产业大模型：零售先行，营销突进

正文

请到「今天看啥」查看全文

国际上，微软、亚马逊等大厂开始探索企业级服务商业化路径； 国内，诸如百度、阿里、京东、腾讯、华为都在快马加鞭加速行业大模型投入，相关技术路线的企业并购金额也屡攀新高。

不同垂直行业都在呼唤着智能涌现，来应对新技术、新时代的感召。 而智能涌现的基础，是为AI大模型提供足量的数据和应用场景。 这对单一行业而言，并非一日之功，更需要两个方面的能力： 更强大的数据平台、更智能的交互能力，以此来获得专有数据，作为大模型走向行业的“燃料”。

这，成为近期公司技术探索的主旋律。 萦绕许久的AI焦虑，开始找到出口。 就行业玩家而言，一个先驱性的洞察，是需要将技术回归到产业场景本身，切实进入到实际业务流，才能解决真实产业问题。

在行业达成共识后，人们发现，在通用大模型基础上，融入专有数据的大模型，会是AI赋能行业的最后一公里。

这验证了京东云的判断：智能化，不会一蹴而就，它将优先在数字化领先的行业落地。零售行业，具备复杂营销场景和供应链环节，是磨炼大模型的绝佳“战场”。

如何扎根进零售行业漫长的供应链？如何让数据完成从商品到消费者的全链路「浸泡」？许多零售企业回归现实与理智，他们敏锐认识到，通用大模型的高昂成本与技术壁垒，并不适用于每一个企业，顺应实际场景需要的行业大模型，是已经造好的轮子。

因此，大模型的竞争，关键不在技术，而在产业场景落地。 这或许也是，京东推出面向产业的言犀大模型，以及发布一系列推动产业落地的产品与解决方案后，在业内引起热议的原因。

AI赋能产业的最后一公里，在零售行业率先迈出了坚实的下一步。

02、扎根数智供应链：AI赋能的最后一公里

零售数智变革面临的问题，开始从AI焦虑逐渐转移到如何过渡到AI原生。这并不容易，尤其在大模型应用中，零售企业对精度和效率要求极高，95%的精度是行业门槛，而对比C端场景，60%的精度就足以娱乐大众。

目前来看，大模型应用在零售等垂直行业，还需要调优与二次训练。 但现实不够“丰满”，一些场景由于样本少、数据分布不均，要想实现行业的“智能涌现“，还需持续积累高质量的行业数据。 因为， 只有自己的场景，才能培养出适合自己的大模型应用。

这正呼应了前文所提到的， 零售企业需要「更强大的数据平台」与「更智能的交互能力」。 前者，让零售企业能在面向未来的竞争中，将自己的商业实践，沉淀为行业专有数据并进行管理，构建企业护城河；

请到「今天看啥」查看全文