数据筑基推动模数共振

与千亿参数的通用大模型同场竞技，仅有8B（80亿）参数的低压电气大模型“专业分”更高；超过2000份产品手册、8万条物料数据，转化为4万条标品数据；在导购场景中，陌生商品用户选型决策时长缩短约70%，实现AI驱动GMV（商品交易总额）增量大幅度提升……这是近日在京东工业发起的工业行业首个大模型生态“百川计划”发布会上，德力西电气和京东工业展示的合作成果。

今年4月，工业和信息化部办公厅与国家数据局综合司联合印发了《关于联合实施2026年“模数共振”行动的通知》，启动国家级“模数共振”行动，旨在推动人工智能模型与数据资源协同互促、同频共振，进而形成“行业模型赋能应用实践、应用实践产生场景数据、场景数据优化行业模型”的良性飞轮，推动“人工智能+制造”走深走实。

推动AI在产业场景中的应用，京东工业和德力西电气一开始都选择了通用大模型做测试，但很快就遇到了阻碍。“通用语言大模型像是一个智商超群、博览群书的百晓生，但是放在一个工业场景中就出现了很多问题。”德力西电气首席信息官李扬告诉记者，首先是有幻觉，这在工业场景下是无法接受的；其次，大模型需要有行业知识；第三，很多应用场景并不是对话框式的，因此也提出了敏捷部署和Token（词元）效率的要求。

实践表明，解决工业场景的复杂性问题，行业垂直模型是必经之路。垂直模型以行业数据为底座、以行业知识为支撑、以核心流程为落点、以业务结果为目标，可以在真实场景中迅速落地应用，创造真实价值。

对此，京东工业相关负责人在接受经济日报记者采访时介绍，早期依托通用大模型落地工业场景，受高额调用成本、内部核心数据外泄风险、模型幻觉严重三大问题制约，仅短期试用便遭遇落地瓶颈。严肃工业场景的幻觉管控无法依靠通用模型解决，必须自主布局垂直大模型。在自主打磨半年自有数据后，模型准确率仅达80%，远达不到一线业务95%以上精度要求。同时，大尺寸模型调用迟缓、使用成本高，叠加工业场景非标、长尾特征，仅靠单方数据难以兼顾精度、速度与成本。京东工业和德力西电气依靠共建高质量数据集，训练小尺寸轻量化模型，以此把精度、准确度提升至95%–97%。

工业行业存在大量数据和知识孤岛，阻隔在不同行业和企业间，长期以来难以打通。但要形成大模型产业价值创造的飞轮，其关键动力就是源源不断的数据，还需数据流通才能带来真正的价值。

京东工业相关负责人介绍，生态共建的核心是各方互利共赢，项目从起步阶段便深耕底层数据全流程工作，分别明晰合作企业、自身企业、全行业的落地收益，只有看得见实际业务价值，新技术才能在传统行业长久落地。企业视数据为核心资产，数据转化大模型语料工序繁杂、企业存有安全顾虑，推进共建必须配套完善的数据边界防护、应用管控等保障机制，打消合作方数据安全担忧。依托实实在在的行业价值、完备的数据安全方案，加之国家政策倡导共建共享，市场各方认知逐步提升，合作模式才能持续深耕、迭代升级。

德力西电气总裁楼峰表示，双方重点将AI能力与产品体系、业务场景、行业数据深度融合，沉淀至工业供应链中，从而形成面向未来的AI竞争力，更深度的赋能产业链共同转型。

京东工业和德力西电气的成功实践验证了，在双方核心利益和敏感信息不被侵害的前提下，可以用生态共建的方式实现共赢，这也为其他企业提供了有益借鉴。

会上，京东工业开启“百川计划”，计划携手百家上游行业伙伴从数据、模型、应用三维共建行业生态。推动高质量数据流通，沉淀高质量商品数据、服务知识与业务场景数据；促进“行业语言体系”统一，降低供需信息不对称水平与沟通成本；以数据筑基、模型赋能、场景牵引推动“模数共振”，支撑高价值场景落地和工业智能体构建，助力行业降本增效、协同升级与新质生产力发展。