做「长期主义者」的技术人们

京东云开发者
• 阅读 24

作者:京东零售

在技术发展的浪潮中,有人辗转风口,有人深耕沉淀。我们邀请到三位京东零售技术专家——他们以年为刻度,诠释了什么是技术的长期主义。

从初入京东时的探索者,到独当一面的领航者,他们在技术攻坚的浪潮中披荆斩棘,也在创新探索的迷雾里反复雕琢验证。

他们的故事里,没有一蹴而就的捷径,只有持续迭代的韧性;没有纸上谈兵的空想,只有扎根业务的务实。

走近他们,感受技术长期主义的真实力量。




深耕一域 厚积薄发,在时间复利中见证质变

做「长期主义者」的技术人们

「每天有上亿件商品通过我们的算法流转,让我真正感受到了技术的力量」



深耕供应链技术领域多年,我负责选品、定价、库存、履约等全链路算法优化,通过算法驱动实现供应链效率的突破性提升。在动态复杂的供应链环境中,我们始终聚焦于突破技术落地的"最后一公里"难题——将前沿算法与业务场景深度融合,实现从学术研究到产业应用的跨越式突破。

近年来,我们持续优化供应链各个环节,布局各类技术能力,从仓库布局、销量预测、补货决策、库存调拨到定价策略,希望将最尖端的算法真正落地到实际业务中。

为了让业务更好地理解预测销量,我们提出了可解释性预测框架,预测日常能卖多少、促销能卖多少、季节因素影响多少,从“人算”到“AI算” ,大幅改善预测准确率的同时让预测结果更好理解。针对复杂的价格场景,设计了“商品匹配召回判别模型”,能自动匹配最优价格策略,提升定价的自动化率。

结合行业发展趋势,今年团队自研首个十亿级时序大模型,做到行业SOTA,大幅提高预测准确度,在2万个商品上输出预测进行自动化补货。 做「长期主义者」的技术人们



时序大模型技术方案

这些突破性成果为供应链系统安装了一个“超级智能大脑”,相关研究在Management Science, Production and Operations Management Society (POMS), Manufacturing & Service Operations Management (M&SOM)等发表多篇论文,并获得多项行业奖项,从INFORMS Franz Edelman finalist到Gartner技术创新奖、INFORMS Daniel H. Wagner Prize以及INFORMS Prize等行业奖项,多个奖项为亚洲企业首次获奖。



【长期主义方法论】

1、在技术实践中,“简单”往往是最难实现的。一个看似简单的理念,落地时却需要解决认知差异、技术效果验证、业务适配等一系列挑战。但正是这种坚持——用创新性技术将核心理念做到极致简化,才能构建出真正可持续的系统能力。 我会带着团队在顶级会议发表论文,联合申报行业奖项,通过技术分享和行业认可激发团队的创新热情与荣誉感。

2、做技术需要对自己从事的业务领域场景和数据保持很高的敏感度。技术的价值不在于短期优化,而在于持续构建简单、可扩展、业务适配的能力。早期我会研读顶会论文、构建自己的知识图谱,现在更多是借助AI深度挖掘知识。在复杂业务数据中验证出创新技术路径时,正是驱动技术人持续创新的核心动力。




技术和场景都会过时,唯有解决问题的思维永远保值

做「长期主义者」的技术人们



「在不断的实验和验证中,我也拥有了在混沌中建立秩序的能力。不惧怕技术创新带来的不确定性,在无人区依然保持技术探索的锐气。」



电商广告系统的核心任务之一是用户行为预测,入职以来,我一直从事广告预测模型的优化升级。由于电商数据的稀疏特性,电商预估模型也具备典型的稀疏设计。近年来,传统的深度稀疏模型已经进入瓶颈,稀疏大模型是成为新的技术升级方向,但概率预估与生成式模型的差异,以及工业级的高请求、低延迟要求,使升级充满挑战。

在零售电商的场景下,关键要解决:找到适合的尺度规律 Scaling Law 来指导升级,同时满足落地时的耗时约束。这既需要更强大的引擎设计,又要确保实际业务中的高效运行。

通过大量的实验和设计,我发现不同于生成式模型的传统规律,稀疏模型尺度规律的核心因子由数据量、稠密参数量、稀疏参数量组成。当三个要素保持最优配比时,模型性能持续提升,否则会出现因子在增加但模型效果卡在瓶颈的“效果平台效应”。

