快速应用程序开发。AI任务管理系统知道卡车何时到达，因为Element提供了对物流数据的统一访问。它根据客户行为来优先排序任务，因为Element标准化了零售分析，它适应本地条件，因为Element支持分布式模型部署。

该架构将沃尔玛的运营复杂性视为优势而非挑战。美国4000家门店中的每一家都产生了独特的数据模式。Element的工厂模式允许团队构建能够利用这些差异而非平均化它们的应用程序。

沃尔玛拥有模型套利策略

Element的LLM无关架构为企业级AI部署提供了前所未有的灵活性。沃尔玛在AI提供商之间持续进行成本-性能套利，比较从简单查询路由到基本模型的一切。套利检查复杂问题如何驱动高级服务。路由基于实时评估自动进行。

“Element让我们能够以最具成本效益的方式选择最好的LLM，同时也是那个能给出我们所需最佳答案的LLM，”Musani说。这种能力将AI从固定成本转变为动态优化问题。

其影响远不止于成本节约。当新模型出现时，沃尔玛可以立即进行测试而无需进行架构更改。随着现有模型的改进，所有基于Element构建的应用程序都会自动受益。当价格变化时，平台会调整路由策略。

这种灵活性对于支持44种语言的翻译工具来说至关重要。不同的语言对需要不同的模型能力。Element为每个翻译请求选择最优模型，在准确率要求和计算成本之间取得平衡。

沃尔玛如何整合实时反馈

沃尔玛对反馈循环的方法是其先进工厂的关键。员工不仅仅使用基于Element构建的应用程序，他们还通过结构化的交互模式持续改进这些应用程序。

为了实现这一点，会话AI系统每天处理30000次查询。每次交互都会生成关于模型性能、查询模式和用户满意度的信号。Element捕获这些信号并将其反馈到开发过程中。新应用程序在发布前会从现有部署中学习。

创建能够扩展的反馈循环的技术实现需要复杂的数据管道、模型版本控制系统和部署编排，而传统企业往往难以针对单个应用程序构建这些。

为什么内部工厂优于外部平台

Element工厂模式挑战了企业级AI部署的传统智慧。沃尔玛没有利用供应商的专业知识，而是构建了供应商无法匹敌的能力，其原因是结构性的，而非技术性的。

外部平台针对通用化进行优化，它们构建的功能能够跨行业、公司和用例工作，这种广度需要妥协。沃尔玛的Element针对一个具有特定、独特需求的客户进行了优化。全球210万名员工共享共同的工作流程、术语和目标，这是任何外部平台都无法完全满足的。

工厂模式还改变了创新周期。当沃尔玛识别出一个新的使用场景时，开发会立即开始：无需供应商评估、合同谈判或集成规划。这个想法会直接从构思阶段进入生产阶段，利用现有的工厂能力。

评估竞争影响

沃尔玛的Element工厂创造了随着时间的推移而不断增强的竞争优势。每个新应用程序都增强了平台的能力，每次用户交互都改进了模型选择，每次部署都教会了工厂关于生产要求的知识。

在向销售助理、渠道和合作伙伴提供AI赋能的应用程序和工具的竞赛中，沃尔玛的每个竞争对手都面临着令人不舒服的选择。构建类似的能力需要巨额投资和技术专长。购买解决方案则意味着接受供应商的限制和较慢的创新周期。等待则意味着随着沃尔玛工厂的加速而进一步落后。

零售背景和行业的快速步伐，包括保持财务竞争力的速度需求，放大了这些优势。在薄利润和激烈竞争的情况下，运营改进对盈利能力有直接影响。为每位经理每天节省60分钟的排班计划工具转化为数百万美元的劳动力成本节约。将这种节约乘以数十个基于Element构建的应用程序，财务影响就变得具有战略意义。

从沃尔玛的企业级AI工厂蓝图中汲取的教训

沃尔玛的Element为企业级AI转型提供了一个蓝图，从根本上重新定义了部署策略。在报道了数十年的企业技术转型，从ERP到云迁移之后，我很少看到一种如此具有变革性的方法。

Element架构由四个原则定义：

首先，将AI模型视为可互换的组件。Element的LLM无关性防止了企业软件中常见的供应商锁定，同时实现了持续优化。

其次，在构建应用程序之前统一数据访问。Musani的见解：“通过LLM有世界知识，同时也有沃尔玛的企业知识。Element将这些结合在一起，创建了能够访问双方数据(方程两侧的数据)的工具。”这种与供应链、客户和运营系统的集成创建了AI开发的基础。

第三，将开发过程工业化。Element的工厂模式将AI应用程序创建转变为一个可重复、可扩展的制造过程。“我们需要一款能够让数据科学家和工程师快速开发AI模型的工具。”Musani指出。

第四，从一开始就设计反馈。内置的反馈循环确保应用程序通过使用而不断改进，创造出Musani所说的“变革性而非增量性的影响”。

沃尔玛刚刚创造了企业的新必要条件

沃尔玛刚刚解决了企业级AI最复杂的问题：规模，他们没有购买或构建单个AI工具，而是创建了Element。可以将其想象为丰田的生产系统，但它是针对AI的。

真正的见解不在于技术，而在于思维方式的转变。沃尔玛将AI开发视为像制造业一样的过程：标准化流程、模块化组件和持续改进。每次员工交互都会让系统变得更聪明，每次部署都会教会下一次。

对于那些看着自己的AI试点项目难以扩展的企业领导者来说，Element提供了一个至关重要的教训。成功不在于选择正确的模型或供应商，而在于构建将AI潜力转化为一致运营现实的组织能力。

沃尔玛已经展示了当企业停止将AI视为要安装的软件，而是开始将其视为要创造的能力时，什么是可能的，那些理解这一区别的企业将定义下一个十年。

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。