京东大模型：供应链场景养模型，云上卖token

JoyMaaS按token拆开卖，推理成本决定毛利

京东云把模型能力拆成可计量的调用单位：文本按token、图像按张、视频按秒、语音按字符数或音频时长（R1）。文本输入与输出分开计价，部分模型按单次请求输入token总量匹配阶梯定价（R1）。这种拆法让客户按用量付费，也把定价权锚在推理成本上，而不是模型品牌。

Batch调用输入和输出token单价均按实时推理价格的50%计费，且Batch折扣与缓存折扣不可同时使用（R1）。调用失败不产生费用、不消耗免费额度（R1）。低价Batch是拿延迟换价格敏感型客户，适合离线批处理场景；失败不计费降低客户试错成本，但也意味着平台承担无效算力损耗。

模型精调走JoyBuilder，按训练消耗token后付费，如Qwen3-32B全量更新SFT单价0.03元/千tokens（文档标注为2026年6月口径，疑为文档版本日期，推断，R13）。精调把客户从纯调用拉进训练环节，黏性更高，但单价透明且低，收入规模取决于客户持续训练频率。

内部智能体先跑量，再打包成云产品外卖

言犀智能体平台Autobots于2024年4月在京东内部上线（R3），到2024年10月内部活跃智能体超7000个（R2），而2024年7月口径为3300个（R3）。内部场景先承担验证与调优，再把平台能力对外输出，言犀智能体平台、智能编程助手JoyCoder、言犀数字人3.0、JoyBuilder、云舰智算平台组成产品矩阵（R2、R5）。

言犀AI开发计算平台2.0内置20余种开源模型，并提供100余种算法和工具链（2024年10月口径，R2）。这意味着京东云不押注单一自研模型，而是把开源模型和工具链打包成开发平台，降低客户接入门槛，同时把算力消耗留在自家云上。产品逻辑是“工具链带算力”，模型本身不是唯一卖点。

政企客户为token和精调付钱，单价透明压毛利

对外收入线是JoyMaaS的按量计费：文本token、图像张数、视频秒数、语音字符数或时长（R1）。客户为推理调用付钱，Batch调用五折、失败不计费（R1）。模型精调按训练token后付费，Qwen3-32B全量更新SFT单价0.03元/千tokens（文档标注为2026年6月口径，疑为文档版本日期，推断，R13）。TokenPlan按Credits计费，公式为(输入token×输入系数+输出token×输出系数)/10000，不同模型系数差异大（R10，文档口径）；TokenPlan与JoyMaaS按token计费为两套计费口径（推断，R1、R10）。

这套定价把收入直接绑在调用量上，单价公开透明，客户比价容易。京东云外部客户包括华夏基金、科大讯飞及某航空公司等（2024年10月口径，R2），说明政企和同业都在采购。但token单价低，收入规模依赖调用量，单客户收入天花板受场景深度限制。

公开资料未披露大模型业务单独收入、毛利率和客户合同金额。能确认的是2025年言犀大模型Token调用量同比增长近100倍，支持超1000个业务应用场景（R14），但这是内部加外部的总调用口径，不能直接换算成外部收入。

商家为数字人和营销工具付钱，按工具而非token结算

第二条收入线藏在京东生态内：言犀数字人3.0累计服务品牌超5000家，带动商品交易总额近百亿元（2024年7月口径，R3）；AIGC营销工具京点点服务20多万户商家（2024年7月口径，R3）。商家为数字人直播、营销素材生成付钱，计费方式公开资料未披露，但显然不是按token单价结算，而是按工具订阅或服务包。

这条线的优势是客户已经在京东生态里，触达成本低；劣势是收入依附于电商GMV波动，且工具同质化压力大。数字人服务5000家品牌、带动近百亿元GMV，说明商家愿意为转化效果付钱，但京东未披露数字人业务自身收入。

AI导购助手2025年年活跃用户突破1.5亿、渗透率超20%，带动数十亿GMV（R14）。这是面向消费者的AI功能，不直接向用户收费，价值体现在提升交易效率，间接服务商家和平台收入。

内部先吃饱，外部政企和商家才是增量

京东大模型的客户分三层：内部业务、生态商家、外部政企。内部支持超35万自有配送员、超23万商家（R2，与800万家活跃企业客户口径不同）、超5万副主任级别以上医生、超2万采销运营、超1万研发人员（2024年10月口径，R2）。这些是内部调用方，不直接付钱，但贡献场景和数据。

生态商家是第二层：言犀数字人服务品牌超5000家，京点点服务商家20多万户（2024年7月口径，R3）。商家付钱买的是营销和客服效率，决策链条短，但客单价和留存公开资料未披露。

外部政企是第三层：华夏基金、科大讯飞及某航空公司等（2024年10月口径，R2）。政企客户为token调用和精调付钱，决策周期长、合规要求高，但一旦接入调用量相对稳定。三层客户里，内部场景负责磨模型，外部政企负责贡献收入增量，商家负责走量。

云市场带开发者，行业大会带政企

京东云通过云市场把JoyMaaS、JoyBuilder、智能体平台打包上架，开发者自助注册即可按量调用，Batch五折和失败不计费降低首次尝试门槛（R1）。这是标准化产品的自助分销，适合中小客户和开发者。

