制造业供应链数字化 - 当前90%的制造企业数据处于“沉睡”状态，尤其是中小企业缺乏统一的数据和业务流程标准[2] - 企业系统齐全但缺乏整合形成数据孤岛，例如创世纪机械拥有SAP、PLM、MES、WMS、SRM、CRM等系统，但业务数据无法贯通导致缺失全局决策视角[3] - 解决数据沉睡问题的根本之道是从标准化入手，遵循标准化、上系统、数据采集和AI建模的四步曲，业务与IT深度融合是关键[4] - 通过AI技术可实现非标采购的智能化，智造家“采购管家”平台利用多模态大模型对2D/3D图纸快速核价，目标让非标采购像淘宝下单一样简单可控[6] - AI应用于生产计划与物料分配，基于实时设备状态、订单优先级和物料库存的智能排产系统可动态调整生产顺序，初步实现“计划-执行-物料”闭环[6] - 制造业AI落地路径不同于互联网行业，核心在于“小数据”和“场景闭环”，而非盲目追求几百亿参数的大模型[6] 金融行业AI与RWA创新 - 京东云通过统一的JoyScale AI算力平台将GPU资源利用率从不足30%提升至70%以上，并兼容多种国产芯片以应对供应链风险[10] - 京东内部已部署上万个智能体覆盖研发、客服、营销、投研等场景，其JoyAgent智能体已演进至2.0阶段，能够实现多智能体协作自动执行复杂业务流程[10] - 企业级AI应用成功的关键要素在于数据质量与流通性、精准的业务场景识别以及配套的组织架构与人才培养体系[10][11][12] - RWA创新路径需锚定实物大宗商品以确保合规，例如酱香基酒资产每年增值约15%，通过全流程数据上链在贵州大数据交易中心成功挂牌[13][16] - 探索通过香港、迪拜等持牌交易所渠道进行RWA跨境流动，本质是将实体经济中的优质资产数字化以提升流动性[13] 零售业数字化运营 - 零售业追求“日日新”，金源新燕莎MALL每年置换或移位品牌面积达4万平方米，相当于每年重新呈现一个中小型百货店[14][15] - 购物中心本质是构建生态，早期运营方曾提出80%商户不盈利时自身也不追求盈利，关键在于通过精进服务提高产品价值对冲成本[15] - 通过统一收银和会员体系实现人货场数字化，发现“内衣+红酒”等品类组合，运营需高于日常商品管控能力，落脚于“物美价廉、物超所值”的核心价值[17] - 百货业CIO需从“术”转向“道”，更多关注消费文化变迁和消费者行为变化，核心策略包括将公域流量转化为私域流量以及利用AI制造营销热点引导线下回归[19][20] - 大东方百货通过系统改造实现柜组收银和自助收银，解决促销时排长队问题，AI技术未来将对人力资源结构产生明显影响[21] 酒旅航司AI应用 - 心逸酒店从自有APP模式转向企业微信+小程序模式，节省APP研发成本的同时通过企微增加25%客源，但存在总部无法直接触达客户的痛点[22] - 将AI嵌入移动管理平台实现知识库问答和动态定价，分析历史数据及监控商圈热点生成调价策略，但需优化方言和指令混乱导致的数据污染问题[23] - 东航在DeepSeek降低AI成本后快速部署本地化模型，两周内完成针对性培训，目前已开发上百个RAG应用和智能体，1万多名一线员工通过“掌上东航”APP实现移动端知识检索[23][24] - 企业级AI作为“一把手”工程，东航董事长亲自担任AI领导小组组长，成立人工智能应用创新中心和科创联盟以推进落地[24] 企业AI落地与ROI衡量 - 企业成功应用大模型的七大关键包括更新意识理性期待、注重高质量数据积累、打造复合型团队、聚焦高价值场景、明确价值点衡量效果、持续运营以及将AI视为持续演进系统[26][27] - 提出三方共创模式：一线员工必须参与、总部发挥职能、数字化部门支持，上线前要求一线员工提出200个以上问题以验证AI功能[29] - 对AI项目进行分级管理，S类项目由业务部门负责人与技术侧共同确定目标，A类项目由副总负责设定目标，业务目标包括功能目标和财务收益目标[30] - 对于无法直接计算收益的项目，提出“运营效率提升”概念，例如全面预算系统压力测试从一季度缩短至一个月，项目定价报告编制从以往耗时较长缩短至1小时[30] - 审计工作模式正向“算力密集”代替“人力密集”、“全量审计”代替“抽样审计”转变，构建智能审计生态需实现审计覆盖全面化、技术智能化、信息多维化、过程连续化、组织中台化和报告灵活化[26]

