【亿邦原创】9月11日，2025电子商务大会——产业电商专场在北京首钢国际会展中心盛大开幕。京东工业太璞解决方案部总经理刘衍作作为嘉宾出席活动并发表《AI时代工业大模型重塑供应链数智效能新范式》分享。
刘衍作表示，京东工业大模型是大模型产业化、行业化在工业供应链领域的实际落地探索与实践，基于京东大模型在电商零售、物流供应链等领域的成功基础，将工业供应链各个细分行业数据融入模型训练，让大模型在具有强大通识能力的基础上兼具工业品类专家的能力。
他以汽车制造和能源行业的数据合作为例，京东工业大模型整合京东平台交易数据和行业头部企业合作伙伴的需求侧场景多模态数据，可以从根本上突破数据标准语言不统一、供应链协同效率低下等长期存在的行业痛点。例如工业大模型相比传统人工进行商品数据同品识别，效率方面百倍千倍提升的同时，同品数据匹配准确率也可提升至99%以上，这种改变正在引发京东工业内部乃至整个行业的效能范式和组织变革。
刘衍作表示，在AI时代，行业应开放数据共建工业大模型生态，京东工业倡导生态合作共赢，行业共创工业大模型能力，抓住时代赋予的又一个效率飞升跃进的变革机会，实现多赢格局。
（温馨提示：本文为速记初审稿，在不影响原意的基础上，由亿邦动力编辑整理。）
以下为演讲实录：
各位领导、各位同仁，今天非常荣幸能够与大家分享。此前已经分享了很多关于行业标准化的问题以及行业如何利用AI解决问题；我今天的分享也是类似主题，不同之处在于聚焦京东工业这一场景的思考，具体阐述为何要开发工业大模型，以及工业大模型与普通大模型的区别。
首先，众所周知，京东在消费领域有京东零售、京东健康等平台；而对于企业客户涉及的工业制造场景，则是京东工业专属服务的板块。整体背景已无需赘述，实际上AI革命已经到来；京东在AI领域布局多年，但实质性突破发生于前几年生成式AI技术兴起及Transformer架构转型后，京东自身的底层大模型实现了质的飞跃。2024年京东创始人刘强东刘总作出重要部署，要求我们将大模型技术深耕于产业领域；尤其国家政策正规划培育通用大模型，并推动行业及产业大模型的构建，这体现了国家在该领域的战略重视。
接下来，我将分享京东工业如何思考为何要开发工业大模型及其与通用大模型的区别。回归工业供应链领域长期存在的痛点——数十年来，甚至欧美市场上百年的供应链历程中——数据孤岛和标准割裂始终是核心挑战。
例如标准化中心的专家提到，国家层面已建设多种标准化工作，各大平台也持续投入；我认为最大困难在于B2B与B2C领域截然不同。我国建国初期缺乏统一语言标准，因此先建设普通话体系并推广，几代人努力后整体水平较好；但在工业领域推行标准则极其困难。
由于普通话词汇量巨大且深入到每个工业细分行业、具体工厂产线，物资物料的专业术语越深，工业标准所需的词汇量远远不足普通话范围；即便在有限词汇基础上，向每个行业及企业推广标准时——例如大型央企国企集团试图将其企业标准推广到数百甚至上千家单位（每家单位包含生产、计划、仓库、采购等各类部门），同样推广普通话难度非常大，管理复杂性问题突出，这构成长期根本难题。
然而，大模型为解决这一难题提供了转变机遇。我们为何要深入工业大模型领域？例如京东健康开发了专属健康大模型。当家人健康出现问题时，人们往往优先咨询身边人、搜索百度分析类似症状、判断处理方式及反馈机制；通用通识技术虽可分析，但京东健康整合了专属医疗数据——与权威医疗机构、医学院研究机构等合作。
一个优秀大模型不仅需具备强大分析能力、通识能力、逻辑推理能力和自然语言处理能力，还必须深刻理解医学领域复杂知识，本质上需成为医学专家并拥有通用大模型的语言处理、问题分析和逻辑推理能力，方能形成有效的健康大模型。京东健康每年投入大量资金、算力、算法及数据，尤其是健康数据，才使得其大模型能力显著提升，市场反馈积极，资本市场也高度认可。
该领域实践与探索使京东意识到，在AI大模型应用上，必须于细分专业领域使用更专业数据和专属团队进行训练，才能实现质的飞跃。因此刘总去年正式下达工业拓展任务：初始阶段每年专注两个行业，后续逐步加速；我们对每个行业测算投资规模，包括算力、算法训练团队及数据共建成本，预计逐个推进。通过工业大模型数据层，借助专属大模型，让行业品类专家深入理解每个工厂、每段工艺操作；只有大模型成为品类专家，才能提供更专业、高效、准确的建议，此即工业大模型开发思路。
