作者｜石孝鋼
編輯｜Kitty
策劃｜QCon 全球軟體開發大會
本文整理自 QCon 全球軟體開發大會·2026（北京站）明星講師石孝鋼帶來的演講分享素材。
以下是演講實錄素材。
大家上午好！我是來自京東零售 - 產研中心 - 智慧零售 AIGC 視覺應用部的產品經理石孝鋼，今天咱們這個分會場是 AIGC 的產業級應用，現場應該既有做技術的朋友，也有做應用的朋友，我今天會站在一個偏應用的視角來分享一下我們京東零售在 AIGC 大規模供給落地的一些經驗和分享素材。
行業中很多時候將 AIGC 等同於文案、圖片、影片的生產工具，認為“能生成 = 能落地”素材。
更多的關注和討論都在哪個模型更強，Prompt 一敲，極其逼真的影像瞬間就能生成素材。很多人，甚至包括我們很多業務線的老闆看完後，第一反應都是：“太強了！既然模型這麼厲害，我們是不是直接接個 API，電商的素材生成問題就徹底解決了？”這是我們團隊被問得最多的一個問題。
但我們認為真正應該被問出來被解答素材，也是我們每天追問自己團隊的這幾個問題：生成量多大？成功率多少？可用率多高？總成本扛得住嗎？它對真實的商家對京東的生意，有幫助嗎？
在京東，我們面對的是百億級的動銷商品，每個商品對應十餘種不同規格和調性的素材，還要應對周粒度的高頻促銷活動素材。
我們調研過的很多商家店鋪平均會有 4000+ 在售 sku，京東自營採銷人均負責 10,000+sku，如果這些素材都外包生產，10~20 元 / 圖的成本 疊加 sku 數 * N 個版本* 每週一次的頻率，這個成本投入在越來越卷的競爭壓力面前是絕對不現實的，所以目前被運營的素材，佔整體素材量的也就是 10-20%，大量的素材處於放養狀態素材。
展開全文
因此，我們得出了第一個現實的觀察：電商 AIGC 的應用落地，絕對不只是一個“生成問題”素材。
首先生成問題是整個系統基礎構建的基礎，每一次底層大模型能力的躍遷（從文字到圖，到影片生成），都打破內容供給天花板，創造全新的可能性素材。
但光有上限不夠，電商購物是一個非常 重體驗的場景，平臺頻道有規則，品牌有規範，品類有目標人群和競爭知識，這所需要的美學指引與通用美學標準有非常大的不同素材。
這些不同的需求的滿足，就是 控制問題，商品一致性，合規，賣點促銷真實不幻想，在安全的基礎上進行創作素材。
最後回到電商的本質，這還是個 生意問題，哪怕圖生得再美，可用率再高，如果我們不能回答‘能提效嗎？對業務有增量嗎？ROI 算得過來嗎？’，那它就只是個實驗室裡的玩具素材。
為了更好的為平臺商家提供服務，我們團隊構建了一套代號為 Oxygen Vision的統一落地系統素材。這套系統的核心哲學，我總結為六個字：藝術、技術、算術。
藝術決定做什麼 - Doing right things素材，對齊電商審美需求
技術解決怎麼做 - Doing things right素材，交付確定性結果
算術解答值得嗎 - Worth doing：在 ROI 視角下，精算每一分 Token 的經濟學素材。
藝術決定做什麼 - Doing right things素材，對齊電商審美需求
技術解決怎麼做 - Doing things right素材，交付確定性結果
算術解答值得嗎 - Worth doing：在 ROI 視角下，精算每一分 Token 的經濟學素材。
接下來的 40 分鐘，我就沿著這“三術”，帶大家深入瞭解京東 AIGC 的百億素材供給實踐的探索素材。
首先，我們聊聊“藝術”素材。通用 AIGC 和電商 AIGC 的訓練目標是不完全重合的。通用大模型在努力讓自己成為‘藝術家’，畫好看的人像、絢麗的風景；但電商 AIGC 不需要做藝術家，它是一個‘超級導購’，它的第一天職是‘設計服務商業’。我們不能用‘這圖好不好看’這種感性、難以量化的標準來驗收。
