大模型需要实干派

国内大模型战事，一度被诸多疑云所笼罩。而随着京东、腾讯接连入座，这场复杂的牌局正变得明晰起来。

百度与阿里，作为国内最早一批大模型玩家，在“先声夺人”的同时亦争得了早期的流量。相比之下，腾讯、京东虽起步稍晚，但其更能深入审视大模型赛道，以加深对行业的理解。

正因如此，一些发布大模型相对较晚的大厂并未盲从大众，投入通用大模型的大潮。例如此前华为大模型提到实用性，而京东凭借着自身在产业、供应链等方面积累的深厚积累，选择了一条更有远见且更具针对性的路径，并在2023京东全球科技探索者大会暨京东云峰会（JDD大会），推出面向产业的京东言犀大模型。

在通用大模型混战的当下，京东推出的言犀大模型和其产业价值创造路径，既是建立大模型商业秩序的绝佳尝试，亦为整个行业带来全新的思考和方向。在大模型的商业化滞水里，距离落地更近的产业大模型，极可能在未来的大模型竞逐中一路领跑，成为一股不可忽视的新生力量。

每一轮科技演替的浪潮，往往也裹挟着大量的泥沙。

从早年的芯片、机器人，再到AI，每一波浪潮里，总有一些别有用心的玩家混迹于其中，将科技与营销混淆在一起，使原本清澈的赛道愈发浑浊。现阶段的国内大模型赛道，亦是如此。

赛道的一侧，玩家们苦苦摸索着大模型的技术脉络，并试图找寻落地方向；而在另一侧，纵使是和科技领域八竿子打不着一块的公司，也在纷纷下场，训练出所谓的“大模型”产品——不得不承认，当下“万物皆可大模型”的局面，颇有两年前“万物皆可元宇宙”的意味。

显然，当所谓的“大模型”变成一个代名词，服务于自身“讲故事”的诉求，而非创造实际价值，那大概率只能奔赴元宇宙的宿命。而这，对那些老实钻研技术的玩家们而言，同样成立。毕竟技术本身很难直接创造价值——大模型的终点，并非训练出通用大模型本身，而是让技术产生价值，进而实现成熟的商业化落地。

因此，追风蹭热者们看似滑稽的操作，其实给大模型赛道敲响了一记警钟。毕竟点燃AIGC的ChatGPT，潜移默化地影响着玩家们的大模型观，使一众玩家纷纷奔赴通用大模型，推出多款ChatGPT的“变种”。

客观地说，通用大模型有其价值所在，但在竞争维度愈发剧烈的当下，通用大模型并非坦途：

一方面，玩家们纷纷涌向单一领域，极有可能陷入“重复制造轮子”的境遇，想要从充斥着国内外科技巨头的战场中突围，难度可想而知。

另一方面，通用大模型是典型的消费与付费分离的产物，稍有不慎便会沦为“玩具”。

举一个简单的例子，广泛的C端用户或许会向其咨询问题乃至探讨宇宙和天空，但绝大部分普通用户其实并没有生产力诉求，在短期密集体验后，对新兴科技的新鲜感便会迅速丧失，未必有长期使用的动力。

基于此，纵使当下的通用大模型能在一定程度上提升内容创作效率，除了部分内容行业与组织内部降本增效以外，其尚未跑出成熟、可复制的商业模式。可以预见，随着通用大模型赛道日益拥挤，玩家们势必将在商业化延展层面面临诸多考验。

归根结底，“奇点”已至的当下，大模型不仅是科技演替的里程碑，更是塑造未来的关键驱动力。因循该逻辑，现阶段大模型战事绝非一场短程竞速，而是一项系统性工程。玩家们若想穿越周期、熬到终点，不能只靠技术层面的单点突破，而是需要同步思考技术方向、场景应用、商业模式等诸多维度。

从1997年，“深蓝”战胜象棋大师加里·卡斯帕罗夫，到“阿尔法狗”杀入围棋圈，再到视觉系AI与自动驾驶，AI过往经历了多轮振奋人心的演化，每一轮仿佛都站在应用爆发的边缘，可满枝的花骨朵，却又迟迟未能开出繁花。

这背后的主因在于，技术尚未在产业端形成深厚的应用，毕竟科技进步的终点，不是在困在实验室里，而是落地下潜，走向“现实世界”。

因循该逻辑，审视现如今的通用大模型赛道，距离在真实商业场景落地生根并创造出实际价值，仍有着不少距离。

京东集团CEO许冉在JDD大会现场表示，大模型本身是实现产业价值的工具，而不是目的，大模型真正实现自己的价值，一定是在产业应用中。

换言之，大模型不是目的，应用才是目的。

当下的大模型厂商，往往会将模型参数视为大模型好坏的检验标准。殊不知，在商业落地层面，巨大的参数亦对应着高企的成本，亦存在着相应时间长、并发性差等问题。

一个简单的例子，部分“参数怪兽”，每回答一个问题就要耗费两三毛钱，还需等待5-10秒，就算回答得再精准，也很难实现大规模的商业化落地。此外，目前通用大模型85%左右的准确率，对于普通用户而言或许已经足够，但在严肃的商业场景下，此番误差很有可能对业务产生难以忽视的影响。