基于此规律,我们构建了完整的模型升级路线图,为行业提供了可复用的技术范式。

| 单纯的参数规模增长边际收益递减 数据/算力/参数精细化协同实现收益的涌现 做「长期主义者」的技术人们

| ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |

模型升级路线图



在落地实践方面,我在训练效率上提出样本知识遗传学习,同时引入课程式学习方法,大幅减少模型训练时间。在推理系统上,为模型中每一个参数引入“计算周期”的概念,通过精细化的算力部署,大幅减少系统串行耗时的增长。

稀疏大模型项目上线后,预估模型的精度显著优化,商品的推荐准确度和商家的营销效率大幅提升。我们用理论创新解决现实问题,用技术突破创造商业价值,用范式输出推动行业进步



【长期主义方法论】

1、技术创新的初期往往依赖"魔法",比如那些说不清原理但能短期提升指标的技巧。然而,长期发展必须完成从魔法到逻辑的转变,通过系统实验将黑箱效果转化为可解释的规律。这一过程需要持续投入研究时间,避免积累技术债,也能使创新从偶然走向必然。

2、在技术工作的初期,我往往会从一个个具体的问题点切入,比如优化某个算法的性能、解决特定的技术难题等。这些具体的技术点是技术创新的起点,也是解决实际问题的关键。随着项目的推进和技术的发展,更重要的是将这些点串联起来,构建成一个完整的技术架构。从技术点到技术架构思维的切换能够为落地的成功率带来质变。




七年坚守,一个技术选择的长期验证

做「长期主义者」的技术人们



「真正的技术突破需要长期主义的定力」



Taro 是由京东发起的开放式跨端跨框架解决方案,支持以 Web 的开发范式来实现小程序、H5、原生 APP 的跨端统一开发,从18年开源至今,在 GitHub 已累计获得 36,000+ Stars。作为跨端解决方案,Taro显著降低了多端开发的学习门槛和工程复杂度。

作为Taro项目的核心开发者,我有幸见证了这个方案从诞生到成熟的完整历程。近两年,我们成功将其从小程序/H5开发工具升级为覆盖Android/iOS/鸿蒙/小程序/H5多端的全场景解决方案。这一蜕变既源于我们对跨端技术路线的坚持,更得益于对鸿蒙生态的前瞻布局。

页面级跨端方案整体分为 WebOnNative 和 NativeOnNative 两大开发范式,在京东的技术实践中,我始终选择Web技术路线。Web开发具有学习曲线平缓、生态成熟等优势,但其性能瓶颈和多端展示一致性始终是亟待突破的技术难点。为此,我们提出了 “保留Web开发体验,提供媲美Native性能” 的技术目标。

为解决性能问题,我们打造了 Taro 一体化跨端架构,建设框架容器一体化解决方案,实现开发高性能跨端原生应用。这个方案很巧妙,在各平台上能统一实现相同的开发标准,用 C++ 打造跨平台的组件框架确保显示一致性,同时将代码执行尽量放在 C++ 层面提升性能。这样开发者就能专注于业务逻辑,而不必担心平台差异带来的问题。

做「长期主义者」的技术人们

Taro on Harmony 技术方案架构



这套架构率先在鸿蒙生态完成验证,不仅保持了Web开发的高效特性,更实现了与原生应用比肩的性能表现。今年,我们也正式开源了Taro on Harmony C-API 版本,为鸿蒙应用生态的丰富注入强大的动力。

七年来,市场涌现过各种跨端方案,我们的坚持最终在鸿蒙等新兴领域获得回报。在开源的道路上,我们既是贡献者,也是受益者,开源创造的价值远超越了代码本身,这种"利他即利己"的精神,让我的工作有了技术普惠的社会意义。



【长期主义方法论】

1、保持技术敏感度上,我总结了三个关键:一是实践固化,通过真实项目应用技术,形成可复用的知识库。二是体系构建,通过写作和分享梳理系统性认知。三是持续进化,保持对AI等趋势的敏锐度,避免认知钝化。技术人的核心竞争力源于对方向的坚守、对生态的理解,以及对自我迭代的终身投入。

2、优秀的技术方案必须与业务需求深度结合。一方面确保技术方案的易用性和稳定性,另一方面,要保持技术的前瞻性,为未来的业务扩展预留空间。真正的技术价值,不在于单纯的先进性,而在于能否精准支撑业务发展,并在长期演进中持续创造价值。

