How time flies！又到了一年一度的618。

今年你下單了嗎？搶到心儀的商品了嗎？快遞收得順利不？血拼了大半個月的我有一個最大的體會，就是今年的618還是那么熱鬧，但有些東西變了。

你可能也注意到這些變化——

商品推薦越來越命中心趴，物流越來越快，甚至智能外呼、客服機器人，也越來越像個真人了。

技術不是“內(nèi)卷”“壓榨”或“花樣敘事”的工具，而是切實服務著美好生活。

體驗更好，出錯更少，意味著背后的技術進步得更多，也越能說明有人在背后頂住了壓力。

讓大家高高興興購物，支撐億級用戶順利下單、收貨體驗的，是一群技術人，他們?nèi)諒鸵蝗盏卦诖a堆里打磨系統(tǒng)、調(diào)模型、壓成本、提效率。

618是京東的生日，也是京東首次以線上促銷形式慶祝這一日期，推出了618年中促銷活動，通過限時秒殺等簡單玩法吸引消費者。

一眨眼，我們已經(jīng)在這個特別的時間點買買買了二十多年。

趁著這個節(jié)點，今年，我們找來了三位分別來自京東零售、物流、科技業(yè)務的技術人，聊了聊他們在幕后做的事。

長林丨零售：不是造一個新模型，而是讓模型用得起、落得下

大家在京東選購商品時可能會留意到，不同商家架上的同類商品會自動被歸在一起，方便大家快速對比選購性價比高的商品，商家也會被激勵提供更具競爭力的價格和服務。

這背后其實是一套“同品判別系統(tǒng)”， 它通過對比商品的各種屬性來判斷兩個商品是否相同，同時保證聚合展示的質(zhì)量。

來自京東零售業(yè)務的長林，正在主導京東同品判別系統(tǒng)在大模型時代的優(yōu)化。

他2021年從中國科學院自動化研究所博士畢業(yè)加入京東，一開始就在做大模型相關的工作。最開始是研究BERT等，case by case地簡單修改模型架構、改造模型訓練方式。

△

讀書時期長林和行業(yè)大佬交流

后來ChatGPT橫空出世，他的研究就主要集中在模型壓縮和數(shù)據(jù)自動化選擇與配比上，盡可能提高模型訓推效率和性能平衡，減少實際應用中的人力和實驗成本。

在京東這樣一個SKU數(shù)量以億計、電商業(yè)務極其復雜的平臺上，要讓系統(tǒng)自動識別出相同商品，既要精度高，還得成本可控、能大規(guī)模運行——難。就連大模型中很“小”的7B模型，使用起來都成本太高、速度太慢，難以支撐實際業(yè)務的規(guī)?；涞亍?/p>

于是，長林和團隊決定轉向一條更務實的路線，即模型蒸餾。

小模型學習大模型分辨的結果對錯，也學習其內(nèi)部思考過程，領悟判斷邏輯，深入理解什么樣的特征才是有用的判斷依據(jù)。

最終，長林和團隊把大模型的推理過程抽象成特征動態(tài)演化的過程，從而最大程度提取知識。相關成果最后被頂會ACL接收。

模型蒸餾外，數(shù)據(jù)是長林一直關注的另一要素。

在模型訓練階段，京東平臺上海量商品之間的組合數(shù)量指數(shù)級增長，不可能全部喂給模型用來訓練。

為此，長林設計了一套數(shù)據(jù)篩選機制，優(yōu)先選出那些最有信息量、最難判斷的“模糊樣本”，這樣不僅節(jié)省了40%～60%的訓練資源，還保持了原有精度。

同時，為了支持多個任務的數(shù)據(jù)融合訓練，他還引入了一種自動數(shù)據(jù)配比算法，根據(jù)不同任務的難度動態(tài)調(diào)整數(shù)據(jù)占比，進一步提升了訓練效率。

