产业应用进入30大模型哪些价值快速涌现？

　　如何在瞬息万变的赛道里找到确定性，真正地实现降本增效？从消费互联网转向产业互联网时代，行业面临的问题是什么？如何解决产业效率问题？产业应用进入3.0时代，大模型还有哪些点需要突破？大模型未来在产业领域的发展方向是什么？

　　7月13日，京东集团在北京召开的“2023京东全球科技探索者大会暨京东云峰会”上，给出了新思考。

　　同时，会上京东正式推出了应用于产业领域的大模型——京东言犀大模型及言犀 AI 开发计算平台。此外，深入具体场景，京东展示了应用于零售、金融等行业的大模型、应用医疗领域的慧医千询以及京慧3.0供应链管理平台。

　　消费行业赛道出现了玩家多样化、渠道多元化的特点，在众多的不确定性当中确定的道路，就是产业和数字的数实结合。

　　京东集团CEO许冉：相信越来越多的嘉宾和同事都会感受到产业降本增效转型升级的迫切的需求和动力。当前，宏观经济和消费需求仍处在恢复性的爬坡期，人口结构、生活习惯和消费方式也在发生着变化。消费的行业赛道也出现了玩家多样化、渠道多元化的特点，整个传统产业的转型升级的需求迫在眉睫。

　　转向产业数字化的领域，随着AI技术智能大模型的推进，整个行业的竞争格局越来越复杂，正面临着更多的不确定性。然而，在众多的不确定性当中，有一个非常确定的道路，那就是产业和数字的数实结合。数字技术作为全球科技变革产业变革的重要驱动力，对传统产业的转型升级，实体经济的降本增效发挥了重大的作用，也创造了巨大的想象空间。在这个过程中也带来了一系列企业的高质量发展。京东就是在其中高质量发展的重要案例之一。可以看到，京东是一个非常具有自身特色的企业，是一家兼具实体经济属性和数字化能力的公司，我们会在产业的数字融合过程中发挥重要的独特的作用。

　　数实结合是京东技术探索的重点、供应链链条越长，数据相关性更高，大模型更有价值。

　　京东集团技术委员会主席、京东云事业部总裁曹鹏：人工智能与产业的结合一直是京东技术探索的重点。在零售场景，京东超85%的商品都能够靠系统自动补货完成。在物流场景，拣货员与“天狼“地狼”机器人配合，大幅提升拣货效率。服务场景，京东智能客服可以自动化应答90%的服务咨询。作为一家新型实体企业，我们更多思考的是大模型如何与实体结合。

　　供应链产业链上的大模型更有价值，因为供应链的链条越长，带来的数据相关性更高。相关性高的训练数据越多，模型越大，训练出来的模型越有可能在终端实现智能的涌现。同时这些模型更切实地解决实际场景中的问题，具体场景的效果越好，越能创造更大的经济价值和社会价值，越有助于我们去拿到更多的资源，也有助于模型的持续的发展。

　　消费互联网向产业互联网的转型和发展的阶段，泛零售行业要解决交易效率的问题。

　　京东零售智能供应链Y业务部高级总监刘丹萍：近年来，伴随着消费互联网向产业互联网的转型和发展，各行各业都面临着全新的挑战和机遇。对于整个泛零售行业而言，在消费互联网时代，主要解决的是交易效率的问题，如何帮消费者找到正确的商品，提供高效的交易服务和履约服务。但是到了产业互联网时代，需要解决的是产业效率的问题，需要深入到决策、生产、流通，这链路更长也更复杂。

　　在这个过程中我们也发现在泛零售行业存在着非常多的问题，诸如信息孤岛，数据协同效率低下，整个生产消费端供需不平衡，供应链运营的不平稳，甚至说运营成本也居高不下等等。尤其是受到近几年的一些外部的影响，这些问题更加突出，亟待解决。

　　解决了信息孤岛，京东将超过1000万商品sku的整体库存周转天数压缩到了近30天。

　　京东集团副总裁、京东科技产品与解决方案总裁高礼强：面向未来的智能化转型，关键的是应用场景，有丰富的场景、触点、高交付高质量数据的产品，必将是智能化优先落地的领域。零售行业复杂供应链环节和场景是通过智能化来提升效率的绝佳战场，所以数据和智能将能够实现供应链数据的实时共享和流程的协同优化，同时基于前端的需求，缩短供应链的环节，大幅提高效率。

　　过去20年，京东在供应链全链路的管理实战当中解决了信息孤岛、数据协同、低效生产、消费供需不平衡，供应链链路不稳定，运营成本高等众多的难题，将超过1000万商品sku的整体库存周转天数压缩到了近30天。

