LuminX是一家总部位于旧金山的人工智能公司，致力于重新定义仓库运营。近日，该公司宣布完成 550 万美元的种子轮融资，以推进其将视觉语言模型 (VLM) 直接嵌入仓库环境的使命。本轮融资由1Sharpe、GTMFund、9Yards、Chingona Ventures和 Bond Fund 领投，旨在加速 LuminX 突破性库存自动化平台的开发。
LuminX 的核心在于解决物流领域最顽固的瓶颈之一：缺乏实时可靠的库存可视性。每年因超额、短缺和破损 (OS&D)索赔造成的损失高达数十亿美元，这通常是由过时的手动流程、条形码扫描错误以及数据碎片化造成的。LuminX 旨在通过基于边缘计算、由人工智能驱动的系统来消除这些低效问题，该系统能够实时“查看”并理解实体仓库的运作。
LuminX 的与众不同之处：边缘视觉语言模型
与需要集中处理和依赖云的传统计算机视觉系统不同，LuminX 在低成本、坚固耐用的边缘设备上部署视觉语言模型 (VLM) – 紧凑、移动的硬件，可以安装在叉车、码头上或用作手持扫描仪。
但是视觉语言模型到底是什么？为什么它们如此重要？
视觉语言模型 (VLM) 是一种混合型机器学习系统，它将视觉感知（计算机视觉）与自然语言理解 (NLU)融合在一起。这些模型可以解读视觉场景，并使用语言对其进行描述或推理。例如，VLM 可以分析货物托盘，不仅可以检测物品和条形码，还能理解手写笔记、包装破损、有效期等信息，甚至生成上下文摘要，例如“一箱苹果包装破损且标签缺失，可能无法扫描”。
就 LuminX 而言，VLM 专门针对嘈杂的真实仓库环境进行训练——在这种环境中，物品被塑料包裹、倾斜、快速移动或错位。他们的专有模型可以识别各种场景中的产品、状态和标签，然后将这些发现转化为结构化数据，直接集成到仓库管理系统 (WMS)中。
这种从孤立的视觉系统到多模式智能（视觉和语言协同工作）的转变使得比以前更加复杂的自动化和操作洞察力成为可能。
经验丰富的领导团队
LuminX 由首席执行官Alex Kaveh Senemar领导，他曾创立专注于人工智能工作场所安全的公司 Voxel 和 Sherbit，后者于 2019 年被 Huma 收购。Senemar 在跨行业商业化人工智能产品方面的良好记录使 LuminX 不仅仅是一个技术演示，而是一个可投入商业使用的平台。
首席技术官 Reza (Mamrez) Javanmardi 博士也加入其中，他曾是 Voxel 的机器学习专家，也是计算机视觉研究领域的资深人士。他们共同组建了一支团队，汇聚了来自微软、苹果、英特尔、卡内基梅隆大学和斯坦福大学的深厚人工智能、物流和工程专业知识。
现实世界的影响
早期部署已显示出显著的改进。LuminX 的试点合作伙伴之一 Vertical Cold Storage 报告称，其在质量控制和生产力方面取得了显著提升。首席运营官Robert Bascom指出：“在我的整个职业生涯中，我从未遇到过一款产品能够如此有效地提高效率，同时提升质量和可靠性。”
主要投资者之一 1Sharpe Capital 的Kat Collins补充道： “边缘部署的视觉语言模型正在打破物流领域最棘手的两个瓶颈，劳动力短缺和数据盲目性。”
LuminX 的下一步计划
这笔资金将支持三项核心举措：
- 深化 VLM 研发：持续改进 LuminX 针对复杂仓库环境的专有模型。
- 扩展边缘部署：增强与 WMS 系统的即插即用兼容性，同时提高硬件性能。
- 加速进入市场：扩大商业伙伴关系，特别是在食品、制药、汽车和港口物流领域。
通过将多模态人工智能与边缘计算相结合，LuminX 正在重新定义仓库自动化的可能性。该公司的平台不仅仅是一个覆盖层，而是一个智能基础设施层，能够将任何配备摄像头的表面转变为仓库网络中一个智能且响应迅速的节点。
为什么重要
随着供应链的复杂性不断演变，边缘计算、计算机视觉和视觉语言模型的融合标志着物流系统管理方式的重大转变。这些技术的协同应用，可以实时收集、解读和处理视觉数据，而无需依赖集中式基础设施或人工干预。
LuminX 的方法反映了行业中一个更广泛的趋势：让智能更贴近操作点。通过将视觉感知与基于语言的推理相结合，系统现在可以检测异常、解读产品数据，并在关键时刻支持更准确的决策。这种转变有望减少低效率，提高数据准确性，并使此前不透明的流程更加可衡量。
虽然这些技术的长期影响仍在显现，但LuminX的工作展示了应用人工智能如何通过实用的系统级视角开始解决物流中长期存在的运营挑战。
内容源自：https://www.unite.ai/luminx-secures-5-5m-to-make-warehousing-intelligent-with-vision-language-models-on-the-edge/
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/58531.html