以上這一整套方法，最后被用在系統(tǒng)審核環(huán)節(jié)。

△

長林代表公司參加行業(yè)頂會

幸運的是，這種算力消耗不低的探索方向，在系統(tǒng)真正被驗證好用之前，就得到了京東在資源和團隊協(xié)作上的支持。

這種在項目推進上的自由度，讓長林能夠堅持自己的追求——不是堆模型參數(shù)贏比賽，而是讓技術真正跑進業(yè)務、服務用戶。如果能讓用戶更快買到“又好又便宜”的商品，提升一點點體驗，降低一點點選擇成本，那技術就沒白用。

技術人要找到值得長期投入的課題，關鍵不是一頭扎進算法細節(jié)，而是要深入業(yè)務，從實際問題角度出發(fā)。

而京東與其他電商平臺不同，它擁有完整的供應鏈體系。

京東對于供應鏈全流程包括需求預測、采購/供應、倉儲/庫存、銷售、物流履約和客服都有深刻的理解。同時又擁有自營和POP兩種完全不同的模式。這會帶來很多全新的機會。

“但對技術人來說也是一個挑戰(zhàn)?！遍L林表示，這意味著需要在更大的搜索空間里尋優(yōu)，需要更好的優(yōu)化方法。

像他做的同品判別系統(tǒng)，就是在深入理解商品聚合場景之后，自然浮現(xiàn)出來的方向——既貼近用戶體驗，又具備模型落地的復雜性，值得長期深耕。

這就是技術真正的影響力，不是靠炫技，而是讓科技以「無感」的姿態(tài)融入日常，讓用戶體驗絲滑流暢。

長林非常鼓勵更多年輕的技術同學關注這個方向，“這塊未來機會很多，也值得用心去深挖?！?/p>

星衍丨物流：打透一個場景，不去追求無邊界泛化

和長林差不多時間入職京東的星衍，如今已經(jīng)是京東物流一個10余人技術團隊的負責人了。

△

讀書時期的星衍

此次618物流大考前夕，星衍的日常有些“不太日常”：他帶著團隊每隔幾小時就查看一次前線實倉的指標、現(xiàn)場監(jiān)控和異常回報，有時還要一起親自到實倉去。

因為他和團隊面臨的工程問題，80%需要現(xiàn)場給出的答案。

至于他為什么會選擇今天這條路，故事還要從他當年在國外讀博說起。

當時，星衍在Meta實習，也順利拿到了研究崗的offer。但“那個崗位其實做的就是寫SQL、跑數(shù)倉，和博士研究的時空數(shù)據(jù)分析基本沒關系”，而且在星衍看來，國外平臺對技術人員的上限不夠友好，是不是博士干的活都差不多，沒啥挑戰(zhàn)。

思來想去，他還是決定回國。

在橫向?qū)Ρ攘薔個到手offer后，星衍決定成為一名京東人。原因很簡單：

至少這里的業(yè)務場景是開放的，你想往前多做一步，是有空間的。

最終，結合自己的專業(yè)方向和技術興趣，他選定了京東物流作為定崗方向——這是一個看起來“灰塵多、線下多、數(shù)據(jù)臟”的場景，并且是需要真正的深入業(yè)務理解業(yè)務場景，在一線、成為一線。

他每天需要考慮和接觸得最多的，不是派送件的快遞員，就是分揀快遞的倉庫。這倆一個是物流末端，面對開放環(huán)境，一個是封閉場景，復雜度不在一個緯度上，但都不簡單。

星衍主導的第一個項目，是對快遞終端作業(yè)模式進行重構。

以前，每個京東快遞的站點，是站長靠經(jīng)驗來劃分快遞員轄區(qū)。隨著快遞體量越來越大，人的主觀經(jīng)驗開始吃不消了——既有分配不均的問題，也有反饋難追蹤的問題。

