撰文/ 陈邓新
编辑/ 高 智
大模型落地，又进了一步。
2023年7月13日，在2023京东全球科技探索者大会暨京东云峰会上，京东云推出了京东言犀大模型，直击知识密集型、任务型产业场景。
现场，京东集团CEO许冉表示：“从产业端切入大模型，如同从北坡攀登技术珠峰，道路虽然更加艰难，却有更波澜壮阔的风景。”
这意味着，京东坚持做难而正确的事情。
喧嚣之后，大模型的归途从通用走向产业，终成行业的共识？赋能千行百业，大模型落地到底难在哪儿？京东凭什么成为产业大模型的开拓者、领导者与集大成者？
产业厚度，决定大模型的高度
大模型，成为“兵家必争之地”。
据《证券日报》报道，截至2023年7月4日，国内10亿级参数规模以上的AI大模型已超80个，还有进一步增加的趋势。
然而，热潮之下，一个诡异的现象出现了：据Similarweb的数据显示，2023年1月至6月，ChatGPT全球访问量环比增速分别为131.6%、62.5%、55.8%、12.6%、2.8%、-9.7%，降温的势态肉眼可见。
ChatGPT之外，微软的Bing、谷歌的Bard等的访问量也同步出现了降温。
一名私募人士告诉锌刻度：“大模型 To C被当成了娱乐工具，需求大同小异，导致大模型的同质化问题严重，亟须正本清源，而纵观互联网的发展史，任何技术迟早要面对商业化，这波人工智能亦是如此，需要加速在产业端落地，大规模解决真实需求。”
关于此，从全球搜索引擎市场的份额几乎没有大的变化，就可见一斑。
事实上，京东对大模型有更深入的思考。
大模型的竞争高地势必从通用走向产业，唯有彻底扎根产业，解决产业的实际问题，才能避免白菜化、娱乐化与泛滥化，解锁更大的商业价值。
对此京东提出，大模型的价值=算法×算力×数据×产业厚度的平方。
许冉解释道：“前三个指标固然重要，但技术在产业场景落地应用，创造实际价值才是关键。当产业效率和产业的边界拓展得到质的提升以后，大模型才有了更重要的实际价值和意义，这将不亚于又一次工业革命。”
京东集团CEO许冉
简而言之，京东对于大模型的思考，除了追求技术本身，更在意技术在产业场景中落地。许冉表示，以大模型为代表的AI技术领域，能够让产业伙伴，更加放心、更没有门槛地使用技术创新的成果，帮助技术走出实验室和公司的围墙，真正推动行业生产效率的提升，在产业场景发挥更大价值。京东选择基础研究和产业应用两条腿走路，“技术只有和现实世界的真实场景和产品产生紧密融合，才有可能真正产生AI落地的价值”。
如此一来，京东探索了一条新的大模型之路，即从基础研究到产业应用，再到终端用户，构建了一条完整的 AI 技术与商业融合的闭环。
赋能千行百业，为何这么难？
需要注意的是，产业大模型要走的路，可比通用大模型艰难得多。
首先，产业需求“千人千面”。
通用大模型强调的是“全”，在产业端落地时，可以解决较为简单的问题，但难以解决较为复杂的问题，从而提升生产力仅仅停留在纸面，对产业继续的降本增效帮助不大。
而产业大模型强调的是“专”，要了解行业的Know-How，对产业的专业知识储备须丰富，对产业的理解须深入，对产业的迭代须适应。
这么一来，才可以真正解决问题，避免“大事用不了、小事用不上”的尴尬局面。
此外，产业的需求可谓“千人千面”，不同行业对大模型的需求不同，哪怕同一个行业的不同企业，需求也是千差万别。
譬如，有的企业对产业大模型的需求是“高响应，低容错”，强调的是好用，对经营效率更为看重。
再譬如，有的企业对产业大模型的需求是解决具体问题，强调的是适用，不管之前解决了多少个问题，不能解决当下的这一个就不行。
这考验着，产业大模型的底蕴。
产业大模型的要求更高
其次，数据质量要求苛刻。
通用大模型对算力与算法更为看重，而产业大模型则更为看数据，之所以如此与产业数据难以获取有关。
