随着AI大模型技术的快速发展，各行各业正在迎来新一轮的智能化变革。作为人工智能领域的新一代核心引擎，生成式AI技术展现出巨大的潜力和广阔的前景，成为推动我国经济社会发展的重要动力。
然而，尽管大模型在多个领域展现出强大的赋能能力，但在行业场景的落地过程中也暴露出一系列问题，如大模型“幻觉”现象、推理能力不足、解释性差等。这些问题导致很多企业面临大模型“好玩不好用”的困境。如何真正推动大模型技术在企业场景中的深度应用，成为当前AI产业发展的重要课题。
服贸会聚焦：AI如何赋能新质生产力
在2024中国国际服务贸易交易会期间，由工业和信息化部新闻宣传中心和中国信息通信研究院联合承办的“大模型应用创新论坛”在北京首钢园成功举办。
枫清科技(Fabarta)创始人兼CEO高雪峰受邀出席，并发表了题为《AI+行业落地新范式：知识引擎与大模型双轮驱动企业智能化升级》的分享，阐述了他对以大模型技术为代表的人工智能技术赋能产业转型升级的深刻见解。高雪峰认为，“如果仅停留在对话、文本生成或代码辅助这些基础功能上，没有深入地同行业场景进行融合，很难实现真正的生产力提升，也难以对行业产生深远的变革。当今的全球共识是：人工智能作为新一代工业革命的关键技术，只有与行业场景深度融合，才能释放高质量发展的新动能。
回顾Web2.0时代，门户网站、平台型网站和社交软件兴起，开启了“+互联网”时代。而随着Web3.0技术的演进，社会迈入“互联网+”时代，互联网不再只是工具，而是一种思维模式和商业模式，通过互联网重塑各行业生态。打车、用餐、购物、娱乐、获取信息等日常生活方式被彻底重塑。
如今，我们正处在一场“人工智能+”重塑千行百业的时代浪潮中。人工智能技术也不再只是工具或平台，而成为一种全新的思维和商业模式。我们需要从人工智能的角度审视每一个行业，搭建新的生态，重塑其发展模式。未来不久，人工智能将会同样深刻地改变我们的生活方式，为各行各业注入新的活力，迎来前所未有的变革。”
枫清科技创始人兼CEO高雪峰
创新产品矩阵：驱动行业智能化转型
高雪峰在分享中指出，在机器学习领域，长期以来存在着两种主要的架构理念之争：Model-Centric(以模型为中心)与Data-Centric(以数据为中心)，这两种路径的核心目的都是为了提升模型的性能与效果。当我们把这个目标再提升一个维度，为了衡量智能化技术在具体应用场景当中体现出来的性能与效果的好坏，同样会有Model-Centric与Data-Centric两种路径。前者是以模型、算法为核心，将各种企业自身的数据围绕着模型来发挥其价值，不管是简单的RAG技术的实现，还是将企业数据对模型进行微调等等。后者则是以企业本地的数据为核心，将其转化为企业的知识，再结合各种不同模型的能力，解决企业各种智能化的需求。在当前非常多的行业场景实践尝试当中，Data-Centric的理念路径更加有效地解决了企业当前智能化场景落地所遇到的各种困难。
纵观人工智能发展历史，自1956年达特茅斯会议提出人工智能概念以来，AI发展经历了多次技术浪潮。符号逻辑和概率预测作为两大主线交替发展，共同推动了AI技术的进步。联结主义，也就是大型模型所依赖的Transformer技术，本质上代表了概率的方法，其核心是通过输入的字符串来预测下一个字符。而符号逻辑推理的典型代表是过去出现的专家系统。然而，由于各自的局限性，这两种方法在AI的发展过程中并未带来彻底的革命性变革。当前，联结主义的巅峰——AIGC技术，在企业端场景落地和迈向决策智能的过程中，也同样遇到了诸多技术挑战，如模型幻觉、可解释性差、推理能力弱、数据安全可控性以及时效性等问题，这些问题恰恰是符号逻辑推理技术所能够解决的。AI技术要真正实现企业智能化，必须结合符号逻辑的推理能力与概率体系的优势。两者的深度融合将为AI技术提供更强的适用性和可解释性，推动企业智能化转型。
另外，从信息化时代的关系型数据库，到数字化时代的经典数仓、大数据、数据湖、数据中台，每一阶段都伴随着数据基础设施的变革。面向即将到来的智能化时代，企业需要一种新的数据基础设施来支持人工智能技术在决策智能领域中的应用。为了在企业场景中实现更好的智能化效果，枫清科技(Fabarta)坚定地选择了Data-Centric LLM Landing架构，让不同的模型能力服务于企业本地经过组织的数据与知识，再通过行业智能体平台的能力赋能企业的工作流。
