線上購物省時又有效率，只要輕鬆點幾下，幾乎什麼東西都能找到，還能比價逢低購入。
Jet.com 將這一切再升級。這間位在紐澤西州的新創公司採用人工智慧技術，將整個購物車的成本最佳化，而非只是加總購物車內個別商品的價錢。
Forrester E-Commerce 指出預估線上購物市場的市值將從2016年的3900億美元，到2024年時將翻長兩倍，那可是一個規模龐大的市場。
去年成為零售業鉅子 Walmart 收購對象的 Jet，評估多項批發、經銷和運輸成本，以壓低購物車裡的商品價格。Jet 的目標：找出正確的商品組合，盡量壓低包括運費和其它僱金在內的訂單總金額。
購物車愈大，愈能省下更多金錢。不過優化購物車裡的內容一事，容易變成數不清的組合數量，得耗費過多時間進行計算。
對 Jet 提出新式訂價軟體諮詢服務之 QuantAlea 總經理 Daniel Egloff，今年稍早在 GPU 科技大會上分享了他們是如何解決這個「購物籃優化」的問題。
注意差距
Egloff 表示使用傳統演算法及以 CPU 為基礎的「暴力求解法」計算所有可能的組合，得花上數年時間才能找出購物車內少於12件商品的最低總價。
改換為使用 GPU，則是將傳統演算法的執行速度加快不少，但仍不足以應付所需；且在挑選和購買商品之間還有些許的時間差，可嚇跑了消費者。
「我們想要將運算時間縮短到以秒為單位，而非以日或年為單位。」他說。
Jet 在 Microsoft Azure 雲端環境裡聰明地結合了機器學習、新式演算法和 GPU，解決了這個心頭大患。Egloff 說 Jet 將處理作業丟到雲端，便可彈性調整其運算資源，更具成本效益。
團隊設計新的演算法，以找出能以最低價格裝滿購物車的商品組合，且速度快到足以從數百萬次的計算裡即時提供結果。
Egloff 說使用這些方法計算接單出貨的最佳內容，能為有著眾多品項的訂單節省不少金錢，同時為消費者加快處理速度，也為零售商增加銷售業績。
Jet 平台後端的開發工具為 F# 程式語言，使用 F# 來編寫 GPU 演算法，再使用 QuantAlea 的 Alea GPU 編譯為 CUDA，簡化和加快編寫 GPU 程式作業的速度。最後在搭載 Tesla GPU 加速器的 Azure N-series 虛擬機器完成部署。
AI Podcast：想在購物車裡買些熱狗嗎？
順便買些麵包和芥末醬吧。我們對於今年成為熱門話題的最新笑話，有更多要跟各位透露的小道消息。
在 AI Podcast 節目裡，開發者 Tim Anglade 分享了他為 HBO 影集《矽谷群瞎傳》（Silicon Valley）開發「Not Hotdog」這個 app 的心得，如今這個在影集裡被視為笑話的 app 已經可以在 iOS 及 Android 商店下載。