Künstliche Intelligenz überholt die Lieferkette, JD zielt auf eine KI-Oekonomie im Billionenbereich

In letzter Zeit hat JD, das sehr aktiv ist, auch sich mit KI beschäftigt.

Auf der heute stattfindenden JDD-Konferenz hat JD auf einmal drei KI - Produkte, drei aktualisierte Deep - Learning - Anwendungplattformen sowie die Anwendungsresultate der von JD selbst entwickelten KI in vier Szenarien freigegeben. Gleichzeitig hat Xu Ran, Vizepräsidentin der SEC der JD Group und CEO der JD Group, angekündigt, dass die JD Group in den nächsten drei Jahren kontinuierlich in die Entwicklung der Künstlichen Intelligenz investieren wird, ein KI - Ökosystem im Billionen - Maßstab ankurbeln wird und Szenarien und Trainingsdaten für KI - Unternehmen wie Embodied Intelligence öffnen wird.

JDs konzertierte Präsentation seiner selbst entwickelten KI - Fähigkeiten bietet in der Tat eine differenzierte Referenz für die Beobachtung der Umsetzung von KI - Anwendungen in der heutigen Internetbranche. Die von JD angewandte Strategie des "Szenario - getriebenen Ansatzes" hat bereits Früchte getragen: Zunächst wurde der praktische Wert der KI - Anwendung in JDs eigenem Supply - Chain - System validiert, und anschließend wurden die bewährten Fähigkeiten systematisch ausgegeben.

Hinter dieser Wahl des Weges steckt nicht nur JDs grundlegendes Verständnis der strategischen Bedeutung der KI, sondern auch die aktuelle Branchentrends, dass die KI von der Betonung der Technologieentwicklung zur Wertschätzung der praktischen Anwendungen wechselt. JDs Praxis könnte die Schlüsselmerkmale und möglichen Wege für die tiefe Anwendung der KI liefern.

Eigene Entwicklung und Verbesserung: KI transformiert die Supply Chain

Wie aus den Veröffentlichungen der JDD - Konferenz hervorgeht, hat JD in der Zeit der Eigenentwicklung und - anwendung der KI bereits erreicht, dass seine selbst entwickelte KI - Fähigkeit in den Kerngeschäftsszenarien funktioniert.

Nehmen wir als Beispiel das Logistik - Szenario, das ein Schlüsselglied in der Supply Chain ist. JD hat bereits eine tiefe Integration des Large Language Models in sein eigenes Logistiksystem vorgenommen. Der aktualisierte Logistik - Superbrain 2.0 ist nicht mehr nur ein punktuelles Automatisierungswerkzeug, sondern wandelt die ursprünglich auf menschlicher Erfahrung basierenden Arbeitsabläufe durch die drei Mechanismen der ganzheitlichen Wahrnehmung, der Modellentwicklung und der Mensch - Maschine - Kooperation in datengesteuerte dynamische Entscheidungen um.

Die von JD veröffentlichten Daten zeigen, dass der Logistik - Superbrain 2.0 den gesamten Arbeitsablauf "wahrnehmbar, vorhersagbar und kooperierbar" gemacht hat: In der Überwachungsphase hat sich das Niveau der Standardisierung der Operationen um 15 % verbessert; bei der Planung von Fahrern, Fahrzeugen, Waren und Lagerräumen hat sich die Effizienz an der Frontlinie um fast 20 % erhöht; bei der Mensch - Maschine - Kooperation hat sich die Effizienz um mehr als 20 % gesteigert.

Dieser Erfolg wird durch selbst entwickelte Produkte wie Zhi Lang, Tian Lang, Di Lang, Fei Lang, Du Lang, Yi Lang und die automatische Sortierwand in allen Logistik - Szenarien von der Lagerung bis zum Einzelhandel abgedeckt. Derzeit haben die "Wolfs - Familie" - Produkte weltweit eine Präsenz und die Anzahl der Lager, in denen sie in großem Maßstab eingesetzt werden, hat die 500 - Marke überschritten.

Im industriellen Szenario ist JDs JoyIndustrial tief in den gesamten Supply - Chain - Prozess integriert. Dies ist ein industrielles Supply - Chain - Large Language Model, das auf 57,1 Millionen SKUs von industriellen Produkten und Daten aus mehr als 40 Branchensegmenten basiert. Es deckt nicht nur die Phasen des Einkaufs und der Leistungserbringung ab, sondern hat auch mehr als 40 Arten von intelligenten Agenten - Anwendungen wie die Warenverwaltung, die Angebot - Nachfrage - Anpassung und die grenzüberschreitende Compliance hervorgebracht.

