多智能体如何重塑增长逻辑 ?

文｜赵艳秋

编｜牛慧

今年，京东在 AI 领域的一系列投入和动向引人注目，不仅重金在全球招募 AI 顶尖人才，还明确提升了 AI 研发组织京东集团探索研究院的地位，由刘强东亲自担任院长 ...... 这一连串高举高打的动作，释放出一个强烈信号—— AI 已成为撬动京东下一阶段增长的核心杠杆，战略地位前所未有。

实际上，内部人士看到，京东自上而下都在拥抱 AI，" 用 AI 重塑每一个场景 " 的动作已深入各个板块。而在 2025 京东全球科技探索者大会（JDD）上，京东集团高级副总裁、产品委员会主席胡喜重磅发布的 " 电商创新 AI 架构 "Oxygen，成为这一战略在核心业务板块——京东零售落地的重要标志。

长期以来，京东零售一直拥有全链路业务场景和庞大的数据积累。Oxygen 的发布，不仅意味着京东零售迈入 AI 驱动的新阶段，也意味着其将以更系统的方式推进智能商业升级。取名 "Oxygen（氧气）" 也颇有寓意，" 氧气 " 是生命体的基础物质，这也象征 AI 将为零售业态输入新的 " 生命力 "。

在这一过程中，人们突然发现，原来京东还隐藏着一群不为大众熟悉的 " 隐形战队 "。他们卯着一股劲，在模型训练、智能体架构、软硬协同等关键底座上持续攻坚，为商家与平台之间搭建 AI 桥梁。这一群体勾画出另一个充满 AI 力量的京东，正在悄然改变京东在 B 端的经营逻辑。

而今年 " 双 11"，无疑将成为这套 AI 能力的全面试炼场。零售 AI 能否像氧气一样，悄无声息地推动双 11 体系更高效地运转？这既是对京东 AI 战略的一次集中检验，也是整个零售行业 B 端智能化的一个重要样本。

  一瓶饮料的生命之旅

去年年底，一家老牌饮品公司找到京东。他们刚推出一款新品，虽然在东南沿海有了一些起色，但仍面临巨大的难题，全国市场迟迟打不开，运营成本也居高不下。传统如赞助赛事、" 占领 " 线下冰柜等，费用高昂，还很难拼得过实力雄厚的对手。他们尝试了赠品促销，增加了运营压力。在这种困境中，他们希望通过线上运营，找到突破口。

京东零售技术部门介入后，提出两项核心策略，即从供应链和广告投放同时着手。在供应链侧，一方面，借助大模型分析的消费者反馈，来反向优化包装设计，将消费者喜欢的瓶身设计、色彩、创意元素引入产品外观；同时在京东产业带，寻找更优质的外包装加工厂。另一方面，根据数据溯源，锁定该饮品中两大关键成分的优质原材料供应商。这些动作优化了饮品的整条供应链。

在广告投放侧，系统通过小规模在线试投放，快速识别出两类高潜人群，一类喜欢尝鲜，一类注重饮品成分和健康配方，随后将预算聚焦于这两类人群，来提高转化率。

在整个过程中，广告投放智能体发挥了关键作用。它每天自动生成投放日报，能呈现每一分广告费在不同人群上的转化效果，一旦发现异常，还会立刻在手机端提醒广告主，修正或调整预算。过去，许多广告主在投放后，恨不能每隔几分钟就去刷下后台，生怕广告费 " 打了水漂 "。现在，智能体 " 反而比人更积极 "。

尝试过程恰逢 "618"，这是一个 " 大考 "。对试水新品而言，大促意味着机遇，也意味着被淹没的风险。这次，广告投放智能体下钻了这家企业的人群数据，进一步锁定那些既对该饮品有初步认知，又特别关注健康成分的消费者，用有限预算进行追投。最终，饮品销量在 "618" 期间暴涨十几倍，成为该品类的 " 黑马 "。

事实上，" 广告投放智能体与这款饮料 " 的案例，只是京东零售业务 AI 应用落地的一个切面——目前，京东零售已推动 AI 全面渗透进电商业务的各环节，逐步实现规模化落地。

点开京麦商家工作台，这是商家日常的一站式管理后台，从入驻开店、发布产品、广告营销、订单履约到售后，AI 智能体正在重构商家经营的全链路。

商家可以用自己熟悉的经营语言，与智能体沟通，就能获得素材制作、库存校验、广告盯盘、数据分析、定价建议等智能服务，将他们从传统繁琐低效的环节中解放出来。

实际上，电商是一个高度成熟的经营范式，现在大家都在谈大模型，但如果要真正把大模型落地到电商战场上，最前沿的技术框架，就是智能体。京麦平台上的商家智能助手，背后是基于大语言模型（LLM）和多智能体（Multi-Agent）架构构建的底座。