他印象特別深，當時做末端派送分析就發(fā)現(xiàn)，有的快遞員明明在同一個小區(qū)送件，卻要回到站點兩三次。

于是，星衍帶領團隊開發(fā)了一套智能分區(qū)模型，結合快遞員畫像（如派件量、上樓頻率、返站次數(shù)）和小區(qū)地形信息（是否老舊小區(qū)、有無電梯等），幫助末端更合理地分派人力。

時至今日，京東物流仍然在不斷探索如何更好地利用數(shù)據(jù)進行優(yōu)化和改進。

而星衍現(xiàn)在正在推動的項目，是部署在京東物流的分揀中心的機械臂，這也是為什么他最近忙得不可開交、動輒要去倉庫前線的原因。

△

星衍在一線

從去年開始，星衍帶隊負責包裹抓取與碼放的智能化改造項目，落實到地就是一臺臺機械臂，負責完成京東倉庫中部分中小件包裹的自動分揀、碼放工作。

這些機械臂和傳統(tǒng)工廠流水線上的機械臂不同，它們是“具身智能”，只不過不是通用型的。而它們和星衍團隊的目標，是把“中小件包裹分揀、碼放”這個單一場景打透。

為什么要強調(diào)“打透”？星衍強調(diào)，越垂直的場景，越不能追求泛化，而且這一個場景其實比想象中難太多。

“包裹沒你想得那么規(guī)整，包裹外包裝有反光的、黑的，也有兩個膠帶粘一起的，尺寸大小也不一致?！毙茄芙榻B道，“有一次機械臂遇到一批包裹中間貼了反光膠帶，系統(tǒng)誤以為那是兩個包裹，就導致識別錯誤?！?/p>

具體技術上，星衍團隊采用了行業(yè)成熟方案加域內(nèi)微調(diào)的模式。這種情況下京東內(nèi)部積累的海量包裹圖像數(shù)據(jù)就立下了汗馬功勞，這都是外部團隊很難獲得的積累。

與此同時，星衍團隊還開發(fā)了一套反饋機制，一旦發(fā)現(xiàn)識別失敗的樣本，就能快速回流重新標注進入模型訓練閉環(huán)。

作為博士管培生入職后，他從初來乍到的技術新人，到現(xiàn)在帶著團隊伙伴一起負責核心項目，星衍的成長速度是非?？焖俚?，角色的轉型也是他近期的重要課題。

以前是自己調(diào)模型、改代碼就行，現(xiàn)在是得替大家考慮怎么組織項目、解決問題。如今的星衍，比起一開始那個還帶著研究視角的博士，顯然多了一些“工程老兵”的理性與判斷。

具體的帶團隊方法上，他比較反感“壓KPI”的做法，更強調(diào)問題導向、協(xié)作為主。

團隊項目一旦出了bug絕不推諉，遇到問題大家就擠在會議室一起想辦法，“沒什么面子不面子的，干活是最實在的?！?/p>

初雪丨科技：識別準了才算數(shù)，“我們自己能做得更好”

語音識別這個技術活，是初雪每天都在打交道的工作。

作為京東科技的一員，他參與的語音識別系統(tǒng)，已經(jīng)深度接入了京東的協(xié)同辦公、智能客服、AI外呼、語音搜索、具身智能等多個核心業(yè)務線。這些業(yè)務大家其實早就體驗過。

當初剛剛加入京東的時候，技術小兵初雪只是參與著科技業(yè)務一些比較底層的小模塊的開發(fā)調(diào)試，比如語音活動檢測、VAD、聲紋日志。

乍一聽這些技術非常陌生，但其實在消費者每天都接觸到的應用里，都是鏈路里不可或缺的模塊。

扎實的經(jīng)歷，讓初雪在短短幾年中從小模塊爬到了大項目——不僅在京東語音能力大項目中擔任研發(fā)骨干，還開始牽頭組內(nèi)一些新方向的探索和項目落地。像智能外呼系統(tǒng)、遠場識別模型、智能客服的語音前端能力，他都參與了完整的方案設計與技術實現(xiàn)。