政企客户靠线下渠道：京东云城市大会2024年10月31日在西安举行，会上宣布内部活跃智能体超7000个（R2）。行业大会承担案例展示和客户获取功能，把内部场景验证过的能力包装成行业方案。外部客户如华夏基金、科大讯飞、某航空公司（R2）是否来自这类线下触达，公开资料未披露（推断）。

还有一条隐形渠道是京东生态本身：商家在京东开店，自然接触到数字人和京点点工具（R3）。这条渠道触达成本低，但转化的是电商服务付费，不是云上token付费，两条渠道的销售逻辑不同。

技术投入摊在集团大盘上，推理优化省的是显存不是现金

京东自2017年初全面技术转型以来，技术研发累计投入超过1300亿元（2024年7月口径，R3）。这笔钱覆盖零售、物流、云和AI，大模型分到多少公开资料未披露。能确认的是推理侧优化：言犀大模型推理侧模型显存节约70%，速度提升1.5倍（2024年7月口径，R3）。这降低单位调用的算力成本，但不改变前期训练和基础设施投入的绝对额。

算力侧，京东云云舰支持GPU灵活切分，切分粒度低至1%，并可兼容国产卡（2024年10月口径，R2）。细粒度切分提高GPU利用率，国产卡兼容为供应链受限时的替代留了后路。这两项都是成本控制手段，不是收入手段。

钱花在哪的完整答案公开资料未披露：训练算力采购、推理集群折旧、研发人员薪酬各自占比没有拆分。从可确认的信息看，成本结构是重资产加长周期研发，靠集团现金流扛。

集团现金流输血，云业务不用自己造血

京东2025年全年自由现金流为人民币60亿元，期末现金及短期投资总额达人民币2250亿元（R14）。同年宣布2025年全年现金股息约14亿美元（每股0.5美元），全年回购约占总股本6.3%、耗资约30亿美元（R14）。一边分红回购、一边保留大额现金，说明集团层面资金调配空间充足（推断），云和大模型业务可以持续投入而不必短期自负盈亏。

京东2025年全年营收同比增长13%至人民币1.3万亿元，京东零售经营利润率提升62个基点至4.6%（R14）。零售主业利润率改善，为技术投入提供利润垫。大模型业务没有单独融资披露，公开资料未披露其资本开支和亏损口径。

靠什么活：不是靠大模型收入覆盖成本，而是靠零售现金流和现金储备支撑长期投入。这个结构下，大模型业务的考核更可能是战略卡位和场景效率，而非短期利润。

护城河在供应链数据，不在模型参数

京东把供应链原生数据作为大模型训练与落地的壁垒：千万自营商品SKU、5000万工业品SKU、超800万家活跃企业客户（R2、R3，与23万商家口径不同）。这些数据让模型在商品理解、履约预测、企业采购等场景有现成语料和验证环境，外部模型公司通常难以拿到同等颗粒度的自营供应链数据（推断，账本未直接比较）。

但数据壁垒不等于收入壁垒。数据主要提升内部场景效果，对外输出时客户买的是token和工具，不是数据本身。京东云将大模型能力对外开放服务行业客户，形成内部场景验证后外输的路径（R2，推断）。这条路径成立的前提是内部场景效果能迁移到外部行业，而政企客户的场景差异大，迁移成本公开资料未披露。

另一个支撑是算力调度：云舰GPU切分粒度低至1%、兼容国产卡（R2）。这让京东云在算力供给上有一定灵活性，但云厂商普遍在做类似优化，不构成独家优势。真正的差异还是供应链数据和京东生态内的商家网络。

幻觉和缺杀手应用，产业落地卡在可控性

京东云方面认为大模型幻觉率仍较高、产业界缺乏真正颠覆性可控应用，是落地的主要风险（2024年7月口径，R7）。这个判断来自京东云自己，说明内部对产业落地的难度有清醒认知。政企客户对错误容忍度低，幻觉问题不解决，token调用量难从试点走向生产。

另一个风险是内部智能体数量口径变化：2024年7月为3300个，2024年10月为超7000个（R3、R2）。数量增长快，但活跃度和留存公开资料未披露。如果大量智能体是一次性创建、低频使用，7000这个数字的实际价值要打折。

对收入的直接影响是：外部客户为token付钱的前提是模型在业务里持续被调用，而幻觉和可控性问题会拉长试点周期、压低生产环境调用量。公开资料未披露客户续费率和调用留存，这是判断收入质量的关键缺口。

token单价透明，收入跑量但利润薄

JoyMaaS文本按千token计费，输入输出分开计价，Batch调用五折（R1）。单价公开透明，客户比价容易，京东云很难靠定价获取超额利润。TokenPlan按Credits计费，不同模型系数差异大（R10），本质是把多模型调用折算成统一单位，但折算规则复杂，客户可能转向单价更低的直接调用。

模型精调单价同样透明：Qwen3-32B全量更新SFT 0.03元/千tokens（文档标注为2026年6月口径，疑为文档版本日期，推断，R13）。精调收入取决于客户训练频率，而多数客户精调一次后长期推理，训练收入不是持续现金流。

更大的风险是云厂商价格竞争。公开资料未披露京东云在公有云市场的份额（openQuestions 已列），token定价的规模议价权公开资料未披露（openQuestions 已列份额缺口），低价Batch和失败不计费进一步压缩单位经济。公开资料未披露大模型业务毛利率，无法判断当前定价是否覆盖推理成本。