经过近两年的摸索，京东零售 B 端在智能体上的演进路径也十分清晰，从单点突破走向群体智能协作。目前，商家在京麦工作台上接触到的是，一个 " 司令 " 般的主控智能体（Master Agent），它指挥多个子智能体协同完成任务，例如知识咨询、生成式搜索，也会接入数据分析、广告类等远程智能体。

  智能体的广度和深度，从一个 Agent 到 " 星云 "

在 2023 年底，京东零售 B 端算法团队，在一个不到 10B 的模型上，训练出一个能够熟练调度各种后台招商服务工具的 Agent。大家非常兴奋，这是他们做出的第一个智能体。它能够吸纳所有与招商入驻相关的知识，为商户进行解答。

这只是一个开始。很快，战场转向了商家日常经营最核心的京麦工作台。团队发现商家经营要更加复杂，于是构建了多个角色去 " 分而治之 "。由此进入多智能体阶段，他们称之为 MAS ( Multi-Agent System ) 1.0 时代。

当时他们训练了一个平台全域知识问答 Agent 和一个京麦端运营 Agent，之上是一个主控智能体，由它在端上与用户交谈。这个 " 两层级三智能体 "，将那一年使用它的商家人工进线量（客服核心运营指标），降低了 15% 以上。 

如今，系统演进到 MAS 2.0 阶段，团队构建了更多专门的多智能体单元，比如商业数据分析、AIGC 素材生成等，为商家提供专属性服务。

但这还远远不是终点。团队正在加速推进 MAS 3.0。未来会有很多这样的智能体单元，它们会最终形成 B 端的超级智能体网络。团队形容当下还只是在这个超级网络上，Agent 之间通过共用的语言相互呼叫、彼此协同，将跨入口为商家、供应商、采销等多类用户提供各种服务。

这个超级智能体网络背后是怎样的硬核技术？它涉及智能体的两个维度，即深度与广度，这也是业界构建智能体能力时要关注的。深度在于单个智能体如何能有效处理大规模工具和知识；广度则在于如何管理层级越来越多的多元化智能体组织。

在深度方面，团队提出了新的认知框架—— NaviAgent，目的是让 Agent 从 " 工具调用者 " 变为 " 工具生态导航者 "。为什么会是导航者？

当下业界构建智能体的 Tool call 和 RAG，存在明显的能力上限。但这不在于大模型的能力，而在于单纯向量表达，对工具或知识来说，已经远远不够。团队负责人想到了 " 图 "，作为一种表达方式，图这种表达方式快被人们遗忘了，但它将是提升对知识和工具关系理解与调度的关键。

如果我们用蛋白质结构再解释下 " 图 " 的价值，当把蛋白质序列放在一维空间，只能看到平铺的氨基酸序列。但放入三维空间后，原本看似遥远的氨基酸原子却靠得很近，甚至共同构成生命表征。

有了对图的价值认知，基于工具间天然的参数关联、商家在工具链路上的行为偏好等，团队将工具构建成 " 认知地图 " ——让 NaviAgent 能够以更高维度、看到更全的工具链路。

在此过程中，大模型也具备了新的思考范式—— Reverse Chain of Thought（逆向思维）。它会先锚定最终要执行的工具，再反推所需入参，直到构建出完整的逆向思维链，随后再正向执行。这一机制已在不同尺寸的模型上都取得 SOTA 效果。

不过，单一模型的能力仍有限，团队探索新的解法——把一个模型管理 1 万个工具的问题，转化为 100 个智能体各自负责 100 个工具。这让智能体网络，随之转向下一个广度问题。

多个智能体协作的前提，是要在一个有限空间内进行联合训练。与传统大模型基于 token 的生成方式不同，智能体的决策是在更高维的 "token 组合空间 " 中进行，也就是 4D 空间。

在这个 4D 空间上，智能体通过联合训练，从输入上下文，到多智能体协同推理，最终达成合谋结果，并在环境中得到一个合谋的奖励。如何对这一系统进行更新？

这就需要评估每个智能体在协作中的作用。团队提出了新的思路，给参与决策的每个主体更多机会，计算它们重新决策对集体的边际收益方差，方差大的说明是团队中的关键成员。在通过倒排，从中选择 Top K 模型进行参数更新。

这些多智能体，构建在京东自主研发的 OxyGent 多智能体开源框架上。京东零售很多业务相关智能体，都长在这个框架上的，这是 B 端应用的基础。OxyGent 最初是为多智能体协作而生的。但后来团队发现，它其实有更广阔的应用场景。

原来，在 OxyGent 中，一切都被原子化，这些原子可以是 Agent，也可以是工具，可以是各种模态大模型，也可以是本地函数 ...... 它们都是模块化的子类单元，被统称为 Oxy。只要具备输入输出能力，被放进来就可以成为 OxyGent 的一个实例，像 " 乐高积木 " 一样，能以任意层级、任意方式互相连接，构建无限可能的 AI 军团。

