撰文 | 吳先之  文燁豪

　　編輯 | 王   潘

　　國內大模型戰事，一度被諸多疑云所籠罩。而隨著京東、騰訊接連入座，這場復雜的牌局正變得明晰起來。

　　百度與阿里，作為國內最早一批大模型玩家，在“先聲奪人”的同時亦爭得了早期的流量。相比之下，騰訊、京東雖起步稍晚，但其更能深入審視大模型賽道，以加深對行業的理解。

　　正因如此，一些發布大模型相對較晚的大廠并未盲從大眾，投入通用大模型的大潮。例如此前華為大模型提到實用性，而京東憑借著自身在產業、供應鏈等方面積累的深厚積累，選擇了一條更有遠見且更具針對性的路徑，并在2023京東全球科技探索者大會暨京東云峰會(JDD大會)，推出面向產業的京東言犀大模型。

　　在通用大模型混戰的當下，京東推出的言犀大模型和其產業價值創造路徑，既是建立大模型商業秩序的絕佳嘗試，亦為整個行業帶來全新的思考和方向。在大模型的商業化滯水里，距離落地更近的產業大模型，極可能在未來的大模型競逐中一路領跑，成為一股不可忽視的新生力量。

　　大模型，既不是“故事”也不是“玩具”

　　每一輪科技演替的浪潮，往往也裹挾著大量的泥沙。

　　從早年的芯片、機器人，再到AI，每一波浪潮里，總有一些別有用心的玩家混跡于其中，將科技與營銷混淆在一起，使原本清澈的賽道愈發渾濁�，F階段的國內大模型賽道，亦是如此。

　　賽道的一側，玩家們苦苦摸索著大模型的技術脈絡，并試圖找尋落地方向;而在另一側，縱使是和科技領域八竿子打不著一塊的公司，也在紛紛下場，訓練出所謂的“大模型”產品——不得不承認，當下“萬物皆可大模型”的局面，頗有兩年前“萬物皆可元宇宙”的意味。

　　顯然，當所謂的“大模型”變成一個代名詞，服務于自身“講故事”的訴求，而非創造實際價值，那大概率只能奔赴元宇宙的宿命。而這，對那些老實鉆研技術的玩家們而言，同樣成立。畢竟技術本身很難直接創造價值——大模型的終點，并非訓練出通用大模型本身，而是讓技術產生價值，進而實現成熟的商業化落地。

　　因此，追風蹭熱者們看似滑稽的操作，其實給大模型賽道敲響了一記警鐘。畢竟點燃AIGC的ChatGPT，潛移默化地影響著玩家們的大模型觀，使一眾玩家紛紛奔赴通用大模型，推出多款ChatGPT的“變種”。

　　客觀地說，通用大模型有其價值所在，但在競爭維度愈發劇烈的當下，通用大模型并非坦途：

　　一方面，玩家們紛紛涌向單一領域，極有可能陷入“重復制造輪子”的境遇，想要從充斥著國內外科技巨頭的戰場中突圍，難度可想而知。

　　另一方面，通用大模型是典型的消費與付費分離的產物，稍有不慎便會淪為“玩具”。

　　舉一個簡單的例子，廣泛的C端用戶或許會向其咨詢問題乃至探討宇宙和天空，但絕大部分普通用戶其實并沒有生產力訴求，在短期密集體驗后，對新興科技的新鮮感便會迅速喪失，未必有長期使用的動力。

　　基于此，縱使當下的通用大模型能在一定程度上提升內容創作效率，除了部分內容行業與組織內部降本增效以外，其尚未跑出成熟、可復制的商業模式。可以預見，隨著通用大模型賽道日益擁擠，玩家們勢必將在商業化延展層面面臨諸多考驗。

　　歸根結底，“奇點”已至的當下，大模型不僅是科技演替的里程碑，更是塑造未來的關鍵驅動力。因循該邏輯，現階段大模型戰事絕非一場短程競速，而是一項系統性工程。玩家們若想穿越周期、熬到終點，不能只靠技術層面的單點突破，而是需要同步思考技術方向、場景應用、商業模式等諸多維度。

　　產業大模型，“百模大戰”的新戰線

　　從1997年，“深藍”戰勝象棋大師加里·卡斯帕羅夫，到“阿爾法狗”殺入圍棋圈，再到視覺系AI與自動駕駛，AI過往經歷了多輪振奮人心的演化，每一輪仿佛都站在應用爆發的邊緣，可滿枝的花骨朵，卻又遲遲未能開出繁花。

　　這背后的主因在于，技術尚未在產業端形成深厚的應用，畢竟科技進步的終點，不是在困在實驗室里，而是落地下潛，走向“現實世界”。

　　因循該邏輯，審視現如今的通用大模型賽道，距離在真實商業場景落地生根并創造出實際價值，仍有著不少距離。

　　京東集團CEO許冉在JDD大會現場表示，大模型本身是實現產業價值的工具，而不是目的，大模型真正實現自己的價值，一定是在產業應用中。

　　換言之，大模型不是目的，應用才是目的。

　　當下的大模型廠商，往往會將模型參數視為大模型好壞的檢驗標準。殊不知，在商業落地層面，巨大的參數亦對應著高企的成本，亦存在著相應時間長、并發性差等問題。

　　一個簡單的例子，部分“參數怪獸”，每回答一個問題就要耗費兩三毛錢，還需等待5-10秒，就算回答得再精準，也很難實現大規模的商業化落地。此外，目前通用大模型85%左右的準確率，對于普通用戶而言或許已經足夠，但在嚴肅的商業場景下，此番誤差很有可能對業務產生難以忽視的影響。

