产业大模型，一种“量体裁衣”

各家都在追求以模型通用能力为基础，进而服务千行百业之时，单独强调产业场景的特殊针对性，难免会让人觉得有“避重就轻”之嫌。

产业大模型需要兼顾通用能力，这是提供模型服务的前提。

以最近大热的BloombergGPT（彭博GPT）为例，同样是聚焦与特定领域、具体场景，在官方发布的论文中，对BloombergGPT的评估包含了两部分，金融领域评估与通用领域评估。

BloombergGPT基于Bloomberg终端（Bloomberg Terminal）的海量金融数据进行训练，数据涵盖了各种金融文档，如新闻、报告、评论、财务报表等。与京东数据“专项专练”的产业大模型训练思路颇为一致。

文章指出，在金融领域任务上，BloombergGPT综合表现最好，同时在通用任务上，BloombergGPT的综合得分同样优于相同参数量级的其他模型，甚至在某些任务上的得分要高于参数量更大的模型。即BloombergGPT在金融领域表现突出的同时，并没有以牺牲模型通用能力为代价。

更直白的说，如果一个大模型缺乏通用能力，可能会限制模型应用范围的灵活性。通用大模型通常能够处理各种类型的语言任务，并从广泛的语料库中学习到多样性的语言模式。作为对比，专业大模型的泛化能力可能受到限制，无法适应多样的应用场景和任务。

所以大多数厂商会选择在通用大模型的基础之上，进行特定领域的训练和优化开发产业大模型，使其具备更深入的行业知识和理解，提供更准确的内容生成。同时厂商也会重点指出训练模型时，会兼顾通用与专业。

而反观京东对言犀大模型差异化定位的描述，并未强调其通用模型能力，着重强调对特定场景、特定行业问题的解决力。

京东表示，不会向千行百业提供通用大模型，通用性不是目的，原生数据集所带来的能力，对零售、健康、物流、金融这几个特定行业的深入理解，构成了言犀大模型的差异。

大模型华山论剑，当各家大厂都在以技术能力展示其功底如何深厚之时，京东却话锋一转，说自己身经百战，对手众多皆是一流、京东大模型实力必然也是个中翘楚。

这种“泥腿子”路数似乎对应着京东一直以来的“江湖味”作风，没有绝对实力和话语权，又不得缺席竞争，就以江湖经验标榜自己不落人后。

如此看来，不做通用，反复重申自己“产业大模型”的定位，其实是一种更适合其当下发展路线的“量体裁衣”：长处不在技术之时，宣传场景更有优势。

只是这个定位也非京东独家。

百度、阿里这类在通用大模型之路上狂奔多时的企业，正不断推出行业应用、产业结合方案。同样入局稍晚的腾讯、华为也在近期发布了自己的行业大模型。具体场景、特殊领域的模型能力的确更符合应用逻辑，也更容易跑通商业模式。

无论定位如何，宣传侧重怎样，客户的选用最终还是要看真实产品表现。虽然打出了产业的旗号，京东目前的宣传卖点还在侧重于智能客服和智能导购这些相对初级的应用场景，恐怕离“产业”还有相当一段距离。