同時，電商在不同的素材展示位置，對素材的需求是隨著平臺要求和使用者意圖有顯著區別的素材。在首頁、活動頁，一般會使用商品白底圖，突出統一的平臺調性、活動氛圍。在推薦場域，使用者是隨便看看，逛一逛的這種弱需求，一般會使用少文字，突出使用場景的圖片，透過場景感激發使用者的興趣。在搜尋場域，使用者有明確且強烈的購物意圖時，圖片素材通常會八仙過海，各盡所能地吸引使用者點選，有展示外觀的、有使用場景的，大機率也有突出的賣點顯示。到了商詳場域，這個時候進入了商品領域，圖片的使命就是激發使用者轉化，在這個場景下的圖片中除了了核心賣點外，通常會有高強度的促銷、贈品，資訊等等。
我們做的第一個動作就是放棄追求美學評價，轉為探索電商務實的設計維度素材。他們把電商素材設計維度分成了 5 個主維度，包括：商品、場景、情緒、資訊和促銷。
商品維度：核心聚焦產品的面積佔比強度，在此基礎上延伸出多個細節子維度，包括拍攝視角、商品呈現方式、是否採用多商品組合展示、是否帶有產品包裝等，核心目標是確保商品的核心特徵能夠清晰、突出地呈現，讓使用者快速捕捉商品本身的關鍵資訊素材。
場景維度：重點關注與使用者使用需求的關聯程度，覆蓋從純白底（適配平臺首頁、活動頁等場景）到真實使用場景的全範圍，同時包含道具搭配、打光效果、畫面色調、背景虛化程度等子維度，可根據不同展示場域的需求，靈活調整場景呈現形式，適配多樣化展示需求素材。
情緒維度：涵蓋從客觀呈現商品規格引數的純理性，到傳遞情感共鳴的純感性氛圍，在此維度下延伸出目標人群、購物動機（如是否用於送禮、日常自用等）等子維度，核心是貼合使用者心理需求，讓素材能夠傳遞出契合使用者期望的情緒價值，提升使用者共鳴感素材。
資訊維度：核心關注畫面中文案與營銷圖案的面積佔比，在此基礎上延伸出文案風格等子維度，重點確保資訊傳遞的精準性和高效性，既避免文案過多雜亂影響觀感，也保證核心營銷資訊能夠清晰傳遞給使用者素材。
促銷維度：聚焦資訊中價促型別的佔比，延伸出促銷型別、視覺強度等子維度，核心目標是突出促銷亮點，透過合理的視覺設計和內容配比，讓使用者快速捕捉促銷資訊，助力提升商品轉化效率素材。
商品維度：核心聚焦產品的面積佔比強度，在此基礎上延伸出多個細節子維度，包括拍攝視角、商品呈現方式、是否採用多商品組合展示、是否帶有產品包裝等，核心目標是確保商品的核心特徵能夠清晰、突出地呈現，讓使用者快速捕捉商品本身的關鍵資訊素材。
場景維度：重點關注與使用者使用需求的關聯程度，覆蓋從純白底（適配平臺首頁、活動頁等場景）到真實使用場景的全範圍，同時包含道具搭配、打光效果、畫面色調、背景虛化程度等子維度，可根據不同展示場域的需求，靈活調整場景呈現形式，適配多樣化展示需求素材。
情緒維度：涵蓋從客觀呈現商品規格引數的純理性，到傳遞情感共鳴的純感性氛圍，在此維度下延伸出目標人群、購物動機（如是否用於送禮、日常自用等）等子維度，核心是貼合使用者心理需求，讓素材能夠傳遞出契合使用者期望的情緒價值，提升使用者共鳴感素材。
資訊維度：核心關注畫面中文案與營銷圖案的面積佔比，在此基礎上延伸出文案風格等子維度，重點確保資訊傳遞的精準性和高效性，既避免文案過多雜亂影響觀感，也保證核心營銷資訊能夠清晰傳遞給使用者素材。
促銷維度：聚焦資訊中價促型別的佔比，延伸出促銷型別、視覺強度等子維度，核心目標是突出促銷亮點，透過合理的視覺設計和內容配比，讓使用者快速捕捉促銷資訊，助力提升商品轉化效率素材。
透過這五大維度的系統分解，我們能夠快速定位不同場域偏好的素材構圖框架，並在此基礎上開展針對性的最佳化探索，讓素材設計更貼合電商場景的商業需求素材。
