从开发平台到智能供应链，AI技术如何推动企业智能化升级？

京东云开发者

于 2020-05-07 22:34:45 发布

阅读量1.4k

点赞数

文章标签： AI 京东智联云京东智联云开发者

本文链接：https://blog.csdn.net/jdcdev_/article/details/105983013

版权

4 月 20 日，国家发改委首次明确“新基建”主要涵盖领域后，“新基建”再次被送上热搜。

事实上，从中央深改委会议审议通过《关于推动基础设施高质量发展的意见》，到中央政治局常委会会议提出“加快5G网络、数据中心等新型基础设施建设进度”，顶层设计为新型基础设施建设按下“加速键”。

对于京东来说，落子“新基建”以及今年 3 月整合原有京东云、京东人工智能、京东物联升级为全新“京东智联云”品牌，它正在向“以供应链为基础的技术与服务企业”不断前进。对于帮助企业利用云与 AI 进行智能化升级的话题上，京东智联云有它的话语权。4 月 24 日京东智联云开发者线上技术沙龙，一起来看技术大咖们为我们解读了哪些技术亮点。

京东利用平台优势帮助企业实现新旧动能转换

京东云与AI 解决方案架构师

京东云与 AI 解决方案中心解决方案架构师明笛认为，“新基建”的“新”主要体现在两方面：

一是，从建设内容上，在传统的公路、桥梁建设外，还囊括 5G 基建、工业互联网、人工智能、大数据中心建设等新内容。

二是，从服务和受益的人群看，随着基础设施的完善，越来越多的一般消费者将因此受益，也给中小传统产业的数字化、信息化改造提供机遇。

具体来说，京东智联云如何帮助企业做智能化升级呢？

聚焦于“新基建”中人工智能这个领域，京东智联云构建了一个人工智能公共服务平台作为 AI 基础设施，整体架构包括底层基础支撑、技术中台、解决方案中台、产品形态、应用场景几个部分。

技术中台，包括了京东物联网、人工智能、大数据、区块链、AR、VR，还有移动开发等方面的基础能力，作为技术赋能的平台。在技术中台之上有着针对产业生产的全链条流程，在明笛看来，在生产各个环节，京东智联云都能利用平台优势，帮助企业实现新旧动能转换。

具体来说，在概念设计环节，假如企业想开发新产品，对于它关注的用户、市场、使用场景、竞争优势、投入产出比等问题，京东智联云都可以为企业的商业分析提供参考。

在开发和测试环节，京东人工智能公共服务平台提供开发测试模块。针对传统产品，京东智联云还提供工业设计软件，帮用户在概念设计后，进行产品设计。

面向软件企业，会提供基于研发测试流水线的产品，以及京东自研的中间件产品，帮助软件企业开发做云架构迁移，提供集成部署和发布环境，加快开发进度。针对硬件企业，提供物联网平台，帮助企业实现设备集成做好智能家居、智能物联网的开发。

产品生产完之后在流通销售环节，可以依托京东智能供应链对流通领域进行赋能，帮助企业做精准用户触达和营销，提高产品最终转化率。

在现场，明笛还分享了京东智联云帮助水果机器人判断鲜橙新鲜程度的案例。利用京东 AI 图象识别能力，帮助合作企业解决了判断鲜橙新鲜度——“新鲜度不高的先榨汁，更新鲜的后榨汁”的核心诉求。

NeuFoundry，帮助企业快速打造智能中台

京东云与AI人工智能平台部架构师

什么是 NeuFoundry？它是京东智联云基于京东丰富的业务场景，以国家级的智能供应链平台为背书，为企业定制的智能中台。NeuFoundry 覆盖从数据标注-模型开发-模型训练-服务发布-生态市场的人工智能开发全生命周期，并预置高净值的脱敏数据、经实战验证的成熟模型以及典型项目场景，同时提供多种安全、灵活可定制的部署及交付方案。

