<mark id="oztn4"></mark>
0
距離2017年京東提出三個技術的口號已經過去五年。
這五年來，京東通過技術沉淀的決心，進一步坐實了以供應鏈為基礎的技術與服務企業的定位。
在數智供應鏈成為京東標簽的同時，京東云也依托強大的 AI 技術，完成了它從里到外的華麗轉身，成為京東技術對外輸出的核心發力點。
1、一只不會飛的鳥
那時 AIGC 還沒火。
何曉冬記得，當時他剛回國不久。他與合作者提出的一個工作，叫「AttnGAN」，可以在計算機上輸入一行文字描述，這個模型就會自動生成一只紅白肚皮、藍背的小鳥。
就像能讀懂人的意志一樣，讓創造了它的何曉冬也感到震驚。
加入京東后，他把這個工作展示給了幾位高管看后，大家都很贊嘆，沒想到 AI 的能力已經如此強大——
文字與圖像是兩種不同的模態，模態之間的交流與互動往往如跨越千山才能遇萬水，但在人也尚且不能很好地理解 AI 的時候，AI 就已經能通過一段簡短的文字描述畫出相應的圖像，而且準確率和清晰度都能與人類媲美。
那是 2018 年。輸入文本控制圖像生成的技術已經出現，但想象力還未形成。大家雖然贊嘆，但回頭一想，不知道這樣的技術可以用在什么地方。
后來何曉冬告訴雷峰網，那時他剛加入京東，其實還做了不少 AIGC 方向的基礎研究，例如文案生成、AI 寫詩，還有跟中央美院的邱志杰教授合作探索AI畫圖、AI寫書法等。而這篇 AttnGAN 的論文現在已經被引用超過1千多次了，是AIGC領域的經典工作之一。
何曉冬及同事在2018年提出文本-圖像生成模型「AttnGAN」
但如果回顧京東的整個 AI 技術研發進化史，何曉冬用 AI 畫鳥的研究，恰是其中一個縮影，也是一個不可缺少的注腳：雷峰網
時間回到2017年，在那一年的京東年會上 「技術！技術！技術」被提出來，京東也由此邁入技術研發高速發展的階段。雷峰網
然而，彼時支撐京東技術野心之一的人工智能（AI）技術研發并沒有成立一個單獨的部門，而是散落在各個業務部門的單點研發中。雷峰網
當年9月，京東成立了「AI 平臺與研究部」，聚焦于 AI 技術探索，并陸續成立了一系列實驗室，包括 AI 研究院、深度學習及語音和語言實驗室、計算機視覺與多媒體實驗室、數據智能實驗室…到2018年年初，京東已經聚集了一批業內頂尖的 AI 科學家，如何曉冬、梅濤、鄭宇等。
何曉冬
從2017年年底到2018年，這批科學家探索了許多夯實的 AI 基礎技術研究項目，如大數據、優化算法、語音與語義識別算法，為京東奠定 AI 研究基礎。
這幾年，京東的 AI 團隊在變化中不斷壯大，如今，京東的 AI 能力以京東云為核心出口，對外輸出。
2、供應鏈中的 AI
大體來說，技術互聯網公司可以分為三種類型：
第一種是賣基礎產品，如微軟，從磁盤操作系統（DOS）開始，然后到 Windows 與其他軟件產品，成為一家軟件為主的公司；
第二種是技術驅動，如谷歌，先基于搜索引擎技術做出的「谷歌搜索」（Google Search），沒有作為單一產品賣出，后面才逐漸找到盈利的方法；
第三種就是業務驅動，先有業務需求（如賣貨），再漸漸成型、建立起一個技術系統，如京東。
這也意味著，京東的技術研發必然與業務賦能捆綁。這甚至是所有 AI 科學家在加入京東時就了然于心的共識。比如，京東在2017年9月宣布成立AI平臺與研究部的時候就明確提到， AI 研究與平臺部承載著推動第四次零售革命中發揮重要作用。
京東亞洲一號倉
京東的三個技術口號，實際上也各有側重：
第一個技術代表了京東最基礎、最樸素的需求，即如何提升京東現有業務（尤其是零售與物流）的效率。京東的自營模式決定其供應鏈涉及多個環節，不僅包括采購采銷、運輸倉儲、服務交易，還有商品在平臺上的展示、搜索、推薦與售后客服等。這一塊以京東零售與物流為主。
第二個技術指可以標準化、模塊化、產品化輸出的通用技術，如云計算、智能客服，代表了京東向外鏈接千行百業的愿景。京東認為，實際上大量的行業都有與供應鏈相關的技術需求，例如金融與航空，所以第二個技術是基于第一個技術在內部的實踐與沉淀來展開。