與此同時，我們也做出了關鍵取捨：將常規生成質量評測中，商品一致性、人物崩壞、黃暴恐政等非設計方案層面的引數進行解耦，將其放到後續可控生成階段進行專門的控制和質檢，有效避免了不同維度的混淆，讓美學探索能夠聚焦於設計方案本身，提升素材設計的效率與精準度素材。
這套方法我們沒起名字，就叫他資料驅動的學習探索，但放在當前這個時點，可能叫 Harness Design更應景一些素材。這套方法在落地過程裡，為避免隨機探索對業務的負向影響，對好圖的探索也不能像純深度學習那樣從 0 開始，我們的做法是提取場域 x 品類維度的好圖設計特徵作為探索冷啟動起點，並透過模仿、變異等多樣性策略產出實驗素材，透過持續的 AB 實驗投放和資料的結果表現，迭代知識和策略，透過持續的觀察 - 思考 - 行動的迴圈，追求目標回報率的最大化，這個回報率也是可以分場域和品類定向設定的，點選率、多次點選率、加購率等等。
這套美學探索系統的落地形態，成為了我們的任務規劃引擎，類似於大腦，決定一個任務來了做什麼素材。
他同時具有快慢思考 2 個系統，系統一（快思考 / 肌肉記憶）：當遇到“商品白底圖生成”、“僅僅改個價格標籤”這種意圖極其明確的簡單任務，或者在前期多輪實驗中取得了明確有效的生成策略結論時，直接命中規則，瞬間下發的執行指令素材。毫秒級響應，0 算力浪費。系統二（慢思考 / 深度推理）：當我們遇到模糊指令，比如最佳化商品點選率、最佳化排名、生成千人千面素材等探索任務時，系統二被喚醒。它會按照未收斂任務的觀察 - 思考 - 行動模式，結合品類、場域知識，進行深度的 意圖理解與提示詞強化（PE），生成策略性的探索方案。
同時還有一類情況，當一個任務從執行側返回為多次嘗試最好的模型沒有透過時，規劃系統會降低設計藍圖的複雜程度，保證任務的交付（兜底）素材。
做什麼定了，下面我們來聊聊怎麼做素材。
首先，能生成和能交付，完全是 2 個難度等級的任務素材。我們剛開始訓練模型的時候，抽卡 10 次裡抽出 1 次驚豔的 Good Case，就是非常值得開心的 aha 時刻。但在京東的 APP 的實際曝光素材裡，100 次裡有 1 次（Bad Case），商品變形、人物畸形、資訊錯誤，就有可能引起客訴，索賠等損失造成事故。所以確定性、合規性是我們在技術落地階段的紅線要求，這部分會在質檢端嚴格把控。
另外在生成模型的路線選擇上，像螢幕上展示的，我們試圖用一個端到端的大模型，疊加上 MOE（混合專家）架構，來搞定所有的生成任務素材。你需要參考圖生成？我接入 ReferenceNet；你需要固定商品高頻特徵細節？我接入 ControlNet；你需要去背景？我也用這個模型直接端到端輸出白底圖。
從運維的角度想，這簡直完美，一個統一的模型，全叢集無差別重複部署，徹底消除了不同任務之間的負載不均，任務的通用性拉滿素材。
但這真的是最優解嗎？我們在探索中發現了一個殘酷的真相：在我們的日常任務裡素材，有超過 3 成的任務，其實只是要求把一張商品圖精準地變成‘白底圖’！
如果我們為了追求所謂的‘架構統一’，用 12B DiT 模型去幹這個活，與 0.1B 的摳圖模型，就算使用 MoE 控制啟用引數量，也還是會存在算力消耗* 裝置效能差距導致的高達 400 倍的成本差素材。
所以，這也是我想和大家分享的核心觀點： 第一，端到端，絕不等於商業上的最優解素材。第二，MOE（混合專家）架構，也不是掩蓋算力浪費的萬能藥。第三，在極端的工業級併發下，精細化的工程編排，遠遠大於盲目追求單一的萬能模型。
我們目前正在嘗試的做法，是嘗試用分層模型矩陣 + 智慧排程的全新架構探索更優的解決方案素材。
這套架構運轉主要分為兩步素材：