对企业的赋能，离不开被称作“企业私有化 AI 能力铸造厂”的 NeuFoundry，它主要包括：数据管理功能、AI 能力定制化功能、AI 服务支撑三大板块功能。

在现场，京东云与 AI 人工智能平台部架构师朱二涛介绍了常见的机器学习预测算法原理。

首先，他提到了机器学习和深度学习的两点区别：

特征提取上，机器学习主要靠手动完成，深度学习由多个层完成，通过训练大量数据自动得出模型。
数据量和计算性能要求上，机器学习执行时间远少于深度学习。深度学习需要大量训练数据集和算力。

机器学习可分类为监督学习和无监督学习。监督学习又可分为：分类任务（如逻辑回归、朴素贝叶斯、决策树算法等）以及回归任务（如线性回归、随机森林算法等），而无监督学习，则是以聚类任务为代表。

那么，NeuFoundry 中自动化机器学习使用的是什么架构？

传统机器学习项目全流程，需要经历数据收集、数据清洗、特征工程、模型训练、模型发布以及模型预测等全生命周期。

朱二涛重点介绍了一下特征工程，在机器学习领域有这样一句话“数据和特征决定了机器学习的上限，模型和算法是逼近这个上限“，因为大家都知道，模型和算法是不可能 100%准确，只是我们看到的误差最小而已。在原始数据的隐含业务特征不是很清楚时，特征工程的作用就得到了很大的凸显。

原始的特征工程，可能更多依靠算法工程师对业务的理解以及历史经验。而除此之外，还有自动特征工程，自动特征工程进行了自动化的特征交叉和特征选择，能够构造出一些仅凭算法工程师经验无法构造的隐晦特征，然后拿新特征去做模型训练，从而得到更精准的结果。

在 NeuFoundry 中，就用到了自动特征工程，如手工构造直观新特征，包括经典通用特征、机器学习比赛 top 选手的特征工程方案、京东商城里在零售库存物流方面的业务经验，也会被囊括进来。

另外，NeuFoundry 的自动特征工程，还会利用机器学习平台计算力的优势，大量枚举候选有效特征，使用简单模型进行有效性验证来自动生成隐晦特征。

在后续的模型训练环节，通过 Auto-Sklearn 自动进行模型选择和参数调整，可以最短的时间消耗下找到适合的模型和参数，以一定的计算代价，代替算法工程师的工作时间，训练生成一套模型组成的服务，进行评估模型效果。

想要上手 NeuFoundry，创建一个自动化机器学习分类的训练任务？赶快关注京东人工智能开放平台，以及通过阅读原文回看分享视频吧。

传统客服向智能客服升级转型，是大势所趋

京东云与AI自然语言部架构师

疫情期间，京东智联云的疫情机器人走进了更多人的视野。除了提供科普知识、热门问题、定点医院信息、在线药房链接等，机器人还能通过 AI 对疑似病患提问进行分析判断。实际上，京东很久以前就开始在智能客服机器人领域布局，京小智在两年前就已诞生。售前导购机器人，是这个布局中的重要一环。

提到智能客服，很多人都会想到售后处理机器人。京东自然语言部架构师陈蒙介绍到，售前导购机器人更像是个性化的售前助手，可以解决关于产品的疑问，同时也可以提供购买建议。

以京小智为例，它通过智能应答系统，能够回答用户提的各种问题。当它觉得足够自信时，会直接回复。即：机器优先模式。同时，京小智还有一种模式，即：辅助人工模式，也叫“人机协作模式”。具体来说，当客服在线时，可以选用人机协作模式，它会提供答案供工作人员参考，加快客服人员回复效率。

依靠这种模式，在 618 这种大的节日导致咨询排队、客服紧缺的情况下，会尽可能先让机器答，机器处理不了的问题，再让人工回答，这样就可以大大减轻客服工作负担。

此外，在智能营销上，京小智也能给提供建议。卖完东西后，它还可以做决策分析、为商家提供更多数据支持。

那么在这样产品背后，会遇到哪些技术挑战，又需要什么样的技术支撑呢？

售前咨询对话这个问题与其他的自然语言处理任务相比不一样，需要让机器考虑上下文，涉及到上下文建模的问题；以及任务型对话，如：需要系统做查询才能给出答案的场景；还需要考虑到用户情绪进行智能回复，以及对问题时效性的保证。