而第三個技術，是面向未來的基礎技術研發，如過去十年以深度學習為代表的 AI。如今，這一塊由京東探索研究院（2020年成立）、京東 AI 研究院（2017年成立）等團隊主要承擔，近年來以陶大程為代表對外發聲的可信 AI、產業元宇宙等概念，均屬于第三個技術對前沿的展望。
AI 研發在京東供應鏈的整體落地，也是沿著這三個技術排序走：
過去五年，1.0 時代，京東零售與物流打頭陣，研發人員規模多達幾千人，在京東內部的各個供應鏈環節都部署了 AI 技術，覆蓋語音、文本、圖像與決策。
有數據統計，在維持現貨率 95% 以上水平的同時，京東通過智能供應鏈系統下發的采購單超過上億條，內配自動化率達到 90% 以上。自營 SKU 超過 1000 萬、全國 1400 個倉，也能將庫存周轉天數從90余天降至近30天左右，背后正是京東云的大數據與 AI 算法等技術的加持。
AI 與供應鏈結合的一個特點，就是摸索出產業對多模態技術研發的需求。以智能對話為例：
2018年7月，何曉冬帶領深度學習及語音和語言實驗室啟動了一個叫「AlphaSales」的研究項目，后來對應的產品中文名就叫京小智。
與采購、計劃、配送相比，客戶服務被認為是供應鏈中最末端的環節。但實際上，京東當時每天接待數百萬客戶咨詢、導購、服務等需求（現在已經超過一千萬），智能對話的應用價值顯然巨大?；?AlphaSales框架，結合語音識別、圖像理解、情緒理解、文字生成甚至序列決策（根據客戶回復、結合上下文內容推斷下一句生成的文字回復）等基礎的 AI 技術，京小智大大改善了京東的客服質量與效率。
具體來說，供應鏈很長，分生產、流通、消費、服務四大環節，四大環節的基礎上又可以細分出設計、定價、交付等十余個環節，人工智能技術也如此（非單一技術方向）：
而當 AI 落地在供應鏈上，你會驚奇地發現：AI 是一項基礎技術，可以應用在供應鏈的各個環節上；且 AI 在每個環節上的應用，都涉及到兩個以上的單點技術。例如，在智能對話一環的語音、語言、圖像、優化、決策，相互組合時，也是供應鏈中設計、生產、采購、運輸、倉儲管理等等環節的核心技術：
作為最早加入京東研究 AI 的參與者之一，何曉冬表示，在京東研究 AI，最大的感觸就是：如果從供應鏈的角度看 AI 研究，AI 的應用范圍和潛力都會被放大。AI技術的先進性也在被重新定義，供應鏈向 AI 提出了融合、多算法聯合優化的需求，而非單點算法的進步。
在這樣的背景下，京東的 AI 研究也不可避免地走向多模態融合，其技術成果也天然地具備為大多數行業服務的特質：標準化，模塊化，端到端，全鏈條。
3、邁向 2.0：京東云的「野望」
與許多大廠不同的是，京東招聘 AI 科學家，一開始往往就定了十分明確的目標：技術商業化。也就是說，不僅服務京東內部的零售、物流、金融、健康等業務，還要基于服務內部所積累的能力走出去，服務千行百業。
這個目標使京東的 AI 團隊在初成立時就同時扮演了兩種角色：既是支持京東業務的子部門，也是京東內設的一個「AI 創業公司」。
京東的 AI平臺與研究部剛成立時，也陷入過與其他企業 AI 研究團隊雷同的「困境」：其他部門常常過來尋求 AI 算法的支援，但他們幫忙做了一年后發現，一方面業務提供的場景對 AI 技術的打磨很關鍵，但另一方面，針對業務定制AI技術往往做不成大項目，而且成本還很高。
例如，幫忙跟進的內部項目往往需要不斷修改完善，十分消耗時間，對高人力成本的 AI 算法團隊來說頗有點「大材小用」。另一方面，時間與精力被占據，也無法「創業」。
因此，從2019年開始，京東各個業務的定制化技術需求由其自建的研發團隊負責，京東的 AI 部門不再接低ROI的商業項目，而是致力于研發高價值的、可以模塊化、可復制的技術產品。
這就好比原來給屠宰場磨牛刀的鐵匠，決心要自己單干，開了個工廠，聚集一批專注于打造武器的人，生產不僅能夠用在屠宰場，還能用在戰場、軍事訓練基地、龍門鏢局等等不同場所的兵器武器，降本增效地將技術商業化。
