沙龍回顧 | 從開發平臺到智能供應鏈，AI技術如何推進企業智能化升級？

4 月 20 日，國家發改委首次明確「新基建」主要涵蓋領域後，「新基建」再次被送上熱搜。

事實上，從中央深改委會議審議經過《關於推進基礎設施高質量發展的意見》，到中央政治局常委會會議提出「加快5G網絡、數據中心等新型基礎設施建設進度」，頂層設計爲新型基礎設施建設按下「加速鍵」。

對於京東來講，落子「新基建」以及今年 3 月整合原有京東雲、京東人工智能、京東物聯升級爲全新「京東智聯雲」品牌，它正在向「以供應鏈爲基礎的技術與服務企業」不斷前進。對於幫助企業利用雲與 AI 進行智能化升級的話題上，京東智聯雲有它的話語權。4 月 24 日京東智聯雲開發者線上技術沙龍，一塊兒來看技術大咖們爲咱們解讀了哪些技術亮點。

京東利用平臺優點幫助企業實現新舊動能轉換

京東雲與AI 解決方案架構師

京東雲與 AI 解決方案中心解決方案架構師明笛認爲，「新基建」的「新」主要體如今兩方面：

一是，從建設內容上，在傳統的公路、橋樑建設外，還囊括 5G 基建、工業互聯網、人工智能、大數據中心建設等新內容。

二是，從服務和受益的人羣看，隨着基礎設施的完善，愈來愈多的通常消費者將所以受益，也給中小傳統產業的數字化、信息化改造提供機遇。

具體來講，京東智聯雲如何幫助企業作智能化升級呢？

聚焦於「新基建」中人工智能這個領域，京東智聯雲構建了一我的工智能公共服務平臺做爲 AI 基礎設施，總體架構包括底層基礎支撐、技術中臺、解決方案中臺、產品形態、應用場景幾個部分。

技術中臺，包括了京東物聯網、人工智能、大數據、區塊鏈、AR、VR，還有移動開發等方面的基礎能力，做爲技術賦能的平臺。在技術中臺之上有着針對產業生產的全鏈條流程，在明笛看來，在生產各個環節，京東智聯雲都能利用平臺優點，幫助企業實現新舊動能轉換。

具體來講，在概念設計環節，假如企業想開發新產品，對於它關注的用戶、市場、使用場景、競爭優點、投入產出比等問題，京東智聯雲均可覺得企業的商業分析提供參考。

在開發和測試環節，京東人工智能公共服務平臺提供開發測試模塊。針對傳統產品，京東智聯雲還提供工業設計軟件，幫用戶在概念設計後，進行產品設計。

面向軟件企業，會提供基於研發測試流水線的產品，以及京東自研的中間件產品，幫助軟件企業開發作雲架構遷移，提供集成部署和發佈環境，加快開發進度。針對硬件企業，提供物聯網平臺，幫助企業實現設備集成作好智能家居、智能物聯網的開發。

產品生產完以後在流通銷售環節，能夠依託京東智能供應鏈對流通領域進行賦能，幫助企業作精準用戶觸達和營銷，提升產品最終轉化率。

在現場，明笛還分享了京東智聯雲幫助水果機器人判斷鮮橙新鮮程度的案例。利用京東 AI 圖象識別能力，幫助合做企業解決了判斷鮮橙新鮮度——「新鮮度不高的先榨汁，更新鮮的後榨汁」的核心訴求。

NeuFoundry，幫助企業快速打造智能中臺

京東雲與AI人工智能平臺部架構師

什麼是 NeuFoundry？它是京東智聯雲基於京東豐富的業務場景，以國家級的智能供應鏈平臺爲背書，爲企業定製的智能中臺。NeuFoundry 覆蓋從數據標註-模型開發-模型訓練-服務發佈-生態市場的人工智能開發全生命週期，並預置高淨值的脫敏數據、經實戰驗證的成熟模型以及典型項目場景，同時提供多種安全、靈活可定製的部署及交付方案。

對企業的賦能，離不開被稱做「企業私有化 AI 能力鑄造廠」的 NeuFoundry，它主要包括：數據管理功能、AI 能力定製化功能、AI 服務支撐三大板塊功能。

在現場，京東雲與 AI 人工智能平臺部架構師朱二濤介紹了常見的機器學習預測算法原理。

首先，他提到了機器學習和深度學習的兩點區別：

• 特徵提取上，機器學習主要靠手動完成，深度學習由多個層完成，經過訓練大量數據自動得出模型。
• 數據量和計算性能要求上，機器學習執行時間遠少於深度學習。深度學習須要大量訓練數據集和算力。

