年夜 模型的“最后一公里”，京东走通了
年夜 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年夜 会暨京东云峰会上，京东云推出了京东言犀年夜 模型，直击知识密集型、任务型家当 场景。
现场，京东集团CEO许冉表示：“从家当 端切入年夜 模型，如同从北坡攀登技术珠峰，途径 虽然加倍 艰难，却有更波澜壮阔的景致 。”
这意味着，京东坚持做难而正确的事情。
喧嚣之后，年夜 模型的归程 从通用走向家当 ，终成行业的共鸣 ？赋能千行百业，年夜 模型落地到底难在哪儿？京东凭什么成为家当 年夜 模型的开拓者、领导者与集年夜 成者？
家当 厚度，决定年夜 模型的高度
年夜 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10亿级参数范围 以上的AI年夜 模型已超80个，还有进一步增加的趋势。
然而，热潮之下，一个诡异的现象涌现 了：据Similarweb的数据显示，2023年1月至6月，ChatGPT全球拜访 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等的拜访 量也同步涌现 了降温。
一名私募人士告诉锌刻度：“年夜 模型 To C被当成了娱乐对象 ，需求年夜 同小异，导致年夜 模型的同质化问题严重，亟须正本清源，而纵不雅 互联网的成长 史，任何技术迟早要面对商业化，这波人工智能亦是如此，需要加速在家当 端落地，年夜 范围 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年夜 的变更 ，就可见一斑。
事实上，京东对年夜 模型有更深入的思考。
年夜 模型的竞争高地势必从通用走向家当 ，唯有彻底扎根家当 ，解决家当 的实际问题，能力 避免白菜化、娱乐化与泛滥化，解锁更年夜 的商业价值。
对此京东提出，年夜 模型的价值=算法×算力×数据×家当 厚度的平方。
许冉解释道：“前三个指标虽然 重要，但技术在家当 场景落地应用，创造实际价值才是症结 。当家当 效率和家当 的界限 拓展获得 质的提升以后，年夜 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，京东对于年夜 模型的思考，除了追求技术自己 ，更在意技术在家当 场景中落地。许冉表示，以年夜 模型为代表的AI技术领域，能够让家当 伙伴，加倍 宁神 、更没有门槛地使用技术立异 的结果 ，赞助 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，在家当 场景施展 更年夜 价值。京东选择基础研究和家当 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年夜 模型之路，即从基础研究到家当 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，家当 年夜 模型要走的路，可比通用年夜 模型艰难得多。
首先，家当 需求“千人千面”。
通用年夜 模型强调的是“全”，在家当 端落地时，可以解决较为简单的问题，但难以解决较为庞杂 的问题，从而提升生产力仅仅停留在纸面，对家当 继续的降本增效赞助 不年夜 。
而家当 年夜 模型强调的是“专”，要了解行业的Know-How，对家当 的专业知识贮备 须丰富，对家当 的理解须深入，对家当 的迭代须适应。
这么一来，才可以真正解决问题，避免“年夜 事用不了、小事用不上”的为难 局面。
此外，家当 的需求可谓“千人千面”，不合行业对年夜 模型的需求不合，哪怕同一个行业的不合企业，需求也是千差万别。
譬如，有的企业对家当 年夜 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，有的企业对家当 年夜 模型的需求是解决具体问题，强调的是适用，不管之前解决了若干 个问题，不克不及 解决当下的这一个就不可 。
这考验着，家当 年夜 模型的底蕴。
家当 年夜 模型的要求更高
其次，数据质量要求苛刻。
通用年夜 模型对算力与算法更为看重，而家当 年夜 模型则更为看数据，之所以如此与家当 数据难以获取有关。
究竟 ，家当 数据往往为非公开数据，且汇聚于企业或供给 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、涌现碎片化的情况。
如若家当 数据的积淀不足，则弗成 避免地影响家当 年夜 模型的专业深度、办事 精度、迭代速度，施展 不出全部的实力。
京东探索研究院院长、京东科技智能办事 与产品部总裁何晓冬表示：“家当 数据还分为静态数据和动态数据。静态数据相对稳定，不会产生 即时变更 ，获取路径也较为清晰。动态数据则是不合家当 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，但却是家当 年夜 模型的必备要素之一。”
再次，要算“经济账”。
家当 年夜 模型的数据越多、模型越年夜 ，成本也会水涨船高，随之而来的是一个现实的问题：家当 年夜 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，家当 年夜 模型能力 构建健康的商业“正反馈”。
京东言犀，最懂家当 的年夜 模型
以上可见，涉足家当 年夜 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，是解决京东内部年夜 范围 人力的效率问题；第二个技术，是组件化、模块化的技术办事 对外输出；第三个技术，是对前沿技术进行探索和有秩序地立异 。
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的途径 ，并历久 扎根家当 ，以技术促家当 ，以家当 谋增长。
这一切，为京东言犀年夜 模型的奋进，打下了坚实的地基。
京东言犀年夜 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对象 ，企业借此可以进行定制化训练，打造专属的年夜 模型。
通俗易懂地说，京东从提供产品酿成 提供办事 ，从而不再“单打独斗”，而是“众人拾柴火焰高”，与企业配合 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，办事 跨越 800万家活跃企业客户，包含 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，训练言犀年夜 模型的数据库，就由70%通用数据和30%供给 链原生数据组成。这些脱敏后的高质量、精准的家当 数据，为京东言犀年夜 模型的赓续 进化，提供了源源赓续 的驱动力。
另外，京东言犀年夜 模型也在努力降低成本。
京东从2019年开始研发向量数据库，历经电商年夜 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，将向量数据库用于年夜 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集群正日夜一直 地运转，推理速度较曩昔 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，京东言犀年夜 模型的价值进一步做实。
“京东的年夜 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办事 于家当 和社会的许诺 。”许冉称。
目前，京东已经拿出几个将年夜 模型能力与家当 应用结合的案例。
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。曩昔 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，营销计划 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类 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，年夜 模型的未来竞争，注定比拼的是深耕家当 、切脉 行业场景，而京东凭借长时间的家当 积淀与家当 运营，买通 了年夜 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。
页:
[1]