我曾經在一篇文章里提到，京東要實現“消費者需要的低價”，不但要有“硬功夫”，還要有“巧功夫”。

例如，京東正在利用產業大言犀模型的力量，找準小切口，在多個環節充分的降本增效。

至關重要的是，在目前大模型的落地應用還是一個待解的難題的當下，融合在京東業務里的AI卻屢屢能夠找到應用的突破口。

雖然不是每一個AI技能點的提升，都可以直接轉化為成本的下降，但無數個優化點的改善，使得京東在降低成本同時保證了服務效率和體驗。

而目標明確的產業AI，正是“真低價”的京東手中的有力武器。

——筆者按

01

山在那里

著名的登山家馬洛里曾經有一句曠世名言。

在那個還沒有人登頂珠穆朗瑪峰的日子里，有一個記者問他，攀登珠峰的目的是什么？

馬洛里的回答是：Because it’s there.（譯為：因為山就在那兒）

在筆者看來，京東產業AI能夠迅速的發展，并在幫助企業降本增效方面取得一系列進展，正是因為有Because it’s there式的價值觀。

也就是說，他們充分堅持痛點導向，問題在哪里，他們就在哪里。

此前，京東科技成立智能服務業務部，這可能是京東第一個在“智能”之后加上“服務”兩個字的部門，其指向已經非常精確，就是利用AI等技術來提高服務水平，提升用戶體驗。

這本身是一件非常難以做到的事情，但京東在兩個維度上找到了自己的突破口。

第一個是找到了用力的方向。

就在這兩天，筆者與京東云AI相關負責人進行了一次交流：“兩年前第一次和你交流的時候，你剛接手京東云的AI部門，那時候你說你管幾百人。現在，京東AI在智能服務方面進展這么大，你的部門是不是人數翻了好幾番？”

他的回答是：“不是，我們部門還是幾百人。”

他的解釋是：“AI其實不是一個堆人力的部門， openAI在發布GPT3.5的時候，也只有100多人。依賴于產業大模型的橫向拓展能力，言犀每開辟一個新的方向，其實只用增加幾個算法的核心人才就可以，這就是AI的魅力。”

第二個是找到了AI真正的價值。

近期，是一個行業密集發布大模型和模型即服務（MaaS）的爆發期，但絕大部分企業都沒有公布自己的營收目標。而這位負責人明確的告訴我，部門這兩年來，除了服務內部客戶，對外的營收一直在正增長，也就是說，他們不僅養活了自己，還在為京東賺錢。

這從另一個維度證明了京東的AI能力，因為讓企業去嘗試一下AI很容易，但目前這個階段，愿意真金白銀花錢買單的企業仍然相對較少。

也就是說，京東的AI能力經過了反復的打磨，他們的技術能力其實完全達到了商業級交付的水平，并能夠為企業提供扎實的價值，這和許多大模型仍然處于實驗室階段，是完全不同的。

02

贏在細節

任何業務的成功，都體現在是否遵循了符合自身規律的第一性原則。

比如特斯拉，在推動電動汽車的時候，遠遠沒有今天如此發達的供應鏈，也沒有一套現成的規律可以摸索。

但他們就是選擇了自主建廠、自行研發電池系統、拿掉激光雷達……換言之，特斯拉成長背后遵循的第一性原理，就是用技術升級降低產品成本，將產品賣給更多人，獲得更多利潤，繼續投入技術研發。

而在筆者看來，京東在技術領域的第一性原則就是問題導向、痛點導向， 跳出純技術、純學術的固有思維，針對現存復雜場景里的普遍性痛點問題，用技術升級降低企業、品牌的運營、營銷、服務成本，探索本質，思考解決之道。

比如用于直播的數字人，以前大部分企業宣傳的都是逼真度、對真人的替代度、數字人生成的速度等等，但言犀團隊選擇的優化方向有所不同，比如“局部高清”和“需求分層”。

如果你使用過數字人，你可能才會知道，數字人使用的賬單中，很大一部分是來自于帶寬，因為視頻所需要的帶寬遠遠高于文字和語音。

如果是其它的企業，可能直接把成本轉遞給應用方，但京東云多想了一層，他們考慮的問題是——如果能夠降低數字人的成本，就會有更多的人來用，只有累計一定的用戶數量級別，才能體現為“降本增效”。

