在科技飛速發(fā)展的當下，生成式AI已成為全球矚目的焦點，深刻影響著各個行業(yè)的發(fā)展軌跡。4月1日，2025中國生成式AI大會在北京中關(guān)村東升科技園萬麗酒店舉辦。據(jù)悉，本次大會以“大拐點新征程”為主題，邀請眾多嘉賓深入解構(gòu)DeepSeek引發(fā)的變革狂潮。
2025年伊始，DeepSeek異軍突起，成為中國生成式AI領(lǐng)域乃至整個人工智能產(chǎn)業(yè)的關(guān)鍵轉(zhuǎn)折點。它打破了“堆砌算力”的傳統(tǒng)模式，開辟出一條以“效率優(yōu)先”的創(chuàng)新之路，重塑了中國與西方在大語言模型領(lǐng)域的競爭格局，為AI Infra的研究與開發(fā)指明方向，更為國產(chǎn)AI芯片與算力的突破注入新動力。其開源開放的策略，不僅使其成為AI開源領(lǐng)域的領(lǐng)軍者，還在國內(nèi)掀起了模型部署和應(yīng)用接入的熱潮。
與此同時，DeepSeek R1的出世激發(fā)了世界范圍對推理模型的研究和開發(fā)熱度，蒸餾模型的推出，也進一步提振了端側(cè)AI興起的信心。
在視覺大模型、多模態(tài)大模型以及世界模型取得巨大進展，AI智能體走到臺前的背景下，楓清科技創(chuàng)始人兼CEO高雪峰在2025中國生成式AI大會上發(fā)表了《知識引擎與大模型雙輪驅(qū)動：打造下一代企業(yè)級智能體應(yīng)用平臺》的主題演講。
據(jù)公開資料顯示，高雪峰曾擔任阿?云?數(shù)據(jù)&AI技術(shù)產(chǎn)品總經(jīng)理、IBM認知計算解決?案研究院院?，負責IBM Watson等世界領(lǐng)先AI技術(shù)在中國的落地。
高雪峰指出，要想將生成式AI真正有效地應(yīng)用到企業(yè)復雜的決策場景中，彌合其與決策智能之間存在的鴻溝，關(guān)鍵的技術(shù)突破點就在于充分利用好企業(yè)本地獨有的知識資源，同時巧妙地將符號邏輯推理的強大能力與各種大模型的先進算法能力有機融合。
他強調(diào)，企業(yè)智能化的核心趨勢，正在從以模型為中心（model-centric）的人工智能架構(gòu)落地范式，轉(zhuǎn)向以數(shù)據(jù)為中心（data-centric）這一新的人工智能落地范式。
從Model-Centric到Data-Centric的轉(zhuǎn)變
演講的一開始，高雪峰帶我們回顧人工智能的發(fā)展歷史。
自1956年達特茅斯會議提出人工智能概念以來，這一領(lǐng)域經(jīng)歷了跌宕起伏的發(fā)展歷程，歷經(jīng)兩個波峰與兩次寒冬。早期，機器學習在跳棋程序中戰(zhàn)勝人類對手，讓人們對人工智能的到來充滿期待，但因算力限制很快陷入第一個寒冬。
隨后，基于符號邏輯推理的專家系統(tǒng)崛起，催生了第二個波峰，然而其自身局限又導致了下一個寒冬。直至深度學習技術(shù)發(fā)展，尤其是Transformer等技術(shù)的出現(xiàn)，讓人工智能再次成為焦點。但高雪峰指出，我們常將生成式人工智能與通用智能混淆，實際上從生成智能到企業(yè)所需的決策智能，需要將符號邏輯推理和概率體系深度融合，這是一個充滿挑戰(zhàn)且需構(gòu)建眾多技術(shù)壁壘的過程。
“在過去兩年，在人工智能領(lǐng)域，大家的關(guān)注點發(fā)生了轉(zhuǎn)變。起初，大家只是用大語言模型聊天，而現(xiàn)在，越來越多社會資源關(guān)注人工智能技術(shù)能否真正融入產(chǎn)業(yè)，提升產(chǎn)業(yè)價值。我國在去年和今年也分別推出了人工智能相關(guān)概念和理念，并將其寫入政府工作報告，強調(diào)人工智能與產(chǎn)業(yè)融合，發(fā)揮其作為生產(chǎn)力的作用。”高雪峰說道。
