得物基于產業真實場景研發AI查驗鑒別系統，以得物多年積累的查驗鑒別研究和海量實物商品數據訓練為基礎，整合億級多模態產業原生數據，自研“無矩”機器學習平臺，通過細粒度感知技術、分層注意力機制、神經網絡結構搜索等技術，快速、深入分析多品類商品的關鍵物理特性，實現了成熟的多品類商品G精度查驗鑒別，主要品類與得物鑒別專家的鑒別結果吻合度在99.9999%以上。得物垂類大模型在工業質檢、各類經營主體貨品質量管理、監管和安全等L域均有廣泛應用空間。

1.新型工業化需求：當前，中國制造業正處于依靠知識、技術等G級生產要素重構產業核心競爭力的爬坡過坎階段。目前國內人工智能企業和項目努力尋找賦能制造業的突破口，但在層出不窮的大模型中，會“聊天”的多，會“干活”的較少，在制造業具體場景中的大規模應用和商業化，總體還處于早期階段。新一代質量基礎設施建設有待通過AI技術加快加強，例如在商品生產、流通L域的AI檢測模型，還不能充分滿足多品類、大批量、G復雜商品的質量檢測和真偽鑒別需求。

2.消費者科技服務體驗需求：當前，以“Z世代”為代表的中國新生代消費者正在崛起，他們對商品質量提出了更G的期待，需要更G效的人工智能商品查驗鑒別應用，來提G平臺批量化商品查驗鑒別的效率。

一、主要能力和技術創新

得物的商品查驗鑒別業務覆蓋近20大類商品，得物AI查驗鑒別系統是國內面向多品類、復雜場景的商品查驗鑒別人工智能，攻克了多品類AI商品查驗鑒別技術難點。

1.引入神經網絡結構搜索技術，訓練過程中能根據款式特點快速自動化調整模型結構，能更快找到更G查驗鑒別準確率的“解題思路”。

2.引入商品細節圖、商品來源等跨模態信息幫助決策商品真假，通過更多面的思考來判斷真假。通過提示工程來有效地表述不同模態信息，提G模型的準確率和知識實時性，有效突破G難度品類和品牌的鑒別難點

3.引入細粒度分類、層級注意力機制等技術，實現對資深鑒別師能力的模擬。通過工業機器人拍攝的廣角G精度圖片，大模型能捕捉像素級的細微紋理差異，準確識別一些視覺觀察足以亂真，只有資深鑒別師才能捕捉細微觸感差異，并將鑒別師經驗嚴格量化，做到“萬無一失”。

4.內嵌增量學習系統，讓模型能夠根據真實的商品鑒別過程中，實時積累的新款商品數據，快速形成新款商品的鑒別能力，對模型進行實時更新迭代，具備出色泛化能力。

5.完善的正品樣本庫。“得物正品樣本庫”就像商品圖書館一樣，為商品鑒別提供標準。目前，得物正品樣本庫覆蓋13個消費品類、1500多個品牌、10萬多個商品，球鞋、服裝、箱包、手表、3C、珠寶等每一個消費類目，每一個品牌，甚至一個品牌的一款商品，都從0到1建立了不同的鑒別邏輯和標準，且隨著商品豐富度的提升，持續迭代新增。

二、實施效果和應用落地情況

目前得物AI查驗鑒別系統與得物鑒別專家的鑒別結果吻合度在99.9999%以上，已覆蓋箱包、手表、鞋類、服飾、配飾、奢侈品、戶外運動、美妝等眾多品類。

（一）工商業場景

一是面向產業鏈上游。未來有能力支持進行智能質檢，可為生產制造企業提供AI工業質檢服務。

二是面向各類經營主體。逐步向商超、零售、貿易商、拍賣行等各類經營主體，開放多品類商品品質查驗服務，支持其快速完成貨品質檢。

（二）監管L域應用前景

目前，得物已受海關、公安邀請，對涉案商品進行真偽鑒別，為案件定損與偵破提供支持。未來可逐步向公檢法、海關、市場監管單位及權威檢測機構開放AI查驗鑒別服務，支持主管部門進行G精度、批量化的商品檢測和真偽鑒別。

（三）數據治理及風控場景

AIGC“以假亂真”現象已成為AI治理的重點L域，可適時探索得物大模型支持進行AIGC深度偽造檢測。可探索得物大模型在網絡安全建模方面的應用，基于對多模態數據的深入分析，預測各行各業潛在風險事件發生的概率。