第一步，構建分層模型矩陣，也就是打好我們的‘算力底座’素材。我們將原本耦合的核心執行過程，切分為四個標準化環節：前處理、生成、後處理、質檢。 透過規範這四個環節之間的出入參協議構建一個支援‘熱插拔’的系統。
在每一層裡，我們部署了 N 個能力、成本各異的模型素材。這裡面既有幾十億引數的滿血版大模型，也有專門做過 INT4、FP8 極限壓縮的量化版本，還有最傳統的 CPU 演算法小模型。
大家注意看圖上這些白色的節點方塊素材。在我們的系統裡，每一個節點都不再是一個冷冰冰的 API，它是一個帶有‘即時動態簡歷’的實體。它需要時刻向中央彙報自己的四個關鍵資訊：
能力定義（你擅長什麼素材？做不了什麼？）
即時負載（你現在排隊擠不擠素材？）
I/O 成本（呼叫你一次的單位 Token 花多少錢素材？）
SLA 時延（你最快幾秒鐘能把結果吐給我素材？）
能力定義（你擅長什麼素材？做不了什麼？）
即時負載（你現在排隊擠不擠素材？）
I/O 成本（呼叫你一次的單位 Token 花多少錢素材？）
SLA 時延（你最快幾秒鐘能把結果吐給我素材？）
第二步，也就是這套系統的靈魂——中間的這個‘智慧排程網路’素材。在物理形態上，它是一個 極輕量級的多模態強化學習排程網路。在視覺提取上，我們採用了輕量級的 Swin Transformer架構。用極低的算力開銷，瞬間掃出這張原圖的‘物理難度’，網路把提取到的‘影像難度’，和上層傳下來的‘文字指令’以及‘當前的系統負載率’揉在一起。面對 4 個執行階段交織成的 DAG 行動空間，在強化學習的預訓練下，它會透過多頭分類器輸出一條當前負載下質檢透過率最高、且算力賬單最便宜的組合路徑。
當我們將系統重構為這種動態 DAG 路由後素材，極其令人興奮的事情發生了——系統開始自發“湧現”出高階的微觀運維能力！
現象一：TooBad! (質量擊穿)素材。 系統發現某個廉價節點幾乎沒流量了。為什麼？因為排程網路發現，只要走到那，就會因為產出廢片被後置的質量防線瘋狂扣分。這相當於系統發出的紅色警報，提示演算法團隊：這個模型根本省不了錢，必須馬上重新微調！
現象二：GoodEnough! (效能溢位)素材。 反過來，某高階模型空閒，而大量任務走廉價節點依然保持了高透過率。這說明廉價模型已經“足夠好”了，工程團隊就可以放心地將珍貴的高階 GPU 資源降配回收，同時演算法團隊可以考慮在同樣的算力消耗預算下，是不是有效果大幅最佳化挑戰更高質檢標準的優質模型。
現象三：CatchAll! (柔性容災)素材。 當某個節點突然不可用時。排程網路在分鐘級的路徑失敗內發現流向該節點的任務透過率暴跌，瞬間將流量平滑洩洪到同層級的備用或降級節點，給工程修復爭取了寶貴的時間並能避免業務損失。
現象四：Skip! (架構摺疊)素材。 當新一代端到端大模型引入後，網路發現直接生成比“扣圖 + 合成”效率更高。於是冗長的前置節點被自動切斷，系統拓撲自己完成了摺疊進化！
現象五：TooHard!（知難而退）素材。 當上游來的需求多次經過每層最好的節點仍無法透過時，系統會向美學大腦反饋規劃的設計藍圖過於複雜，上層可簡化設計後重新下發任務。
現象一：TooBad! (質量擊穿)素材。 系統發現某個廉價節點幾乎沒流量了。為什麼？因為排程網路發現，只要走到那，就會因為產出廢片被後置的質量防線瘋狂扣分。這相當於系統發出的紅色警報，提示演算法團隊：這個模型根本省不了錢，必須馬上重新微調！
現象二：GoodEnough! (效能溢位)素材。 反過來，某高階模型空閒，而大量任務走廉價節點依然保持了高透過率。這說明廉價模型已經“足夠好”了，工程團隊就可以放心地將珍貴的高階 GPU 資源降配回收，同時演算法團隊可以考慮在同樣的算力消耗預算下，是不是有效果大幅最佳化挑戰更高質檢標準的優質模型。