產(chǎn)業(yè)端落地的關(guān)注點從以模型為中心向以數(shù)據(jù)為中心，或模型和數(shù)據(jù)雙中心的架構(gòu)體系轉(zhuǎn)變。不僅如此，行業(yè)也不再盲目追求大參數(shù)模型，而是在提升模型泛化能力的同時，注重邏輯推理能力的增強，力求實現(xiàn)連接主義、符號主義與行為智能的融合，以催生更強大的人工智能形態(tài)。
盡管生成式人工智能技術(shù)取得了顯著進展，但在實際產(chǎn)業(yè)應(yīng)用中，仍面臨諸多棘手問題。高雪峰在演講中明確指出，模型幻覺是一個突出問題，無論大語言模型還是多模態(tài)大模型，都難以避免“一本正經(jīng)地胡說八道”的情況。例如在一些對信息準確性要求極高的行業(yè)場景中，模型的幻覺可能導致嚴重錯誤。
可解釋性問題也不容忽視，大語言模型在給出決策建議時，往往無法清晰闡述決策依據(jù)的邏輯，這使得企業(yè)在應(yīng)用時難以對決策結(jié)果進行有效評估和信任。在推理能力方面，雖然強化學習在一定程度上改進了模型內(nèi)推能力，但推理精準度仍存在幻覺，在企業(yè)決策場景中，尤其是涉及精確推理時，僅靠現(xiàn)有模型能力遠遠不夠，還需要其他技術(shù)的有力輔助。
此外，企業(yè)自身能力、數(shù)據(jù)安全和時效等方面的考慮，也給人工智能技術(shù)在企業(yè)落地帶來了重重挑戰(zhàn)，這些問題都亟待解決。
楓清科技的解決方案
基于上述情況，高雪峰提出了以數(shù)據(jù)為中心的人工智能平臺架構(gòu)落地范式，并推出知識引擎和行業(yè)大模型雙輪驅(qū)動的新一代行業(yè)智能平臺，為企業(yè)實現(xiàn)多個人工智能場景的落地提供了有力支持。
在技術(shù)創(chuàng)新方面，楓清科技自研了多模態(tài)知識引擎，支持圖（Graph）、向量（Vector）、表格（Table）、時序（Temporal）、JSON 等多種數(shù)據(jù)模態(tài)的融合與處理，將傳統(tǒng)數(shù)據(jù)庫的“存儲&計算”模式升級為更先進的“記憶&推理”架構(gòu)。知識引擎可以將企業(yè)的多模態(tài)數(shù)據(jù)轉(zhuǎn)化為知識，為企業(yè)AI 智能應(yīng)用提供更為便捷的私有化記憶存儲服務(wù)，以及更加強大且可解釋的推理能力。
高雪峰表示，在助力行業(yè)或企業(yè)實現(xiàn)人工智能技術(shù)在復雜場景中落地時，楓清科技運用平臺驅(qū)動模式。人工智能平臺的概念由來已久，十年前就已被探討。早期的人工智能平臺，應(yīng)用場景、數(shù)據(jù)和模型相互獨立，更像是人工智能應(yīng)用的Marketplace。隨著大語言模型的出現(xiàn)，模型逐漸集中到一個或幾個大模型體系中，企業(yè)的多模態(tài)數(shù)據(jù)也匯聚到統(tǒng)一的知識引擎中，數(shù)據(jù)、知識和模型的匯聚，使人工智能平臺驅(qū)動多場景價值落地成為可能。
楓清科技通過行業(yè)智能體平臺，結(jié)合統(tǒng)一的模型、數(shù)據(jù)和知識，為企業(yè)中豐富多樣的智能化場景賦能?！?strong>在企業(yè)人工智能場景落地過程中，并非拿一個大模型、調(diào)優(yōu)一個行業(yè)模型或提供一個產(chǎn)品，企業(yè)就能實現(xiàn)產(chǎn)業(yè)智能化，這是不現(xiàn)實的?！备哐┓逭f道。
