5月22日，京東工業(yè)發(fā)布工業(yè)大模型Joy industrial，成為行業(yè)首個以工業(yè)為核心的工業(yè)大模型。其鎖定工業(yè)場景，依托京東工業(yè)深耕工業(yè)數(shù)智供應鏈的產(chǎn)業(yè)積累和數(shù)據(jù)沉淀，構建起從底層算力、算法、數(shù)據(jù)到應用的全產(chǎn)品矩陣，助力產(chǎn)業(yè)降本、增效、合規(guī)、保供。

Joy industrial此次推出面向京東工業(yè)及供應鏈上游供應商的需求代理、運營代理、關務代理等AI智能體，以及服務供應鏈下游企業(yè)用戶的商品專家及集成專家等AI產(chǎn)品。未來，還會打造汽車后市場、新能源汽車、機器人制造、石油天然氣、電力電網(wǎng)等垂直行業(yè)的工業(yè)大模型。

京東產(chǎn)業(yè)成大模型沃土，已具備全尺寸大模型矩陣

“京東的大模型正是誕生于產(chǎn)業(yè)，成長于產(chǎn)業(yè)。大模型產(chǎn)業(yè)化才能產(chǎn)生價值，只有在落地過程中不斷結合具體場景的數(shù)據(jù)、業(yè)務需求不斷打磨，才能使得大模型能力不斷地強化、得到真正的應用。” 京東集團探索研究院副院長、京東科技人工智能業(yè)務部總裁何曉冬表示。

京東作為“以供應鏈為基礎的技術與服務企業(yè)”，具有廣泛的產(chǎn)業(yè)積累，內(nèi)部產(chǎn)業(yè)場景成為大模型和AI應用最好的孵化土壤。

2023年，京東推出自研產(chǎn)業(yè)大模型，就融合了30%數(shù)智供應鏈原生數(shù)據(jù)。這些數(shù)據(jù)來自京東超千萬自營商品SKU、數(shù)千萬工業(yè)品SKU、超800萬家活躍企業(yè)客戶的落地實踐，使得大模型天然具備服務產(chǎn)業(yè)應用的能力。此后，京東大模型又迅速納入工業(yè)、健康、物流等專業(yè)領域知識。

至今，在基礎大模型層面，京東已經(jīng)形成涵蓋3B、10B、81B、750B的全尺寸大模型矩陣，能滿足不同業(yè)務的差異需求。其中，3B和10B可快速響應;81B主力模型可兼顧性能與時效。京東最新推出的750B超大規(guī)模模型，則利用動態(tài)分層蒸餾、跨領域數(shù)據(jù)治理等京東創(chuàng)新技術訓練，具備“深度思考”和“非深度思考”能力，能同時滿足行業(yè)對“即時響應”和“深度推理”的雙重需求。

舉例來說，在客服等需要需要快速響應的場景，模型能啟用輕量化推理路徑，實現(xiàn)毫秒級反饋;在供應鏈優(yōu)化、醫(yī)療診斷等需要復雜決策的場景，則啟動深度思考模式，依托1280K的超長上下文窗口，能完成多維度信息的關聯(lián)與邏輯推演，在長文本1280K“大海撈針”評測中，實現(xiàn)接近100%的準確率。

在大模型應用層面，京東內(nèi)部則已經(jīng)生長出超1.4萬個智能體，解決了超過18%的工作內(nèi)容。各類大模型應用深入到零售、工業(yè)、物流、健康等業(yè)務場景。

在所有場景中，工業(yè)又是最適合孵化和使用產(chǎn)業(yè)大模型的場景之一。中國擁有全球最完整的工業(yè)產(chǎn)業(yè)體系，也是全球數(shù)據(jù)資源最豐富的國家，新增數(shù)據(jù)資源占全球的1/4。

京東工業(yè)作為中國領先的工業(yè)供應鏈技術與解決方案服務商，服務超萬家重點企業(yè)、260萬中小企業(yè)以及億級消費者。長期以來，京東工業(yè)立足供應鏈領域，深耕商品數(shù)智化、采購數(shù)智化、履約數(shù)智化、運營數(shù)智化等工業(yè)場景，積累了豐富的跨行業(yè)供應鏈數(shù)據(jù)，使京東工業(yè)能夠發(fā)布行業(yè)首個工業(yè)大模型。

成本、效率、體驗極致平衡，打造最適合工業(yè)的行業(yè)大模型

京東工業(yè)大模型Joy industrial在訓練時，從成本、效率、體驗的三方面考慮出發(fā)，為模型更好適配工業(yè)供應鏈場景做出優(yōu)化。

在成本方面，工業(yè)大模型Joy industrial基于Scaling Law，選取了工業(yè)應用可取得預期效果的最小規(guī)模大模型，并通過T-S(Teacher-Student)模型訓練策略，將大量級模型“瘦身”為小量級模型，既能夠壓降訓練、部署和推理成本，也保證Student模型效果與大量級模型接近。

最終工業(yè)大模型的后訓練所需資源，僅為通用大模型的1/16，如同把“青龍偃月刀”鍛造成輕便的“手術刀”，保證了工業(yè)大模型的低成本訓練、部署和推理使用。

在效率方面，工業(yè)大模型引入MoE混合專家網(wǎng)絡架構，在推理時僅激活少數(shù)適配輸入任務的專家子網(wǎng)絡，從而降低推理使用成本。同時通過思維鏈CoT自適應訓練，使得領域大模型可根據(jù)任務復雜程度，自動適配思維鏈長度，做到簡單問題不過度思考，提升推理效率。最終訓練出的工業(yè)大模型，推理吞吐量相較通用大模型有8倍提升。

在體驗方面，工業(yè)大模型通過領域數(shù)據(jù)合成，匯總并梳理了各種工業(yè)場景，形成與場景匹配的領域任務層級，隨后通過外部大模型合成高質(zhì)量多任務學習數(shù)據(jù)，從而解決了工業(yè)碎片化場景數(shù)據(jù)稀疏的問題。此外，其針對領域任務層級中的各任務場景，設計了可驗證的獎勵函數(shù)，通過強化學習微調(diào)，對開源、通用大模型進行領域后訓練，從而降低了對工業(yè)細分場景的數(shù)據(jù)依賴。

最終，工業(yè)大模型適配工業(yè)場景的多個評價指標，相較主流通用大模型都明顯領先，成為更擅長工業(yè)場景應用的“業(yè)務專家”。

憑借這些技術和路線選擇，工業(yè)大模型Joy industrial能夠工業(yè)領域成本、效率、體驗的最優(yōu)平衡。同時，其擁有京東工業(yè)積累的多模態(tài)數(shù)據(jù)，能夠在工業(yè)場景的超長供應鏈搭建智能體，完成復雜協(xié)同調(diào)度，解決工業(yè)供應鏈的數(shù)據(jù)孤島、標準割裂、管理復雜、協(xié)同沖突等難題。

未來，依托于工業(yè)大模型和AI智能體應用，其將搭建業(yè)務協(xié)同“三步走“規(guī)劃：從企業(yè)內(nèi)單一場景、完成單一任務、提升單點效率的“AI員工”;到企業(yè)內(nèi)大范圍使用AI員工完成“操作執(zhí)行”工作，帶來“AI組織”重構;最后實現(xiàn)工業(yè)供應鏈上下游企業(yè)之間的AI協(xié)同、產(chǎn)業(yè)共同升級，形成“AI產(chǎn)業(yè)生態(tài)”。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。