PPT | ​云环境下一体化运维解决方案

下一阶段 AI 基础设施的核心命题，不是简单的算力堆叠，而是让工程本身变得智能——让调度系统能自主感知负载特征并动态优化，让推理引擎能根据模型结构和硬件特性自动生成最优执行方案，让整个 AI 工程链路具备自感知、自决策、自优化的能力。未来，Oxygen xLLM 的项目官网、社区沟通渠道及微信社区将陆续向开发者开放，诚邀芯片厂商、模型厂商、云厂商、企业用户及个人开发者共同参与，让国产大模型推理引擎在开放生态中加速成长。硬件层，原生支持 GPU / NPU / MLU 多类 AI 芯片，深度适配国产芯片。

开源一套系统，而不只是一个模型在实时视频流中，JoyAI-VL-Interaction每秒都会做一次判断，比如，继续观察、保持沉默，发现关键事件、主动回应，遇到复杂任务，交给后台Agent处理。一个好的AI 助手，不应该一直打扰用户，而应该知道什么时候该出现，什么时候该安静，以及什么时候自己解决，什么时候交由agent解决。深耕零售、物流、健康、工业等实体产业二十余年，京东拥有全球领先的物理世界运营网络，覆盖仓储、配送、门店、直播、客服、售后海量真实场景，每天都在发生人、货、场的实时互动。

即日起，用户只需打开京东App，搜索“龙易办”，即可一键进入，在线办理公安、人社、医保、公积金、文旅、教育等30余项高频政务服务，真正实现“办事不出门，服务在指尖”。未来，京东市民服务还将持续拓展服务城市与覆盖领域，深入更多民生场景，以AI赋能公共服务，助力各地政府构建更加普惠、高效、智能的数字政务生态，让每一位市民都能享受到触手可及的美好生活服务。此外，京东市民服务还构建了丰富的城市智能体矩阵，覆盖政务服务、生活缴费、出行停车、健康管理、就业安居、财富规划等多元民生场景，持续提升城市服务智能化水平。

依托京东云自研推理框架，结合PD分离部署、KV Cache缓存、投机采样等推理优化技术，实现模型推理吞吐与响应效率的进一步提升，为开发者和企业用户带来更高效、更稳定的大模型服务体验。面向未来，京东云将持续深化 AI 基础设施与模型服务能力建设，携手模型厂商、开发者社区及产业伙伴，共同构建开放、多元、繁荣的 AI 生态。即日起，用户登录京东云官网，在 JoyBuilder 模型开发平台即可一键调用最新GLM-5.2模型，快速体验百万级上下文、更高效的智能体开发与代码生成等前沿能力。

模型采用：香蕉2-Flash，16:9，4K，2张。借助参与“北影AIGC漫剧大赛”的契机，我使用灵境的“无限画布”完整探索了一种截然不同的AI动画制作路径，希望通过展示从0到1的完整历程，破除大家对AI创作的神秘感和畏惧感，带动大家一起“Enjoy AI”——享受技术带来的创作自由，勇敢地将天马行空的创意，以更低的成本、更高的效率付诸实践。Tips：在视频编辑这里可以定位到局部的关键帧，再根据关键帧继续参考生视频/生图，同理就可以提取生成后视频的尾帧作为下一个视频的首帧，做首尾相连，形成连贯的故事剧情。

开放多元的模型生态：聚合百余种主流开源大模型，提供统一模型服务入口和标准化调用接口，满足不同业务场景下的模型选择与应用需求。即日起，用户登录京东云官网，在JoyBuilder模型开发平台页，即可调用最新的MiniMax M3，探索1M超长上下文记忆的全新体验。面向未来，京东云将持续深耕技术，以开放协同的生态理念为引领，持续深化与模型厂商、开发者社区及产业伙伴的合作，共同构建开放、多元、可持续发展的AI生态，帮助更多开发者以极简部署、可控成本快速获得顶级AI能力。

2.1 业务场景1、成本高昂，投入产出失衡传统跨境商品图制作需租赁专业影棚、聘请摄影师与设计师、采购场景道具，单个 SKU 完成主图、细节图、场景图、尺寸图等全套素材制作，成本可达数千元，中小商家难以承受；且多语种文案翻译、排版需额外投入人力，进一步增加运营成本，投入与产出严重失衡。2、效率低下，无法快速上新传统作图流程繁琐，从拍摄、修图、翻译到排版定稿，单个 SKU 需耗时数日甚至数周，面对海量 SKU 运营需求，无法实现快速上新、快速铺货；多平台适配需重复制作，进一步拉长周期，错失市场先机。

框架提供的底层渲染能力实现图层树管理、图层合并、脏区重绘、图层缓存、GPU调度等高性能复杂渲染能力，同时对边框、圆角、背景等能力可以利用系统GPU硬件加速提高渲染性能。为了实现一致性的跨端UI能力，开发了TaroUI（跨端UI）实现了一套标准化、跨端、高性能、可扩展的 UI和 API基座能力。文本测量、文本渲染可复用部分缓存避免重复计算同时降低内存缓存消耗。：TaroUI实现了一套标准化时序一致的渲染管线调度设计驱动底层渲染层进行渲染更新，同时提供了事件队列的相关能力（微任务/宏任务/定时器等）等能力。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。

根源在于模型缺乏对三维空间结构的深层理解，理解模块输出的语义信息没有真正"流入"生成模块的几何控制过程，编辑操作只是在像素层面"搬运"，而非在空间层面"推理"。该模型不仅具备像素级精细化编辑能力，更能赋予平面图像真实的"立体感"，是业内首个将空间智能深度融入统一多模态框架的开源模型，在引入空间能力的同时，依然具备强大的通用生成与理解性能。第一，生成与理解的深度融合。在公开的Benchmark中，JoyAI-Image-Edit的空间理解和空间编辑能力已达世界一流水平，超过现有开源模型，比肩顶尖闭源模型。