機器學習可分類爲監督學習和無監督學習。監督學習又可分爲：分類任務（如邏輯迴歸、樸素貝葉斯、決策樹算法等）以及迴歸任務（如線性迴歸、隨機森林算法等），而無監督學習，則是以聚類任務爲表明。

那麼，NeuFoundry 中自動化機器學習使用的是什麼架構？

傳統機器學習項目全流程，須要經歷數據收集、數據清洗、特徵工程、模型訓練、模型發佈以及模型預測等全生命週期。

朱二濤重點介紹了一下特徵工程，在機器學習領域有這樣一句話「數據和特徵決定了機器學習的上限，模型和算法是逼近這個上限「，由於你們都知道，模型和算法是不可能 100%準確，只是咱們看到的偏差最小而已。在原始數據的隱含業務特徵不是很清楚時，特徵工程的做用就獲得了很大的凸顯。

原始的特徵工程，可能更多依靠算法工程師對業務的理解以及歷史經驗。而除此以外，還有自動特徵工程，自動特徵工程進行了自動化的特徵交叉和特徵選擇，可以構造出一些僅憑算法工程師經驗沒法構造的隱晦特徵，而後拿新特徵去作模型訓練，從而獲得更精準的結果。

在 NeuFoundry 中，就用到了自動特徵工程，如手工構造直觀新特徵，包括經典通用特徵、機器學習比賽 top 選手的特徵工程方案、京東商城裏在零售庫存物流方面的業務經驗，也會被囊括進來。

另外，NeuFoundry 的自動特徵工程，還會利用機器學習平臺計算力的優點，大量枚舉候選有效特徵，使用簡單模型進行有效性驗證來自動生成隱晦特徵。

在後續的模型訓練環節，經過 Auto-Sklearn 自動進行模型選擇和參數調整，能夠最短的時間消耗下找到適合的模型和參數，以必定的計算代價，代替算法工程師的工做時間，訓練生成一套模型組成的服務，進行評估模型效果。

想要上手 NeuFoundry，建立一個自動化機器學習分類的訓練任務？趕快關注京東人工智能開放平臺，以及經過閱讀原文回看分享視頻吧。

傳統客服向智能客服升級轉型，是大勢所趨

京東雲與AI天然語言部架構師

疫情期間，京東智聯雲的疫情機器人走進了更多人的視野。除了提供科普知識、熱門問題、定點醫院信息、在線藥房連接等，機器人還能經過 AI 對疑似病患提問進行分析判斷。實際上，京東好久之前就開始在智能客服機器人領域佈局，京小智在兩年前就已誕生。售前導購機器人，是這個佈局中的重要一環。

提到智能客服，不少人都會想到售後處理機器人。京東天然語言部架構師陳蒙介紹到，售前導購機器人更像是個性化的售前助手，能夠解決關於產品的疑問，同時也能夠提供購買建議。

以京小智爲例，它經過智能應答系統，可以回答用戶提的各類問題。當它以爲足夠自信時，會直接回復。即：機器優先模式。同時，京小智還有一種模式，即：輔助人工模式，也叫「人機協做模式」。具體來講，當客服在線時，能夠選用人機協做模式，它會提供答案供工做人員參考，加快客服人員回覆效率。

依靠這種模式，在 618 這種大的節日致使諮詢排隊、客服緊缺的狀況下，會盡量先讓機器答，機器處理不了的問題，再讓人工回答，這樣就能夠大大減輕客服工做負擔。

此外，在智能營銷上，京小智也能給提供建議。賣完東西后，它還能夠作決策分析、爲商家提供更多數據支持。

那麼在這樣產品背後，會遇到哪些技術挑戰，又須要什麼樣的技術支撐呢？

售前諮詢對話這個問題與其餘的天然語言處理任務相比不同，須要讓機器考慮上下文，涉及到上下文建模的問題；以及任務型對話，如：須要系統作查詢才能給出答案的場景；還須要考慮到用戶情緒進行智能回覆，以及對問題時效性的保證。

目前京小智在技術上的路線，主要分紅兩大部分，第一是應答，第二是轉化。

應答指的就是「回答用戶問題」。陳蒙提到，對於應答，就是要組建一個強大互補的應答者聯盟。面對用戶千奇百怪的問題，應對技術也必需要有不一樣的技術方案，好比對應分類器、檢索式對話、生成式對話、知識圖譜、推薦機器人、閱讀理解機器人等等。