　　針對應用問題，京東多條業務線技術負責人都提到，人們會因為GPT一個編造的回答付之一笑，可一旦落實到實際應用過程中，任何偏差都導致巨大損失。

　　京東探索研究院院長、京東科技智能服務和產品部總裁何曉冬博士曾親身經歷過一件事情，頗有代表性。“一個大模型回答143開平方，給出的答案是11.5(實際上約等于11.96)，如果在實際應用場景中，這個答案將會帶來巨大損失。”

　　在技術領域，模型參數、精度固然重要，但在商業世界中，大模型本身好用且穩定才是關鍵。而在此方面，同細分產業緊密關聯的產業大模型，無疑存在著天然的優勢。

　　只是，研發產業大模型絕非易事。眾所周知，訓練數據是大模型學習的基礎，亦決定了大模型的泛化能力與應用場景。因此，除了技術層面的突破，源于產業的一手場景、數據，對研發產業大模型而言同樣重要。

　　以京東為例，其之所以會推出面向產業的言犀大模型，很大程度上便源于其濃厚的產業基因。畢竟在一眾國內大廠中，鏈接著消費市場與供應鏈兩端的京東，同產業的綁定甚強，亦具備大量優質數據。

　　據悉，言犀大模型訓練時，便融合70%的通用數據與30%數智供應鏈原生數據�？梢�，京東并不純粹強調參數，也非刻意講述“故事”，而是將重點放在“調教”層面，旨在打造出同產業高度相融的大模型。

　　產業大模型，或將成為大模型賽道邁向大規模商業化的重要一步，而逐漸參透該邏輯的玩家們，亦在漸漸上車。

　　近日，遲遲按兵不動的騰訊，發布了自己的行業大模型;高舉通用大模型大旗的百度，亦端出覆蓋交通、能源等領域的行業大模型。不難看出，隨著巨頭們紛紛加碼，更貼近商業化的產業大模型，已然成為了“百模大戰”的新戰線。

　　狹路相逢，得“場景”者勝

　　無論是通用大模型，還是產業大模型，構筑出新的商業秩序始終繞不開“場景”。

　　換言之，對于落地而言，晦澀的技術名詞、炫目的商業PPT均是空中樓閣，只有將大模型能力真正運用到場景中，并產生實際價值，才能打通良性循環。

　　而在各行各業AIGC需求井噴的當下，為大模型找到所謂的應用場景，本身并不算難。可若想找到適合大模型大規模落地，并跑通商業化路徑的場景，則可能要經歷大量的彎路。

　　因循該邏輯，已然端出大模型的玩家們，正在各種細分領域不斷嘗試，試圖尋找屬于自身的落腳點：

　　百度抓住一年一度的高考熱點，推出AI志愿助手，活用大模型能力的同時，亦試圖借此打入C端市場;阿里則以天貓精靈為錨點，探索大模型在消費電子領域的發展空間。

　　發力產業大模型的京東，則提出了“大模型的價值=算法×算力×數據×產業厚度的平方”的公式，而所謂的“產業厚度”，正是由一個個具體的場景堆砌而成。

　　無論路徑如何，大模型玩家們抵達“應許之地”之前，勢必將不斷試錯，乃至穿越“紅海”。

　　面對大模型的落地難題，部分玩家選擇扮演“賣水人”的角色，幫助企業構建屬于自己的大模型。而打法一向務實的京東，則提出了“三步走”戰略，即先搭建通用大模型，然后在內部探索場景與應用，而后逐步將能力對外開放——將自身作為試驗田的同時，亦自我消化掉試錯成本，以確保大模型產品能創造實際價值。

　　據悉，在京東內部，大模型不僅已經嵌入了數智營銷、運營流程優化、客戶服務等常見應用場景，更已延伸至零售、物流、金融、健康等諸多垂直場景。

　　以物流領域為例，面對這一門繁雜的系統工程，京東跑出了多條探索路徑：歷時5年打造的供應鏈產品京慧，除了豐富的AI預測、運籌優化等原生算法外，通過開放生態技術，不僅能很好的與異構系統的算法及數據互聯互通，在大模型的加持下，在銷量預測、庫存、供應及補貨計劃方面更具表現力，同時由于AIGC的廣泛應用，其交互式供應鏈控制塔能夠幫助用戶快速定位并解決供應鏈問題。

　　在基金理財場景，京東金融“智能選基”產品上線。傳統的基金篩選，理解成本高，操作繁鎖，直接影響交易成功率。借助大模型，京東在意圖匹配、算法生成、意圖識別、多輪對話等環節進行優化，使常見篩選問題準確率達90%，有效提升客戶體驗和交易效率。這一產品后續也將全面服務于金融機構。

　　由此可見，京東的“三步走”戰略已初見成效，并已逐漸浸潤到物流、金融等垂直行業的肌理之中�？梢灶A見，隨著戰略逐漸鋪開，京東亦將不斷積累落地場景、高質量數據，從而轉動起產業大模型商業落地的飛輪。

　　歸根結底，看似復雜的大模型戰事，終究要回歸一個核心問題，即技術如何為實體產業帶來實際價值。而現階段，道路不同的玩家們，只能在這場漫長的馬拉松，逐漸摸索、實踐出問題的答案。