目前京小智在技术上的路线，主要分成两大部分，第一是应答，第二是转化。

应答指的就是“回答用户问题”。陈蒙提到，对于应答，就是要组建一个强大互补的应答者联盟。面对用户千奇百怪的问题，应对技术也必须要有不同的技术方案，比如对应分类器、检索式对话、生成式对话、知识图谱、推荐机器人、阅读理解机器人等等。

举例来说，分类器主要适用于高频的或者答案相对固定的问题，优点是对头部问题的覆盖非常直接，缺点是在分类错误的情况下，更新不是特别灵活。检索式对话则提供灵活的个性化解决方案，适用于商家自定义的长尾问题，优点是问法和答案都可定制，非常灵活，缺点是泛化能力有限。

对于转化，机器其实需要像人一样学习，学习一些精准的智能营销导购技能。比如有用户在咨询完后，说“考虑一下”，这时，机器就需要判断：“该用户到底有没有购买意愿？他的购买意愿有多强？如果购买意愿很强，是不是可以在五分钟后，给对方主动发消息问他考虑情况或者发券，智能的催拍催付”，这样其实是非常直接促成转化的手段。

售前导购咨询的前景如何？消费者期望智能客服是客服、更是行业专家。陈蒙也给出了自己的看法：

传统客服向智能客服升级转型，是大势所趋，“新基建”是最佳契机；
智能客服的下一个大市场是——智能营销；
最高效的产品形态是人机融合，而不是完全取代；
具备复杂对话能力的语音外呼机器人大有可为。

C2B 反向定制驱动智能供应链变革

京东云与AI人工智能平台部高级产品经理

什么是 C2B？许俊恺认为，从消费侧数据入手，进行相应分析，反哺供应侧，在通过细分人群的划分，用数据驱动零售侧进行精准的触达，构建以消费者为中心的供应链结构。

对于 C2B 的具体阐释，就是在供应侧，对人货场消费大数据进行解析，解决“为谁做”的问题；在零售端，通过用户洞察和市场洞察，提供相应的决策建议和精准营销，增强精准触达能力，在合适时间、以合适方式触达消费者促进消费者真正完成对商品转换的提升，形成有效率的营销。从供给侧到零售端，通过用户分析的一以贯之，保证实现“为谁做的产品就卖给谁“的效果。

京东的智能供应链就是以人工智能算法为核心，通过在生产、流通、消费的全环节的智能化能力的输出，全链条提升人货匹配效率。京东的供应链平台，在应用服务层，提供应急管理、产业创新、KA 企业方面的赋能；在平台产品层，提供智能供应链管理平台、智能C2B平台以及供应链企业信息管理平台等等相关平台化产品，在能力层，则有大数据分析能力、AI 能力、云计算来提供相应的技术支撑。

总的来说，智能 C2B平台由市场洞察、用户洞察、品牌营销和反向定制 4 个核心模块组成。通过市场洞察和用户洞察相应的消费数据分析，反哺到生产和消费侧，提供反向定制、精准营销等等定制化产品服务，切实提升商品竞争力和销售表现。

在用户洞察方面，其实是对用户搜索，App 浏览和使用习惯等行为数据，评论、问答等评价数据以及用户画像进行综合研判，来推断用户动机，再通过 AI 算法模型，具体分析出用户最终对产品的购买意向和程度。在市场洞察方面，则对整体市场、细分市场以及竞品进行相关的分析，帮助客户了解目前市场上商品分布，品牌分布等等情况。

在通过整体数据分析后，得到的数据结论，往上游会支撑到生产端，往下游支撑到消费端。生产端这一边，我们就把它叫做反向定制。

反向定制，一方面，通过核心指标选定，对商品属性本身的市场，和市场上相关表现指标，进行对应，输入到模型，找到在市场上表现会比较优异的商品属性的复合组合。另一方面，也会针对用户在商场里发生的行为，包括评论、问答，搜索，挖掘用户隐性痛点，帮助用户去找到他们真正想要的东西，提供给品牌商，定制爆款产品。

京东的 C2B 反向定制总结一下可以解决以下问题。