2015做啥网站致富,wordpress大前端d8主题免费下载,制作ppt模板的软件,泉州市建设工程交易网站在19世纪的一个雨声潺潺的夏日#xff0c;诗人拜伦与雪莱在瑞士的湖畔边闲聊#xff0c;他们聊到了一个大胆的想法#xff1a;如果能够把一个生物的各个部分制造出来#xff0c;再组装到一起#xff0c;赋予它生命的温暖#xff0c;那会怎样#xff1f;
这次对话激发了…
在19世纪的一个雨声潺潺的夏日诗人拜伦与雪莱在瑞士的湖畔边闲聊他们聊到了一个大胆的想法如果能够把一个生物的各个部分制造出来再组装到一起赋予它生命的温暖那会怎样
这次对话激发了雪莱夫人玛丽·雪莱的灵感她后来写下了著名的《弗兰肯斯坦》这部小说中的人造怪物成为了人类对于创造人工生命的一个古老而深刻的想象。
时间快进到今天人工智能技术的突飞猛进尤其是大型语言模型的出现如ChatGPT、Sora和Llama等让我们看到了将这种想象变为现实的可能性。这些模型不仅在文本和视频创作中带来了革命性的变化同时也带来了不少令人啼笑皆非的“胡言乱语”。
对于普通人来说AI的小差错可能只是茶余饭后的笑料。但在工业生产和关键业务场景中哪怕是一点点小失误都可能引发连锁反应造成严重的后果。
虽然我们可以通过购买硬件比如提升计算能力和图形处理单元来增强AI的性能但复杂的供应链管理和实际使用场景就没那么简单了。很多大模型并不具备产业供应链上的数据自然没有处理实际产业问题的能力。一旦走出实验室面对现实世界的复杂性就变得力不从心。
去年7月京东云发布了言犀大模型专门为产业端提供服务。要让这些大模型真正发挥作用不仅需要技术上的完善更需要在实际应用场景中不断打磨和优化。
这成为大模型落地实际产业的宝贵实践。在大模型价值落地越来越急迫的今天千行百业要用好大模型都能从这些案例中汲取到养分。 虚拟源于现实
技术变革已成为决定公司兴衰的关键因素随着人工智能大模型的兴起任何有远见的企业都无法忽视其带来的颠覆性影响。在国内“采销东哥”数字人直播带货、张一鸣熬夜读论文、李彦宏为内测产品睡在公司、王兴大手笔收购初创企业。互联网巨头们似乎很久没有像这样挤在同一个赛道竞争了。
不过随着大模型热潮的持续市场逐渐回归理性。人们开始更加关注技术的实际效果而非仅仅沉迷于技术背后的故事。尤其是在算力可以通过资金投入获得提升的当下大模型领域的参与者自然分化成两大阵营
部分企业致力于进一步提升基础模型的性能如Meta发布的Llama 3.1其最大参数可达405B。
而不少国内企业则更关注模型的实际应用比如京东宣布已经让超35万京东自有配送员、超23万商家、超5万副主任级别以上的医生、超2万采销运营、超1万研发人员用上了大模型驱动的应用。
对这35万名物流小哥来说他们关心的不是大模型的性能进步了几个小数点而是能为工作提升多少效率。能解答他们的工作疑问、缩短工作流程的应用才是最佳选择。
以物流行业为例社会物流成本一直居高不下提高货物周转效率成为降本增效的关键。过去快递员在揽件时需要手动输入包裹尺寸、报价等信息如果戴手套的话则需要频繁脱戴再加上手持设备屏幕较小这些因素都严重影响了工作效率。
京东将大模型集成到物流员工的手持设备中把传统的触摸操作变成语音交互模式。**大模型能够理解快递员的语音指令自动创建订单从而快速完成揽收任务。**在这里大模型所做的并非吟诗作画或者让你的照片跳“科目三”而是准确可靠地融入工作流程。
要做到这点需要大模型拥有丰富的物流行业知识诸如揽收、派送、站内、辅助、客户服务等环节是如何环环相扣的。在快递员揽件时大模型需要知道如何节省耗材、如何给包裹定价、哪些是违禁品不能邮寄。再妙口生花的大模型都不如一条准确的建议。
也正因此京东云在云峰会上提出“通用大模型靠算力堆出来产业大模型靠业务跑出来。”一个没有物流知识、没下过配送仓的大模型只靠参数和权重无法胜任这些工作。 京东云峰会现场
对企业而言实用性是衡量大模型好坏的核心标准。源自真实产业需求驱动的大模型最终还需在产业应用中验证其价值。企业应该以实用性为出发点选择或开发那些能够真正解决实际问题、提高工作效率的大模型而不是单纯追求大模型的规模或性能。 产业端是主战场
在大模型百花齐放的当下各家也纷纷找到了擅长的赛道。字节跳动的大模型擅长图像生成与视频制作百度的大模型精于搜索而京东的大模型则更贴近于各种真实的产业应用场景。
在国内大模型的主要玩家中京东可能是实体业务根基最为深厚的企业。京东的供应链体系涉及长链条、复杂的协同运作覆盖零售、物流、金融、健康等多个领域这为产业级大模型提供了丰富的训练数据并能将其成果反哺于产业。
