導語：

細讀今年被稱為“中國人工智能最高獎”的吳文俊獎的獲獎名單，頗有深意。

雖然各大高校、科研機構(gòu)還是在獲獎名單中占據(jù)多數(shù)，但企業(yè)獲獎的數(shù)量也在不斷增長，如我們熟悉的京東、百度、美團、阿里、科大訊飛等，悉數(shù)在列。

而他們獲獎的項目，有比較明顯的應用導向趨勢，這說明，AI的落地應用日益受到關(guān)注。

企業(yè)的優(yōu)勢在于，有大量的場景，積累了精準的數(shù)據(jù)，可以在解決實際問題中不斷歷練優(yōu)化，再泛化成通用能力賦能社會，這對于進入智能化加速普及的今天，有切實的意義。

備受關(guān)注的大模型，也成為獲獎名單中被關(guān)注的焦點，但大模型只是手段，而不是目的。發(fā)展產(chǎn)業(yè)大模型，其價值仍然是以產(chǎn)業(yè)實踐中凝聚的數(shù)字化能力服務社會和提升行業(yè)效率。

可以相信，隨著人工智能奇點的到來和應用加速落地，我們的生活將發(fā)生一往而不可逆的變革。

第一部分 企業(yè)獲獎越來越多，折射了什么？

在今年獲得吳獎的企業(yè)中，京東是較為突出的一個。

京東是唯一同時獲得個人和團隊兩項殊榮的企業(yè)，其中，只有三席的“杰出貢獻獎”由京東獲得一席，這是除了“最高成就獎”之外，可授予個人的最高獎項，反映了京東在AI領(lǐng)域的人才深度和厚度。

相對老牌AI企業(yè)，幾年前京東在AI領(lǐng)域的聲勢并不彰顯。近年，隨著京東的技術(shù)轉(zhuǎn)型的全面展開，數(shù)智供應鏈、智能服務、工業(yè)互聯(lián)網(wǎng)平臺等一系列產(chǎn)業(yè)技術(shù)應用逐步為行業(yè)所認可。

所以，這次京東摘得個人獎和團隊獎各一，其實是反映了有深厚產(chǎn)業(yè)場景基礎(chǔ)和數(shù)字技術(shù)能力的新型實體企業(yè)，在AI領(lǐng)域厚積薄發(fā)的積累優(yōu)勢。

恰好，這次獲獎的京東科技智能服務與產(chǎn)品部負責人何曉冬博士，是我的一位很好相處的朋友，所以我也第一時間向他求證了一些問題。

說一句閑話，我喜歡曉冬的原因，大概有二：

1.他講的技術(shù)我聽得懂，而且他很耐心，就算我聽不懂，他也會講到我聽懂為止，作為一個世界級的科學家，這樣的nice是很難得的；

2.他戴手表；

我喜歡戴傳統(tǒng)手表的科學家，而非Apple Watch的用戶。尤其當我偶爾知道，這只是一塊很普通的精工自動機械表，簡單可靠，而且是曉冬的父親在一次購物中得到的贈品的時候，我就覺得他這個人更有意思了，樸實、樂觀和堅韌是他的性格。

這也讓我想起，《達芬奇密碼》里魅力十足的虛構(gòu)人物——羅伯特.蘭登教授，就一直戴一塊小時候得到的米老鼠手表。

這次見到曉冬，其中一個原因，是他和他的團隊獲得了今年吳獎后，我很想和他聊聊這個事。但沒有想到，他沒怎么談自己，反而給我科普了一遍京東AI的發(fā)展史。以及這次京東獲獎的任務型智能對話交互關(guān)鍵技術(shù)及大規(guī)模產(chǎn)業(yè)應用這個課題。

2019年的1月1日，對何曉冬是個重要的日子，這一天是他正式成為IEEE Fellow的日子。更重要的是2018年他告別海外生涯的一個告別禮—— 2018年初他正式接受了京東邀請，從微軟雷德蒙研究院的人工智能首席研究員，變成京東的AI業(yè)務一位重要負責人，加入彼時尚小但正在壯大的京東AI研發(fā)團隊。

