每年的618购物季，不仅是上半年中国电商行业的高光时刻，也是所有平台与商家的存量搏杀。然而，大模型之家注意到，在喧闹的GMV排行榜 之外，一个更具深意的趋势正在悄然生长——企业如何在AI技术的加持下实现组织智能化跃迁。尤其是2025年，这场618更像是一场关于大模型 能力与业务融合深度的实战演练。 淘宝则依托"羚客"SaaS平台实现直播调度自动化，同时大规模上线AI主播与数字人直播。这种组合不仅显著降低了人力成本，更带动了转化率的 提升。同时，直播间内的智能互动系统也能实现商品推荐与问题应答，使每一场直播成为算法驱动的内容引擎。 不同于往年以促销为核心的节奏，今年的618，是AI真正站上舞台中央的一年。不只是电商平台内部的智能调度，更是触达至直播间里的数字 人、客服场景的智能体、营销系统的AIGC工具，乃至整个产业链的协同逻辑与资源配置。我们看到的，是一次关于企业AI战略执行能力的集中检 验，也是一次对AI商业价值变现路径的真实验证。 AI已不仅仅是电商背后的生产力工具，更是竞争中台。一个能否以AI驱动决策与服务流转的企业，开始在效率、体验乃至成本结构上，与传统逻 辑决裂。技术的加速跃迁，让这个行业不再只是快 ...

京东618业绩与战略 - 2025年京东618购物节推动销售额增长并提升品牌知名度，已成为全电商行业的大型购物节[3] - 京东MALL双井店开业，主打场景消费模式，汇聚20万种商品和超200个全球品牌，工作日客流量大[8] - 京东MALL设立多个场景体验区，如咖啡制作体验流程日接待300名顾客，露营装备展示区减少冲动消费[8][11] - 京东MALL为华北首家线下跨境体验店，采用自由开放动线设计，强调服务与线上线下资源整合[14] 外卖业务突破 - 京东3月进入外卖赛道，日订单量突破2500万，入驻商家超150万家，全职骑手超12万人[20][22] - 外卖业务带动新注册京东PLUS会员超40万，PLUS会员外卖复购率为非会员2倍[22] - 京东采用严格店铺准入标准，长期佣金费率不超5%，计划扩招全职骑手至15万人[22] 消费趋势与业绩亮点 - 京东618期间国货品牌占热度TOP100的七成，AI和非遗元素产品搜索量同比增120%和270%[20] - 县域农村地区订单量同比增130%，用户数量同比增140%，南昌县和成武县表现突出[20] - 即时零售订单暴涨，品质餐饮门店增至150万家，自营家政服务成交额破亿[20] - 自营家电清洗和洗衣订单分别同比增211%和超10倍，Z世代重悦己消费，老年群体重充实生活[20] 技术创新与物流升级 - 京东引入无人机"飞狼"、人车协同工具"地狼"等智能物流设备，实现全国大规模应用[25] - 利用AI大模型提升客服效率，商家使用京小智服务，客服响应速度显著提升[25] - 京东大模型覆盖3B至750B全尺寸，性能对标GPT-4o和DeepSeek-R1[28] 未来发展方向 - 京东计划在低价策略基础上兼顾质量，业务扩张将成主旋律，可能进军文旅业务[29] - 公司通过新商业模式改写线下零售和即时零售领域，抓住AI等技术演进趋势[30] - 京东持续改进服务体系，消费者认可度提升，但需应对竞争对手的激烈反击[32]

京东大模型研究成果 - 公司研究成果登上Nature旗下期刊npj Artificial Intelligence，提出开放环境下大模型训练与更新的系统方法[1] - 通过模型蒸馏、数据治理、训练优化与云边协同四大创新，平均提升推理效率30%，降低训练成本70%[1][8] - 是国内首个系统性解决大模型开发效率难题并获国际顶刊认证的研究[2] 技术突破与创新方法 - **模型蒸馏**：采用动态分层蒸馏技术，仅调整0.5%参数实现高效训练，支持京东大模型/Llama/DeepSeek等多模型蒸馏[5][6] - 蒸馏后京东大模型Livebench性能提升14分，同量级模型效果显著优化[7] - **数据治理**：跨领域动态采样算法结合隐私保护技术，提升模型泛化能力[11] - **训练优化**：贝叶斯优化框架处理离散空间，MPMD场景资源利用率提升40%[11] - **云边协同**：云端训练+边缘推理，两阶段压缩策略适应资源限制[11] 商业化应用与平台能力 - JoyBuild平台提供定制化解决方案，内置20余种开源模型、100余种算法工具链，支持通用模型快速专业化[9][10] - 企业模型开发周期从10余人团队缩减至1-2人，全流程耗时从数周缩短至1周，推理成本节约90%[10] - 平台沉淀京东零售/物流/健康/金融等行业Know-How，应用于供应链优化、智能客服等场景[12] 行业影响与未来方向 - 技术方案为行业提供通用路径，非"黑箱"式解法，推动AI规模化落地[12] - 未来将持续提升大模型开发效率，降低企业AI应用构建成本[12]