何曉冬認為，技術的成功商業化是技術走向成熟的一個標志。
2020年，這座集中生產武器的工廠有了一個新的名字：京東言犀人工智能應用平臺（簡稱「言犀」）。言犀隸屬于京東科技集團，可以看成是京東云的AI武器庫，聚集了京東過去在供應鏈各個環節的智能技術的積累，包括語音識別與合成、自然語言處理、視覺智能、機器學習、知識圖譜、多輪對話、多模態智能人機交互、大模型等都匯聚其中。
依托京東云的技術底座，言犀開始走出去，服務政企、金融、航空、零售等多個領域，并取得了優秀成果。
以保定 12345 政府服務熱線為例。在過去，12345 熱線接到市民的訴求后，往往先把問題交到區級的分中心，再由各個中心派給相關街鄉鎮，一來一去，時間就會被拉長。
京東 AI 團隊在之前京小智的實踐基礎上，將多項成熟 AI 技術解耦出來、形成端到端的價值系統，在京東云上利用言犀平臺打造了無數個「虛擬客服」，建設了一個數字化監管平臺，數十萬機器人智能體與900多萬保定市民每日進行上萬次人機對話，大幅提升相應效率。
據統計，2022年上半年，該數字平臺共受理群眾訴求960190余件次，同比增長122.78%，響應率100%，滿意率由65%提高到97%以上，特別是在疫情高發的時候，支撐接起最高每天12萬通市民電話，有力的保障了抗疫的需要。
這背后，體現的是京東云的供應鏈技術有效輸出：過去支撐京東內部的 AI 技術，在經過高精、模塊化的提取后，能夠賦能外部企業，解決他們的數字化需求。
隨著京東言犀的逐漸成熟，京東 AI 在技術的商業化上也形成了獨特的模式，提出了「產業AI」的技術路徑。
一般來說，內設于企業的 AI 研究院或 AI 部門往往陷入兩種思路：一種是單純服務于業務團隊，造成業務先行、技術斷后；另一種則是注重前沿探索，技術先行、業務隨后。而京東的三個技術口號，分別在內部 AI（如京東零售）、產業 AI（如京東云）與未來 AI（如京東探索研究院）上都部署了實力深厚、同時相對獨立的團隊。
又由于京東的業務以本身對模塊化要求非常高的供應鏈概念為中心，京東言犀的 AI 武器來源于內部技術成果積累，在對外輸出時就相當于「一煉多用」，成本可控的同時效益倍增。2021年，何曉冬帶領的智能服務與產品部在 AI 商業化上的收入就達到了數億元，十分可觀。
如今，智能對話技術已經成為京東 AI 的優勢。
4、進擊的 AIGC
某種意義上，京東用產業AI 改變了供應鏈中的「服務」一環。但實際上，「服務」的概念遠遠大于「客服」。AI 技術是京東云服務產業的秘訣，但不是終點。
在賦能供應鏈的決心與理想中，京東云還有一個更大的野心：基于多模態融合的 AIGC 內容生產，重構供應鏈。
京東認為，AIGC 本質也是一種服務。
縱觀各大廠，像京東這樣大力倡導多模態 AI 研究的企業罕見，這也是為什么 AIGC 熱潮興起時國內大廠聲量小的原因。根源在于，過去的十年，互聯網技術大廠習慣從單點的技術突破（如語音識別，文本檢索，圖像感知）去開展研究，各技術組之間也沒有相互打通，無法快速融合。
一位資深的 AI 從業者就告訴雷峰網(公眾號：雷峰網)，AIGC 在中國目前還未形成一個具體的賽道，一個很重要的原因是：人才稀缺。AI 領域視覺、語言、語音各大派各自為戰，甚至視覺領域也出現人才兩極分布的情況：識別與感知人才扎堆，生成人才卻屈指可數。
但在京東，由于服務供應鏈的技術本就追求多模態、多算法間的融合，如果說早期的 AI 作畫、AI 寫詩只是牛刀小試，那么到京小智、工業品大腦和言犀平臺，則不僅積累了豐富的跨模態研究經驗，還讓AI在自身數智供應鏈中生根成長起來。
以文案生成為例。京東APP上有一個「發現好貨」的欄目，供應商每上新一個產品就需要寫一段推薦文案。之前京東是發布任務，邀請寫手、大 V 或 KOL 來寫，但現在，這些任務可以用自動生成文案的「AI 寫手」來完成。
