圖片來源：京東

今年《政府工作報告》中提出，持續推進“人工智能+”行動，將數字技術與制造優勢、市場優勢更好結合起來，支持大規模廣泛應用。隨著“人工智能+”上升為國家戰略，以人工智能大模型為技術底座、工業應用為切入點的工業大模型正成為賦能新型工業化的新方向。

自2022年以來，全球范圍內大模型市場規模迅速增長，迎來爆發期。然而，目前國內外推出的主流大模型仍為公共數據集訓練出的基礎大模型，知識面夠廣但不夠專，在工業各垂直領域的性能表現并不突出。根據中國工業互聯網研究院2024年3月發布的《人工智能大模型工業應用準確性測評》報告，國內外主流大模型的工業應用準確性平均得分低于60分，國內幾家領先的通用大模型總體評分也僅在70分上下，可見基礎大模型在賦能新型工業化方面還有較大的提升空間。

面向制造業轉型升級新需求，以基礎大模型為技術底座、工業應用為切入點的工業大模型正成為人工智能深度賦能新型工業化的新方向。

5月22日，京東工業在上海正式發布行業首個以供應鏈為核心的工業大模型Joy Industrial，該模型基于京東在工業供應鏈領域多年的數據積累和技術實踐，聚焦工業場景的復雜需求，通過“工業大模型+供應鏈場景應用”雙引擎，構建從底層算力、算法到應用的全棧產品矩陣，旨在解決工業供應鏈長期存在的效率低下、協同困難、合規風險等痛點，助力產業實現降本、增效、合規與保供目標。

工業供應鏈的挑戰與京東的破局思路

中國擁有全球最完整的工業體系，但在供應鏈管理上仍面臨諸多挑戰。京東工業副總裁谷應鯤指出，工業供應鏈長期存在數據孤島、標準割裂、管理復雜、協同沖突等問題，例如，工業品SKU數量龐大（京東工業已管理超5700萬SKU），且分類標準混亂，導致同一商品的參數差異可能引發比價與合規難題；此外，企業間協同效率低下，傳統人工處理模式難以應對海量數據與復雜流程。

針對這些問題，京東工業提出以大模型技術為核心的新解題思路。京東集團探索研究院副院長何曉冬表示：“大模型產業化才能產生價值，必須結合具體場景的數據和業務需求不斷打磨。”京東工業的實踐路徑是：通過大模型理解多模態數據，打破信息孤島；通過智能體替代人工執行標準化任務，提升超長鏈條的協同效率。

技術底座：數據沉淀與垂直行業模型構建

京東工業大模型的競爭力源于數據積累與場景深耕。在數據層面，京東工業已沉淀超800萬家活躍企業客戶的交易數據，并構建了覆蓋40多個細分行業的供應鏈數據庫。至今，京東內部已經生長出超1.4萬個智能體，解決了超過18%的工作內容。各類大模型應用深入到零售、工業、物流、健康等業務場景。例如，其自主研發的墨卡托標準商品庫，通過AI技術統一商品參數體系，解決了工業品編碼混亂問題，目前已接入施耐德電氣、金杯電工等企業的數十萬商品數據。在2023年某核電站緊急采購案例中，京東工業依托該數據庫，僅用72小時完成供應商尋源與履約交付，避免了數百萬損失。

在所有場景中，工業又是最適合孵化和使用產業大模型的場景之一。中國擁有全球最完整的工業產業體系，也是全球數據資源最豐富的國家，新增數據資源占全球的1/4。在產業政策推動下，中國已經在工業制造為首的12個行業推廣“數據要素X”，培育基于數據要素的新產品和新服務。

在模型架構上，Joy Industrial采用“通用基座+垂直行業”的分層模式。通用層依托京東集團自研的千億參數大模型（如750B參數的基礎延續模型），支持1280k超長上下文窗口，可處理百萬字級工業手冊的解析與推理；垂直層則針對汽車、新能源、電力等行業的特定需求，通過領域數據合成與后訓練進行適配。例如，在汽車后市場領域，模型需學習4S店維修知識庫，才能準確回答配件更換與保養方案。

核心產品矩陣：從需求到履約的全鏈路智能化

Joy Industrial首批發布的AI產品覆蓋供應鏈全流程，重點解決需求匹配、運營效率、合規管控等關鍵問題：

第一是需求代理（JOY i需求代理）。通過AI分析歷史采購數據，將商機匹配效率從傳統的48小時縮短至數小時，并實現秒級前置聯動。例如，某鋼鐵企業利用需求代理的預測算法，庫存成本降低40%，采購成本減少15%。