Laut JD hat das virtuelle KI - Verwaltungsteam in der Warenverwaltung die Bearbeitung von Zehntausenden von Verwaltungseinsätzen von Monaten auf Stunden reduziert; bei der Angebot - Nachfrage - Anpassung wird die Klärung von Tausenden von Geschäftschancen nicht mehr fünf Stunden, sondern nur 15 Minuten dauern; und im grenzüberschreitenden Geschäft hat der intelligente Zoll - Agent die Arbeitsstundenkosten der Unternehmen um mehr als die Hälfte reduziert und die Zollbewertung von T+3 auf nahezu Echtzeit verbessert. Die Effizienz der Supply Chain hat sich sprunghaft verbessert.

Ein Schlüsselpunkt hierbei ist, dass das industrielle Large Language Model JoyIndustrial nicht nur die Effizienz steigert, sondern auch die Standardisierung der Verwaltung und die Vertrauenswürdigkeit der Compliance verbessert. Dies entspricht auch einer anderen einzigartigen Erzählung von JD bei der KI - Anwendung - Vertrauen zuerst.

Insbesondere im Gesundheits - Szenario hat JD das medizinische Large Language Model Jingyi Qianxun 2.0 entwickelt, das "Vertrauenswürdigkeit" als Kernpriorität festgelegt hat. Es kann nicht nur das klinische Diagnose - und Behandlungsdenken eines Arztes simulieren, sondern führt auch aktiv evidenzbasierte medizinische Beweise in den Inferenzprozess ein und stimmt sich mit den medizinischen Konsensus überein, um sicherzustellen, dass die Diagnose - und Behandlungsresultate klinisch vertrauenswürdig sind. Gleichzeitig kann Jingyi Qianxun 2.0 multimodale medizinische Daten wie Texte, Bilder und Laborberichte fusionieren und analysieren, um eine "Denkkette" über verschiedene Modalitäten hinweg aufzubauen und die Vollständigkeit und Genauigkeit der Diagnose zu verbessern.

Dieselbe Vertrauenslogik ist auch im Einzelhandels - Szenario, das sowohl das Ende der Supply Chain als auch eines der Kerngeschäfte von JD ist, deutlich zu erkennen. Wenn im medizinischen Szenario "Vertrauenswürdigkeit" die Gewährleistung der evidenzbasierten Medizin und der klinischen Logik bedeutet, dann manifestiert sich "Vertrauenswürdigkeit" im Einzelhandels - Szenario in der Zuverlässigkeit der Kaufentscheidung und der Leistungserbringung: Durch Anwendungen wie AI Shopping und AI Try - On ermöglicht JD es den Benutzern, sich nicht in der riesigen Menge an Informationen wiederholend zu vergleichen und zu suchen, sondern schnell Entscheidungen zu treffen, basierend auf personalisierten Empfehlungen und real sichtbaren Try - On - Ergebnissen; für die Händler machen Tools wie der Jingmai AI - Assistent und der Jingdiandian Design Intelligent Agent das Marketing und die Leistungserbringung konformer und effizienter, reduzieren die Rückgabesrate und die Verluste und stärken das Vertrauen in den Handel.

Man kann sehen, dass JD von der Logistik über die Industrie bis hin zum Gesundheitswesen und zum Einzelhandel die gesamte Supply Chain mit KI neu strukturiert und die Effizienz neu gestaltet hat. In diesem Prozess dient die Supply Chain auch als das beste Szenario für die verstärkte Lernfähigkeit von JDs KI. Da es viele Schritte, eine große Datenmenge und eine schnelle Rückkopplungsschleife gibt, kann JD in seinen eigenen Szenarien eine robuster KI - Fähigkeit entwickeln. Dies ist auch der Grund, warum JD bereits eine nachweisbare Anwendungsbilanz vorlegt, während die Branche im Allgemeinen noch in der Suche nach Umsetzungspfaden ist.