京东云JoyScale AI算力平台能力升级 - 实现行业最多元国产异构算力调度 支持10+家国产AI算力卡和20+训练推理框架 是业界唯一同时支持英伟达显卡和昇腾NPU远程调用的算力平台 [1][3] AI算力平台市场需求 - AI深度应用需要AI Native算力平台 需以GPU为中心重塑基础设施并解决国产GPU型号多样带来的异构问题 [2] - 推理需求增长推动计算资源增加 企业需提升智算资源效率 [2] - GPU国际供应链风险加剧 金融政务等领域加速AI算力国产化替代 [2] JoyScale平台核心优势 - 极致算力性能 内核态池化引擎提供多卡聚合 单卡切分 多机多卡集群化调度和推理加速能力 推理性能提升50% [5] - 高效异构算力调度 全面适配10+家国产算力 兼容昇腾 寒武纪 海光等加速卡 资源利用率提升70% [5] - 深度国产AI生态合作 与国产芯片厂商开放Runtime层代码 通过GPU/NPU切分池化技术屏蔽硬件复杂性 [6] - 支持超20种AI训练推理框架 训练框架包括PyTorch TensorFlow DeepSpeed MindSpore等 推理框架包括vllm sglang MindIE triton等 [7][8] 平台技术优化 - 实现应用与算力分离 底层异构算力彻底池化 按需分配算力资源 [9] - 调度算法兼容英伟达NVLink优化 智能识别CPU NUMA和网络拓扑 最大化任务执行效率 [9] - 国产GPU/NPU与英伟达/AMD共享资源队列机制 保障资源量同时共享集群空闲资源 [9] - 通过GE图编译优化和ATB高性能算子技术 深度优化Paged Attention和Flash Attention 实现整图下发和流水线并行 [10] - 软硬协同优化热点算子 实施锯齿Attention 动态输入拼接 全子图下发等措施 实现百卡MFU达60% [10] - 通过权重更新通信隐藏 CoC计算通信并行和RDMA通信技术 达到百卡扩展系数0.93 支持千亿至万亿参数模型训练 [10] 平台应用实践 - 基于京东集团复杂场景实践 构建一站式大模型产品矩阵 从智算基础设施到模型服务和工具 再到Agent应用开发 [10] - 凭借内部深度应用经验 打造极致性能和性价比的技术与产品 助力企业重塑AI生产力 [10]

中国政务云市场概况 - 2024年中国政务云市场规模为1214.8亿元，同比增长12.6% [3] - 预计到2027年中国政务云市场规模将达到1689.9亿元 [3] 京东云市场地位 - 京东云在"2024年中国政务云市场厂商竞争力象限分析"中稳居前五 [1] - 京东云继续位居领导者象限，凭借广泛的用户基础、不断创新的云服务和产品能力 [3] 京东云技术能力 - JDStack专有云平台针对政府数字政务需求打造，具备灵活的异构算力管理、全面国产化适配、大规模场景验证等核心能力 [3] - JoyScale AI算力平台支持万卡级AI算力集群的精细化管理，实现异构算力的智能调度 [4][5] - JDStack实现多云、多芯、多活的统一管理，支持超千万核资源的秒级调度 [5] 京东云国产化适配 - 兼容X86、鲲鹏、飞腾等主流芯片，适配麒麟、统信等操作系统 [5] - 支持在同一朵云内混合部署多种芯片、多种计算架构的服务器 [5] 京东云安全稳定性 - 通过云安全CSA C-STAR认证、可信云认证、等保三级、ISO27001等安全认证 [5] - 多年稳定支撑京东618、11.11、春晚红包等高并发复杂场景 [5] 京东云未来规划 - 将持续深耕技术，以更开放、更协同的生态理念为引领 [5] - 立足城市数字经济发展现状，将数智能力与城市发展深度融合 [5]

京东云AI产品发布 - 京东云在上海发布JoyScale AI算力平台、JoyBuild大模型开发计算平台、JoyAgent智能体2等九大产品 [1] - 同时推出医疗、工业、金融三大垂直行业一体机 [1] - 这些产品旨在帮助企业全面重构AI基础设施并生成专属数字员工 [1] AI应用趋势 - 数字员工的上岗率将成为衡量企业先进性的标准 [1] - AI完成的工作量将决定企业未来发展速度 [1] - 新一代Agent成为深度应用的典型代表 [1] 技术发展现状 - 京东云JoyAgent2.0正在帮助企业生成专业数字员工 [1] - 大规模应用爆发推动AI基础设施迈向标准化 [1] - AI Infra1.0已经具备 [1]