枫清科技(Fabarta)创新性地推出了“一体两翼”产品矩阵，包括自研的多模态知识引擎与行业通用智能体平台，致力于构建未来通用人工智能(AGI)时代的核心数据基础设施，为企业提供大模型与知识引擎双轮驱动的解决方案。枫清.天枢多模态智能引擎基于Data-Centric AI的核心理念，支持图、向量、表格、时序等多种数据模态的融合与处理，为企业提供私有化记忆存储服务及强大的推理能力，并已通过中国信通院代码自研认证，确保技术的自主可控。
同时，枫清.锦书数据血缘治理平台和枫清.瑶光企业知识中台分别在数据与知识的转换和融合方面提供了支持。锦书数据血缘治理平台通过对企业多模态数据的智能解析，构建语义丰富的企业数据资产的导航地图，可以确保数据的来源、传输和用途的透明度和可追溯性，从而增强数据的质量和可信度，并进一步将数据存储于天枢多模态智能引擎中。瑶光企业知识中台则在大模型原生的知识分析与智能体构建上表现出色，可以将企业的多模态数据转化为大模型可理解的知识，实现企业本地数据与大模型泛化知识的相互转化与融合，有效解决了大模型在企业应用中的可解释性差、推理能力弱、模型幻觉、企业数据时效性与权限管理难等难题，加速企业级大模型场景的落地。
深度合作与落地：枫清科技与行业头部企业的智能化实践
高雪峰认为，实现行业大模型的智能化发展需要经历三个关键阶段：单点应用的AI创新、知识引擎驱动的行业AI智能应用平台，以及融合精准知识与大模型泛化知识的行业大模型阶段。
建设行业领域的大模型以实现行业智能化赋能，必然要与央国企合作。央国企拥有丰富的场景资源和不同模态的数据积累，也有实力在创新领域投入并获取未来回报。实现具体的智能化场景后，可凭借其在产业链中的影响力推动行业智能化，从而真正落地具有丰富业务场景价值的行业大模型。在B端企业市场中，只有切实提升企业的生产力，产品才具备生命力。因此，人工智能技术仍需在客户的实际场景中进行打磨和复制。目前，枫清科技的产品已被金融、制造、能源等多个行业头部央国企应用在实际生产环境当中。
在金融行业，龙盈智达整合多源产业数据与华夏银行内部高质量数据，采用枫清科技的图智能和大模型技术，为银行提供智能化金融营销和风险评估方案，实现了创新金融智能应用。通过图数据库与图算法，构建关系图，揭示潜在客户、实控人关系和风险特征，优化客户挖掘和风险管理。通过AIGC技术实现自动化报告生成，提升了数据处理效率和决策智能化水平，使银行能够快速响应市场需求，显著提高业务效率与精准度，同时确保数据隐私与合规性，可以为金融企业创造显著的商业价值。
在制造行业，立臻科技凭借领先的智能化工厂建设经验和科技人才，基于枫清科技的技术，有效提升了企业数智化水平。面对员工管理、数据处理复杂性与多模态数据分析等挑战，立臻科技通过枫清科技提供的知识解析、智能问数、智能工具调用、企业级权限控制等技术，实现了结构化与非结构化数据进行深度融合，支持更精准的员工管理和高效的数据决策。这些创新应用显著降低了技术门槛，使员工能够轻松使用系统进行查询和操作，大幅提升了管理效率和数据利用率。通过这一创新方案，立臻科技不仅优化了生产流程和管理成本，更增强了企业在智慧工厂建设中的竞争力，这也充分体现了人工智能技术在制造业领域中的巨大价值。
在能源行业，中化信息通过引入枫清科技的“枫清.瑶光企业知识中台”，针对企业结构化数据和非结构化数据，验证和打造共创方案，将数据转换为知识，利用平台快速构建智能应用，发挥数据的价值，构建企业智能化升级之路。基于双方联合打造的灵活自主可控核心服务矩阵，包括知识引擎和智能体引擎两大关键组件，可通过文档问答、智能问数以及智能体方式串联大模型应用与业务系统，助力应用的智能化，提升用户与业务系统的交互效率以及工作和生产效率。
未来展望：探索AI+战略的无限可能
高雪峰表示，枫清科技(Fabarta)将继续致力于推动人工智能技术在不同行业的深入应用，通过不断优化和创新的AI产品，助力各行业在智能化转型中获得更大的竞争优势。
未来，枫清科技将进一步深化与行业头部企业及央国企的合作，利用自身在大模型与知识引擎领域的技术优势，共同探索智能技术在新经济形态中的应用潜力。通过不断提升AI技术的实用性和落地能力，枫清科技期待与更多企业携手股市杠杆配资，共同推动中国经济迈向智能化、数字化。
文章为作者独立观点，不代表实盘配资炒股观点
相关文章