現象三：CatchAll! (柔性容災)素材。 當某個節點突然不可用時。排程網路在分鐘級的路徑失敗內發現流向該節點的任務透過率暴跌，瞬間將流量平滑洩洪到同層級的備用或降級節點，給工程修復爭取了寶貴的時間並能避免業務損失。
現象四：Skip! (架構摺疊)素材。 當新一代端到端大模型引入後，網路發現直接生成比“扣圖 + 合成”效率更高。於是冗長的前置節點被自動切斷，系統拓撲自己完成了摺疊進化！
現象五：TooHard!（知難而退）素材。 當上游來的需求多次經過每層最好的節點仍無法透過時，系統會向美學大腦反饋規劃的設計藍圖過於複雜，上層可簡化設計後重新下發任務。
透過工程實現的算力資源的有效利用率監控，我們還順手理順了一個內部合作的默契契約：產品跟蹤各類任務透過率與實際業務的效果資料，並持續迭代質檢評測集；演算法有的放矢，針對質量差的模型改善效果，在質量範圍內探索模型的降本提速素材。
接下來，到了算賬的時候了素材。
不談算力成本的 AIGC，都是耍流氓，我們面對的 “不可能三角”是——效果、成本、吞吐素材。
而在實際業務中，三種傾向的任務也是同時存在的，追求極致效果的精細化運營，需要天花板級效果的素材做 AB 實驗驗證業務假設，即時工具箱需要低時延高併發的吞吐能力，才能在高峰時段保障使用者體驗；而大量業務治理類的動作，擦除牛皮蘚等，需要使用最低的成本大量產出素材。所有技術決策本質上是 Q-T-C 的博弈。
以終為始看這個博弈的目標，回到生意層面還是為了投入產出的最大化，簡單來說就是業務回報減掉生產成本的最大化，我們在做這部分評估用的獎勵函式分 3 個部分，紅色部分代表生成素材的算力資源消耗，藍色部分代表設計方案預期產生相對品類的業務增益指標，業務乘數是增益放大器，因為 aigc 素材還是以曝光作為轉化漏斗的起點的，所以我們實際使用的時候我們用的是曝光獲取能力素材。
前面就把我們這套 OxygenVision 系統 - 藝術，技術，算術的核心哲學講完了，接下來是我們基於這套系統，落地到業務系統的產品矩陣素材。
它包括 2 層產品體系素材：
上層是“探索引擎”素材。這是一個獨立可互動的“設計智慧體”，為京東商家和採銷提供高效高質量的設計服務，並在這裡收集極端業務 Case，沉澱品牌知識，不斷最佳化我們的美學系統大腦。
下層是“增長引擎”素材。這是一個嵌入到全站工作流中的“生成微服務”。它默默地在後臺執行極限的算力運籌和分發。
上層是“探索引擎”素材。這是一個獨立可互動的“設計智慧體”，為京東商家和採銷提供高效高質量的設計服務，並在這裡收集極端業務 Case，沉澱品牌知識，不斷最佳化我們的美學系統大腦。
下層是“增長引擎”素材。這是一個嵌入到全站工作流中的“生成微服務”。它默默地在後臺執行極限的算力運籌和分發。
首先透過一個短片瞭解一下我們的設計智慧體：oxygenvision（可在官網檢視短片：素材。
短片中展示的就是一個商品主圖最佳化的模糊需求，透過美學大腦進行商品素材分析、品類競品中 TOP 優質素材抓取、競爭策略推理，基於五維體系生成方案並輸出結果進行 ab 實驗投放驗證的全流程，目前我們也實現了一個 sku 多輪實驗的分析和迭代能力，幫助商家持續提升最佳化素材。
如果說智慧體是幫我們‘探索上限’的實驗室，那麼我們的第二個產品形態——‘嵌入式生成微服務’，就是幫我們‘做大規模’的工業流水線素材。他以 ai 生成功能能力，嵌入系統工作臺中的所有環節，可提供單點、批次的素材診斷生成等需求，並可承接業務方的驗證需求，定向批次生成素材並進入系統級 AB 實驗並回收效果資料。