這些應用，在京東豐富的自有場景里迅速扎根，成長為有成千上萬用戶、身邊朋友家人都會用到的產(chǎn)品。這讓初雪從初入行業(yè)的技術人才，進化成熟稔產(chǎn)業(yè)應用的專家。

△

初雪（右起第四）和伙伴們一起保障春晚紅包互動

當聊到這段成長經(jīng)歷，初雪表示自己“晉級打怪”的速度不是個例。

他當初經(jīng)由博士管培生項目招進京東，項目機制成熟：入職前半年打基礎，技術大佬+業(yè)務大佬直接指導，解答技術問題的同時能夠深入業(yè)務學習和建立認知，接下來就會進入項目歷練，在能落地的技術實踐中培養(yǎng)人才，利用技術眼界創(chuàng)造更大的價值。因為每個人都配備了導師，每個人都有清晰的成長路徑。

京東在資源上也很支持，“項目落地過程中，只要你能把技術說清楚、效果做出來，公司就愿意投入。京東是一家用產(chǎn)業(yè)價值衡量技術的企業(yè)?！?/p>

當初選擇加入京東，除了項目機制成熟，公司資源傾斜，專業(yè)方向匹配（他本就是做語音識別方向的博士），還有很現(xiàn)實的考慮：一是初雪是北方人，在北方城市生活更習慣；二是京東福利實在，自己在北京落了戶，身邊還有很多同事通過公司住房保障基金在北京買房安了家。

當然，真正讓他成長跳躍的，還是他在真實業(yè)務場景拼殺、口中“打仗一樣”的項目經(jīng)歷。

初雪回憶道，某年他所在團隊攬下了做會議轉寫系統(tǒng)的任務，但當時市面上已經(jīng)有成熟產(chǎn)品了，公司內(nèi)部一直有聲音主張直接對外采買。但京東既坐擁豐富的產(chǎn)業(yè)數(shù)據(jù)，又擁有大量的場景需求。當時初雪就覺得，如果這都做不過外部競品，那我們還有什么價值呢？

于是，他和團隊一路從底層模塊開始優(yōu)化，從ASR（自動語音識別）、說話人識別、VAD，一直迭代到后處理文本修復，花了幾月時間反復打磨。

最后在多輪盲測中，自研的會議系統(tǒng)轉寫效果超過了外部頭部競品。

△

初雪（右起第六）項目上線后和伙伴們一起慶祝

接下來，初雪進入了更多集團級項目的核心鏈路中，“資源多，場景也多。”他開始站在京東更高的視野考量技術的價值。

現(xiàn)在他主攻的兩個方向是聲紋識別和遠場語音識別。

應用到京東的業(yè)務場景中，咱們普通人最有感知的例子或許是京東智能外呼——電話那頭聽起來很自然、反應靈活的擬人語音，高效處理海量呼叫任務，介紹最新產(chǎn)品、活動，還能理解客戶需求。

其實，接電話人常常說的是方言，哪怕是普通話也帶有很重的口音，會嚴重影響模型識別準確率。

針對這個必須解決的問題，初雪和團隊專門收集了全國各地的大量樣本，還開發(fā)了針對性增強機制，比如使用MoE來在不同方言分布之間做切換，從而實現(xiàn)對口音更友好的模型泛化。