因此，在使用數字人方面，言犀提供給了用戶更多選擇。

一個較為通用的維度是，可以選擇數字人的精細度和畫質，類似于你在看視頻方面選擇“高清”還是“流暢”，而另一個維度，一般人都想不到。

“可能你自己不會發現，你看數字人直播的時候，你其實重點看的只有幾個地方，一個是數字人的五官，包括眼睛、嘴巴；另一個就是數字人展示商品的時候，你會重點看數字人的手和手里拿的商品“，該負責人說：”所以我們選擇了一個技術方向，叫做‘動態局部高清’，也就是用戶的注意力、關注點集中的地方，進一步提升清晰度，而對其它地方稍微弱化，這樣能做好到更好的綜合性體驗和帶寬成本的平衡。

聽起來很簡單，但如果沒有言犀產業大模型的加持，傳統的直播技術是很難做到這樣既動態又優化局部的，這需要專門的算法，而言犀團隊就是磕下了這個算法。

“關鍵是這個技術，可以真正降低用戶部署成本，這至關重要”，他很堅定的告訴筆者：“如果這個技術吸引了用戶使用數字人技術，客戶的直播成本會降到此前的十分之一甚至更多，這樣最終會傳導到商品的價格上，也就是對低價做了貢獻。”

這樣接地氣的巧思，在筆者看到的大企業的AI實踐中，是不多見的。

我一直認為京東是一家在小處也能見真章的企業。物流小哥堅持送貨上門是看得到的，看不到的是他們為了降低用戶使用成本，甚至會關注到機房的物理布局這種“題外話”。

該技術負責人指出，“大模型訓練過程中為了效率，為了時間需要并行，每一個微秒都很重要。” 在重慶超算中心，他們把服務器和服務器之間物理的距離都優化了，“導線的傳輸是按光速，比光速慢一點，實際上是要損耗的。但是即便這樣，按光速來算，每短一厘米，可以算一下，乘以萬億級的數字，就是海量的數字。”

京東云言犀團隊在語音技術、智能對話方面的技術，也是世界級的。此前筆者曾談到過，他們團隊曾經獲得過中國AI的最高獎——吳文俊獎，而他們獲獎的項目就是——任務型對話。

而目前，京東云言犀團隊把任務型對話發展到了一個新的高度，其中的一個非常有魅力的技術點，被擬稱為“聲音供應鏈”。

我們都知道，LLM是通過學習大量的文本數據，來預測下一個詞或下一段話的可能性，從而使計算機能夠更好地理解和生成人類語言。

對于用戶意圖的理解或預測，簡單說就是”聽懂人話，猜出意思“。例如，用戶咨詢“能刷公交卡的手機”，智能客服就能理解用戶是需要“支持NFC功能”等商品屬性，抓取相關商品直接推薦給消費者，提高準確應答率。

但“猜出意思”只是第一步，而“聲音供應鏈“，則源自于一個名為”基于多顆粒度韻律的增強語音合成技術“，也就是從篇章、句子、字詞的不同粒度，準確把握用戶的情緒，對應的提高合成語音的韻律豐富度和可控性。

而“聲音供應鏈”，顧名思義就是根據不同的場景提供不同的聲音。

“這就需要從開始供應聲音最基礎的元素上進行規范，制定標準，后面技術進行相應的適配，使得技術能夠把不同的聲音體現出來，進而自動生成、自動適配”。不同場景需要不同的聲音和情感。例如，在解決售后問題的時候，要謙虛、和善；在營銷服務的時候，要激情澎湃、充滿感染力，促進用戶下單，而這些還要根據實際場景靈活切換。

該負責人告訴我，團隊為此投入了大量的精力，他們把時間花在商家的直播間里，持續觀察直播的情況，從感性上了解聲音的不同特性，從生成語音的算法上持續迭代，根據用戶反饋持續創新，“最后，使得我們的語音真正做到商家非常滿意，終端用戶、購買者也確實被聲音感染和打動了”。