我們把 AIGC 能力拆解成微服務，像水和電一樣，悄無聲息地接入到商家和運營每天在用的工作臺裡素材。在這裡，不強調炫酷的聊天介面，沒有情緒價值，只強調批次、穩定、自動化。正是這個形態，真正把 AIGC 從一個只能發朋友圈炫技的‘Demo’，變成了一臺轟鳴的‘業務增長引擎’！
從藝術的美學量化探索，到技術的 DAG 智慧排程，再到算術的 Token 經濟學博弈素材。Oxygen Vision 幫京東零售扛過了百億素材供給的考驗。目前，Oxygen Vision 支撐的 AIGC 素材 日供給量已經穩定突破 1000 萬 +。 我們服務的 商家數量超過了 100 萬家。 最讓我們驕傲的是，在極其嚴苛的線上 A/B 真實流量實驗中，AIGC 供給素材在實驗商品的 AB 實驗中帶來的核心 XTR 綜合提升達到了 +29%！
最後，我想分享兩點我們近期的觀察和思考素材。
第一點是：行業卷模型，業務卷 ROI素材。
這三天的 QCon 大會，大家肯定聽到了大量關於 OpenClaw、Hermes 這些前沿自主 Agent 的討論素材。作為技術人，我們承認，這些“大龍蝦”概念非常前沿、非常性感。
但作為一個揹負著真實業務指標的落地系統產品經理，我們必須保持冷靜：以終為始的商業 ROI，永遠大於盲目追新的技術形式素材。在流水線上，那些幾百毫秒就能跑完、成本極低、穩紮穩打的“務實小模型們”依然非常可愛。
技術潮流會不斷更迭，今天火的是 MMDiT，明天可能又是新的架構素材。但如何站在生意的視角，把不同能力、不同成本的節點編排好，精算每一筆算力賬單——這種對系統極限效能的運籌和組織能力，才是不受時代週期影響的，真正屬於我們自己的護城河。
第二點是：素材供給，正在從“面向人”走向“面向 Agent”素材。
說到這裡，我們依然繞不開剛才那些性感的“龍蝦們”素材。大家有沒有想過一個問題：當未來的 C 端使用者，開始大量依賴各種 AI 購物助手和自主 Agent 來提供購買建議時，我們電商素材的“消費者”變了。
除了人類的眼睛，我們的素材多了一種全新的消費群體：VLM（多模態視覺大模型）素材。
VLM 觀察世界、理解圖片、提取關鍵資訊的方式，和人類對“美”的感知是截然不同的素材。由於我們部門同時也承接著京東集團內部“視覺理解”的能力供給，我們最近正在探索一個極其前沿的命題：
最後，希望今天的分享，能為各位同行在 AIGC 的工業化落地中，提供一些新的視角與啟發素材。
號外：2026 年 10 月 22-24 日將召開 QCon 全球軟體開發大會·上海站，內容覆蓋 AI + 軟體研發的方方面面，敬請期待素材。
號外：2026 年 10 月 22-24 日將召開 QCon 全球軟體開發大會·上海站，內容覆蓋 AI + 軟體研發的方方面面，敬請期待素材。
作者介紹
石孝鋼，現任京東零售視覺與 AIGC 部，京東 AIGC 內容生成平臺 -“京點點”產品經理，推動 AIGC 技術在電商多場景的應用落地素材。此前曾任京東家電家居事業群商品規劃部 C2M 產品經理、聯想商用事業部列印業務產品經理，深耕軟硬體與網際網路行業 18 年，兼具技術理解與產品化能力，主導並打造過多款行業爆款產品，具備從需求洞察、產品規劃到規模化落地的全鏈路經驗。
會議推薦
測完 MBTI，快來解鎖技術人專屬 AITI ！前沿探索家、大模型工程師、Agent 實戰拆解師、行業賦能師… 你是哪一種？6.26-27 # AICon 上海站等你面基同頻人！世界模型與多模態智慧突破、Agent 架構與工程化實踐、Agent 安全與可信治理、企業級研發體系重構等 14 大專題全面開啟，誠摯邀請你登臺分享實戰經驗素材。AICon 2026，期待與你同行。
