大模型的“第一性原理”：技术创新与社会价值的接轨_风闻
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头07-14 00:59
随着时间来到2023年第三季度，国产大模型已经达到100多个，“百模大战”正式开启。
大模型，我们有了很多选择，也开始呈现出某种同质化。除了拼参数、比背景、看榜单，有没有其他方法，让我们更好地判断一个大模型的价值呢？
亚里士多德认为，任何一个系统都有自己的第一性原理，它是一个根基性命题或假设，不能缺省，也不能被违背。
透过表象，追寻本质，会发现各家大模型的 “第一性原理”，有很大的不同。而这个核心的不同，也会带动大模型走向不同的发展模式。
比如OpenAI的内核是AGI，大语言模型以“通用人工智能”的目标，作为出发点，最近才开始走向行业。
一些通用大模型，内核是“科研”，在榜单上有不俗的成绩，而行业应用所需要的配套工具、算力基础设施等，则不在研发者的考量中，逐渐淡出主流视野。
一些产业大模型，内核是“应用”，要快速胜任某一些具体的任务场景，加入了行业知识和专有数据“特训”，可基础模型能力一般，遇到“常识性问题”就掉链子。
我们一层层剥开京东大模型，看到了一个核心，就是——“产业”。
最近恰逢WAIC和JDD大会，我们跟京东探索研究院院长、京东科技智能服务与产品部总裁何晓冬博士，进行了多次交流，他深入分享了很多京东对于大模型的思考。
将“产业价值”作为大模型的“第一性原理”，会让大模型走出怎样一条差异化的发展之路呢？我们不妨以京东为例，来展望一下产业大模型的未来。
大模型的价值起点
巴菲特曾说过，投资是滚雪球，找到“长长的坡”和“很湿的雪”，雪球一旦启动，坚持下去，就能越滚越大。
从产业的视角出发，会发现大模型这颗“雪球”的核心价值自证，确实还存在着很多问题，比如：
1.技术的可用性存疑。
产业化最后一公里的问题，看起来好像不大，却是决定大模型能用不能用的边界。
京东从2017年开始关注大模型，就很注重行业落地，也碰到了一些经验教训。
何博士直言，“拿着刷榜的技术给业务部门去秀，用起来碰到各种各样的小问题，对使用者来说不可用，后来人家就不信你了，你再怎么说也觉得你技术不行”。
2.行业的连接不够充沛。
大模型落地，需要解决一个一个具体问题。这些问题不可能在实验室里“涌现”，行业到底需求什么，有哪些限制条件，都要从产业实践和应用中找到答案。
何晓冬博士认为，大模型是不能自己坐在办公室拍脑袋想出来的，一定是行业凝练出来的。
但向上触碰学术、向下扎根行业，这样的AI研究机构本身就很稀缺。
3.价值回报还很朦胧。
引入大模型，意味着企业要增加各种成本，消耗大量的资源。企业引入大模型，也希望得到经过反复尝试被证明没有问题的产品。目前很多大模型的价值自证，还不够有力。
何博士就提到，一般的生成式语言模型，内容正确率是83%、85%左右，to C用户觉得还可以，但严肃商用的时候，模型正确率要达到95%以上，才能达到企业的要求。“明明这个活动打的是八折，大模型生成的营销文案说是五折，这个事情商业上是不可接受的”。
事非躬行不知难，大模型急需一场产业价值的自证与他证。
破解方式其实也很简单，就是一步一个脚印，把该踩的坑都踩了，把遇到的问题都一一解决。
所以年初，大语言模型高歌猛进的时候，京东没有跟风，它在忙什么？忙着解决问题。
京东的长坡
以“产业价值”作为 “第一性原理”，京东做大模型最先关注的，不是签了多少单，什么时候开发布会，而是夯实基础设施。
AI三要素：数据、算力、算法，都需要升级，才能撑住大模型时代，如同一个“长坡”，让大模型的“价值雪球”可以向前滚动。
先说数据。产业大模型，一般是先用公域数据训练基础模型，再用行业专有数据进行“特训”，相当于先在中学上通识课，再到大学里去学专业技能。京东的思路很不一样，言犀大模型训练时融合70%的通用数据与30%数智供应链原生数据，把零售、金融、健康、物流的know-how和数据，也放到基座模型中，相当于既做了通识教育，又上了很多门专业课，有更多的行业理解。
所以京东的大模型一推出来，面向知识密集型、任务型产业场景，已经可以解决真实产业问题。
再说算法。算法是大模型的核心能力，也是拉开产品体验差距的关键。目前，单点算法已经不足以撑起大模型了，大语言模型就包含了强化学习、提示学习、预训练等一系列优化。成体系的技术体系和算法创新，也更容易形成护城河。
然后是算力。很多大模型推出后不久便停止开放、限制互动次数，就是因为算力不足或成本昂贵，企业想用也用不起。所以，大模型后续能否持续为产业所用，算力不能成为短板。