毕竟，产业数据往往为非公开数据，且汇聚于企业或供应链中，而在实际场景中还存在样本量不足导致数据采集不稳定、呈现碎片化的情况。
如若产业数据的积淀不足，则不可避免地影响产业大模型的专业深度、服务精度、迭代速度，发挥不出全部的实力。
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表示：“产业数据还分为静态数据和动态数据。静态数据相对稳定，不会发生即时变化，获取路径也较为清晰。动态数据则是不同产业场景中，每时每刻产生的数据，这部分数据是‘活的’场景数据。不容易获取，但却是产业大模型的必备要素之一。”
再次，要算“经济账”。
产业大模型的数据越多、模型越大，成本也会水涨船高，随之而来的是一个现实的问题：产业大模型可以创造价值增量，企业自然愿意买单，但企业也要考虑性价比，即投入与产出相比要划算。
一言以蔽之，让企业用得起，产业大模型才能构建健康的商业“正反馈”。
以上可见，涉足产业大模型并非易事，但对京东而言却是水到渠成。
早在2017年，京东集团董事局主席刘强东就有所预见，提出技术、技术、技术。第一个技术，是解决京东内部大规模人力的效率问题；第二个技术，是组件化、模块化的技术服务对外输出；第三个技术，是对前沿技术进行探索和有秩序地创新。
那一年，京东成立了人工智能研究院。
从此，京东走上了拥抱AI、探索AI、落地AI的道路，并长期扎根产业，以技术促产业，以产业谋增长。
这一切，为京东言犀大模型的奋进，打下了坚实的地基。
京东言犀大模型
针对“千人千面”的需求，京东推出了言犀AI开发计算平台，沉淀了零售、物流、健康、金融等多个行业的Know-How，提供100多种训练和推理优化工具，企业借此可以进行定制化训练，打造专属的大模型。
通俗易懂地说，京东从提供产品变成提供服务，从而不再“单打独斗”，而是“众人拾柴火焰高”，与企业共同寻求韧性增长。
至于数据质量，则更不在话下。
京东在垂直行业的知识沉淀丰富，京东连接6亿用户，服务超过800万家活跃企业客户，包括90%以上的在华世界500强企业以及全国近70%的专精特新中小企业。
这为京东积累下每年数百亿条优质交互数据，训练言犀大模型的数据库，就由70%通用数据和30%供应链原生数据组成。这些脱敏后的高质量、精准的产业数据，为京东言犀大模型的不断进化，提供了源源不断的驱动力。
另外，京东言犀大模型也在努力降低成本。
京东从2019年开始研发向量数据库，历经电商大促场景磨练，向量数据库Vearch已经能支撑百亿级高性能检索，延时降低到毫秒级，将向量数据库用于大模型预训练，将推理成本下降了80%；京东全国首个超算中心——天琴α集群正日夜不停地运转，推理速度较过去提升6.2倍，推理成本下降了90%。
推理成本低了，企业的使用成本也会随之下降，京东言犀大模型的价值进一步做实。
“京东的大模型技术演进，遵循了京东的技术追求：成本、效率、体验、可信、普惠、突破。成本、效率和体验是从京东的经营理念传承而来，可信、普惠和突破则是技术服务于产业和社会的承诺。”许冉称。
在金融领域的AI营销运营平台，就能够让使用者通过简单的对话，就能一站式生成营销活动。过去需要5类职能人员、2000次人机交互的工作，如今1人在50次交互内就能完成，营销方案的生产效率有了百倍提高。
在电商领域的京东云AIGC内容营销平台，能够从一张商品图出发，理解商品特征，快速生成电商运营需要的各种图片，满足快速开店和营销需求。较之人工作图时代，每套图的制作成本能降低90%，制作周期也从7天缩短到半天。
总而言之，大模型的未来竞争，注定比拼的是深耕产业、把脉行业场景，而京东凭借长时间的产业积淀与产业运营，打通了大模型落地的“最后一公里”，势必成为人工智能2.0时代的旗手。
毋庸置疑，京东蹚出一条新路。
