2022/09/01 16:45

我们需要什么样的产业AI?

正因为京东以供应链角度去管理业务，才会结出京东云这样的果。和其他的云不同，京东的产业 AI 能力是围绕着 “十节甘蔗” 形成长的数据链，在数智供应链场景中长出来的能力。

京东的差异化能力积累就是供应链能力。自己就是这么成长起来的，产业禀赋在，那就发挥长处，而企业正好也需要这个，此时出手，正是时候。

京东云也不是野蛮生长，而是找到了内生逻辑——与竞对不是零一的博弈，而是创造增量和需求，匹配需求，获得高速增长。

“你好，你的快递到了。”接到京东快递的电话时，我正站在武汉某 CBD 的街道上，对面高楼悬挂着 “亚洲飞人” 苏炳添的巨幅代言。

四天时间，朋友在内蒙古阿拉善左旗腾格里沙漠边的良田里摘下的蜜瓜就毫发无损地抵达江汉平原省会城市，我想，这算得上苏炳添速度吧。

人们往往习惯将 AI 应用等同于下棋、聊天或者人脸识别，却忽略了最重要的图景——小至快消品、3C 电子、服装，大至汽车、高铁、飞机制造…… 只要有生产，有流转，有消费，就有供应链。将 AI 整合进供应链，其经济影响将超过 AI 技术的任何其他应用，影响到的企业也更多。麦肯锡曾估计，企业在供应链和制造环节中运用 AI 所创造的经济将在每年 1.3 万亿到 2 万亿美元之间。

就拿这箱蜜瓜的物流环节来说。中国目前全社会物流总费用 GDP 占比约为 14.7%，美国的数字大约为 8%。可以预见，我囯物流成本 GDP 占比还会继续下降，即使只降 1 个百分点，其市场规模都蔚为可观。

“只有将人工智能大规模、系统性地融入产业链的全流程，打造产业 AI，才能形成更领先的产业竞争力，京东的实践表明，围绕着供应链全流程来推动人工智能的应用，是更高效的方法。”京东集团高级副总裁、京东集团技术委员会主席曹鹏在 2022 年世界人工智能大会上发言时表示。

京东集团高级副总裁、技术委员会主席曹鹏

人工智能等高新技术的发展，使供应链已逐步实现自动化运转，并不断降本增效、提升体验。难怪京东将自己归结为一家以供应链为基础的技术与服务企业，其产业服务的巨大想象力空间正迅速打开。

一、全景敞视：什么是真正的产业 AI？

在京东物流亚洲一号智能产业园地狼仓内，智能化设备正有条不紊地拣货、复核、打包，再通过传送带进入转运中心和终端站点。分布在全国超 25 个城市的 400 余辆智能快递车犹如供应链神经末梢，争相接力将商品送到千家万户。

仓库里，从商品入库、存储、包装到分拣等流程都实现了自动化和信息化的融合。在机器学习算法帮助下，拣货员与机器人 “地狼” 分工明确、配合默契，“人机 CP”的模式有效提升拣货效率达 3 倍以上。一些应用成熟的机器人，比如自动打包机订单处理速度，是传统仓库的 5 倍以上。

类似情景每天都在京东 “亚洲一号” 大型智能物流园区和约 1400 个仓库里上演着。这样的实力，也让传统企业望尘莫及。一般而言，企业一旦做到 20 亿元的规模，物流服务就会遇到瓶颈。

位于辽宁大连的瓦轴集团拥有 2 万多种轴承，产品规格、重量、精度级别各异，给仓储管理，干线运输和最后一公里配送提出很大挑战。加之多渠道并存、购买需求多元化，传统仓配体系雪上加霜。

在京东云大数据分析能力支持下，通过全渠道库存共享，集团全国 27 个仓库被整合升级为 14 个仓库，产线仓接近生产基地，平台仓接近销售地，实现轴承批量中转和运输，仓储配送过程中路径也得到优化，大大缩短了运输距离。仓内作业流程在智能仓储管理系统 WMS5.0 帮助下得以优化，不仅降低了物流成本，市场响应也更为敏捷。

当然，供应链能力不止于物流能力。先进技术给供应链带来的翻天覆地变化，一个很重要的体现是可预测性。长期以来，企业根据历史销售数据做出需求预测，然后计划开展制造和分销。这种过时的方式跟不上今天的按需经济。企业正在使用人工智能来评估一切，实时微调供应链。

例如，通过深度学习算法进行需求预测和补货。“在零售场景，我们超 85% 的采购是由机器自动完成的。”曹鹏在大会上介绍道，京东库存周转降至 31.2 天，全球领先。

