本文來自于微信公眾號 鋅刻度(ID:znkedu)，作者:陳鄧新

　　大模型落地，又進了一步。

　　2023年7月13日，在2023京東全球科技探索者大會暨京東云峰會上，京東云推出了京東言犀大模型，直擊知識密集型、任務型產業場景。

　　現場，京東集團CEO許冉表示:“從產業端切入大模型，如同從北坡攀登技術珠峰，道路雖然更加艱難，卻有更波瀾壯闊的風景。”

　　這意味著，京東堅持做難而正確的事情。

　　喧囂之后，大模型的歸途從通用走向產業，終成行業的共識?賦能千行百業，大模型落地到底難在哪兒?京東憑什么成為產業大模型的開拓者、領導者與集大成者?

　　產業厚度，決定大模型的高度

　　大模型，成為“兵家必爭之地”。

　　據《證券日報》報道，截至2023年7月4日，國內10億級參數規模以上的AI大模型已超80個，還有進一步增加的趨勢。

　　然而，熱潮之下，一個詭異的現象出現了:據Similarweb的數據顯示，2023年1月至6月，ChatGPT全球訪問量環比增速分別為131.6%、62.5%、55.8%、12.6%、2.8%、-9.7%，降溫的勢態肉眼可見。

　　ChatGPT之外，微軟的Bing、谷歌的Bard等的訪問量也同步出現了降溫。

　　一名私募人士告訴鋅刻度:“大模型 To C被當成了娛樂工具，需求大同小異，導致大模型的同質化問題嚴重，亟須正本清源，而縱觀互聯網的發展史，任何技術遲早要面對商業化，這波人工智能亦是如此，需要加速在產業端落地，大規模解決真實需求。”

　　關于此，從全球搜索引擎市場的份額幾乎沒有大的變化，就可見一斑。

　　事實上，京東對大模型有更深入的思考。

　　大模型的競爭高地勢必從通用走向產業，唯有徹底扎根產業，解決產業的實際問題，才能避免白菜化、娛樂化與泛濫化，解鎖更大的商業價值。

　　對此京東提出，大模型的價值=算法×算力×數據×產業厚度的平方。

　　許冉解釋道:“前三個指標固然重要，但技術在產業場景落地應用，創造實際價值才是關鍵。當產業效率和產業的邊界拓展得到質的提升以后，大模型才有了更重要的實際價值和意義，這將不亞于又一次工業革命。”

　　簡而言之，京東對于大模型的思考，除了追求技術本身，更在意技術在產業場景中落地。許冉表示，以大模型為代表的AI技術領域，能夠讓產業伙伴，更加放心、更沒有門檻地使用技術創新的成果，幫助技術走出實驗室和公司的圍墻，真正推動行業生產效率的提升，在產業場景發揮更大價值。京東選擇基礎研究和產業應用兩條腿走路，“技術只有和現實世界的真實場景和產品產生緊密融合，才有可能真正產生AI落地的價值”。

　　如此一來，京東探索了一條新的大模型之路，即從基礎研究到產業應用，再到終端用戶，構建了一條完整的 AI 技術與商業融合的閉環。

　　賦能千行百業，為何這么難?