舉例來講，分類器主要適用於高頻的或者答案相對固定的問題，優勢是對頭部問題的覆蓋很是直接，缺點是在分類錯誤的狀況下，更新不是特別靈活。檢索式對話則提供靈活的個性化解決方案，適用於商家自定義的長尾問題，優勢是問法和答案均可定製，很是靈活，缺點是泛化能力有限。

對於轉化，機器其實須要像人同樣學習，學習一些精準的智能營銷導購技能。好比有用戶在諮詢完後，說「考慮一下」，這時，機器就須要判斷：「該用戶到底有沒有購買意願？他的購買意願有多強？若是購買意願很強，是否是能夠在五分鐘後，給對方主動發消息問他考慮狀況或者發券，智能的催拍催付」，這樣實際上是很是直接促成轉化的手段。

售前導購諮詢的前景如何？消費者指望智能客服是客服、更是行業專家。陳蒙也給出了本身的見解：

• 傳統客服向智能客服升級轉型，是大勢所趨，「新基建」是最佳契機；
• 智能客服的下一個大市場是——智能營銷；
• 最高效的產品形態是人機融合，而不是徹底取代；
• 具有複雜對話能力的語音外呼機器人大有可爲。

C2B 反向定製驅動智能供應鏈變革

京東雲與AI人工智能平臺部高級產品經理

什麼是 C2B？許俊愷認爲，從消費側數據入手，進行相應分析，反哺供應側，在經過細分人羣的劃分，用數據驅動零售側進行精準的觸達，構建以消費者爲中心的供應鏈結構。

對於 C2B 的具體闡釋，就是在供應側，對人貨場消費大數據進行解析，解決「爲誰作」的問題；在零售端，經過用戶洞察和市場洞察，提供相應的決策建議和精準營銷，加強精準觸達能力，在合適時間、以合適方式觸達消費者促進消費者真正完成對商品轉換的提高，造成有效率的營銷。從供給側到零售端，經過用戶分析的一以貫之，保證明現「爲誰作的產品就賣給誰「的效果。

京東的智能供應鏈就是以人工智能算法爲核心，經過在生產、流通、消費的全環節的智能化能力的輸出，全鏈條提高人貨匹配效率。京東的供應鏈平臺，在應用服務層，提供應急管理、產業創新、KA 企業方面的賦能；在平臺產品層，提供智能供應鏈管理平臺、智能C2B平臺以及供應鏈企業信息管理平臺等等相關平臺化產品，在能力層，則有大數據分析能力、AI 能力、雲計算來提供相應的技術支撐。

總的來講，智能 C2B平臺由市場洞察、用戶洞察、品牌營銷和反向定製 4 個核心模塊組成。經過市場洞察和用戶洞察相應的消費數據分析，反哺到生產和消費側，提供反向定製、精準營銷等等定製化產品服務，切實提高商品競爭力和銷售表現。

在用戶洞察方面，實際上是對用戶搜索，App 瀏覽和使用習慣等行爲數據，評論、問答等評價數據以及用戶畫像進行綜合研判，來推斷用戶動機，再經過 AI 算法模型，具體分析出用戶最終對產品的購買意向和程度。在市場洞察方面，則對總體市場、細分市場以及競品進行相關的分析，幫助客戶瞭解目前市場上商品分佈，品牌分佈等等狀況。

在經過總體數據分析後，獲得的數據結論，往上游會支撐到生產端，往下游支撐到消費端。生產端這一邊，咱們就把它叫作反向定製。

反向定製，一方面，經過核心指標選定，對商品屬性自己的市場，和市場上相關表現指標，進行對應，輸入到模型，找到在市場上表現會比較優異的商品屬性的複合組合。另外一方面，也會針對用戶在商場裏發生的行爲，包括評論、問答，搜索，挖掘用戶隱性痛點，幫助用戶去找到他們真正想要的東西，提供給品牌商，定製爆款產品。

京東的 C2B 反向定製總結一下能夠解決如下問題。

• 基於京東海量用戶和商品數據，從消費者需求出發，多維度深度挖掘消費者潛在需求，定製爆款；
• 支持基於 UV 轉化率的定製，提高新品轉化、實現老品升級；
• 支持基於評論等文本數據，進一步挖掘用戶痛點和產品賣點，輔助品牌商進行亮點打造。

許俊愷最後列舉了一些大型品牌商的具體案例，基於消費者需求洞察的新品反向定製，京東提供的全鏈路支持，使得品牌商精準匹配消費者需求以及達到成本的下降和利潤率的提升。

技術的核心在於落地實施和價值創造，而京東智聯雲依託智能供應鏈完善的平臺架構和服務體系，正是推進企業數字化、網絡化、智能化升級的有力推手。

點擊【閱讀】獲取沙龍視頻