它给业界最核心的启示，是一种重新看待 AI 搭建应用的视角。AI 应用不要只盯着 Agent，也许过两年，这个概念就过时了，MCP 工具也过时了。但 AI 应用永远会有新的原子形态被实例化出来，它们都可以作为 Oxy 的子类。

OxyGent 成为一个面向协作的 AI 开发框架，而不是一个简单的多智能体平台。它具备可扩展性和全链路决策追溯能力，能够推动 " 群体智能 " 的实现。目前，该多智能体协作框架已开源，OxyGent 以高分登上全球 AI 领域风向标级的榜单 GAIA。

03  

B 端 AI，如何落到 " 每一个角色 "？

最近一段时间，互联网企业都在紧锣密鼓用 AI 来改变其 C 端和 B 端应用。与 C 端 " 千人百面 " 的复杂分化不同，B 端更像是一群 " 以岗位角色划分、一岗一策 " 的确定性群体。Oxygen 团队认为，这正是 AI 模型在 B 端应用一个值得注意的地方，AI 模型不仅要靠概率推算，还需结合确定性的策略、规则与优化手段，才能真正高效嵌入商家的经营全流程。

例如，分析销售数据通常是有 " 套路 " 的。与其让 AI 天马行空自由探索 "300 步 "，20 秒不能返回结果，不如告诉它就按照这几个步干，把劲使在 " 原子阶段 "，如数据的复杂计算上。这就要求大家知道 " 手里的 AI 武器射程有多远 "，避免盲目泛滥地应用。

目前，大模型正深度融入商家经营的全流程。包含京麦商家 AI 助手、广告智能投放 Agent、京点点在内的 50 多款专业 AI 工具，每周辅助完成超过 3000 万次经营决策，覆盖了从内容创作、营销推广、供应链优化到客服服务等采销关键环节。团队正在拓展到创意洞察、策略执行等更高阶经营环节，帮助商家实现全链路经营提效。

Oxygen 让 AI 不只是 " 助手 "，而是 " 另一个商家自己 "，这是团队做 AI 一直秉承的理念。在最初设计智能体时，并非抽象地定义功能，而是基于真实的商业逻辑，如走访电商代运营公司，分析大促期间的角色分工与任务执行过程，再将其抽象为多智能体结构——一个或多个智能体代表一个岗位角色，具备自己的画像与行为逻辑。一个具备完整卖货策略的 AI，往往源自一个 "AI 团队 " 或 "AI 组织 " 的协作。

在营销投放场景中，这种 AI 组织已经开始真实发挥作用。京东广告投放智能体以 " 一句话做广告 " 为目标，联动成百上千个 Agent，覆盖从创意生成、广告优化到数据复盘的全链路流程。

多智能体的效能在商家经营领域取得成果的同时，也将推动供应链协同与产品力的重塑。过去两年，许多品牌都在拼极致性价比，导致供应链各环节利润空间被严重压缩。以一个成本为 0.8 元的产品为例，当售价从 5 元降到 1 元时，利润从 4.2 元暴跌到 0.2 元，缩水幅度高达 20 倍。最终不仅品牌方吃亏，整个供应链可能都在被迫 " 赔本赚吆喝 "。

现在，得益于智能体对消费偏好与市场需求的洞察，品牌可以反向协同设计，与产业带工厂形成紧密联动，形成一条更高效、更健康的链路。供应链其实有一种 " 飞轮效应 "，速度达到一定程度，整条供应链利润和效率就会进入一个全新阶段，既提升了品牌方和供应商的利润，也为消费者提供了更具性价比的产品。

当下，团队更多聚焦在如何对 OxyGent 框架之上每个 AI 组织的优化。而团队认为，在 "MAS X 时代 "，智能体将能自我发现和修复，像干细胞一样 " 分裂产生出新的智能体 "，也能 " 让一些废弃的智能体单元凋零掉 "。

不仅是数量的变化，智能体也将实现群体智能的多样性，它们彼此的协作关系也将 " 自动变化 "。而这些都是 OxyGent 框架的扩展性所带来的。几乎所有的业务都能长在 OxyGent 之上。而京东零售和商业伙伴为 Oxygen 团队提供了宝贵舞台，这让 OxyGent 真正经受了企业级落地实战，帮助团队书写智能的基因蓝图。

这就是京东所推动的 "Oxygen 式 " 飞轮效应，通过 AI 赋能商家的经营链条，打造以数据和智能体驱动 B 端增长的新动力。

© 本文为数智前线（szqx1991）原创内容

进群、转载或商务合作联系后台

文章精选