点赞
收藏
评论区
推荐文章
京东云开发者 京东云开发者
8个月前
大模型时代下的新一代广告系统
京东零售广告部承担着京东全站流量变现及营销效果提升的重要职责,广告研发部是京东最核心的技术部门,也是京东最主要的盈利来源之一。作为京东广告部的核心方向,我们基于京东海量的用户和商家数据,探索最前沿的深度学习等算法技术,创新并应用到业务实践中,赋能千万商家和
京东云开发者 京东云开发者
7个月前
揭秘JDQ限流架构:实时数据链路的多维动态带宽管控
作者:京东零售饶璐1、背景在数字化转型的浪潮席卷之下,大数据和云计算技术已成为企业创新和发展的关键驱动力。尤其是以京东为代表的电商平台为例,其日常运营中持续生成海量数据,涵盖实时交易记录、点击曝光统计及用户行为轨迹等,这些数据对精准业务决策、深化用户体验优
京东云开发者 京东云开发者
6个月前
京东物流-智能运输调度系统方案 荣获IF、红点国际设计大奖
作者:京东物流王文玲前言京东集团企业文化升级后,「以技术为本,让生活更美好」成为京东人的使命,在「创新」价值观引导下,设计师基于对物流业务领域持续深耕,自驱发起智能调度解决方案的创新思考,推演得到智能物流运输调度系统概念方案,经过投稿先后获得设计领域国际影
京东云开发者 京东云开发者
6个月前
Taro 鸿蒙技术内幕系列(四):JDImage 自研鸿蒙图片库
作者:京东零售何骁基于Taro打造的京东鸿蒙APP已跟随鸿蒙Next系统公测,本系列文章将深入解析Taro如何实现使用React开发高性能鸿蒙应用的技术内幕背景2024年初,京东正式启动了鸿蒙APP的开发工作。由于电商APP大量依赖图片来展示商品信息,对图
京东云开发者 京东云开发者
5个月前
京东供应链创新与实践:应用数据驱动的库存选品和调拨算法提升履约效率
作者:零售供应链技术2024年10月,京东零售供应链技术团队凭借其在库存选品与调拨技术上的创新与实践,荣获运筹与管理学领域的国际顶级奖项DanielH.WagnerPrize。本文为您介绍获奖背后的供应链技术创新和落地应用。摘要在电商行业中,供应链管理和履
京东云开发者 京东云开发者
4个月前
2024 京东零售技术年度总结
作者:京东零售零售技术每一次回望,都为了更好地前行。2024年,京东零售技术在全面助力业务发展的同时,在大模型应用、智能供应链、端技术、XR体验等多个方向深入探索。京东APP完成阶段性重要改版,打造“又好又便宜”的优质体验;国补专区快速上线、助力“以旧换新
京东云开发者 京东云开发者
4个月前
京点点AIGC平台:实现高效、可控、智能的多模态内容生成和优化
作者:京东零售高继航1前言2024年,京东零售技术自研的京点点AIGC内容生成平台(以下简称“京点点”)已覆盖电商运营涉及的20核心场景,AI能力单日调用超1000万次。“京点点”致力于电商场景下商品内容、营销素材的智能化、自动化生产和运营,已帮助京东3
京东云开发者 京东云开发者
3个月前
请查收| 京东零售技术AI领域前沿探索-10篇顶会论文合集
作者:京东零售2024年,京东零售技术团队在AI领域发表多篇CCFA类论文,包含CVPR、SIGIR、WWW、AAAI、IJCAI等业界顶会。下面为大家简要介绍被录用的10篇论文,涵盖目标检测、多场景学习、排序模型、意图识别、创意优选、优化大模型幻觉问题等
京东云开发者 京东云开发者
2个月前
技术融合实战!Ollama携手Deepseek搭建知识库,Continue入驻VScode
作者:京东科技杨菲前言在科技浪潮汹涌澎湃的今天,人工智能与软件开发工具不断迭代升级,深度融合前沿技术来满足个性化知识管理与开发需求,已然成为技术爱好者和开发者们竞相探索的方向。本文将利用Ollama、DeepseekR1、AnythingLLM搭建强大的本
京东云开发者 京东云开发者
1星期前
在零售技术做AI的95后:我们这样搞定技术难题
在京东零售技术团队中,有很多年轻的算法工程师,他们大多是95后,在加入京东的短短几年内,用实力“啃”下了一个个硬骨头。从大模型训练的效率优化、生成效果的极致调优,到算法落地的工程难题、业务场景的创新应用,他们用行动证明——做难而正确的事,才是技术人最快的成