作者丨顾见
监制丨阑夕
这几天OpenAI被推到了风口浪尖，有美国媒体测算，这家AI明星公司如果没有进一步的盈利改善，现金流或将在一年内耗尽。OpenAI尚且如此，其它卷技术的追随者自然好不到哪去。
技术理想主义者的乐观是一把双刃剑，它能像放大招一样，突然催化出改变世界的产品。只是人们永远不知道，技能冷却时间到底要等多久。就好比眼下，技术极客们都想让自家产品成长为最强基座大模型，然后以高水准的通用能力一统全行业——到时候哪个场景赚钱，就能降维打击生成对应解决方案。
这种思维高估了应用层所需的技术精度，却也低估了应用层的场景复杂性。简单说就是，“学院派”过度关注性能提升，而忽略了产业应用的实际需求。
就好比快递小哥，需要在取件时克服手汗干扰，用语音完成订单录入；品牌商家希望得到更多销售业绩，用数字人承接更多直播时长和转化率；预算有限的中小商家可以省去一些营销开支，同时提升效率，用AI做出漂亮实用的产品宣传图。这些场景都用不上什么高精度AI，反而需要对专业能力、场景特性有深刻理解。
2024京东云峰会，就带来了一种“实践派”的解题思路。这场峰会传递的声音，不再是“我的大模型有多强”那样的陈词滥调，而是在推动更多产业和场景落地，低门槛的去创建大模型应用、使用大模型，让大模型在产业先跑起来，并得到实在的经济效益。
一、放下“最强”情结，让大模型在产业先跑起来
“我们的技术不是单纯在实验室做技术研究，更多的还是期望从真实商业场景，产业场景的应用里面反哺技术的进化，用真实的产业需求场景打磨大模型产品化的能力。”
这是2024京东云峰会前夕，公司某项目负责人的一次发声，也在很大程度上映射出京东云的大模型产业落地理念。大模型时代，京东云始终遵循“生于产业，服务产业”的原则。要检验这家企业是否知行合一，京东所耕耘的供应链产业中，零售场景就是一块理想的试金石。
投资胜率几乎封神的巴菲特，在零售行业却屡次折戟。他曾总结称，销售渠道和消费习惯都在不断改变，这导致零售业很难保持竞争优势，也就无法形成投资层面的“护城河”。好搭档芒格也在投资了一家顶级电商公司后遭到重创，坦言“不管它市场地位再高，也是个该死的零售商。”
每个人都或多或少参与着零售链条的运转，但顶级投资家也无法从中总结出方法论。
原因主要在于，数字化、一体化趋势下，零售平台不再是简单的卖货，它要和商家的仓储物流形成联动，提供销量预测、营销指导，甚至要覆盖一部分社交媒体的职能。而绝大多数平台，都是通过市场分工来消化掉这些复杂场景。
相比之下，兼顾自营业务与开放生态的京东，更适合作为优秀的大模型孵化器。
以“人”的层面为例，随着零售行业愈发专业化，商家需要大量的专业型人才辅助运营。让这个本就利润不高的行业，生存压力陡增。好在，京东云这次带来了几项指向性很强的大模型能力，为商家创造出行业专业助手。
△ 大模型在零售全流程应用-AIGC内容生成平台
比如洞察用户需求的导购助手京东京言，能够实现情感化、专业化、个性化商品导购，有效缓解了商家的客服压力；
京东AIGC智能创意平台，可以实现“无须人工干预"的端到端广告投放，相当于让商家凭空多出一位专业广告投放师；
京东万商AI营销助手，是一位能驾驭全平台、任意切换文风的全能营销文案，快至30秒就能打造出符合抖音、小红书等平台调性的高质量内容，生成的视频内容平均采纳率高达90%；
AIGC内容生成平台京点点，能够提供AI生产商品主图、商品商详图、商品营销图、搭配购场景图、商品白底图、透底图的服务，则让店内多了一位AI设计师。
“货”的层面，要看商家能否把上述几大“AI员工”的价值用到位。
一些善于探索的商家已经找到了运营思路。
