“AI效能优先，倒逼行业转向重实效”

（文/张志峰 编辑/周远方）

全国两会期间，全国政协委员、京东集团技术委员会主席、京东云总裁曹鹏围绕人工智能产业发展建言献策，直指当前AI产业“重算力投入、轻实际产出”等痛点，提出推动产业从规模扩张向效能提升转型的核心思路。

面对观察者网疑问，曹鹏从评价体系构建、普惠政策设计、民生场景落地、供应链数智化赋能等多维度，阐释了AI产业高质量发展的实现路径，并分享了京东在算力普惠、适老化服务、中小企业赋能等领域的实践经验，为AI夯实新质生产力发展基石提供了具体方案。

效能优先精准赋能中小企业

当前AI产业发展中，算力资源闲置、异构算力适配难、国产算力软硬协同不足等问题凸显，“参数虚火”“硬件堆砌”的发展模式亟待转变。

对此，曹鹏提出，建立“效能优先”的AI项目评价体系是破局关键，核心要跳出算力投入规模的单一评价维度，转向产出导向科学设定三大量化指标：

其一为算力集群利用率，从根源上破解资源闲置浪费问题；其二是模型训练与推理的任务完成效率，针对性解决异构算力适配的行业难题；其三是国产化软件栈兼容性，改善国产算力“能用不好用”的现状，推动软硬协同发展。

这一转型是否会影响中小企业创新生态，成为行业关注的焦点。

曹鹏则告诉观察者网，“效能优先”的导向不仅不会制约中小企业，反而能实现精准赋能。

他认为，中小企业本就缺乏大规模算力投入基础，产业转向重实效后，资源将自然向具备真实场景、落地能力的中小企业倾斜。

同时，头部企业的技术开源、普惠算力服务，能大幅降低中小企业创新试错成本，推动行业从“同质化竞争”走向“差异化落地”。

以京东JoyScale AI算力平台为例，其异构算力统一纳管、池化调度技术，能有效降低中小企业适配不同芯片的隐性研发成本，让中小企业将核心精力聚焦于业务创新而非基础架构调试。

破解资源闲置与需求错配矛盾

算力普惠是推动AI产业普及的重要抓手，“算力券”“模型服务补贴”等政策的出台，为科研团队和中小开发者降低了创新门槛，但资源分配的公平性与精准性问题亟待解决。

曹鹏向观察者网分析成，这类普惠政策的本质是定向赋能，避免“撒胡椒面”式分配，核心要建立“需求画像+效果回收”的全流程动态评估机制，优先补贴具备明确应用场景的主体，通过财政补贴让中小企业敢用、愿用、用得起算力资源，推动算力红利流向真正有需求的群体，破解资源闲置与需求错配的行业矛盾。

在地方算力调度试点实践中，京东已形成可复用的经验。依托自研的JoyScale AI算力平台，京东实现了对昇腾、寒武纪等主流国产芯片的深度兼容与任务级智能调度，将这种“算力操作系统”模式应用于地方算力调度，能把分散的算力资源转化为“自来水”般即开即用的标准化服务，大幅提升国家级算力中心的整体利用率，为算力普惠的全国推广提供了实践范本。

核心是让技术适配人的习惯

AI技术的价值最终要落地于民生场景，养老服务作为重要民生领域，老年群体对智能技术的信任顾虑与使用障碍，成为AI落地的一大难点。

曹鹏提出，AI技术在养老等民生场景的设计，必须超越单纯的“功能实现”，核心是让技术适配人的习惯，而非让人适应技术，从交互逻辑、隐私保护到服务闭环全方位注入人文关怀。

其中，交互层面需坚持“极简适配、自然友好”原则，摒弃复杂操作流程，通过方言识别、语音直连等设计，从源头降低老年群体的使用门槛。

在适老化AI服务领域，京东已有多项针对性落地实践。

打造京东AI购等语音交互类产品，依托算力与大模型支撑，让老年人仅凭语音就能完成商品筛选、交易、支付全流程，破解数字购物难题；基于JoyAI大模型与JoyInside附身智能能力，推动AI玩具、智能家居等产品实现语音控制主流化，让智能应用适配老年使用习惯；将AI能力赋能基层政务大厅，通过AI完成政务信息整合、流程自动化处理，在社保咨询、政务审批等“边聊边办”场景中，提升基层工作效率，缩短老年人办事等待时间，实现政务服务的高效化与便捷化。

“轻量化、低成本、高安全”

数据驱动是“超级供应链”的核心前提，而中小企业在供应链数智化转型中，普遍因成本高、数据外泄风险、投入产出比顾虑等持保守态度，“用不起、不会用”成为核心痛点。

曹鹏向观察者网表示，破解这一问题的关键，是在严格保障链主与中小企业双方数据主权的前提下，提供轻量化、低成本、高安全的数智化赋能方案。

在服务层面，推出轻量化SaaS工具，大幅降低中小企业的部署与操作成本；在模式层面，由链主企业牵头搭建产业数智化平台，实现技术、资源的共享复用，让中小企业无需自建复杂系统即可实现智能决策。

依托自身“超级供应链”的核心能力，京东已打造全链路的中小企业数智化赋能体系。例如京东云面向中小企业推出的国产化算力轻量服务，让中小企业能以低成本接入JoyAI大模型，直接复用京东成熟的AI工具，以低门槛完成供应链数智化转型，推动AI技术与实体经济深度融合。