ChatGPT发布以来,人工智能大模型的浪潮快速席卷全球,加速布局大模型应用成为各行各业的共识。尤其是在工业等实体产业中,如何更好地释放大模型的产业价值更是各界关注的焦点。京东集团此前就提出“大模型的价值=算法×算力×数据×产业厚度的平方”,其中“产业厚度”是大模型能否解决真实的产业痛点、为行业和社会创造价值的关键。
沿着从产业端切入大模型这一路径,近日,京东工业上线行业首个采购大模型,该大模型聚焦工业品选型环节,既可为采购人提供关于商品型号、参数、规格等专业问题的咨询服务,还能够通过自然语言交流对复杂需求进行精准分析、做出专业的商品推荐,最大程度提升采购效率。据了解,这也是工业品采购领域首个具有实用价值的大模型产品,率先落地了人工智能技术应用与工业产业深度融合的产业实践。
一直以来,在工业品采购过程中,选型常常是有丰富经验的“老师傅”才能胜任的工作。
一方面,工业品细分领域广、长尾商品多、规格型号复杂,SKU可达数亿级,同时工业生产的专业性又极强,工业品选型需要与设备、工况严格匹配,才能满足业务需求;另一方面,采购人收到的日常需求,常常只有基本的商品名和简单的功能描述,需要通过模糊需求快速精准定位目标商品。
要做到以上两点,需要采购人对工况、商品、设备等等都要有丰富的经验和深刻的理解,而这往往只有深浸行业十余年的“老师傅”才能做到。
京东工业采购大模型的出现,则用技术解决了这一问题。作为京东工业自主研发的专业选型大模型,其可以对复杂需求进行精准分析并给出专业的商品推荐。京东工采企业客户只需点击搜索栏右侧的“智能导购”,即可进入工采智能导购模块,通过多轮对话交互,采购人不仅可以用简单的描述快速定位选型结果,还能够基于参数需求进行进一步的规格筛选。
例如能源企业在布设油气管道、安装阀门时,采购人如果不知道该如何选择符合业务场景需求的商品,即可在京东工采“智能导购”对话框中输入所需的品类,如内螺纹球阀两片式,大模型即可反馈该类阀门的特点和典型使用场景,并提示选型时需要重点关注的参数,如尺寸规格、材质、压力等级、操作方式;待采购人按提示明确了具体参数范围,如Q11F-16、DN32等之后,大模型就会推荐符合需求的规格型号并同步相应的商品链接;如果采购人更信任知名品牌的产品质量,大模型还能进一步自动筛选,只推荐相应品牌的产品,帮助采购人快速决策。
对比传统的人工选型,工采智能导购大模型不仅能够大幅提升企业的选型效率和精准度,还能够摆脱对人员经验的依赖,用技术保障采购服务质量。
工采智能导购强大性能的背后,是京东工业在产业数据方面深厚的积累。
此前有业内人士表示:“大模型时代,得数据者得天下。”究其原因,数据是大模型训练的基石和燃料,如果没有数据,大模型的训练就无法开展和持续。此外,当前技术领域的研究显示,各类大模型在算法层往往区别并不大,而训练数据才是真正区分且影响大模型性能的重要因素。
京东工业深耕工业产业多年,在工业品采购场景中长期摸爬滚打,铸就了京东工业在大模型时代的先发优势:拥有深厚的产业数据积累和对产业Know-How的深度洞察,能够让大模型“更懂行业、更懂企业”。
具体来看,在工采智能导购的训练过程中,京东工业重点导入了三大类型数据。
一类是墨卡托商品数据,墨卡托是京东工业用AI技术叠加各品类头部品牌商的专家经验,提炼出商品共性后形成的一套统一商品参数,能够有效解决过往工业品行业中商品参数不统一、商品类别不全的问题,统一工业供应链上的“语言体系”。截至目前,墨卡托标准商品库已建设有四级类目,与1500家工业品专业品牌合作进行数据对接,共建有2500多个商品数据库标准模板并开展应用,仅国内知名电线电缆品牌金杯电工就有超20万款商品的数据接入到墨卡托。这些丰富的商品数据能够让大模型“更懂商品”,保障选型推荐的精准度。
一类是历史采购数据,根据灼识咨询的数据,京东工业在中国的工业供应链技术与服务市场已拥有最广泛的客户覆盖,共服务了约6900个重点企业客户和逾260万个中小型企业。这些庞大的历史采购数据能够让大模型对企业需求以及场景特点有着更深刻地理解,从而“更懂行业”。
此外,京东工业还积累了海量的客服咨询数据,通过对这些数据的学习和训练,则能显著提升大模型的语义理解和问题回复能力,让大模型“更懂人”。
从产业端切入大模型,如同从北坡攀爬技术珠峰,道路虽然更加艰难,却有更波澜壮阔的风景,有巨大的探索价值。未来,京东工业将继续坚持做“难而有价值的事”的传统,把产业厚度放在首位,深入行业一线,持续摸索大模型与实体产业应用结合的方式,为中国工业产业的高质量发展筑就坚实的技术基础。
TOM2024-01-09 17:5601-09 17:56
TOM2024-01-09 17:4301-09 17:43
TOM2024-01-09 17:4301-09 17:43
盖世汽车2024-01-09 16:4401-09 16:44
TOM2024-01-09 16:2101-09 16:21