彼時，京東已經(jīng)喊出了“技術(shù)、技術(shù)、技術(shù)！”的口號，但外部對于京東在AI方面的能力還沒有充分的認知，盡管京東已經(jīng)在各業(yè)務線開始使用AI技術(shù)， 但當時很少人會認為京東是一個AI技術(shù)的高地。

后來我查了一下，亞馬遜有10000多個AI工程師，微軟是7000人，谷歌是4000多人，但做出ChatGPT的時候，openAI只有154個人。

所以，AI是否能做成，和人數(shù)沒有絕對關(guān)系，和方向正確與否關(guān)系更大。

更重要的是，京東改變了我對AI產(chǎn)業(yè)化落地的看法。

以前，大部分AI企業(yè)見到我總要訴的苦是——我們的技術(shù)水平很高，但企業(yè)不理解、用不起來，所以落地難。

曉冬第一次見面就直率的告訴我，這種說法是不對的。

他認為：“我們（團隊）雖然不大，但經(jīng)過努力已經(jīng)開始盈利了，這對于很多大AI團隊都是難以想象的。但核心其實只有一個原因，就是我們力圖搞清楚我們能給市場帶來什么價值，以及創(chuàng)造這個價值的技術(shù)核心點在哪里，然后用我們的技術(shù)和工程能力去搞定。而那些脫離了價值鎖定的AI研發(fā)看上去是很酷，但很難落地�！�

相對于其它幾家互聯(lián)網(wǎng)超級平臺的AI研發(fā)規(guī)模，何曉冬的團隊規(guī)模小但更聚焦，而他們的最初的研發(fā)方向也很具體——對內(nèi)依托京東的用戶規(guī)模優(yōu)勢，不斷的優(yōu)化智能客服的服務能力，對外把這種能力做成產(chǎn)品服務，應用在諸如市場推廣外呼、數(shù)字人、智能政務熱線等多個商業(yè)化場景里。

而這種市場需求來自于企業(yè)真實的痛點——即源于解決零售、物流等實體行業(yè)大規(guī)�？蛻舴�務人力不足帶來的效率問題。

也就是說，之所以獲得吳獎，除了何曉冬帶隊的京東云言犀（下稱“言犀”）團隊的出色技術(shù)能力之外，也基于京東AI研發(fā)的務實和路徑正確，他們選擇了為現(xiàn)實中真實世界復雜且深度的問題去求解——而這，正是看似默默無聞的京東AI在短短幾年內(nèi)，就得到學界和產(chǎn)業(yè)界如此高度的認可的原因。

第二部分 解決真實世界的難題

根據(jù)人工智能算法、算力和數(shù)據(jù)三要素，企業(yè)優(yōu)先發(fā)展的，要么是結(jié)構(gòu)性數(shù)據(jù)比較多的應用落點，要么是市場上解決方案較少的新領(lǐng)域。

如果這樣排列，那客服場景應該不在首列，因為目前NLP（自然語言處理）是AI最成熟的領(lǐng)域之一，各大企業(yè)基本都有各式各樣的智能客服業(yè)務。

在一個群雄盤踞、成熟產(chǎn)品迭出的領(lǐng)域搞創(chuàng)新，是需要格外的勇氣的。

但是，京東還是選擇了智能服務場景，理由也很簡單——業(yè)務需要、場景支持。

但做，就要做出新意。

如果仔細推敲這次京東獲獎項目的名稱，會發(fā)現(xiàn)有一個比較特別的詞匯——任務型對話。

打個比方，這次震驚消費者的Chat GPT，就不是典型的任務型對話，因為使用者對于對話結(jié)果的寬容度很高，甚至可以視為一種娛樂，可以接受各種”胡說八道“；但客服對話，則不同于一般對話場景，所謂的任務型對話，就是需要解決真實世界深度復雜的任務，而且達到很高的滿意度。