格局再大一點：不僅是「發現好貨」，實際上，京東APP整個頁面所承載的數字內容，無論語音、文本與圖像，都可以通過 AI 來自動生成。如同穿越科羅拉多高原，雖然還要跨過無數狹長高深的峽谷溝壑，但趨勢已經十分清晰。
以京東最新上線的虛擬主播「靈小播」為例。在下圖的頁面中，文案、產品圖、人物、動作、語音等，全都是 AI 自動生成的：
技術上看，這種可以察言觀色，能帶貨的數字人主播是多算法協同的集大成者。在產業落地來看，商家不用再花大錢砸資源、找主播。
現在業界流行叫「人均一個數字人」，而對于京東云來說或許叫「店均一個數字人」。
這意味著，過去需要無數個化妝師、攝影師、主播、文案寫手的行業，在未來可能只需一溜AI 算法就能完成，直接將供應鏈「閉環」了。對于數字產業的騰飛，不僅是降本增效的突破，而是邁進虛擬世界進行遠程貨物交易的可能。
從畫鳥到畫萬物，無形之中，京東的科學家實現了AI技術的價值最大化——「之前我們都不知道 AI 畫鳥有什么用，但你看，現在都用上了?！购螘远Φ?。
而那只「不會飛的鳥兒」一旦起飛，便會發現更多的可能。
聲音、文案、圖像、視頻等數字內容實際上是許多現代商業活動的基礎生產資料，因此一種新型資料生產方式的出現往往能帶來一定程度上的商業模式變革，改變舊有的商業活動與游戲規則。
舉個例子，直播帶貨對傳統電商的沖擊，本質是數字內容生產變革帶來的影響之一。同理，AIGC 大幅降低數字內容的生產門檻，也有重構供應鏈的可能。
一個明顯的例子是C2M（用戶驅動制造）。在過去，消費品的生產是由廠家統一設計、生產，然后通過渠道分銷。后來，廠家精準定位市場需求來指導生產的需求增加。據統計，京東C2M智造平臺已與數千個品牌達成合作，幫助他們節省了75%的產品需求調研時間，新品上市周期也比以往縮短了67%。
但在未來，當 AIGC 的技術足夠成熟、設計的能力掌握在每個人的手中，消費者用 AIGC 技術設計產品外觀與包裝，再返回廠家生產制造，也不無可能。
高質量的內容生成往往也意味著高成本，導致整個市場高度集中在頭部。而 AIGC 技術能大幅降低內容生產門檻，這也是 AIGC 的機會所在。
5、遠大前程
總的來說，沒有一家國內企業的 AI 團隊像京東一樣，離供應鏈這么近。
從1.0時代的技術服務內部供應鏈，到2.0時代的技術走出去，京東的 AI 團隊對一個詞匯深有感觸：產業 AI。
正如京東云事業群總裁高禮強在剛結束的京東云城市峰會上表示，如果說云技術在消費互聯網的核心價值是解決高并發問題，在產業互聯網則需要解決產業復雜場景高效協同。在數字化時代，這種產業發展和進化的壓力，也將倒逼產業智能化和自動化，讓AI真正成為服務萬業的「大腦」。
就何曉冬來說，之前他在微軟，更聚焦于單點技術的突破（如語音識別），不常將 AI 放到產業的大背景里去看。但沉浸在供應鏈的指導里后，很多思路會被打開。
比如京東近期開展的鄉村振興項目，要解決一個實際的問題，是如何將農民養的豬、雞、鴨等生物資產變為可量化、可抵押的資產。在思考 AI 能做什么時，他們很自然地就會想到融合視覺、知識圖譜等技術部署在倉庫里，推智能云倉模式。
無論是零售、物流、營銷服務領域，產業AI要實現的終極目標，一是最大程度優化供應鏈條上需要人來完成的工作，二是讓AI的感知、推理和決策能力落地到分布于產業鏈條中的無數個細節之中。這一方面需要研究者們大膽探索和應用更新的技術，而這些細節場景也將成為產業AI新的「試驗田」，成為彼此的新爆發點。
京東的 AI 團隊很年輕，成立只有五年；同時，京東的 AI 團隊又很老練，技術創新都恰踩在人工智能時代的前沿，多模態研究如此，AIGC研究亦如此。
將 AI 的門檻降低，服務更多行業，京東云已經邁出一大步。未來廣闊高原，大有可為。
參考鏈接：https://ieeexplore.ieee.org/document/8578241
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
