AWS تعرض كيفية بناء غرفة قياس افتراضية لتجارة التجزئة على Nova Canvas
عرضت AWS كيفية بناء حل serverless لقطاع تجزئة الأزياء يجمع بين القياس الافتراضي والتوصيات والبحث الذكي. تعتمد البنية على Nova Canvas وRekognition وTitan Multimodal Embeddings وOpenSearch Serverless. في العرض التجريبي يستغرق القياس نحو 15 ثانية، وتتوفر مجموعة بيانات تضم أكثر من 60 منتجًا وتحليلات أساسية. غير أن AWS تحذّر بوضوح من أن القالب لا يصلح للانتقال إلى بيئة الإنتاج (production) دون مصادقة وفحص لصور المستخدمين. يتولى Nova Canvas توليد صورة القياس الواقعية، بينما تحلل Rekognition نوع الملابس ومناطق الجسم. أما التوصيات والبحث فيقومان على متجهات Titan Multimodal Embeddings وفهرس في OpenSearch Serverless. تشير AWS في تقدير التكلفة إلى أن Nova Canvas هو أغلى مكوّن، بنحو 60 دولارًا لكل 1 500 صورة قياس شهريًا. ويكفي هذا الحجم لتجربة تجريبية لفهم اقتصاديات السيناريو قبل الإطلاق الكامل.
معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
نشرت AWS شرحًا مفصلًا لكيفية بناء تاجر التجزئة غرفة قياس تعتمد على الذكاء الاصطناعي (AI) وبحثًا مخصصًا عن الملابس باستخدام خدماتها السحابية. لا يدور الأمر حول منتج مستقل جديد، بل حول بنية مرجعية (reference architecture) جاهزة، يمكن نشرها كتطبيق serverless وتكييفها لتناسب متجرًا إلكترونيًا.
كيف يعمل الحل
تقوم البنية على Amazon Nova Canvas وRekognition وTitan Multimodal Embeddings وOpenSearch Serverless. يتولى Nova Canvas القياس الواقعي: يرفع المستخدم صورته، فيأخذ النظام صورة القطعة ويولّد الصورة النهائية عبر وضع virtual try-on. وتحلل Rekognition نوع الملابس ومناطق الجسم وسمات أخرى، لكي يوضع القناع (mask) في موضعه الصحيح وتبدو النتيجة معقولة.
تتوزع المنطق البرمجي على عدة دوال AWS Lambda: الواجهة الأمامية، ومعالجة القياس، وتوليد التوصيات، وتحميل مجموعة البيانات، والبحث الذكي. ويُستخدم S3 وDynamoDB للتخزين، بينما يُبنى الفهرس المتجهي في OpenSearch Serverless. وتؤكد AWS أن البنية معيارية: يمكن اعتماد القياس الافتراضي وحده، أو التوصيات وحدها، أو تجميع المنظومة كاملة.
يُوصف النشر كأنه وصفة شبه جاهزة لفريق التطوير: يلزم استنساخ المستودع، وتثبيت الاعتمادات، وبناء الحزمة عبر SAM، ثم تنفيذ نشر موجَّه (guided deployment). بعد ذلك يبقى تحميل مجموعة بيانات صغيرة تضم أكثر من 60 منتجًا، وتشغيل الفهرسة بشكل منفصل، حتى يعمل البحث والتوصيات.
ماذا يحصل المتجر عليه
تبدو التجربة للمستخدم كمسار تسوق عادي، لكن بطبقة إضافية من الذكاء الاصطناعي. بعد رفع الصورة، يمكنه إما قياس قطعة يملكها أو اختيار منتج من مجموعة جاهزة. تستخدم AWS في العرض التجريبي مجموعة بيانات من أكثر من 60 منتجًا من الأزياء، وعادةً ما تستغرق معالجة النتيجة نحو 15 ثانية. وإلى جانب القياس نفسه، تدفع الخدمة المستخدم فورًا نحو الخطوة التالية: حفظ النتيجة أو تنزيلها أو طلب منتجات مشابهة.
- قياس افتراضي على صورة العميل
- توصيات بمنتجات مشابهة بحسب التشابه البصري
- بحث بلغة طبيعية مثل «فساتين زرقاء بسعر لا يتجاوز 100 دولار»
- تصفية حسب اللون والسعر والفئة والجنس
- جمع تحليلات عن الجلسات والمنتجات الأكثر رواجًا وإجراءات المستخدمين
تقوم طبقة التوصيات على Titan Multimodal Embeddings: تتحول الصور والنصوص إلى متجهات بأبعاد 1024، ثم يبحث OpenSearch عن أقرب التطابقات في زمن شبه فوري. كما أن البحث لا يقتصر على الكلمات المفتاحية: تذكر AWS أن الوكيل (agent) يميّز ثلاثة سيناريوهات للمستخدم على الأقل — اختيار إطلالة كاملة، والبحث بحسب الميزانية، واستكشاف أنماط جديدة. وإضافةً إلى ذلك، تُجمع في DynamoDB تحليلات عن عمليات القياس والمستخدمين الفريدين والفئات الأكثر رواجًا والنشاط اليومي، ما يجعل الحل مفيدًا ليس لواجهة العرض فحسب، بل أيضًا لإدارة المعروضات (merchandising).
