《科创板日报》7月9日讯京东即将于7月13日推出言犀大模型。在2023世界人工智能大会（WAIC 2023）上，京东探索研究院院长、京东科技智能服务和产品部总裁何晓冬博士接受了《科创板日报》记者的采访。他透露，京东大模型聚焦产业应用，届时还会展示具身智能方面的进展。

(资料图片)

京东探索研究院院长、京东科技智能服务和产品部总裁何晓冬

▍下一步AGI将走向多模态和具身智能

何晓冬表示，在大语言模型的研发上，京东更注重的是对话方向，也在积极推进多模态模型的研发。“与通用语言模型不同，对话有一定博弈和对抗性的互动。当对方说了一句话，光理解意图并不够，还需要知道怎么回答他，要进行牵引。因为他的意图可能只是一个表达，要牵引到最后能达到共识的结论、解决方案上。大模型帮助我们更好地获取背景知识和上下文知识，更好地做对话决策。”

除了通用性的数据，京东还将零售、金融、健康、物流等广泛专业领域的产业数据也融合到基座模型进行训练。“某种意义上，我们相当于既做了通识教育，又读了四年专业性的本科教育。”

除了大语言模型，何晓冬称，京东也在语音、视觉等多模态模型上进行了研发。

“我们在语音识别方面的模型做得非常大，用了十万小时级别的数据去训练语音模型。在视觉模型上也做了很多，包括视觉的图象生成、数字人形象的生成和合成等。”相关技术已运用到政务热线、数字人直播、智能客服、AI外呼等场景。

此外，何晓冬还透露，7月13日将会展示具身智能方面的探索与进展。“像机械臂、无人车这些京东早就在做了。我们有一个项目，让智能的机械臂，在实际的物流分拣、搬运当中进行操作。”

GPT 所表现出的超越以往的通用性，让人类看到实现通用人工智能（AGI）伟大目标的可能性。何晓冬认为，目前这种通用性仍停留在语言领域，下一步AGI将走向多模态和具身智能。

“一个方向是多模态，必须具有视觉能力，可能嗅觉、触觉是再进一步的，但至少要具有视觉能力。第二是走向具身智能，包括机器人、机械臂、无人车，各种各样的载具，都可以更智能化起来，让AGI走到物理世界。”

▍面向行业应用的大模型比通用大模型更难做

不少业内分析指出，通用大模型不是模型应用的唯一方向，面向垂直产业的模型会成为大模型价值的引爆点。对此，何晓冬强调，面向产业应用的大模型其实比普通大模型更难做。

“专有模型、垂直行业模型的训练成本和难度其实并不低。因为行业模型并不意味着小模型，也不意味着单独某一个领域的数据，而是通用公域数据加上行业数据一起，构成了产业大模型的训练数据来源。”

这是由于，如果只用行业数据训练，会导致人机交互能力的不足。产业模型也需要有足够的基础常识作为背景，才能真正提供较高的沟通交流体验。

“人在跟机器打交道，哪怕是客服这种服务时，也会说一些操作领域之外的话。比如你想退换货时，可能会突然想起来，今天不在家，明天才能来取货。这种常识性的东西，是以前小模型难以应对的。小模型在专有领域做得很好，但用户突然说一句跟专有领域无关的话，小模型就迷茫了。”

而把产业数据和通用数据融合在一起，就能让基础模型本身有更多的产业理解。

“我们并非先把通用数据训一个基础模型，然后再用专用数据微调。而是一开始训基础模型的时候，就让通用数据和专用数据、产业数据，全部均匀地放在一起，只是采样的权重不一样。因为我们希望模型不要产生所谓的遗忘，如果是完全割裂的两个阶段，会导致在吸收行业数据知识的时候，可能会把一些常识冲淡。”

▍把大模型落到产业上才能真正发挥价值

如何降低大模型使用门槛，让大模型真正在行业里用起来，是当下企业用户和大模型提供商关注的焦点。

“当进入产业的时候，更多的拦路虎是在更加微妙的细节上，这些细节往往决定了最后产品的价值，或者是用户的体验。现在大家有点冷静下来，更多从价值的角度，而不是从畅想未来的角度来看这个技术。”

何晓冬分析，AI技术不应该只是纯粹的学术推动，而需要从行业中凝练出需求。

“今年下半年，大家可能更关心行业价值如何呈现。虽然做高考题也很有意思，但最终的行业价值肯定不会产生在做高考题上。当大家乐观的时候，可能会忽视当初看起来还不起眼的，但实际上是拦路虎的问题。当把大模型真正落到产业上的时候，就一个个浮现出来了，需要解决这些问题才能真正用起来。”

谈及国内外大模型的差距，何晓冬判断，并没有想象中那么大。“算法其实是整个技术社区一起发明的，每一个算法都建立在其他人的基础之上，其中也有很多中国人的贡献。我觉得算法一旦发表之后，是属于全人类的科学。值得关注的反而是一些细节，从Transformer到GPT，中间还是走过了一段路，怎样组成这样的团队，里面各种各样技能的人都得有。这样才能把这个事情做起来，而且还得有足够的冒险精神。”