比如某刺身刀商家，原本最大的营销痛点在于实景拍摄，需要2周时间才能完成单个SKU的全套图文素材生产。直到他解锁了京点点以图生图能力，可以直接生成媲美实景效果的商品场景图，还能结合行业实际点击率、转化率输出对应文案，大幅降低了营销投入和时间成本。
“场”的层面，有人运用京东万商AI营销助手提升了文案和短视频的表现力；有人通过AIGC智能创意平台让广告主图多样性更加丰富；也有人在不增加运营人员的前提下，让店内营销素材得到高频优化，一跃成为消费者眼中的活跃店铺。
某调味品商家，实现了“1个美工运营6家店铺”，其中80%的商品主图、详情图、卖点广告图都用京点点AI生成，产生了可观的经济效益。
可以看出，京东云的产业大模型没有所谓的“最强”情结，不去炒作单一参数的优越性，但切实解决了零售行业的需求痛点。这充分表明，大模型应该紧扣具体场景，打造更多“落地即应用”的产品。
二、率先实现数字人大规模商业化，做先人一步的“实践派”
京东云峰会前，我了解到一个大模型产业应用案例很有感触。
某在线棋牌平台会定期策划竞技赛事，期间产生了大量剪辑需求。技术团队考虑训练大模型去识别“精彩视频”，从而实现智能剪辑和分段。
如果用学院派的思路来展开，这是一个相当复杂的课题。先要让大模型学习大量的牌局视频；然后结合行为分析、目标检测、机器视觉，关注选手的表情动作变化，一步步去理解“什么叫做精彩牌局”，最后投入应用端反复检验、微调。
但团队很快意识到，这种训练方式不切实际。于是快速转变思路，通过自身对行业的理解，直接选定了几个指标去定义“精彩牌局”。比如评论数量突然激增的时刻、主持人语速变化、让AI关注牌局中“炸”的数量等，从而完成了工具的快速落地。
同理，京东云为代表的实践派，就倾向于让大模型在供应链场景里先跑起来，结合自身丰富的产业经验在实操中快速迭代。
京东云言犀数字人，就是这一理念的优秀产物。
过去一段时间，业内对数字人的认知停留在“美术+AI”，主要关注点放在通用能力上。但不久前，一次针对大模型的高考测试显示，包括GPT在内的顶级大模型都在理科考试中表现不佳，总分仅能达到三四百分水平。
反推数字人的零售场景应用，也需要强大的专业能力作为支撑。如果过度依赖通用能力，不可控的“幻觉”问题很有可能造成客诉激增。
京东云言犀数字人团队的务实之处在于，一开始就承认“数字人要想在严肃场景独立使用，必须达到零幻觉。”在此之前，团队主张让数字人与真人结合，通过各种AI辅助工具去服务对应的业务场景。从普适化角度拆解问题，在保证品质的同时，尽可能降低应用成本。
本次大会最新发布的京东云言犀数字人3.0平台，主要放大了京东云言犀数字人的专业能力、感官亲和度、定制化能力和易用性。并且在此基础上，让品牌商家，以及课程培训、自媒体博主等小微B端客户也能用得起、用得好。
专业能力主要靠京东电商知识图谱的灌入，形成对应算法模型。这种机制能快速生成与数字人匹配的专业级介绍文案，运营人员几乎不用调整就可直接投入使用。配合言犀智能客服、言犀AI外呼，言犀京小智、言犀AIGC商品图生成等产品矩阵，可以覆盖大量应用场景。
△ 京东云言犀数字人3.0
感官亲和度方面，在20万小时训练数据的加持下，京东云言犀数字人3.0音色自然度、表现力方面大幅优化。在小样本合成上，最短可以实现3-5秒钟复刻一个人的音色和整个说话方式。配合视频生成、美术、肢体协调性、唇动方面的升级，有效提升了使用效率。
据相关负责人介绍，全新数字人在零售、金融场景已经可以独当一面。在一些业务上的用户满意度、用户问题解决率有明显提升。24小时问题解决率高达85%，满意度超90%。团队还发现，富有感染力的数字人形象能增加用户的耐心倾听和交流意愿。
定制化能力，与企业的具体应用场景挂钩。比如为大同文旅定制的花木兰数字人，在文旅、客服、电商直播场景都得到了应用；满足一些企业大批量、个性化数字人产出；亦或是满足高精度形象、方言，针对总裁、专业采销经理人的定制需求。