從優(yōu)勢角度來看，京東服務超5.8億用戶，每年十幾億人次的對話交互服務，既是智能對話交互技術(shù)產(chǎn)業(yè)落地的前沿陣地，又天生有大量的數(shù)據(jù)可以作為訓練內(nèi)容。

從挑戰(zhàn)來看，自然語言處理是目前AI最成熟的領(lǐng)域之一，要想在強敵環(huán)伺之下殺出重圍并不是一件簡單的問題。

但言犀團隊的思路很清晰，把這個復雜系統(tǒng)拆解成了幾個核心命題。

其中，首要解決的是高表現(xiàn)力和高可信度的多模態(tài)對話生成。

簡單來說，就是在智能客服與人類客戶對話的過程中，要實時判斷對用戶的情緒是高興、憤怒、失望等等，再相應的用適合的、富有表現(xiàn)力而非干巴巴的文字或電子合成音去回答這個問題。

但是單純從文字和語音是難以完全的分辨客戶情緒的，所以還要結(jié)合客戶的上下文來推測。但這就需要新的算法，因為傳統(tǒng)算法生成內(nèi)容時，對上下文的建模（也就是模型和訓練）關(guān)聯(lián)度不足，導致生成的內(nèi)容缺乏表現(xiàn)力，也不準確。

要從技術(shù)維度解釋這個問題，需要花費大量的篇幅，所以我只說幾點。

首先，針對生成高表現(xiàn)力語音這個問題，言犀團隊提出了“基于多顆粒度韻律的增強語音合成技術(shù)”，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。

而僅僅針對這個問題，言犀團隊提出的語音合成技術(shù)，就獲得了ACM Multimedia 2021最佳演示獎。

而對生成高質(zhì)量對話內(nèi)容至關(guān)重要的，還有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”。

這里的核心理論支撐，某種程度上來自何曉冬此前的一篇在行業(yè)里非常有影響力的論文 ”Hierarchical Attention Networks for Document Classification”，這是一篇谷歌學術(shù)引用次數(shù)近5000次的論文，即使在世界AI領(lǐng)域也是頂尖的。

但何曉冬謙虛的認為，自己的論文只是解決了部分理論的問題，而團隊的勤奮和工程化落地，才是成功的關(guān)鍵。

值得一提的是，這里還有一個隱藏的彩蛋就是，針對對話內(nèi)容的生成，團隊還使用了基于知識融合的預訓練語言模型和多模態(tài)可控對話文本生成模型，從而提升生成文本的專業(yè)度、豐富度。

你可以理解為，這兩個模型可以看做是今天大名鼎鼎的ChatGPT的兩個子集，但很早就被京東用起來了，而這將對京東以后構(gòu)建產(chǎn)業(yè)大模型有很關(guān)鍵的驗證作用。

而從這個問題的解決中淬煉出來的方案，形成了京東智能服務解決方案中的多輪對話決策推理技術(shù)，并達到國際領(lǐng)先水平，先后斬獲國際競賽Wikihop、HotpotQA的冠軍。

但支撐這一體系的并非僅這一項領(lǐng)先技術(shù)。

如果你使用過語音客服，你就會發(fā)現(xiàn)，如果你的表達過于口語化、或者有不規(guī)律停頓等問題的情況下，會對客服的效果有很大的影響，有時候會使得對話嚴重偏離場景，這背后是一個人/機話語權(quán)的決策問題。

很顯然，我們不可能在使用語音客服時，要求每個人都有播音員一樣連貫、準確的發(fā)音。

而對于這個問題，言犀團隊提出了多模態(tài)融合的話語權(quán)決策技術(shù) (Turn taking)，根據(jù)實際情況，在瞬息間判斷對話是否會中斷以及在什么時候AI需要耐心等待用戶說完話，又在什么時候需要AI需要及時接過話語權(quán)。

