京东工业全面接入DeepSeek

自 2025 年以来，国产 AI 大模型 DeepSeek 凭借媲美国际领先的技术实力和极具竞争力的训练成本，掀起了一场 AI 风潮。各行各业也在纷纷接入 DeepSeek，提升大模型应用水平。对于产业数智化升级而言，接入大模型只是开始，如何将其与企业服务的场景相结合、解决业务问题才是关键。

京东工业作为中国领先的工业供应链技术与服务提供商，始终致力于通过技术创新提升供应链效率。京东工业在 2024 年已将自然语言理解相关的 AI 模型应用于商品寻源、合规管理等供应链管理场景，通过属性识别与语义匹配实现商品的智能寻源匹配。京东工业借助 DeepSeek-R1 模型的推理能力，进一步提高企业客户采购过程中的商品满足率、寻源响应速度以及合规性，为企业降本增效提供了有力支持。

精准抓取关键参数、识别需求信息 全面提升商品满足率及寻源时效

寻源是企业采购最基础也是最关键的环节之一。在工业品领域，由于商品品类繁杂、长尾商品多，导致实际采购过程中，常常会遇到上下游描述方式不统一、参数型号命名不一致的问题，为寻源工作带来了巨大的挑战。

此前，行业普遍采用智能识别的方式，通过导入企业客户提供的采购商品信息和数据，再与品牌商、经销商的商品资源进行匹配。然而，这一过程常常面临着数据质量差、信息模糊等问题，尤其是对于不规范的商品描述，例如商品标题文本堆砌，会让传统的系统算法难以准确抽取关键信息，导致系统自动识别的结果最终仍需大量的人工校对，这样不仅效率低下而且也容易出错。

在接入 DeepSeek-R1 模型后，京东工业有了更好地解决这一问题的方法。通过将自身深耕工业品商品标准化多年打造的墨卡托标准商品库与 DeepSeek-R1 模型的强大推理能力相结合，京东工业实现了对需求文本中关键规格参数的自动识别和精准抽取，从而更准确地识别商品信息。此外，DeepSeek-R1 模型还能灵活评估识别结果，并针对未匹配的部分进行指令调优，反复优化。

经测试，京东工业接入 DeepSeek-R1 模型后，企业客户的寻源速度和商品满足率均得到显著改善，整体运营效率也得到全面提升。

破解「同品识别」难点 为企业提升供应链合规性提供技术保障

合规管理同样是企业供应链管理中不可或缺的一环。在传统的合规管理中，一品多码、一品多商是阻碍合规的主要因素之一，其背后的核心挑战是「同品识别」，即如何判断实际采购的商品和规定商品完全一致。

此前，行业中普遍的做法是预先定义同品规则，再通过数字技术将采购商品的规格参数与规定的规格参数进行比对，但这一方式也存在一些问题。因为实际管理中，预先定义的规则往往无法覆盖所有商品，例如有些企业没有对颜色、材质进行规定，就会导致颜色或材质不同的同类商品被视为同品，进而带来合规风险。

接入 DeepSeek-R1 模型后，京东工业实现了对企业商品管理规则的有效抽取，可帮助客户快速完善同品规则定义，从而有效减少「一品多商」现象，提升合规管理的精准性和效率。这不仅能够为企业降低合规风险，也为供应链的透明化和规范化提供了有力支持。

京东工业对于 DeepSeek-R1 模型的创新应用，再次展现了 AI 技术在企业采购和供应链管理中的巨大潜力。后续，京东工业将继续探索人工智能在供应链管理中的更多应用场景，在以专业可信赖的创新推动产业降本增效的同时，为客户创造更大价值。同时，京东工业即将举办「智链六点半」直播策划，邀请行业专家与京东工业相关负责人共同探讨人工智能技术在智能供应链中的应用实践，敬请关注。