京东在2021年就建立了最先进的DGX集群，在重庆落地了全国首个基于SuperPOD架构的超大规模计算集群——天琴α，推理提速6.2倍，推理成本节省90%，为基础大模型的训练和迭代提供保障，保持竞争力。
产业的厚雪
回顾上一阶段的产业智能化，很多技术能力都停留在表面，难以深入行业或规模化复制。大模型的价值变得饱满，要卷起产业的“厚雪”，将雪球越滚越大。
在何晓冬博士分享的一系列京东大模型技术和实践里，我们可以看到，大模型黏住产业“厚雪”的多种姿势：
一是技术黏着。
产业AI落地难的很多问题，其实都源于技术瓶颈，比如深度学习的不可解释性、泛化能力不足、模型精度不够等。京东通过基础技术的体系化突破，让大模型变得高可用，形成端到端的产品价值。
比如数字人，基于10余年智能对话经验与多模态交互技术积淀，京东云多模态数字人只需要极少量样本素材，5分钟简易拍摄，就可以自动生成声情并茂的数字人，让中小商家与个人能够用得起、用得上数字人服务，算力、开发周期、人才等高门槛不再成为问题。
二是工具黏着。
目前，很多大模型厂商都开放了API调用的MaaS服务，但一个容易忽略的问题是，调API也是需要一定能力和开发工作的，很多传统行业的用户，连AI基础调用API的能力都不一定有。
丰富、极简、开箱即用的工具，是产业落地必不可少的条件。京东的目标是，让对AI完全没有认知的用户，也可以直接使用大模型，提供从数据模型到应用服务的全周期管理，从基础层、模型层、MaaS，延伸到了应用层的SaaS服务。
言犀大模型开放计算平台的行业知识库，就沉淀了100多种训练和推理优化工具，不到一周时间，即可完成从数据准备、模型训练、到模型部署的全流程。
三是实践黏着。
比起某个榜单上的书面效果，企业应用大模型，更希望看到实际应用中的真实效果，对技术能力和价值收益有一个更清晰的感知。京东已经进行了大量的产业实践，优势格外明显。
目前，大模型在零售、金融、健康、物流等京东内部高复杂场景大规模锤炼，并融合行业解决方案对外输出，可以减少大模型落地的顾虑和成本。
比如文本生成，零售领域的文案，每个品类的敏感信息审核门槛都不一样，基于京东全品类丰富的商品数据积累和大模型，京东云AIGC内容营销平台，已经可以通过一张商品图片，生成电商运营需要的商品主图，营销海报图和商详图等，每套图成本降低90%，周期从7天缩短到半天，而且不用担心内容有风险，因为大模型的安全可信，在京东零售内部已经锤炼过了。
再比如健康诊疗，是一个对内容专业性和可靠性要求非常高的场景，京东健康应用大模型，进行健康助手及辅助诊疗，已涵盖超千种疾病专业性服务，目前累计超3千万高质量医患对话，百万级规模医学知识图谱。这些积累。
在京东，产业大模型已经从一种技术设想，逐渐变为清晰的发展方向，以及可执行的行动方案，正在撬动产业AI的下一个可能。
抱一而为天下式,大模型的价值探索
在年初的热闹中保持冷静，在“百模大战”来临之际，京东却率先给出了大模型的价值公式：大模型的价值=算法×算力×数据×产业厚度的平方。
当下阶段，大模型的野蛮生长，已经告一段落，走向新的应用纪元。推动大模型“从参数为中心”向“以应用为中心”转变，是目前的核心问题。京东凭什么后发先至？或许是很多读者心中的“未解之谜”。
但透过 “第一性原理”，我们却可以看到，京东大模型差异化，是一种“必然”。
京东技术的“第一性原理”，就是“产业价值”。
如京东CEO许冉所说，京东研发每一项技术，都将产业属性作为出发点、产业价值作为目标：技术源于产业需求，历练于产业场景，创造产业价值。
这个“第一性原理”，造就了京东大模型的路线分野——产学研用的高度结合。
不同的出发点：不同于科研类大模型的“两耳不闻窗外事”，也不同于行业大模型的“一心只扫门前雪”，京东从产业端切入大模型，既需要锤炼基座模型的先进技术，又需要考虑为整个产业和社会创造价值，这条路如同“从北坡等珠峰”，更难也更有价值。
不同的路线图：京东做大模型，不是“无的放矢”，对于大模型的应用实践，已经有了明确的“三步走”规划，第一步，基于内部实践构建通用大模型；第二步，在零售、金融、健康、物流等京东内部高复杂场景大规模锤炼，融合行业解决方案对外输出；第三步，针对严肃商业场景将大模型能力对外开放。目前，京东云已经基于内部实践构建了通用大模型。到今年年底，京东将经由高复杂场景大规模锤炼，迭代出扎实的产业服务，预计在2024年初，会将大模型能力向外部严肃商业场景开放。目前，京东已经走到第二步，并在内部取得了丰富的实践成果。
以“产业价值”作为大模型的“第一性原理”，驱动着京东在大模型领域，走上了差异化的发展模式，率先完成了产业价值的创生和积累，更早进入应用纪元。
京东大模型的“价值雪球”，正以“马太效应”越滚越大，加速驶向千行百业、人间烟火。抱一而为天下式，大模型的产业价值，最终会凝结在万千众生的微笑里。