可以說，言犀團隊正是用”剝洋蔥“式的方法，把實際問題拆解成一個個更小的單元，然后在核心算法的突破下創(chuàng)造性的解決工程問題，最終的結(jié)果不僅是獲得吳文俊獎這樣的頂級榮譽，還產(chǎn)生了巨大的產(chǎn)業(yè)溢出效應——在這個項目完成的過程中，還完成了授權(quán)發(fā)明專利17件，軟件著作權(quán)19項，論文63篇，國際比賽冠軍6項；更讓團隊驕傲的是，產(chǎn)生直接經(jīng)濟價值20億元。

第三部分 用戶云集

現(xiàn)在，智能客服市場競爭激烈之極，但高水平產(chǎn)品并不多。

言犀再次基于“從實體中來，到實體中去”的原則，它把智能客服和京東的其它AI能力組合起來，這些能力都聚焦于以服銷一體化為方向，為客戶提供用戶服務、觸達、增長等能力，故此被稱為”京東云言犀超級SaaS增長引擎“。

定位在SaaS層，是為了便于部署和符合大多數(shù)非數(shù)字化原生企業(yè)的實際落地環(huán)境，因為不是每個企業(yè)都有自建的PaaS層能力。

伊利集團是最早引入言犀的智能咨詢導購、智能外呼、虛擬主播等服銷一體化服務的巨頭型企業(yè)之一，合作亮點頗多。

例如，伊利曾經(jīng)測算過，旗下多個奶粉類店鋪，接入言犀提供的智能服務后，單店僅一個月便實現(xiàn)人力節(jié)約71.06人天，于是，其旗下多個品牌線，如安慕希、巧樂茲、金典等，都持續(xù)采用言犀智能外呼覆蓋私域加粉、活動營銷、意向初篩等眾多場景。

而前述的增加語音高表現(xiàn)力的技術(shù)，成為言犀首創(chuàng)的“明星真人語音”外呼應用的技術(shù)支撐，在行業(yè)里引發(fā)了一場新的交互式營銷潮流，各大企業(yè)紛紛嘗試。去年他們還推出了多模態(tài)數(shù)字人，基于智能對話交互能力，發(fā)展出多模態(tài)數(shù)字人交互技術(shù)，以SaaS直播以及KA數(shù)字員工等模式對外應用。在今年京東618的直播間，有很多就是言犀提供的產(chǎn)品。

在政府服務方向，山西省大同市在言犀的技術(shù)支持下，于2021年2月引入京東智能政務熱線，在降本增效的同時，還大幅提升了群眾的滿意度和服務體驗。同時，京東智能政務熱線還可以針對這對熱點問題進行分析、研判，讓城市管理者做到未訴先辦，防患于未然。

而在金融方向上，以江南農(nóng)商銀行為例，言犀與其合作打造的“江南農(nóng)商銀行VTM數(shù)字員工”，是全國第一個能獨立、全程辦理銀行真實交易的數(shù)字人，被客戶稱為“01號數(shù)字員工”。

也許讀者讀到這里會問，這和目前火熱的生成式大模型，有什么關(guān)聯(lián)呢？

第四部分 產(chǎn)業(yè)大模型正在路上

在回答這個問題前，我們要談一個價值觀的問題。

京東一直有目標，那就是作為“以供應鏈為基礎(chǔ)的技術(shù)與服務企業(yè)”，京東將用數(shù)智化技術(shù)連接和優(yōu)化社會生產(chǎn)、流通、服務的各個環(huán)節(jié)，降低社會成本、提高社會效率。

這是一切的前提，所以京東一定、也必須會做產(chǎn)業(yè)大模型。

但我們注意到，和很多企業(yè)、甚至是創(chuàng)業(yè)團隊，一上來就表示要做千億、萬億參數(shù)的通用大模型相比，資源更為豐富的京東提出的卻是“產(chǎn)業(yè)大模型”。