这些数据源于京东服务的千万自营商品SKU、5000万工业品SKU、超800万家活跃企业客户、全国超2000个产业带的真实需求。分散在各个角落的企业、员工与合作伙伴每天都在产生大量的沟通协作、产品研发等需求。
伴随大模型基础设施的进步人们渐渐发现智能体比只用通用大模型能更敏捷灵活地满足人们的需求。企业内部的许多岗位积累了关于行业的宝贵Know-How。如果业务人员能够自己建立应用用于工作提效势必会把自己的行业和岗位知识提炼出来融入大模型。这样宝贵的行业知识也就被固化下来成为可复用的应用。
**京东正将构建大模型应用的能力赋予一线员工。**目前京东员工已自主开发了3300多个智能体、100多个行业解决方案模板涵盖办公、营销、知识问答等传统场景以及企业搜索、低代码平台、长视频学习助手等创新场景。
今年4月言犀智能体平台Autobots在京东内部上线。在过去一个人力资源部门的员工要制作内部培训课程视频因为涉及专业知识、需要反复沟通所以每周只能制作2个。但凭借智能体平台员工在2天内就能搭建起一个AI视频剪辑应用在几分钟内逐帧评估、智能剪辑制作完一个视频课程。 拥抱产业等于拥抱未来
每一次技术革命都深刻重塑着人类的生活方式。最早卖货可能要沿街叫卖地理限制了受众的范围。电商的出现使得商品来自天南海北缩短了卖家与顾客的距离。直播电商的出现则让原本冰冷的文字和图片变成面对面的沟通成为商家招徕顾客的有效方法。
但直播电商仍然有诸多限制即使背后有一整个选品、脚本、运营团队支持带货主播一天也只能直播4小时左右。在剩下的时间观众就只能看到空荡荡的直播间极大浪费了直播资源。遇到复杂的产品功能真人主播也无法短时间内摸索清楚在直播中往往含混带过、屡屡翻车。
而**大模型驱动的数字人主播就成为真人带货主播的有力补充。**在各大平台中京东可以说是数字人直播的先行者。今年4月16日刘强东的数字人分身“采销东哥”开启直播首秀不到一小时直播间观看人数超2000万整场直播累计成交额超5000万元标志着数字人直播实现了大规模商业化“撞线”。
在过去数字人往往只是简单的商品推销者通过文本驱动机械地介绍商品。而京东将特定的行业知识、品类内容、商品信息融合进算法模型中使得数字人主播在形象、声音、直播节奏等方面更加接近真实的个性化主播甚至在喊“3、2、1上链接”时也更自然。 实战结果显示在美容仪器、医疗器械等高价位、使用门槛较高的商品直播中这种具有“灵魂”的数字人主播能够更清晰地介绍产品其转化率甚至高于真人主播打破了人们对于数字人只能用于销售低价商品的认知。
此外美妆、服装等产品由于需要真人在现场试妆、试用来展示效果之前一直被认为是数字人直播的禁区。而京东云全新发布的言犀数字人3.0平台多模态交互的能力继续进化让双人直播、试妆直播、换装直播、实景直播、多语种直播等创新玩法成为可能。 言犀数字人3.0平台正式发布
尽管数字人主播的表现不如顶级真人主播或企业高管直播但对于众多品牌而言它们提供了更具性价比的直播解决方案表现超越了行业80%的主播。
在实操层面过去创建数字人主播需要高昂的成本和技术支持复杂的操作流程让许多新手望而却步。京东言犀数字人3.0平台简化了这一过程把创造数字人的难度降到了“自助”级别上线了100多个个性化角色50多个特色行业属性场景新手也可以自由搭配零配置即可覆盖90%的常见问询商品推荐应答准确率超过90%。 此外直播间的商品详情页也是大模型应用的重点区域。言犀AIGC营销工具“京点点”可以自动生产高质量的产品图片。
过去这项工作需要摄影师、设计师和运营人员共同完成两个设计师处理一个店铺20多个SKU已经是极限而现在通过京点点一键生成图片一名设计师可以同时管理六家店铺80%的产品图片由AI生成将单张图片的制作成本从200元降至约10元大大缩短了制作周期。
目前京点点AIGC营销生成的图片采纳率达到了65%生成的营销文案准确率超过95%帮助京东商城的20多万商家显著提高了经营效率。
除了电商零售和物流大模型的应用还扩展到了金融、医疗、文化旅游、政务服务和个人助理等领域。例如医疗领域的“京医千询”大模型可以支持病情收集、诊断建议、治疗方案制定和病情解释等功能帮助医生提高诊疗效率。目前京东健康皮肤医院基于该模型的AI辅助诊疗准确率超过95%。
在金融领域50%的客户服务场景已经由数字人处理服务用户超过500万24小时问题解决率达到85%客户满意度超过90%。
大模型的竞赛进入下半场从“卷参数”过渡到“卷应用”。最让外界关注的指标不再是大模型刷榜中小数点后多少位的进步而是在多少岗位提升了效率、创造出多少应用价值。从产业中来到产业中去这才是大模型的真正价值所在。