　　在零售的场景当中，智能服务已经覆盖了售前、售中到售后的全流程,全面降低运营成本。

　　京东集团副总裁、京东科技产品与解决方案总裁高礼强：智能化在用户交互、活动运营、客户服务的全流程都带来了惊喜的变化，这些变化包括更低的运营成本与营销成本、更高的效率和更好的体验。

　　首先，在更低的运营成本与营销成本上，很多传统的营销工作，今天已经被智能化的方式所替代，AIGC的工具已经可以自动生成文章、视频、音频、图片等营销内容，在众多的场景当中可以使用数字人来替代人工，降低运营成本，增加了品牌的市场竞争力。其次，在更高的效率上，有大模型和数据平台能力的加持，从输出数据到输出知识，我们支持更加精准高效的营销活动，高效的实现了公域拉新和私域运营系统，无缝的连接互通客流信息流，形成新的转化链路，提升粉丝会员和高净值用户的一个增长。最后，更好的体验，在零售的场景当中，智能服务已经覆盖了售前、售中到售后的全流程，为企业创造更多的沟通机会，并且提供更个性化的服务，赢得消费者的好感和信赖。

　　大模型市场和技术格局的破局点不只在技术上的追赶，而是如何在产业上得到突破。

　　京东探索研究院院长、京东科技智能服务与产品部总裁何晓冬:站在现在这个时间节点，大模型市场和技术格局真正的破局点可能还不只在于技术上进一步的追赶，而是在产业上如何真正的得到突破。产业上的突破才能够有持续的应用价值，这是我们真正需要关注的。

　　人工智能有三要素——算力、数据、算法，当大模型技术落地产业的时候，除三要素之外，还有更多具体的问题要加以解决。首先，大模型是不是对行业有深度支持、深度了解、深度Know-how。其次，大模型生成的内容是否可靠、可信、可用？再其次，能不能高效的、快速的迭代大模型，在部署中持续优化，使其在各行各业中得到更的广泛应用，当然还有安全可信可控等问题。

　　解决这些问题，意味着大模型包括AI三要素都需要做一个提升,比如说当前最关键的是场景化的数据。应用场景之下，在使用中能够得出更多的数据，特别像交互式数据这种活的、动态的数据，可以为大模型进一步提升做行业支持、对提升行业性能起到了关键作用。另一方面，在技术上我们不光只专注于单点的算法的提升，更关心的是多算法的融合，多功能、多任务的协同。在系统和产品层面真正做到一个端到端的系统的可用性，在产品层面跟用户更多交流和互动得到更多数据反馈，当然算力也会进一步的提升。

　　模型到了今天这个程度，已经不是一张单卡和单机能放下的，那么我们必然要考虑到大规模分布式的、高效的计算和集成，使得新型的算力支持大模型的需求。

　　产业应用随之进入到3.0的阶段，未来，企业只需要拥有一个智能的前端，就能够处理众多的服务难题。

　　京东集团副总裁、京东科技产品与解决方案总裁高礼强：随着GPT等新一代人工智能技术发展，产业应用随之进入到3.0的阶段。我们回顾1.0的阶段，它是以ERP、 CRM为代表的产业应用，主要是以标准化的任务流程来驱动系统建设，实现企业作业效率的提升。但是很遗憾，这些系统以数据来推动决策的能力始终是一块短板。产业应用的2.0阶段，以数据中台技术中台建设作为代表，将分散的系统数据和服务汇聚，实现能力共享，以数据来支持决策带来了极大的运营效率的提升。但同时可以观察到，企业要做到从海量数据中挖掘出有价值的内容，是需要依赖高素质的从业人员，甚至是服务企业，并且要承担极高的挖掘成本。

　　如今迈向了产业应用3.0时代，GPT等新一代人工智能技术正在解决上升的问题。我们通过大部分的算法来实现信息的极度压缩，输出高质量的知识服务产业应用。可以展望未来，企业只需要拥有一个智能的前端，就能够处理众多的服务难题

　　目前，把大模型的能力运用到产业领域的场景当中还需要深度的调优和二次训练，由于样本少，数据的分布不均匀，要想实现垂直领域的智能涌现，还需要持续高质量的数据积累。要解决这一难题，拥有两大能力对于企业来说至关重要，一方面要拥有更加强大的数据平台来支持更多维度的行业数据管理，另一方面要有更强的智能交互能力，加速积累各自行业的专有数据，数据平台，不断实现知识的输出，智能平台不断反馈高质量的协同数据，二者形成正循环的增长飞轮，才能够实现高质量的行业智能应用。【End】