也就是說，京東瞄準的不但是大模型具有的廣譜的“智能涌現(xiàn)”能力，同時還將其與行業(yè)的know-how相結(jié)合，針對行業(yè)把能力做深，從而為行業(yè)創(chuàng)造深度的價值。這和其它企業(yè)的路徑明顯不同，京東對大模型的投入是做好了充分準備的。

我認為，這反而是京東更可能成功并率先的用大模型服務于產(chǎn)業(yè)的一個重要判斷。

京東擁有零售、物流、健康、工業(yè)品等廣泛實體業(yè)務，具有龐大而又復雜的產(chǎn)業(yè)生態(tài)，服務數(shù)十萬商家和超5.8億消費者，它的AI，是生長在供應鏈上的產(chǎn)業(yè)AI，它的目標，就是解決實際問題再泛化成通用能力賦能社會。

所以筆者猜測，京東的做法，就是聚焦AI的產(chǎn)業(yè)價值，先解決實際問題，接受正向或負向的反饋。

為什么要這么做呢，因為要用好產(chǎn)業(yè)大模型，都離不開三個具體的場景：

1.有足夠清晰的應用落點；

2.有足夠規(guī)模的預訓練數(shù)據(jù)集；

3.有足夠的垂直領(lǐng)域的人才；

也就是說，和通用AI的“算法、算力、數(shù)據(jù)”三要素略有不同，產(chǎn)業(yè)級落地講的是“數(shù)據(jù)、人才和場景”。

優(yōu)質(zhì)的大模型，需要的不僅僅是數(shù)據(jù)，而是精煉的、高質(zhì)量的、蘊含行業(yè)know-how的優(yōu)質(zhì)產(chǎn)業(yè)數(shù)據(jù)。

對于京東來說，場景和人才都不缺乏，在產(chǎn)業(yè)級數(shù)據(jù)層面更有顯著優(yōu)勢。

作為一個高度數(shù)據(jù)化、超大規(guī)模的新型實體企業(yè)，京東的數(shù)字化程度很高，并且其在供應鏈的全環(huán)節(jié)，例如倉儲、配送、營銷、服務等，都積累了高質(zhì)量的數(shù)據(jù)。

所以，筆者認為，京東的選擇是最務實的，也是最適配自身優(yōu)勢的。它的做法，會是類似于言犀團隊攻克客服場景一樣的做法 ——?通過通用數(shù)據(jù)給大模型帶來了基本常識，推理、涌現(xiàn)、表達能力，加上京東自身的專業(yè)性數(shù)據(jù)的引入，在京東內(nèi)外部真實場景中應用起來，并解決工程上的重要難點，形成數(shù)據(jù)與應用的飛輪，不斷優(yōu)化大模型的性能。并極度降低行業(yè)使用門檻，應用時只需少量的場景數(shù)據(jù)微調(diào)，就可以達成很好的結(jié)果，這也是京東這類擁有場景企業(yè)的優(yōu)勢。

而后，不斷的重復這個過程，把諸多產(chǎn)業(yè)問題逐一解決。在這個過程中，有一些數(shù)據(jù)可以復用，有大量的方法可以復用，這就形成了一個自增強的有效閉環(huán)，最終形成具有京東特色、能夠解決供應鏈各領(lǐng)域問題、覆蓋多個行業(yè)場景的大模型。

這便是京東從已有通用大模型通往產(chǎn)業(yè)大模型的路徑。而且一出手，就自帶針對各行業(yè)、領(lǐng)域的解決方案，能夠迅速落地。

簡單說就是，從上往下做，好看、好聽，但容易找不到抓手、腳步虛�。粡南峦�上做，顯得沒那么酷，但每一步都是走上坡路，步步踏實，最后才能攀登到一個很高的高度。

京東的產(chǎn)業(yè)大模型，就在不遠的前方，讓我們共同期待。

       原文標題 : 京東產(chǎn)業(yè)大模型的幾點猜想