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透過《關於推動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網路、資料中心等新型基礎設施建設進度”，頂層設計為新型基礎設施建設按下“加速鍵”。
對於京東來說，落子“新基建”以及今年 3 月整合原有京東雲、京東人工智慧、京東物聯升級為全新“京東智聯雲”品牌，它正在向“以供應鏈為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 進行智慧化升級的話題上，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，一起來看技術大咖們為我們解讀了哪些技術亮點。
京東利用平臺優勢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為，“新基建”的“新”主要體現在兩方面：
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、工業網際網路、人工智慧、大資料中心建設等新內容。
二是，從服務和受益的人群看，隨著基礎設施的完善，越來越多的一般消費者將因此受益，也給中小傳統產業的數字化、資訊化改造提供機遇。
具體來說，京東智聯雲如何幫助企業做智慧化升級呢？
聚焦於“新基建”中人工智慧這個領域，京東智聯雲構建了一個人工智慧公共服務平臺作為 AI 基礎設施，整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、人工智慧、大資料、區塊鏈、AR、VR，還有移動開發等方面的基礎能力，作為技術賦能的平臺。在技術中臺之上有著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勢，幫助企業實現新舊動能轉換。
具體來說，在概念設計環節，假如企業想開發新產品，對於它關注的使用者、市場、使用場景、競爭優勢、投入產出比等問題，京東智聯雲都可以為企業的商業分析提供參考。
在開發和測試環節，京東人工智慧公共服務平臺提供開發測試模組。針對傳統產品，京東智聯雲還提供工業設計軟體，幫使用者在概念設計後，進行產品設計。
面向軟體企業，會提供基於研發測試流水線的產品，以及京東自研的中介軟體產品，幫助軟體企業開發做雲架構遷移，提供整合部署和釋出環境，加快開發進度。針對硬體企業，提供物聯網平臺，幫助企業實現裝置整合做好智慧家居、智慧物聯網的開發。
產品生產完之後在流通銷售環節，可以依託京東智慧供應鏈對流通領域進行賦能，幫助企業做精準使用者觸達和營銷，提高產品最終轉化率。
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，幫助合作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慧中臺
京東雲與AI人工智慧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，以國家級的智慧供應鏈平臺為背書，為企業定製的智慧中臺。NeuFoundry 覆蓋從資料標註-模型開發-模型訓練-服務釋出-生態市場的人工智慧開發全生命週期，並預置高淨值的脫敏資料、經實戰驗證的成熟模型以及典型專案場景，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，離不開被稱作“企業私有化 AI 能力鑄造廠”的 NeuFoundry，它主要包括：資料管理功能、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 人工智慧平臺部架構師朱二濤介紹了常見的機器學習預測演算法原理。
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，透過訓練大量資料自動得出模型。
>資料量和計算效能要求上，機器學習執行時間遠少於深度學習。深度學習需要大量訓練資料集和算力。
機器學習可分類為監督學習和無監督學習。監督學習又可分為：分類任務（如邏輯迴歸、樸素貝葉斯、決策樹演算法等）以及迴歸任務（如線性迴歸、隨機森林演算法等），而無監督學習，則是以聚類任務為代表。
那麼，NeuFoundry 中自動化機器學習使用的是什麼架構？
傳統機器學習專案全流程，需要經歷資料收集、資料清洗、特徵工程、模型訓練、模型釋出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“資料和特徵決定了機器學習的上限，模型和演算法是逼近這個上限“，因為大家都知道，模型和演算法是不可能 100%準確，只是我們看到的誤差最小而已。在原始資料的隱含業務特徵不是很清楚時，特徵工程的作用就得到了很大的凸顯。
原始的特徵工程，可能更多依靠演算法工程師對業務的理解以及歷史經驗。而除此之外，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，能夠構造出一些僅憑演算法工程師經驗無法構造的隱晦特徵，然後拿新特徵去做模型訓練，從而得到更精準的結果。
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、京東商城裡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勢，大量列舉候選有效特徵，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，透過 Auto-Sklearn 自動進行模型選擇和引數調整，可以最短的時間消耗下找到適合的模型和引數，以一定的計算代價，代替演算法工程師的工作時間，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慧開放平臺，以及透過文末連結回看分享影片吧。
傳統客服向智慧客服升級轉型，是大勢所趨
京東雲與AI自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、定點醫院資訊、線上藥房連結等，機器人還能透過 AI 對疑似病患提問進行分析判斷。實際上，京東很久以前就開始在智慧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。