المخاطر والاقتصاديات
للحل تحفظات مهمة. تحذّر AWS صراحةً من أن النشر الأساسي لا يتضمن مصادقة على API Gateway، ولذلك لا يجوز نقل هذا القالب إلى بيئة الإنتاج دون تعديلات. كما يُوصى بفحص جميع صور المستخدمين: التحقق من الصيغة والحجم والدقة، وتمريرها عبر الإشراف على المحتوى (moderation) قبل إرسالها إلى S3 وإلى مسار التوليد. وإلا فقد يواجه المتجر نفقات زائدة، إضافةً إلى مشكلات في الأمان والمحتوى.
لا يتضمن النشر الأساسي مصادقة على نقاط نهاية API Gateway.
يتطلب التشغيل منطقة واحدة تتوفر فيها Nova Canvas وTitan Multimodal Embeddings وRekognition وOpenSearch Serverless في آن واحد؛ وتوصي المقالة باستخدام us-east-1. يُبنى التطبيق عبر AWS SAM ويُنشر بأمر واحد، ونُشر الكود في مستودع AWS على GitHub.
في الحساب الشهري التقديري لحمل workshop، يتبيّن أن Nova Canvas هو المكوّن الأغلى — نحو 60 دولارًا لكل 1 500 صورة قياس. أما بقية البنية، بما فيها OpenSearch وNAT Gateway وKMS وS3 وDynamoDB، فتضيف مبلغًا صغيرًا نسبيًا. وتقدّم AWS أيضًا مؤشرًا للحمل: 50 عملية قياس افتراضي و100 استعلام بحث و75 توصية يوميًا على مدى شهر. وهذا يكفي في المرحلة التجريبية لفهم اقتصاديات السيناريو قبل الإطلاق الكامل. لكن إذا أراد المتجر نقل هذه الآلية إلى حركة مرور ضخمة، فسيتعين عليه التفكير بشكل منفصل في التخزين المؤقت (caching) وحدود استدعاء النماذج والمراقبة عبر CloudWatch والحماية من إساءة الاستخدام، حتى لا تخرج اقتصاديات الوحدة (unit economics) عن السيطرة.
ماذا يعني ذلك
تراهن AWS على سيناريوهات تجزئة تطبيقية، يؤثر فيها الذكاء الاصطناعي التوليدي لا في الإبهار، بل في المرتجعات ومعدل التحويل ومتوسط قيمة السلة. وبالنسبة للمتاجر، يفيد هذا كقالب تقني جاهز: يمكن التحقق بسرعة مما إذا كان القياس الافتراضي يقلل التردد قبل الشراء، وهل يرفع البحث باللغة الطبيعية المبيعات، وهل يستحق توسيع هذا السيناريو لاحقًا.
- 19 نوفمبر 2026AWS تضيف إلى SageMaker تصنيفاً لأكثر من 70 نموذجاً: الجودة والسرعة والسعر في جدول واحد
- 19 نوفمبر 2026Exa تحسّن سرعة التضمينات وتكلفتها بنسبة 47% على رقائق AWS Inferentia2
- 18 نوفمبر 2026AWS تدمج Dynamo في HyperPod: نموذج Qwen3-235B يولّد 207 رموز/ثانية لكل GPU بدلاً من 101
- 18 نوفمبر 2026نموذج Jev الجديد يستجيب في 150 مللي ثانية مقابل 1,89 ثانية لدى GPT-6 Astra
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف يعمل الحل؟
تقوم البنية على Amazon Nova Canvas وRekognition وTitan Multimodal Embeddings وOpenSearch Serverless. يتولى Nova Canvas القياس الواقعي: يرفع المستخدم صورته، فيأخذ النظام صورة القطعة ويولّد الصورة النهائية عبر وضع virtual try-on. وتحلل Rekognition نوع الملابس ومناطق الجسم وسمات أخرى، لكي يوضع القناع (mask) في موضعه الصحيح وتبدو النتيجة معقولة. تتوزع المنطق البرمجي على عدة دوال AWS Lambda: الواجهة الأمامية، ومعالجة القياس، وتوليد التوصيات، وتحميل مجموعة البيانات، والبحث الذكي.
ما أبرز التفاصيل حول ماذا يحصل المتجر عليه؟
تبدو التجربة للمستخدم كمسار تسوق عادي، لكن بطبقة إضافية من الذكاء الاصطناعي. بعد رفع الصورة، يمكنه إما قياس قطعة يملكها أو اختيار منتج من مجموعة جاهزة. تستخدم AWS في العرض التجريبي مجموعة بيانات من أكثر من 60 منتجًا من الأزياء، وعادةً ما تستغرق معالجة النتيجة نحو 15 ثانية. وإلى جانب القياس نفسه، تدفع الخدمة المستخدم فورًا نحو الخطوة التالية: حفظ النتيجة أو تنزيلها أو طلب منتجات مشابهة.
ما أبرز التفاصيل حول المخاطر والاقتصاديات؟
للحل تحفظات مهمة. تحذّر AWS صراحةً من أن النشر الأساسي لا يتضمن مصادقة على API Gateway، ولذلك لا يجوز نقل هذا القالب إلى بيئة الإنتاج دون تعديلات. كما يُوصى بفحص جميع صور المستخدمين: التحقق من الصيغة والحجم والدقة، وتمريرها عبر الإشراف على المحتوى (moderation) قبل إرسالها إلى S3 وإلى مسار التوليد. وإلا فقد يواجه المتجر نفقات زائدة، إضافةً إلى مشكلات في الأمان والمحتوى. لا يتضمن النشر الأساسي مصادقة على نقاط نهاية API Gateway.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.