除了這些，他也在推動一些更“感知層”的創(chuàng)新方向，比如通過分析語音中的情感、語氣波動，判斷用戶的意圖傾向是“猶豫偏正向”還是“猶豫偏負向”。

你不能只看他說了什么，還得聽他說話的“感覺”。 這些看似天馬行空的技術，對于外呼電話能否打動聽眾、品牌能否真正有效觸達消費者，有著生死攸關的商業(yè)價值。

目前，這個方向還處在探索期，但初雪相信未來一定會進入更多業(yè)務環(huán)節(jié)，因為“這才是真正讓AI聽懂人話”。

當被問到對這份工作的認同感時，初雪停頓了一下，然后說：

語音識別是個感知特別強的技術，識別對了沒什么人夸你，識別錯了，用戶第一時間就知道。因為用戶對人講話太熟悉了。最常用的技術應用，也是最難做的。
我現(xiàn)在做的，就是讓錯的地方越來越少，讓聽不懂的情況越來越少。讓用戶在無感知的情況下，就能享受到技術的價值。

從TGT出發(fā)，走一條真正屬于技術人的長路

長林、星衍、初雪三位技術人業(yè)務方向各不相同，但聊天過程中，他們不約而同地提到了同樣的關鍵詞：

“踏實” “敢為”。

這是他們仨對京東技術風格的形容詞。

在他們看來，京東的技術風格沒有太多“花活”，但正因為扎實，才適合做長期的事。

這種風格背后，其實也離不開對人才的持續(xù)投入。三位同學都提到，自己在入職初期能快速上手，很大程度得益于導師和前輩的“帶一把”。

不僅有專門的技術導師帶著解決具體問題，也有不少學長學姐、業(yè)務負責人愿意一起拆需求、跑現(xiàn)場、推項目。就像長林說的那樣，“你不是被扔進來自己摸索，而是真的有人和你并肩一起走。”

京東對技術人的重視，從來不只是拿來用好，更是長期養(yǎng)好。

而在技術人才培養(yǎng)這件事上，京東今年又往前邁了一大步。

今年5月，京東正式推出了TGT計劃（Tech Genius Team，頂尖青年技術天才計劃），面向全球招募畢業(yè)兩年內(nèi)的碩博技術人才，同時也向有算法競賽或頂會論文等硬實力的優(yōu)秀本科生開放。

只要你在AI、大模型、機器人、推薦系統(tǒng)等方向具備足夠的科研潛力，TGT都為你打開了通道。

與傳統(tǒng)校招不同，TGT在培養(yǎng)機制、激勵制度上都做了不少“破框”。

比如，薪資不設上限，真正以能力和潛力定薪；又比如，配套設立了“三導師制”，技術導師指導科研突破，業(yè)務導師幫你打通落地路徑，成長導師陪你梳理職業(yè)規(guī)劃；還有專屬的場景資源與算力支持，你做的每個算法實驗、每次模型迭代，都有真實數(shù)據(jù)支撐、真實問題反饋。

在技術練兵這件事上，京東天然有巨大的場景優(yōu)勢。海量電商數(shù)據(jù)、物流網(wǎng)絡、金融風控場景……這些構成了一個龐大、完整、真實的技術應用生態(tài)。

你可以在這里調(diào)系統(tǒng)、跑實驗、出論文，也可以直接上線服務千萬用戶——從0到1的基礎研究、從1到100的規(guī)模部署，整個鏈路你都能看見。

△

京東技術沙龍

TGT計劃只是一個起點。

對技術人來說，真正重要的，是站到真實問題中去。

就像星衍對我們說的：“在京東，不是等你研究好了再找應用場景，而是邊研究、邊落地，心向星辰大海，也踏實走好腳下的每一步?！?/p>

此次我們接觸的三位同學分屬不同業(yè)務線，參加工作后每天經(jīng)歷的挑戰(zhàn)也各不相同，但他們都在話語間透露出這樣一個信息：

都想找一個值得一做再做的事情。

說起來，京東這三位同學都是屏幕前你我的同齡人，要說有什么不同，就是他們一路上堅定地選了那個自己更想嘗試的方向。

這樣的工作狀態(tài)也沒什么主角光環(huán)加持。但找到這么一個地方，確實需要一點運氣。

幸運的是，他們剛好找到了一個能做事，也能被看見的地方。

審核編輯 黃宇