提到智慧客服，很多人都會想到售後處理機器人。京東自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，可以解決關於產品的疑問，同時也可以提供購買建議。
以京小智為例，它透過智慧應答系統，能夠回答使用者提的各種問題。當它覺得足夠自信時，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“人機協作模式”。具體來說，當客服線上時，可以選用人機協作模式，它會提供答案供工作人員參考，加快客服人員回覆效率。
依靠這種模式，在 618 這種大的節日導致諮詢排隊、客服緊缺的情況下，會盡可能先讓機器答，機器處理不了的問題，再讓人工回答，這樣就可以大大減輕客服工作負擔。
此外，在智慧營銷上，京小智也能給提供建議。賣完東西后，它還可以做決策分析、為商家提供更多資料支援。
那麼在這樣產品背後，會遇到哪些技術挑戰，又需要什麼樣的技術支撐呢？
售前諮詢對話這個問題與其他的自然語言處理任務相比不一樣，需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：需要系統做查詢才能給出答案的場景；還需要考慮到使用者情緒進行智慧回覆，以及對問題時效性的保證。
目前京小智在技術上的路線，主要分成兩大部分，第一是應答，第二是轉化。
應答指的就是“回答使用者問題”。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。面對使用者千奇百怪的問題，應對技術也必須要有不同的技術方案，比如對應分類器、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。
舉例來說，分類器主要適用於高頻的或者答案相對固定的問題，優點是對頭部問題的覆蓋非常直接，缺點是在分類錯誤的情況下，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，優點是問法和答案都可定製，非常靈活，缺點是泛化能力有限。
對於轉化，機器其實需要像人一樣學習，學習一些精準的智慧營銷導購技能。比如有使用者在諮詢完後，說“考慮一下”，這時，機器就需要判斷：“該使用者到底有沒有購買意願？他的購買意願有多強？如果購買意願很強，是不是可以在五分鐘後，給對方主動發訊息問他考慮情況或者發券，智慧的催拍催付”，這樣其實是非常直接促成轉化的手段。
售前導購諮詢的前景如何？消費者期望智慧客服是客服、更是行業專家。陳蒙也給出了自己的看法：
>傳統客服向智慧客服升級轉型，是大勢所趨，“新基建”是最佳契機；
>智慧客服的下一個大市場是——智慧營銷；
>最高效的產品形態是人機融合，而不是完全取代；
>具備複雜對話能力的語音外呼機器人大有可為。
C2B 反向定製驅動智慧供應鏈變革
京東雲與AI人工智慧平臺部高階產品經理什麼是 C2B？許俊愷認為，從消費側資料入手，進行相應分析，反哺供應側，在透過細分人群的劃分，用資料驅動零售側進行精準的觸達，構建以消費者為中心的供應鏈結構。
對於 C2B 的具體闡釋，就是在供應側，對人貨場消費大資料進行解析，解決“為誰做”的問題；在零售端，透過使用者洞察和市場洞察，提供相應的決策建議和精準營銷，增強精準觸達能力，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升，形成有效率的營銷。從供給側到零售端，透過使用者分析的一以貫之，保證實現“為誰做的產品就賣給誰“的效果。
京東的智慧供應鏈就是以人工智慧演算法為核心，透過在生產、流通、消費的全環節的智慧化能力的輸出，全鏈條提升人貨匹配效率。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，提供智慧供應鏈管理平臺、智慧C2B平臺以及供應鏈企業資訊管理平臺等等相關平臺化產品，在能力層，則有大資料分析能力、AI 能力、雲端計算來提供相應的技術支撐。
總的來說，智慧 C2B平臺由市場洞察、使用者洞察、品牌營銷和反向定製 4 個核心模組組成。透過市場洞察和使用者洞察相應的消費資料分析，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，切實提升商品競爭力和銷售表現。
在使用者洞察方面，其實是對使用者搜尋，App 瀏覽和使用習慣等行為資料，評論、問答等評價資料以及使用者畫像進行綜合研判，來推斷使用者動機，再透過 AI 演算法模型，具體分析出使用者最終對產品的購買意向和程度。在市場洞察方面，則對整體市場、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，品牌分佈等等情況。
在透過整體資料分析後，得到的資料結論，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，我們就把它叫做反向定製。
反向定製，一方面，透過核心指標選定，對商品屬性本身的市場，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。另一方面，也會針對使用者在商場裡發生的行為，包括評論、問答，搜尋，挖掘使用者隱性痛點，幫助使用者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 反向定製總結一下可以解決以下問題。
>基於京東海量使用者和商品資料，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；
>支援基於 UV 轉化率的定製，提升新品轉化、實現老品升級；
>支援基於評論等文字資料，進一步挖掘使用者痛點和產品賣點，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援，使得品牌商精準匹配消費者需求以及達到成本的降低和利潤率的提高。
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慧供應鏈完善的平臺架構和服務體系，正是推動企業數字化、網路化、智慧化升級的有力推手。