第二是運營代理（JOY i運營代理）。整合信息檢索、業務執行與合規管控，系統可自動識別虛假運單，將商機治理效果提升75%，技術成本降低99.3%。在履約環節，某新能源汽車企業通過運營代理將交付周期縮短23%，最快實現1小時極速尋源。

第三是關務代理（JOY i關務代理）。針對制造業出海場景，支持超萬條進出口合規查詢，響應時間從3天壓縮至當天。以低值易耗品為例，企業可節省21%成本，時間與管理開銷減少40%-66%。例如，某企業需判斷斷路器是否符合泰國CSS認證，AI代理通過多智能體協作框架，自動調用泰國電氣專家模型，10分鐘內輸出評估結論。

第四是商品專家與集成專家。商品專家通過AI審核與同品識別，將商品審核準確率提升至97.8%，成本降至人工的5%；集成專家則利用AI解析API文檔并生成代碼，將系統對接周期從3天縮短至分鐘級，助力企業實現供應鏈全鏈條實時互聯。

行業合作與場景落地，降低產業鏈溝通成本

京東工業大模型的落地離不開與行業頭部企業的深度合作。全球光伏龍頭晶科能源自2018年起與京東工業合作，共同探索新能源運維與AI的結合。晶科資產管理部總經理詹本靜表示：“分布式電站點多面廣，傳統人工巡檢成本高且效率低。與京東合作后，我們通過AI優化運維資源調度，成本已壓縮30%。”在電力交易場景，晶科計劃利用大模型分析供需曲線，實現發電側與負荷側的最優匹配，進一步提升資產運營效率。

此外，京東工業聯合國家電網、中石油等鏈主企業，推動工業品分類與編碼團體標準的制定，逐步將“京東標準”轉化為行業共識。這一舉措有望降低產業鏈溝通成本，為智能化協同奠定基礎。

京東未來規劃：從AI員工到產業生態

在京東工業看來，數據層面，真正理解工業供應鏈的大模型不是僅僅靠統一標準的單一手段來解決工業供應鏈的信息孤島等問題，而是通過工業大模型理解各類多模態數據來加速解決標準不統一的難題；在應用層面，真正高效協同的智能體，不能僅僅靠人之間的協同來解決工業供應鏈的超長鏈條協同問題，而是基于擁有超強理解力的工業大模型，在各個業務協同場景中以智能體的形式來解決復雜問題。從“公域匯集數據”的通用基座模型，到“行業整合數據”的垂直行業大模型，到“數據生成數據”的Self-Refine仿生大模型，工業大模型的演進，將為消除工業供應鏈信息孤島帶來新的解題思路。

京東工業為AI在供應鏈中的應用規劃了“三步走”戰略： 第一是AI員工階段：在單一場景部署智能體，替代重復性工作，如數據補填效率提升100倍；第二十AI組織階段：重構崗位分工，實現企業內部大規模AI協同，目前京東已部署超1.4萬個智能體；第三是AI產業生態階段：推動上下游企業間的智能體協作，最終改變生產方式。

技術演進上，京東工業將持續探索多模態與具身智能。何曉冬提到：“大模型將從數字空間走向物理空間，讓機器人、倉儲設備等實體獲得通用智能。”例如，京東已開發具備海量知識的智能機器狗Joy Inside，未來計劃將此類技術應用于工業巡檢、物流調度等場景。

盡管前景廣闊，工業大模型的推廣仍面臨現實挑戰。谷應鯤坦言：“客戶對數據出域和模型準確率存有顧慮。即使做到95%準確率，剩余5%的誤差也可能影響信任。”此外，工業場景的隱性知識（如設備運維經驗）難以數據化，需通過仿真環境采集與訓練。京東工業產品經理溫赟指出，技術落地的核心是**平衡體驗、成本與效率**，例如通過模型蒸餾技術將訓練成本降低70%，推理效率提升30%。

京東工業大模型Joy Industrial的發布，標志著AI技術在工業供應鏈領域的應用進入深水區。其價值不僅在于效率提升，更在于推動產業鏈從“經驗驅動”轉向“數據驅動”。正如谷應鯤所言：“每一條供應鏈都值得用AI重新做一遍。”隨著技術迭代與行業協作的深化，工業供應鏈的智能化轉型或將催生新一輪生產力革命。（本文首發于鈦媒體APP，作者｜李婧瀅，編輯｜劉洋雪）