发生了什么
迪卡侬作为全球最大的体育用品零售商之一，一直需要对多个大洲的数万种产品进行每周需求预测。
为了提升预测效率，迪卡侬在AWS上部署了Chronos-2模型，成功将预测准确率提高了11到15个百分点。
通过使用仅配备CPU的实例，迪卡侬将每周推理的运行成本控制在约0.03美元，同时显著简化了运营流程。
为什么重要
这一案例展示了像Chronos-2这样的时间序列模型在实际商业场景中的潜力，说明企业可以在不依赖昂贵硬件的情况下获得显著的预测精度提升。
通过降低运营复杂性和成本，中小型零售商也可能效仿此做法，将先进的AI预测技术应用于自身业务，从而优化库存管理和供应链决策。
关键事实
迪卡侬是全球最大的体育用品零售商之一。
该公司在多个大洲对数万种产品进行每周需求预测。
迪卡侬在AWS上部署了Chronos-2模型。
预测准确率提升了11至15个百分点。
每周推理使用CPU-only实例，成本约为0.03美元。
接下来看什么
未来，类似Chronos-2的模型可能会被整合到更多零售巨头的预测系统中，进一步推动AI在供应链管理中的应用。
随着成本降低，更多中小企业也有机会采用这类高精度预测工具，从而改变行业竞争格局。