他認為，真正幫助企業(yè)落地通常會經(jīng)歷幾個階段，首先是認知階段，如今各行業(yè)都在思考如何利用人工智能改變場景價值和產(chǎn)業(yè)價值，探索實現(xiàn)路徑，大家已度過認知階段，接著是評估階段，需要對企業(yè)數(shù)據(jù)情況以及對人工智能場景價值的期望進行統(tǒng)一評估；然后是設(shè)計階段，規(guī)劃企業(yè)實現(xiàn)智能化進程的路徑；最后是搭建平臺階段，在平臺上選取1-3個試驗性場景進行落地。由于模型和數(shù)據(jù)知識能夠匯聚，從而實現(xiàn)平臺驅(qū)動的概念。
在產(chǎn)品落地模式方面，楓清科技在為產(chǎn)業(yè)龍頭、大型企業(yè)（如金融保險企業(yè)、大型央國企的數(shù)科公司等）進行人工智能產(chǎn)品落地并賦能全平臺的過程中，采用了特定的企業(yè)架構(gòu)模式。
高雪峰提到，大約兩年前與大型客戶交流時就發(fā)現(xiàn)，他們僅構(gòu)建了底層基座，就試圖用其賦能豐富的場景價值，結(jié)果出現(xiàn)了諸多問題。這一底層基座，是典型的基礎(chǔ)設(shè)施，涵蓋不同的模型，以及模型訓練、推理加速等基礎(chǔ)能力，同時行業(yè)數(shù)據(jù)集也有待不斷豐富。
鑒于客戶遇到的問題，楓清科技對架構(gòu)進行了優(yōu)化，在中間增加了一層，即構(gòu)建企業(yè)知識中臺。這一層包括智能化構(gòu)建企業(yè)多模態(tài)知識引擎，以及構(gòu)建符合行業(yè)的智能體平臺。通過以數(shù)據(jù)為中心的這一中臺層，能夠有效連接底層模型與上層豐富的應(yīng)用場景，從而形成更完善、高效的產(chǎn)品落地架構(gòu)，更好地為大型企業(yè)實現(xiàn)人工智能產(chǎn)品的落地賦能。
打造懂行業(yè)的模型
高雪峰在與三甲醫(yī)院的科室主任交流時，主任表示使用DeepSeekR1滿血版本的大模型處理復雜病例以獲取診斷建議，他認為已能達到非?？陀^的準確率。
雖然泛化大語言模型在處理復雜病例時能達到一定水平，但在精準行業(yè)里，對大參數(shù)模型的微調(diào)需謹慎，少量數(shù)據(jù)微調(diào)可能產(chǎn)生反作用。但是，懂行業(yè)的模型需求依然迫切。
以新材料領(lǐng)域為例，由于公開數(shù)據(jù)稀缺，楓清科技與龍頭行業(yè)合作，利用行業(yè)推理數(shù)據(jù)蒸餾尺寸不大的模型。
據(jù)介紹，這一做法主要是為了滿足兩個關(guān)鍵訴求，一是針對特定細分行業(yè)，當行業(yè)數(shù)據(jù)未出現(xiàn)在公開數(shù)據(jù)中時，通過這些數(shù)據(jù)蒸餾出行業(yè)模型，以滿足行業(yè)獨特的推理和生成需求。二是考慮到企業(yè)云邊端模型智能一體化的需求，用大參數(shù)模型蒸餾出中小參數(shù)模型，確保端測邊測具備足夠的模型推理能力，從而實現(xiàn)企業(yè)在不同場景下的智能化應(yīng)用。
未來圖靈了解到，知識引擎是楓清科技解決方案的重要組成部分。楓清科技運用AI技術(shù)，對整個企業(yè)的多模態(tài)數(shù)據(jù)進行處理，智能構(gòu)建相應(yīng)的知識引擎。具體而言，將傳統(tǒng)的數(shù)據(jù)存儲和計算轉(zhuǎn)變?yōu)橹R的記憶和推理，開放基本問答、智能論述、權(quán)限管理、安全管理、知識反饋等企業(yè)級基本功能。通過智能體平臺的智能體大腦，鏈接不同的數(shù)據(jù)處理和分析工具，最終為多場景價值應(yīng)用賦能。