今年4月，酷似真人能秀宿迁话的“采销东哥 AI 数字人”，在直播首秀中创下1小时观看了破2000万、GMV超5000万的好成绩。到了618期间，有超18家品牌的总裁数字人也来到直播间，其中还包括格力董明珠、海信胡剑涌、LG李东善等500强企业，可见京东云言犀数字人得到了这些“霸总”的充分认可。
易用性上，配适一个京东云言犀数字人直播间仅需15分钟左右，就可以完成形象、音色选定、导入商品链接、生成智能文案、氛围设置、生成预热视频等全流程，实现急速开播。目前京东云言犀数字人3.0平台上线了100+个个性化角色，50+个特色行业属性场景，在电商直播的场景中，表现超过行业80%真人主播。由此，成功实现了京东云言犀数字人的大规模商业化。
比较超预期的是，京东云言犀数字人的决策影响力有了喜人发挥。
原本行业普遍认为，数字人只适用于低客单价商品的售卖，但来自京东的数据表明，618期间京东云言犀数字人在汽车、珠宝首饰、3C数码、家电家居，甚至是专业型和客单价“双高”的医疗器械产品中都有提升，带动上述品类闲时转化率提升超30%，直播累计时长超40万小时，累计观看人次超1亿，互动频次500万+次。
在与京东云相关团队的交流中我们发现，京东云言犀数字人的定位，是未来大模型与终端用户的核心交互介质。它必将走向多模态、可量化的发展路径，以数字人直播为锚点去定义交互式购物的下一幕，完成电商体验与模式的革新。
AlphaGo下一盘棋大约需要耗电 20,000W，ChatGPT今年将消耗近百亿美元的训练费用和人员开支。如果大模型、数字人应用都需要这样的规格，那么绝大多数人无法参与其中。
比起贾维斯式的超级人工智能，产业端更需要人人用得起、能创造价值的AI产品。京东云言犀数字人的发展模式，恰恰将大模型从自上而下的“少数人游戏”，转变成普惠千行百业，让产业链每个环节得到增益的全新技术红利。
三、大模型应用创新：从象牙塔走出，到千行百业中去
必须要承认，只要定语足够长，每个大模型都能在特化目标下成为“最强”。可是在应用层面，想靠某个百分比数据“卷死你”毫无意义，客户不会为了虚无缥缈的纸面效率付费。比起权威榜单上的排名，从业者愿不愿意去使用，其实更有说服力。
这也是京东云最大的与众不同之处，它由京东这家公司的基因所决定。
在电商平台“以轻为美”的早期阶段，京东就率先向仓储物流投入重金。彼时，集团的研发动作就紧随自营业务左右，把注意力放在场景效率、人员使用层面。随着产业链条不断壮大，形成了覆盖全业态、全场景的供应链生态。
千万自营商品SKU、超800万家活跃企业客户和全国超2000个产业带的真实需求，沉淀下大量优质的供应链原生数据，从而让京东云的言犀大模型同时拥有通用能力和专业能力。同时，孵化出的大模型应用能第一时间投向市场，在实操中将纸面效率转化为真实价值。
△ 言犀智能体平台
为了孵化更多适企化应用赋能市场，京东还打造了一站式的AI Agent开发平台“言犀智能体平台”，将内部积累的专业知识、数十个大模型以低代码的形式开放给用户，如今京东内部已有超3300个智能体应用。用户可以通过API的方式将智能体集成到业务系统中，让应用系统成为一款AI原生应用。
这种模式总结以强大的京东供应链为底座，在一个个真实的产业场景中完成孵化和测试，既加快了大模型应用的落地速度，也有效避免了算力资源浪费，确保产品“孵化一个，应用一个”。
相较于学院派“先做产品，再去满世界找需求场景”，京东云的模式无疑更具有经济性和可行性。而京东在“产业科技化”上的敏锐嗅觉，又经过了反复验证。所以我们更有理由坚信，京东云的大模型一边跑一边训的产业应用之路，会是一条更可靠的路径。