针对应用问题，京东多条业务线技术负责人都提到，人们会因为GPT一个编造的回答付之一笑，可一旦落实到实际应用过程中，任何偏差都导致巨大损失。

京东探索研究院院长、京东科技智能服务和产品部总裁何晓冬博士曾亲身经历过一件事情，颇有代表性。“一个大模型回答143开平方，给出的答案是11.5（实际上约等于11.96），如果在实际应用场景中，这个答案将会带来巨大损失。”

在技术领域，模型参数、精度固然重要，但在商业世界中，大模型本身好用且稳定才是关键。而在此方面，同细分产业紧密关联的产业大模型，无疑存在着天然的优势。

只是，研发产业大模型绝非易事。众所周知，训练数据是大模型学习的基础，亦决定了大模型的泛化能力与应用场景。因此，除了技术层面的突破，源于产业的一手场景、数据，对研发产业大模型而言同样重要。

以京东为例，其之所以会推出面向产业的言犀大模型，很大程度上便源于其浓厚的产业基因。毕竟在一众国内大厂中，链接着消费市场与供应链两端的京东，同产业的绑定甚强，亦具备大量优质数据。

据悉，言犀大模型训练时，便融合70%的通用数据与30%数智供应链原生数据。可见，京东并不纯粹强调参数，也非刻意讲述“故事”，而是将重点放在“调教”层面，旨在打造出同产业高度相融的大模型。

产业大模型，或将成为大模型赛道迈向大规模商业化的重要一步，而逐渐参透该逻辑的玩家们，亦在渐渐上车。

近日，迟迟按兵不动的腾讯，发布了自己的行业大模型；高举通用大模型大旗的百度，亦端出覆盖交通、能源等领域的行业大模型。不难看出，随着巨头们纷纷加码，更贴近商业化的产业大模型，已然成为了“百模大战”的新战线。

无论是通用大模型，还是产业大模型，构筑出新的商业秩序始终绕不开“场景”。

换言之，对于落地而言，晦涩的技术名词、炫目的商业PPT均是空中楼阁，只有将大模型能力真正运用到场景中，并产生实际价值，才能打通良性循环。

而在各行各业AIGC需求井喷的当下，为大模型找到所谓的应用场景，本身并不算难。可若想找到适合大模型大规模落地，并跑通商业化路径的场景，则可能要经历大量的弯路。

因循该逻辑，已然端出大模型的玩家们，正在各种细分领域不断尝试，试图寻找属于自身的落脚点：

百度抓住一年一度的高考热点，推出AI志愿助手，活用大模型能力的同时，亦试图借此打入C端市场；阿里则以天猫精灵为锚点，探索大模型在消费电子领域的发展空间。

发力产业大模型的京东，则提出了“大模型的价值=算法×算力×数据×产业厚度的平方”的公式，而所谓的“产业厚度”，正是由一个个具体的场景堆砌而成。

无论路径如何，大模型玩家们抵达“应许之地”之前，势必将不断试错，乃至穿越“红海”。

面对大模型的落地难题，部分玩家选择扮演“卖水人”的角色，帮助企业构建属于自己的大模型。而打法一向务实的京东，则提出了“三步走”战略，即先搭建通用大模型，然后在内部探索场景与应用，而后逐步将能力对外开放——将自身作为试验田的同时，亦自我消化掉试错成本，以确保大模型产品能创造实际价值。

据悉，在京东内部，大模型不仅已经嵌入了数智营销、运营流程优化、客户服务等常见应用场景，更已延伸至零售、物流、金融、健康等诸多垂直场景。

以物流领域为例，面对这一门繁杂的系统工程，京东跑出了多条探索路径：历时5年打造的供应链产品京慧，除了丰富的AI预测、运筹优化等原生算法外，通过开放生态技术，不仅能很好的与异构系统的算法及数据互联互通，在大模型的加持下，在销量预测、库存、供应及补货计划方面更具表现力，同时由于AIGC的广泛应用，其交互式供应链控制塔能够帮助用户快速定位并解决供应链问题。

在基金理财场景，京东金融“智能选基”产品上线。传统的基金筛选，理解成本高，操作繁锁，直接影响交易成功率。借助大模型，京东在意图匹配、算法生成、意图识别、多轮对话等环节进行优化，使常见筛选问题准确率达90%，有效提升客户体验和交易效率。这一产品后续也将全面服务于金融机构。

由此可见，京东的“三步走”战略已初见成效，并已逐渐浸润到物流、金融等垂直行业的肌理之中。可以预见，随着战略逐渐铺开，京东亦将不断积累落地场景、高质量数据，从而转动起产业大模型商业落地的飞轮。

归根结底，看似复杂的大模型战事，终究要回归一个核心问题，即技术如何为实体产业带来实际价值。而现阶段，道路不同的玩家们，只能在这场漫长的马拉松，逐渐摸索、实践出问题的答案。