“這體現在直播轉化率等指標的提升，國臺酒業的數字人采用了這個技術，發現在GMV、轉化率上都有提升。其中，轉化率最高的能達到40%，在碎片化時間里，我們投入（技術所產生）的ROI高達69%，說明這個技術確確實實體現在了實實在在的生產力、實實在在的GMV”。

當然，只有聲音還是不夠的，隱藏在背后的，還有針對對話內容的生成，言犀團隊使用了基于知識融合的預訓練語言模型和多模態可控對話文本生成模型，從而提升生成文本的專業度、豐富度。

“可以說，AIGC這個概念對我們一點兒也不陌生，我們早就應用起來了“，該負責人說：”比如伊利集團簽約了明星代言人，我們則通過抽取聲音特征完美復刻了她的語音，再結合生成式技術，變成營銷亮點。比如，你可能接到一個電話，里面是她‘親口’對你介紹伊利的商品，用戶非常歡迎這樣的技術。“

03

30%的獨有數據，意味著什么？

在中國諸多的大模型玩家中，京東可以說是獨一檔。

一般來講，大模型的分級，是按照通用大模型—垂類大模型—領域大模型來逐漸細分的，越到后面針對性越強、解決的問題更集中、具體，但通用性越差。

但言犀大模型并不是按這個標準來劃分的。從體量來說，言犀的參數超過1000億，達到了主流通用大模型的標準，但京東從未稱之為通用大模型。京東認為，言犀定義是產業級大模型，即從京東所從事的真實場景如電商、物流、供應鏈、健康等中生長出來的大模型，這是一個與眾不同的概念，但更準確。

一般來說，通用大模型是先有通用能力，再訓練垂類能力，而京東與眾不同，他們的產業級大模型，是自下而上，從真實業務中“自己長出來的”，即根植于真實世界的具體任務產生的數據集進行訓練。

這就必須從更深一層次說起，大模型的能力，都是預訓練數據“喂”出來的，但事實上，絕大多數大模型企業并沒有真實產業基礎，它們的訓練數據集都是買來的，或者開源的通用數據集。

換句話說，如果沒有企業選擇為這些大模型企業打開大門，它們就永遠拿不到真實世界的數據，它們的大模型能力就永遠止步于實驗室階段。

然而京東沒有這樣的煩惱，因為作為一個龐大的新型實體企業，它有極好的數據優勢。或者說，京東本身就是一個龐大的數據寶藏。

在這樣的背景下，京東提出了“70%的數據來自于通用數據，30%的數據來自于京東獨有的產業原生數據”的提法，其所具備的條件在國內也只有區區幾個企業可堪對比。

而京東產業AI發展的理念，我們在前文中也多次談及，那就是用”剝洋蔥“式的方法，把實際問題拆解成一個個更小的單元，然后創造性的解決工程問題，創造性的應用于實踐，從小變大，先扎根再生長。

這也是為什么我們預測，僅僅是AI賦能，就將對京東的“低價策略”，和低價策略背后的降本增效，起到至關重要的作用，因為他們找到了場景里那些普遍的痛點，找到了那個撬動降本增效的支點。

也許你會覺得， AI賦能很難量化。這也許的確存在，但并非無法統計。例如，我們說的獲得吳文俊獎的“任務型對話”，就產生直接經濟價值20億元，并帶來了3000億元的潛在市場空間增量。而多模態大模型的產物——言犀虛擬主播也為4000家品牌創造了超10億的GMV。

這個數字還在持續增加，自10月23日京東11.11開啟以來，京東云智能客服已經承接了超10億次消費者的應答，言犀虛擬主播也已帶動商家成交額較去年11.11增長230%。

解決真實問題，降本增效服務于低價，只是戰略。

我們更關心的，是京東的“在真實產業里生長AI”的格局。這體現了一種基于服務產業、創造社會價值的務實態度，也意味京東能夠把AI能力和戰略、戰術能力很好的結合起來。

而這或許值得所有的電商企業和所有的大模型企業去思考。