京东的产业 AI 已经帮助不少企业实现供应链的可见性，做出更好决策。特别是那些利润率本来就不高的传统企业，他们希望通过更好的预测来改善库存管理和需求预估，释放现金和存储空间。

过去，美的冰箱从入仓到送达消费者手中大约需要 30 天到 45 天。通过预测模型进行需求预测生产和补货，周转周期降到 28 天，也大大改善滞销情况和仓位错配问题。

在定制化销售预测和智能补货体系支持下，雀巢在京东平台的 “订单满足率” 从 60% 提高到 87%，平台 “产品有货率” 从 73% 提高到 95%。仅现货率一项指标的提升，就为雀巢每年提升几千万线上销售额。

值得注意的是，营销、交易、仓储、配送、售后只是产业价值链条的后五节，如今的京东云正深入触达产业链的前五节——创意、设计、研发、制造、定价，淬炼全链路能力。从研发、采购、制造、仓储、物流以及销售和服务，整个供应链的每个环节都有切实可用的产品和服务给到客户和用户，以京东的方式来拉通需求侧和供给侧。

C2M 智造平台就是一个典型例子。例如，基于京东云提供大数据及 AI 算法能力，通过对消费者喜好分析及在线化精准客户调研，得益乳业打造了燕麦原味等四种新口味产品，一经推出就在市场上引起广泛好评，新品研发速度也提升了 10%；“电竞带鱼屏”是另一个京东 C2M 反向定制模式的范本。带鱼屏是指长宽比例大约在 21:9 的液晶显示器，是目前游戏发烧友们争相购买的“神器”。

目前，京东 C2M 智造平台已与数千个品牌达成合作，帮助他们节省了 75% 的产品需求调研时间，新品上市周期也比以往缩短了 67%；京东自有品牌也合作了全国 70% 的产业带，为中小工厂赋能，推动从工厂到产业的转型升级和降本增效。

曹鹏认为，AI 深入产业至今，在生活服务领域和一些简单的产业场景已经有大规模落地，但产业实践仍然处在很浅层。下一阶段，AI 技术应用要发展到零售、制造、金融等领域的大规模应用，需要解决供应链问题。“只有将人工智能大规模、系统性地融入产业链的全流程，打造产业 AI，才能形成更领先的产业竞争力。”他在大会上讲到。

二、算法的信仰

经济学上，更低成本与更多控制是一对核心权衡。这种取舍会受到不确定的调整。也就是说，随着不确定性的增加，控制（例如预测技术）带来的回报也会升高。

这或许解释了为什么在国内疫情多地散发、消费恢复缺乏动能的今年二季度，京东依然交出一份不错成绩单 —— 围绕着供应链全流程来推动人工智能的应用，是推动产业 AI 更高效的方法。

从 2017 年喊出 “技术转型” 以来，京东就在人工智能、云计算、区块链、物联网、大数据方面就开始了技术深耕。通过给物流物理基础设施装上 “大脑” 和神经系统，“压榨”每一个环节的成本、时间和精度。

用货车或者面包车送 25 个包裹，看似简单，实际上极为复杂。据说，可选择路线大概为 10 的 24 次方条；想要最快地将一箱矿泉水送到客户手上？从配送到哪里、运输网络的忙闲程度到仓库货量是否充足等，经过多重因子混合计算，一条最佳配送路径才得以最快速度规划出来。

曹鹏在大会上介绍，近 5 年，京东累计技术投入近 900 亿，截止 2021 年，京东累计申请专利超 2 万件，技术转型成效显著。数据显示，目前，京东云员工中有 60% 以上均为技术和产品人才，其中 4 位科学家入选了 IEEE Fellow。除了学界大牛，有超过 40 名全球顶级科学家，累计申请专利已经超过 4635 个，在国际 AI 顶级会议共发表近 500 篇论文，获得了 25 项国家 AI 竞赛冠军。

以 C2M 智造平台为例。它之所以能将新品上市周期缩短 80%，新品也极具性价比，离不开作为底层的神经网络设计。京东的研究人员尝试将洞察体系设计为两组神经网络，一组是价值神经网络，洞察海量评论中触发用户情绪的点（比如颜色难看、退换具体原因等）；另一组是策略神经网络，模拟产品可能迭代的产品特性和参数，进而形成决策。

通过让两组神经网络互相攻防，不断迭代优化冰箱数百个产品的性能设计，同时实时获取用户最可能的反馈，针对目标消费者迭代产品的参数。当这两个神经网络开始平衡的时候，就找到了最佳平衡点，作为生产、排产、决策优化的基础。

