企业在谈智能化升级，开发者应该关注哪些背后的技术路径

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

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

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。京东云与 AI 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

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。基于京东海量用户和商品数据，从消费者需求出发，多维度深度挖掘消费者潜在需求，定制爆款；支持基于 UV 转化率的定制，提升新品转化、实现老品升级；支持基于评论等文本数据，进一步挖掘用户痛点和产品卖点，辅助品牌商进行亮点打造。

许俊恺最后列举了一些大型品牌商的具体案例，基于消费者需求洞察的新品反向定制，京东提供的全链路支持，使得品牌商精准匹配消费者需求以及达到成本的降低和利润率的提高。

技术的核心在于落地实施和价值创造，而京东智联云依托智能供应链完善的平台架构和服务体系，正是推动企业数字化、网络化、智能化升级的有力推手。