Tiefe Anwendung nach intensiver Prüfung

Neben der Präsentation der Anwendungsresultate in den Kerngeschäftsszenarien war ein weiteres Highlight der JDD - Konferenz die Einführung von drei KI - Produkten und drei Deep - Learning - Anwendungplattformen. Ihre Veröffentlichung markiert, dass JD die Ergebnisse seiner eigenen Entwicklung und Verbesserung in Fähigkeiten umwandelt, die von der Industrie genutzt werden können. Aus den Schwerpunkten der Stärkung dieser Produkte und Plattformen kann man auch die strategische Hierarchie von JD bei der Förderung der tiefen KI - Anwendung erkennen.

Die drei Produkte, die auf der Grundlage der Fähigkeiten des JoyAI - Large Language Models entwickelt wurden, zielen jeweils auf verschiedene Geschäftsbereiche ab.

Für die Verbraucher erweitert JD die KI von der "Einkaufsempfehlung" auf den gesamten Lebensbereich. Hierbei ist Jingxi ein AI - natives Produkt, das nicht nur mit einem Befehl Einkäufe tätigen, Essen bestellen und Hotels buchen kann, sondern auch den größten Unterschied darin hat, dass es Online - und Offline - Services verbindet: Es ist direkt mit JDs Einzelhandels -, Liefer - und Reisebuchungsservices verbunden und integriert die KI wirklich in das reale Leben.

Der als Digitaler Assistent positionierte "Ta Ta Ta" kombiniert Stimme, Gesichtsausdrücke und Bewegungen. Er kann nicht nur alle Anforderungen wie Wissensfragen, medizinische Beratungen und Finanzdienstleistungen auf einmal erfüllen, sondern kann auch durch die "gleiche Seele" die Fähigkeiten des Intelligenten Agenten in Hardware - Endgeräte einbinden und die Begleitung und Interaktion des Digitalen Menschen in eine greifbare Form im realen Leben erweitern, um eine koexistente KI - Erfahrung zu schaffen.

Man kann sehen, dass JD nicht nur seinen eigenen Einzelhandelserlebnis durch KI optimiert, sondern auch die Interaktions - und Service - Fähigkeiten für die Verbraucher in ein replizierbares KI - Anwendungsmuster umwandelt, um die Benutzerkontakte in mehr Szenarien zu stärken.

Für die Hardware - Ökosystem hat JD offiziell die Embodied Intelligence - Plattform JoyInside 2.0 veröffentlicht. Sie ist wie ein "Gehirn" für Roboter - und Spielzeughersteller. Durch die Öffnung dieser Plattform ermöglicht JD es seinen Partnern, schnell auf die reifen Fähigkeiten des Intelligenten Agenten zuzugreifen und Intelligenz in die Hardware - Endgeräte zu integrieren. Derzeit ist JoyInside 2.0 mit Robotern und AI - Spielzeugmarken wie Unitree und Fuzozo verbunden und die entsprechenden Produkte sind bereits auf JD zum Verkauf online. Laut Statistiken hat sich die durchschnittliche Anzahl der Gesprächsrunden von mit JoyInside verbundenen intelligenten Hardwaregeräten um über 120 % erhöht. Von der schnellen Anbindung der Partner bis hin zur allmählichen Etablierung des Konsumentenbewusstseins "Roboter auf JD kaufen" ist JoyInside 2.0 nicht mehr nur eine Plattform, sondern ein Beschleuniger für die Digitalisierung der Hardware - Ökosystem.

Insgesamt zielen die drei Deep - Learning - Anwendungplattformen darauf ab, die Schwelle für die tiefe KI - Anwendung in verschiedenen Branchen zu senken.

Hierbei ist JoyAgent 3.0, das erste 100 % quelloffene Unternehmens - Intelligent Agent, nicht nur mit JDs internen Fähigkeiten wie Multimodalem RAG und Datenverwaltung integriert, sondern kann auch nahtlos mit dem Wissens - und Datenbank des Unternehmens verbunden werden, um ein "Intelligentes Entscheidungs - Zentrum" zu werden. Seit der Quelloffenlegung im Juli 2025 hat JoyAgent auf GitHub über 10.000 Sterne erhalten. Auf der JDD - Konferenz hat JD angekündigt, dass JoyAgent die DataAgent - und DCP - Datenverwaltungsmodule weiter quelloffen gemacht hat, um die Verarbeitung von Multimodal - Daten vollständig zu unterstützen und den Intelligenten Agenten wirklich in den Unternehmensproduktionsszenarien einsetzbar zu machen.