作为“数智供应链最后一环”，京东智能客服可以自动化应答 90% 的服务咨询，也是行业首个实现全流程协同处理的智能客服系统。背后离不开京东云 AI 团队在视觉与语言、多模态内容交互领域完成的多项前沿创新。例如，预训练模型 K-PLUG、长文本阅读 Read-over-Read 模型、数值推理 OPERA 模型、时序知识图谱 TSQA 模型等。

其中，基于领域预训练 K-PLUG 的商品文案生成模型已经覆盖了京东的 3000 多个三级品类，人工审核通过率 95% 以上，媲美优秀的人类写手，目前共生成文案 30 亿字，已应用于京东发现好货频道、搭配购、AI 直播带货等，累计带来超过 3 亿元 GMV。

再比如，对话式 AI 中常见的口语不流利、话语权决策、鲁棒性等技术挑战也在 “言犀” 平台得到解决。例如，言犀采用序列标注模型对句子中的每个字进行分类，从而识别句子中需要删除的冗余成分，达到口语顺滑的目的。

如今，在零售场景，超 85% 的采购是由机器自动完成的，平均现货率 95% ，并将库存维持在满足客户需求下的最低存货量。背后离不运筹优化、深度学习等技术。对此，美国加州大学伯克利分校教授、清华大学工业工程系主任申作军曾这样评价：

“京东通过精准销量预测和智能补货算法，最大程度地降低商品在物流体系中的仓储成本。同时，利用大数据挖掘和人工智能算法，实现最优商品存货布局，降低订单拆单率，减少物流过程中的物料浪费，提高运输和投递效率。履约优化算法和与线下店的共享库存，则以减少商品运输距离为目标。通过各算法及系统的联合作用，京东正在为降低社会物流成本发挥重要作用。”

三、向实而生

站在常州市钟楼区 “超级虚拟工厂” 的展示中心，你总会觉得自己像是一名总司令——一块数平方米的大屏上，实时展示着常州市数百家制造业企业的生产情况，可以依据每家工厂的产能情况实时做出调度。

这是一个 “5G+AI 工业制造云平台”，一边勾连着部分制造业企业产闲置产能，一边洞察着千变万化的市场消费。京东云依托领先人工智能技术，以“智能终端 + 弹性算力” 模式，为常州区域实现供需对接，将闲置产能及算力有效利用。

目前，京东的工业互联网平台已成功接入常州区域内 600 余家工厂的 4 万多台设备，并成功消化 3 亿多元的剩余产能。

多年后回头看，15 年前，当京东创始人刘强东决定自建物流时，却少有人支持，投资人担心重资产的基础设施建设会拖垮京东。2014 年，京东第一个 “亚洲一号” 园区落成，开始构建完整的物流体系；2016 年京东成立智能供应链 Y 业务部；2017 年，京东全面向技术转型，喊出 “技术！技术！技术！”，直指极致调度能力。

其中，第一个技术，用于解决内部大规模人力带来的效率问题；第二个技术，是组件化、模块化的技术服务对外输出；第三个技术，则是对前沿技术进行探索和有秩序地创新。

“大概两三年之后，我们会进入第三条增长曲线，主要是以技术拉动和供应链服务作为核心的增长推动点。”2018 年 6 月的一次采访中，京东创始人刘强东曾说。也是在这一年，智能供应链业务完成库存管理和采购自动化的里程碑，并开启周转优化目标。

随着京东在 AI 落地经验上的不断深化，大家的共识逐渐清晰：从应用之初单一环节降本提效，到单一环节优化赋能，再演进到流程智能化赋能，最终用技术重构上下游、优化产业生态，应用在零售、金融、交通、能源等千行百业中。

到了 2020 年，刘强东当年的那句话演变成京东集团战略定位。京东云也成为京东集团对外输出技术与服务的统一品牌——“做那朵最懂产业的、最开放的云。”

事实上，正因为京东以供应链角度去管理业务，才会结出京东云这样的果。和其他大厂的云不同，京东的产业 AI 能力是围绕着 “十节甘蔗” 形成长的数据链，在数智供应链场景中长出来的能力。

“AI 能够与京东业务深度融合，是因为京东的产业 AI 能力源于供应链，也服务供应链。”曹鹏在大会上总结道。京东一端连着消费互联网，一端连着产业互联网，覆盖超 5.8 亿消费者、千万级自营商品 SKU、数十万品牌商和制造企业、全国各大产业带。这种复杂的业务场景及贯穿供应链全流程的特点，成为产业 AI 落地的基础。