在構(gòu)建知識引擎時，楓清科技創(chuàng)新性地將圖的數(shù)據(jù)結(jié)構(gòu)融入其中，利用多模態(tài)數(shù)據(jù)的各種描述信息的原數(shù)據(jù)，構(gòu)建企業(yè)龐大的數(shù)據(jù)資產(chǎn)地圖。同時，抽取非結(jié)構(gòu)化數(shù)據(jù)（如文本、視頻等）的元素構(gòu)建知識結(jié)構(gòu)，并用圖結(jié)構(gòu)表達。對于企業(yè)結(jié)構(gòu)化數(shù)據(jù)之間復雜的關(guān)系，如血緣關(guān)系、列算子級別的關(guān)系等，楓清科技也能夠智能構(gòu)建這些圖結(jié)構(gòu)，并將結(jié)構(gòu)化數(shù)據(jù)的復雜數(shù)據(jù)血緣關(guān)系與企業(yè)中的實體及線上化數(shù)據(jù)構(gòu)建更復雜的關(guān)系。
這種復雜知識構(gòu)建的價值在實際應(yīng)用中得以充分彰顯。以金融監(jiān)督管理局對銀行的管理為例，在智能指標的指標位數(shù)場景下，楓清科技的知識引擎展現(xiàn)出強大的功能。它能夠動態(tài)提取指標信息，并將其與結(jié)構(gòu)化數(shù)倉中的指標邏輯建立關(guān)聯(lián)，進而將這一關(guān)聯(lián)貫穿于企業(yè)工作流之中。
據(jù)介紹，知識引擎將企業(yè)的多模態(tài)數(shù)據(jù)轉(zhuǎn)化為企業(yè)知識數(shù)據(jù)，再結(jié)合行業(yè)模型，通過智能體大腦，對知識庫及各類數(shù)據(jù)進行智能梳理，在指標分析、科技資料分析等內(nèi)部基礎(chǔ)鏈路邏輯方面發(fā)揮關(guān)鍵作用，為企業(yè)決策提供堅實有力的支持。
楓清科技通過知識引擎和行業(yè)模型的協(xié)同，在多個領(lǐng)域?qū)崿F(xiàn)了高價值場景的落地。
楓清科技一直致力于將領(lǐng)先的AI技術(shù)應(yīng)用于賦能各行各業(yè)的數(shù)智化轉(zhuǎn)型。其近期與中化信息、吉林大學聯(lián)合成立“人工智能賦能新材料聯(lián)合實驗室”，正是一個典型的案例。該實驗室旨在通過人工智能技術(shù)加速新材料的研發(fā)和產(chǎn)業(yè)升級，而高雪峰在生成式AI大會上提出的“知識引擎與大模型雙輪驅(qū)動”的理念，將為產(chǎn)學研跨界合作提供重要的技術(shù)支撐。未來，通過構(gòu)建新材料領(lǐng)域的專業(yè)知識庫，并結(jié)合大模型的生成和推理能力，有望在新材料的發(fā)現(xiàn)、性能預(yù)測和應(yīng)用拓展等方面取得突破性進展。
高雪峰還分享了構(gòu)建下一代企業(yè)級智能體應(yīng)用平臺的關(guān)鍵要素。他強調(diào)，需要針對行業(yè)特點構(gòu)建高質(zhì)量的行業(yè)數(shù)據(jù)集并建設(shè)行業(yè)大模型，以實際應(yīng)用場景為驅(qū)動，結(jié)合強大的智能平臺與工具，才能真正實現(xiàn)人工智能在企業(yè)高價值場景中的深度應(yīng)用。楓清科技正是在這一思路的指導下，積極與各行業(yè)伙伴合作，探索人工智能在智能決策、運營優(yōu)化、產(chǎn)品研發(fā)等多個場景的落地。
高雪峰還在現(xiàn)場表示，在當前階段，人工智能技術(shù)與產(chǎn)業(yè)的深度融合已成為不可阻擋的趨勢，但實現(xiàn)真正的高價值場景落地，并非一蹴而就，也不是依靠單一技術(shù)或模型就能完成的。
行業(yè)普遍認為，未來人工智能產(chǎn)業(yè)需要更加注重技術(shù)與產(chǎn)業(yè)生態(tài)的深度融合。一方面，要不斷優(yōu)化和創(chuàng)新技術(shù)，如進一步完善知識引擎與大模型的雙輪驅(qū)動模式，提升模型的準確性、可解釋性和推理能力，解決模型幻覺等問題；另一方面，要深入了解各行業(yè)的獨特需求和業(yè)務(wù)邏輯，將人工智能技術(shù)精準地應(yīng)用到各個行業(yè)場景中，實現(xiàn)從概念到實際生產(chǎn)力的轉(zhuǎn)化。
熱門跟貼