JoyCode 2.0 kombiniert "Intelligent Agent + Code - Plattform" und ist als Unternehmens - Intelligent Development Platform positioniert. Es unterstützt die vollständige Automatisierung der Programmierung ohne manuelle Eingabe von Code und hat bereits Tausende von JDs Entwicklern gedient. Die Annahmevorrate der generierten Codes betragen über 40 %. Als offenes Tool produziert JoyCode 2.0 JDs interne Erfahrungen in der Effizienzsteigerung der Entwicklung und hilft externen Entwicklern und Unternehmen, komplexe Anwendungen mit niedrigen Schwelle zu erstellen.

Der Digital Human 4.0 geht von der "Ersatzausführung" zur "persönlichen Schaffung" über und zeigt neue Werte in Szenarien wie Marketing, Kultur - und Tourismus und Werbung. Er kann nicht nur im Livestream - Shopping mit einem Zehntel der Kosten des menschlichen Moderators übertreffen, sondern kann auch eine langfristige digitale Vermögenswerte der Marke werden. Das dahinterliegende JoyAI LiveHuman - Modell erweitert ebenfalls JDs Erfahrungen in der Digital Human - Praxis auf mehr Branchen durch die Öffnung von Schnittstellen und Toolchains.

Quelloffenheit ist nicht nur ein gemeinsames Merkmal der drei Plattformen, sondern auch der Schlüsselweg, wie JD seine KI - Fähigkeiten an tausende Branchen abgibt.

Neben den oben genannten drei Deep - Learning - Anwendungplattformen hat JD auch mehrere unterstützende Fähigkeiten quelloffen gemacht, darunter: das OxyGent - Multiple Intelligent Agent - Kooperationsframework, das xLLM - Inferenzframework, das speziell für chinesische Chips optimiert ist, die JoySafety - Large Language Model - Sicherheit und das medizinische Large Language Model Jingyi Qianxun 2.0, das die vertrauenswürdige Inferenz und die Multimodal - Fähigkeiten verbessert. Dies sind alle konkreten Bemühungen von JD, um die Schwelle für die KI - Anwendung in der gesamten Branche zu senken und seine eigenen Erfahrungen und Methoden in öffentliche Ressourcen der Branche umzuwandeln, um die Verbreitung der Deep - Learning - Anwendung von Large Language Models zu beschleunigen.

Die Veröffentlichung dieser ganzen Reihe von KI - Produkten und Plattformen ist im Wesentlichen so, dass JD nicht einfach seine KI - Fähigkeiten als neue Produkte auf den Markt wirft, sondern entlang der strategischen Pfade des Verbrauchererlebnisses, der Hardware - Ökosystem und der industriellen Anwendung die in den Szenarien wie Einzelhandel, Logistik, Gesundheitswesen und Industrie langjährig entwickelten Fähigkeiten an externe Unternehmen und Benutzer ausgibt. Dies ist die Manifestation der langfristigen Akkumulation von JDs KI - Fähigkeiten: Sie stammen aus der praktischen Erfahrung, nicht aus der Leerlauf von Rechenleistung, Parametern und Konzepten; und dann werden die tief verfeinerten Fähigkeiten in vollständige Lösungen verpackt, die von Unternehmen und sogar Endverbrauchern direkt genutzt werden können.

Zeit der ROI: JD gibt die Antwort

Tatsächlich hat sich JDs KI - Strategie von Anfang an nicht auf die Demonstration von Parametern und Fähigkeiten beschränkt, wie es auf der JDD - Konferenz gezeigt wurde.

Seit der Planung des Yanxi Large Language Models um 2020 herum hat JD immer darauf bestanden, dass die KI in seinen eigenen besten Szenarien der Supply Chain und der realen Geschäft betrieben wird. Es betont, dass das Large Language Model selbst keinen Wert direkt schaffen kann, sondern erst in einem Szenario seine Wirkung entfalten kann.

Im Jahr 2021 hat JD das K - PLUG - Modell mit einer Parametergröße von einer Milliarde veröffentlicht, das für den Einzelhandel insgesamt 3 Milliarden Wörter an Warenbeschreibungen generiert hat; im Jahr 2022 hat es das Billionen - Parameter - Modell Vega freigegeben, das für die One - Stop Digital Supply Chain - Datenplattform von JDs Logistikdienstleistungen dient und Unternehmen dabei hilft, Kosten zu senken und Effizienz zu steigern. Man kann sehen, dass diese Large Language Models bereits von Anfang an tief in JDs Ker