另外，产业 AI 在京东深度融合，除了业务特点，也得益于数字原生的理念很早就在京东实践。曹鹏提醒到，京东复杂业务场景，让他们很早就开始实践积木化的 IT 架构。其中，混合多云数字基础设施，跨集团层面的数智中台和业务中台，敏捷支持了 AI 在更复杂场景的应用。这种架构也提升了 AI 落地的效率，能够快速产生业务价值，同时围绕数智供应链，AI 实现了更深度的数实融合。

京东的差异化能力积累就是供应链能力。自己就是这么成长起来的，产业禀赋在，那就发挥长处，而企业正好也需要这个，此时出手，正是时候。

京东云也不是野蛮生长，而是找到了内生逻辑——与竞对不是零一的博弈，而是创造增量和需求，匹配需求，获得高速增长。

四、长期主义

人工智能技术等先进技术、数字化给供应链变革带来新的想象力，其影响之巨好比蒸汽和电力对制造业的影响。未来的竞争不是个体或组织之间的竞争，而是供应链与供应链之间的争分夺秒。在很多人看来，从三天、次日、两小时到 30 分钟、15 分钟，似乎只有分秒必争才能跑赢对手。

京东近 20 年的坚持却展示出一种追求极致的长期主义。“我们在供应链的投入以及我们的理解以及我们的业务模式，是非常坚定的，我们有自己的对供应链的理解和自己的发展的方向，我们也不会追随于任何一个竞争对手或者同行。”京东 CEO 徐雷曾说。

京东的这套数字化转型方法论是自身 19 年转型实践的沉淀，也浸润了扎实的技术底色。无论如何，在为传统企业供给侧改革提供方法论这件事情上，持续做十年、二十年甚至更长时间，才能做好。

产业京东云

相关技术

知识图谱

区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。中本聪在2008年，于《比特币白皮书》中提出“区块链”概念，并在2009年创立了比特币社会网络，开发出第一个区块，即“创世区块”。

来源：维基百科

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

数据分析技术

数据分析是一类统计方法，其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系，并绘制出统计信息图，以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据，以便弄清哪些是同质的，从而更好地了解数据。数据分析可以处理大量数据，并确定这些数据最有用的部分。

来源：维基百科

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源，如线程、进程或数据流；也可以指硬件资源，如处理器、网络连接或扩展卡。进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态，允许多位用户有效地同时共享系统资源，或达到指定的服务质量。 see planning for more details

来源：维基百科

重构技术

代码重构（英语：Code refactoring）指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。软件重构需要借助工具完成，重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中，重构需要单元测试来支持。

来源：维基百科

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

参数技术

在数学和统计学裡，参数（英语：parameter）是使用通用变量来建立函数和变量之间关系（当这种关系很难用方程来阐述时）的一个数量。

来源：维基百科

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。

来源：维基百科

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。

来源：机器之心

运筹优化技术

最优化问题（英语：Optimization problem）在数学与计算机科学领域中，是从所有可行解中寻找最优良的解的问题。根据变数是连续的或离散的，最佳化问题可分为两类：连续最佳化问题与组合优化。

来源：Wikipedia

知识图谱技术

知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。

来源：机器之心

神经网络技术

（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。

来源：机器之心

数据挖掘技术

数据挖掘（英语：data mining）是一个跨学科的计算机科学分支它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。数据挖掘过程的总体目标是从一个数据集中提取信息，并将其转换成可理解的结构，以进一步使用。

来源：维基百科

云计算技术

云计算（英语：cloud computing），是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

来源：Cloud Computing

逻辑技术

人工智能领域用逻辑来理解智能推理问题；它可以提供用于分析编程语言的技术，也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑（Propositional Logic ）以及一阶逻辑（FOL）等谓词逻辑。

来源：机器之心

生成模型技术

在概率统计理论中, 生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联合概率分布。在机器学习中，生成模型可以用来直接对数据建模（例如根据某个变量的概率密度函数进行数据采样），也可以用来建立变量间的条件概率分布。

来源：维基百科

京东机构

京东（股票代码：JD），中国自营式电商企业，创始人刘强东担任京东集团董事局主席兼首席执行官。旗下设有京东零售、京东物流、京东科技子集团、印尼&泰国海外合资跨境电商等核心业务。2013年正式获得虚拟运营商牌照。2014年5月在美国纳斯达克证券交易所正式挂牌上市。 2016年6月与沃尔玛达成深度战略合作。

https://www.jd.com