京东工业大模型Joy industrial发布京东产业场景再结大模型硕果

5月22日，京东工业发布工业大模型Joy industrial，成为行业*以工业为核心的工业大模型。其锁定工业场景，依托京东工业深耕工业数智供应链的产业积累和数据沉淀，构建起从底层算力、算法、数据到应用的全产品矩阵，助力产业降本、增效、合规、保供。

Joy industrial此次推出面向京东工业及供应链上游供应商的需求代理、运营代理、关务代理等AI智能体，以及服务供应链下游企业用户的商品专家及集成专家等AI产品。未来，还会打造汽车后市场、新能源汽车、机器人制造、石油天然气、电力电网等垂直行业的工业大模型。

京东产业成大模型沃土，已具备全尺寸大模型矩阵

“京东的大模型正是诞生于产业，成长于产业。大模型产业化才能产生价值，只有在落地过程中不断结合具体场景的数据、业务需求不断打磨，才能使得大模型能力不断地强化、得到真正的应用。” 京东集团探索研究院副院长、京东科技人工智能业务部总裁何晓冬表示。

京东作为“以供应链为基础的技术与服务企业”，具有广泛的产业积累，内部产业场景成为大模型和AI应用*好的孵化土壤。

2023年，京东推出自研产业大模型，就融合了30%数智供应链原生数据。这些数据来自京东超千万自营商品SKU、数千万工业品SKU、超800万家活跃企业客户的落地实践，使得大模型天然具备服务产业应用的能力。此后，京东大模型又迅速纳入工业、健康、物流等专业领域知识。

至今，在基础大模型层面，京东已经形成涵盖3B、10B、81B、750B的全尺寸大模型矩阵，能满足不同业务的差异需求。其中，3B和10B可快速响应;81B主力模型可兼顾性能与时效。京东*新推出的750B超大规模模型，则利用动态分层蒸馏、跨领域数据治理等京东创新技术训练，具备“深度思考”和“非深度思考”能力，能同时满足行业对“即时响应”和“深度推理”的双重需求。

举例来说，在客服等需要需要快速响应的场景，模型能启用轻量化推理路径，实现毫秒级反馈;在供应链优化、医疗诊断等需要复杂决策的场景，则启动深度思考模式，依托1280K的超长上下文窗口，能完成多维度信息的关联与逻辑推演，在长文本1280K“大海捞针”评测中，实现接近100%的准确率。

在大模型应用层面，京东内部则已经生长出超1.4万个智能体，解决了超过18%的工作内容。各类大模型应用深入到零售、工业、物流、健康等业务场景。

在所有场景中，工业又是*适合孵化和使用产业大模型的场景之一。中国拥有全球*完整的工业产业体系，也是全球数据资源*丰富的国家，新增数据资源占全球的1/4。

京东工业作为中国*的工业供应链技术与解决方案服务商，服务超万家重点企业、260万中小企业以及亿级消费者。长期以来，京东工业立足供应链领域，深耕商品数智化、采购数智化、履约数智化、运营数智化等工业场景，积累了丰富的跨行业供应链数据，使京东工业能够发布行业*工业大模型。

成本、效率、体验极致平衡，打造*适合工业的行业大模型

京东工业大模型Joy industrial在训练时，从成本、效率、体验的三方面考虑出发，为模型更好适配工业供应链场景做出优化。

在成本方面，工业大模型Joy industrial基于Scaling Law，选取了工业应用可取得预期效果的*小规模大模型，并通过T-S(Teacher-Student)模型训练策略，将大量级模型“瘦身”为小量级模型，既能够压降训练、部署和推理成本，也保证Student模型效果与大量级模型接近。

*终工业大模型的后训练所需资源，仅为通用大模型的1/16，如同把“青龙偃月刀”锻造成轻便的“手术刀”，保证了工业大模型的低成本训练、部署和推理使用。

在效率方面，工业大模型引入MoE混合专家网络架构，在推理时仅激活少数适配输入任务的专家子网络，从而降低推理使用成本。同时通过思维链CoT自适应训练，使得领域大模型可根据任务复杂程度，自动适配思维链长度，做到简单问题不过度思考，提升推理效率。*终训练出的工业大模型，推理吞吐量相较通用大模型有8倍提升。

在体验方面，工业大模型通过领域数据合成，汇总并梳理了各种工业场景，形成与场景匹配的领域任务层级，随后通过外部大模型合成高质量多任务学习数据，从而解决了工业碎片化场景数据稀疏的问题。此外，其针对领域任务层级中的各任务场景，设计了可验证的奖励函数，通过强化学习微调，对开源、通用大模型进行领域后训练，从而降低了对工业细分场景的数据依赖。

*终，工业大模型适配工业场景的多个评价指标，相较主流通用大模型都明显*，成为更擅长工业场景应用的“业务专家”。

凭借这些技术和路线选择，工业大模型Joy industrial能够工业领域成本、效率、体验的*优平衡。同时，其拥有京东工业积累的多模态数据，能够在工业场景的超长供应链搭建智能体，完成复杂协同调度，解决工业供应链的数据孤岛、标准割裂、管理复杂、协同冲突等难题。

未来，依托于工业大模型和AI智能体应用，其将搭建业务协同“三步走“规划：从企业内单一场景、完成单一任务、提升单点效率的“AI员工”;到企业内大范围使用AI员工完成“操作执行”工作，带来“AI组织”重构;*后实现工业供应链上下游企业之间的AI协同、产业共同升级，形成“AI产业生态”。