大模型技术的迅速发展，让AIGC内容生成展示了广泛的应用潜力。
在C端市场，AIGC内容生成已被广泛接纳。这是由于有庞大用户基数的个人用户，通常对创新技术和新奇体验有更高的接受度；同时，AIGC的个性化用户体验，例如AI图片和音视频等，满足了用户的个性化表达需求，C端的多样性为AIGC提供了广阔的试验田，使其能快速迭代和优化。
反观在B端，AIGC内容生成需要更专业、更具行业属性的数据，并要求高度精确和定制化。这种情况下，高质量的行业数据积累和算法能力，是应用发挥价值的关键。
以AIGC优质内容助力销售转化
在电商领域，基于京东全品类丰富的商品数据积累和大模型，京东AIGC内容生成平台，可以更好地理解商品特征，帮助商家一站式、自动化的生成商品图片、卖点等营销素材。
只需一张商品原始图片，即可快速生成电商运营需要的商品主图、营销海报图和商详图等，满足商家快速开店、上品、营销的需求。每套图的成本可降低90%，周期从7天缩短到半天，极大地提升商家运营工作效率和营销内容质量。同时，基于京东海量商品信息训练出的模型应用相较通用AI应用，更是显著提升了CTR点击率和SKU提袋率。
从模型到应用的技术突破
高质量的行业智能应用，不仅对数据质量、数据规模和数据隐私与安全有着高要求，发挥数据的专有性以及数据的循环反馈价值同样重要。
利用高质量的数据集处理技术，京东AIGC内容生成平台实现了图像数据集的精准标注，可筛选出商品图、服饰搭配、试装等特定领域图像数据集，满足模型训练需求；利用标注的多维度电商美学数据，训练出的电商美学度理解模型，可应用在生成商品图质量的检测场景；在商品属性合规检测、治理场景，利用提示词工程提升平台“零样本”学习能力，并补充大量AIGC样本，提高对AI生成内容的识别检测能力，保障内容合规的同时，拓展其在优质营销文案和图片的生成能力。
电商领域应用AIGC技术时，除了关注模型性能和效率外，同样重视实际场景的校验工作。这包括设置严格的数据质量标准、实施有效的数据治理措施、建立反馈机制以及定期进行模型评估和调整等。只有这样，才能确保AI生成的内容真实、准确且有助于提升电商业务的整体表现。
通过微调stable diffusion模型，京东AIGC内容生成平台使用controlnet、IP-Adapter等技术实现了图像的可控，通过大量自训练的商品场景Lora增强丰富度、真实感，提高生成质量。同时，扩展自动抠图、商品识别、商品位置推荐、基于商品和上下文的提示词生成、商品图延展控制、图像美学度打分等能力，生成多样化的商品场景。
目前，文生图场景的扩充已经实现了70%以上的自动化，这意味着大部分流程可以由AI系统自动完成。在这个过程中，人工只需在关键环节进行把关和干预，确保生成的内容质量、合规性和效果。
拥有千亿参数的大模型正在深刻地改变普通消费者的购物习惯，同时为品牌的增长开辟了更多新的可能。京东云通过将大模型应用进行适应性调整和优化，使其在保持高效性能的同时变得更加轻量级，并积极推广到外部商业场景中，从而为电商的核心环节提供了效率提升的解决方案。
京东云正通过技术创新和实践，助力电商行业进入一个全新的智能时代，支持企业把握市场机遇，实现良性可持续的发展。