我们认为大模型发展分为三阶段：第一阶段是通用模型。京东物业快速应用京东底层大模型技术，替代大量普通员工工作，如客户需求收集、客服服务、履约运营、商品上架审核等；其准确率甚至更高，这依赖于通用大模型基础。
第二阶段开发垂直行业大模型。我们与企业合作数据治理工作，数据治理团队与客户管理团队共同评估物料时，通过人眼识别某些物料相似性，尽管描述差异，但基于通识能力推测大概率一致。例如京东大模型在物料识别中匹配率高于人工，但部分大模型推荐90%或80%匹配率，因通用大模型仅基于通用数据和场景理解，缺乏品类专业知识，故结论为80%匹配。合作企业车间工人或技术专家观察后可能发现二者迥异，例如符号中差一数字则差之千里；通用大模型辨识80%匹配，品类专家则判定为不同。
第三阶段为未来展望：整合更多产业积累的商品文本与图像信息，例如煤矿数据、汽车制造车间产线互联网或视频数据，使大模型深入理解海量生产物料数据，成为无可比拟的品类专家；它可自发生成数据并反馈大模型。
基于以上分析，当大模型兼具强大理解能力、逻辑分析处理能力、任务执行能力及品类专家知识后，即可替代员工甚至整个部门运行，变革组织结构并延伸上下游生态。
京东工业为何选择此方向？京东刘总有重要指示：借鉴京东健康在专属领域数据训练经验，现在布局京东工业推进工业数据大模型建设。京东工业凭借京东零售物流供应链理解和京东科技二十年技术发展，以京东大模型为基础，我们已处于良好起点，与行业头部客户共同深耕数据沉淀，逐步逐个训练大模型。
今年我们优先在汽车制造和能源行业推进。一方面基于京东工业品交易、需求、订单、履约、售后等数据；另一方面与企业合作分析应用场景数据，例如汽车制造领域：京东工业自身服务整车厂采购交易数据外，京东集团优势在于京东汽车板块，该板块与汽车后市场配件更换及车企合作；我们联合京东汽车与头部或新兴造车势力合作，整合其生产车间实际数据如标准作业手册、维修或巡检作业所用工业品；联合训练后获得立体化深层次工业场景数据，大模型得以深刻理解工业品流转，几乎是宏观视角洞察整体业态运作，准确率指标显著高于通用大模型；汽车领域数据已验证此效果。
伴随大模型持续拓展，应用场景如商品审核、质量治理、采购需求匹配、订单履约、售后服务等落地难度已相对较低，基本每月可快速构建不同场景的智能体系统。
整体框架是京东工业核心理念，与行业同仁类似；基于通用京东大模型，例如去年双十一期间备受关注的刘强东数字人，该模型训练于京东零售底层大模型之上。我们在此基础上开发京东工业大模型，逐个行业推进，每个行业投资千万级以上。除训练供给侧交易端数据外，还结合合作头部企业需求侧，不限于采购部门收集的需求，而是溯源至具体需求场景，如震坤行领导分享的工人螺栓工具需求；作业指导手册或维修工单数据均联合训练，构成整体框架思路。
京东应用中大模型第一受益者是自身，日常处理大量客户需求，90%以上智能匹配；训练工业大模型后匹配率及置信度明显提升，高达99%以上，未使用工业大模型时，置信度问题需人工抽查核验；如非品类专家辨识，疑似匹配数据量庞大，匹配率及置信度可能仅为90%。
此外，随着许多企业出海，京东工业伴随制造企业开展国际业务，大量国内采购物料运至海外工厂涉及出关、报关、清关流程；大模型匹配海关商品分类可大幅替代关务人工工作，使组织变革：原国际团队人力集中于报关服务，现转向供应链开发、整合优化；事务性工作交由大模型处理。
我们持续将积累能力总结或构建为标准接口平台与企业合作；例如京东工业今年推出新产品，整合京东大模型能力及内部需求匹配、商品清查治理、上架审核等应用，标准化方案可供企业采购对接。AI新时代必将带来生产效率质的飞跃，我们号召大家共同合作共创；机遇远大于竞争，倡导更多行业企业，无论当前合作与否，都基于工业大模型前景开放数据、共建生态，推动整体行业及模型构建的互助交流。
感谢大家。
关于本次会议：
电子商务大会自2011年以来已连续举办十五届，产业电商专场以“产供链协同创新”为主题，汇聚政府部门、行业协会、头部企业及研究机构代表，围绕产业电商领域产供链数字化升级、AI技术应用、跨行业协同等核心议题展开深度研讨，为推动产业端产供链效率提升、价值重构提供关键交流平台与实践指引。
文章来源：亿邦动力