　　需要注意的是，產業大模型要走的路，可比通用大模型艱難得多。

　　首先，產業需求“千人千面”。

　　通用大模型強調的是“全”，在產業端落地時，可以解決較為簡單的問題，但難以解決較為復雜的問題，從而提升生產力僅僅停留在紙面，對產業繼續的降本增效幫助不大。

　　而產業大模型強調的是“專”，要了解行業的Know-How，對產業的專業知識儲備須豐富，對產業的理解須深入，對產業的迭代須適應。

　　這么一來，才可以真正解決問題，避免“大事用不了、小事用不上”的尷尬局面。

　　此外，產業的需求可謂“千人千面”，不同行業對大模型的需求不同，哪怕同一個行業的不同企業，需求也是千差萬別。

　　譬如，有的企業對產業大模型的需求是“高響應，低容錯”，強調的是好用，對經營效率更為看重。

　　再譬如，有的企業對產業大模型的需求是解決具體問題，強調的是適用，不管之前解決了多少個問題，不能解決當下的這一個就不行。

　　這考驗著，產業大模型的底蘊。

　　其次，數據質量要求苛刻。

　　通用大模型對算力與算法更為看重，而產業大模型則更為看數據，之所以如此與產業數據難以獲取有關。

　　畢竟，產業數據往往為非公開數據，且匯聚于企業或供應鏈中，而在實際場景中還存在樣本量不足導致數據采集不穩定、呈現碎片化的情況。

　　如若產業數據的積淀不足，則不可避免地影響產業大模型的專業深度、服務精度、迭代速度，發揮不出全部的實力。

　　京東探索研究院院長、京東科技智能服務與產品部總裁何曉冬表示:“產業數據還分為靜態數據和動態數據。靜態數據相對穩定，不會發生即時變化，獲取路徑也較為清晰。動態數據則是不同產業場景中，每時每刻產生的數據，這部分數據是‘活的’場景數據。不容易獲取，但卻是產業大模型的必備要素之一。”

　　再次，要算“經濟賬”。

　　產業大模型的數據越多、模型越大，成本也會水漲船高，隨之而來的是一個現實的問題:產業大模型可以創造價值增量，企業自然愿意買單，但企業也要考慮性價比，即投入與產出相比要劃算。

　　一言以蔽之，讓企業用得起，產業大模型才能構建健康的商業“正反饋”。

　　京東言犀，最懂產業的大模型

　　以上可見，涉足產業大模型并非易事，但對京東而言卻是水到渠成。

　　早在2017年，京東集團董事局主席劉強東就有所預見，提出技術、技術、技術。第一個技術，是解決京東內部大規模人力的效率問題;第二個技術，是組件化、模塊化的技術服務對外輸出;第三個技術，是對前沿技術進行探索和有秩序地創新。

　　那一年，京東成立了人工智能研究院。

　　從此，京東走上了擁抱AI、探索AI、落地AI的道路，并長期扎根產業，以技術促產業，以產業謀增長。

　　這一切，為京東言犀大模型的奮進，打下了堅實的地基。

　　京東言犀大模型

　　針對“千人千面”的需求，京東推出了言犀AI開發計算平臺，沉淀了零售、物流、健康、金融等多個行業的Know-How，提供100多種訓練和推理優化工具，企業借此可以進行定制化訓練，打造專屬的大模型。

　　通俗易懂地說，京東從提供產品變成提供服務，從而不再“單打獨斗”，而是“眾人拾柴火焰高”，與企業共同尋求韌性增長。

　　至于數據質量，則更不在話下。

　　京東在垂直行業的知識沉淀豐富，京東連接6億用戶，服務超過800萬家活躍企業客戶，包括90%以上的在華世界500強企業以及全國近70%的專精特新中小企業。

　　這為京東積累下每年數百億條優質交互數據，訓練言犀大模型的數據庫，就由70%通用數據和30%供應鏈原生數據組成。這些脫敏后的高質量、精準的產業數據，為京東言犀大模型的不斷進化，提供了源源不斷的驅動力。

　　另外，京東言犀大模型也在努力降低成本。

　　京東從2019年開始研發向量數據庫，歷經電商大促場景磨練，向量數據庫Vearch已經能支撐百億級高性能檢索，延時降低到毫秒級，將向量數據庫用于大模型預訓練，將推理成本下降了80%;京東全國首個超算中心——天琴α集群正日夜不停地運轉，推理速度較過去提升6.2倍，推理成本下降了90%。

　　推理成本低了，企業的使用成本也會隨之下降，京東言犀大模型的價值進一步做實。

　　“京東的大模型技術演進，遵循了京東的技術追求:成本、效率、體驗、可信、普惠、突破。成本、效率和體驗是從京東的經營理念傳承而來，可信、普惠和突破則是技術服務于產業和社會的承諾。”許冉稱。

　　目前，京東已經拿出幾個將大模型能力與產業應用結合的案例。

　　在金融領域的AI營銷運營平臺，就能夠讓使用者通過簡單的對話，就能一站式生成營銷活動。過去需要5類職能人員、2000次人機交互的工作，如今1人在50次交互內就能完成，營銷方案的生產效率有了百倍提高。

　　在電商領域的京東云AIGC內容營銷平臺，能夠從一張商品圖出發，理解商品特征，快速生成電商運營需要的各種圖片，滿足快速開店和營銷需求。較之人工作圖時代，每套圖的制作成本能降低90%，制作周期也從7天縮短到半天。

　　總而言之，大模型的未來競爭，注定比拼的是深耕產業、把脈行業場景，而京東憑借長時間的產業積淀與產業運營，打通了大模型落地的“最后一公里”，勢必成為人工智能2.0時代的旗手。

　　毋庸置疑，京東蹚出一條新路。