智能体赋能千行百业，枫清科技为产业AI落地 “搭桥铺路”

在科技飞速发展的当下，生成式AI已成为全球瞩目的焦点，深刻影响着各个行业的发展轨迹。4月1日，2025中国生成式AI大会在北京中关村东升科技园万丽酒店举办。据悉，本次大会以“大拐点新征程”为主题，邀请众多嘉宾深入解构DeepSeek引发的变革狂潮。

2025年伊始，DeepSeek异军突起，成为中国生成式AI领域乃至整个人工智能产业的关键转折点。它打破了“堆砌算力”的传统模式，开辟出一条以“效率优先”的创新之路，重塑了中国与西方在大语言模型领域的竞争格局，为AI Infra的研究与开发指明方向，更为国产AI芯片与算力的突破注入新动力。其开源开放的策略，不仅使其成为AI开源领域的领军者，还在国内掀起了模型部署和应用接入的热潮。

与此同时，DeepSeek R1的出世激发了世界范围对推理模型的研究和开发热度，蒸馏模型的推出，也进一步提振了端侧AI兴起的信心。

在视觉大模型、多模态大模型以及世界模型取得巨大进展，AI智能体走到台前的背景下，枫清科技创始人兼CEO高雪峰在2025中国生成式AI大会上发表了《知识引擎与大模型双轮驱动：打造下一代企业级智能体应用平台》的主题演讲。

据公开资料显示，高雪峰曾担任阿⾥云⼤数据&AI技术产品总经理、IBM认知计算解决⽅案研究院院⻓，负责IBM Watson等世界领先AI技术在中国的落地。

高雪峰指出，要想将生成式AI真正有效地应用到企业复杂的决策场景中，弥合其与决策智能之间存在的鸿沟，关键的技术突破点就在于充分利用好企业本地独有的知识资源，同时巧妙地将符号逻辑推理的强大能力与各种大模型的先进算法能力有机融合。

他强调，企业智能化的核心趋势，正在从以模型为中心（model-centric）的人工智能架构落地范式，转向以数据为中心（data-centric）这一新的人工智能落地范式。

从Model-Centric到Data-Centric的转变

演讲的一开始，高雪峰带我们回顾人工智能的发展历史。

自1956年达特茅斯会议提出人工智能概念以来，这一领域经历了跌宕起伏的发展历程，历经两个波峰与两次寒冬。早期，机器学习在跳棋程序中战胜人类对手，让人们对人工智能的到来充满期待，但因算力限制很快陷入第一个寒冬。

随后，基于符号逻辑推理的专家系统崛起，催生了第二个波峰，然而其自身局限又导致了下一个寒冬。直至深度学习技术发展，尤其是Transformer等技术的出现，让人工智能再次成为焦点。但高雪峰指出，我们常将生成式人工智能与通用智能混淆，实际上从生成智能到企业所需的决策智能，需要将符号逻辑推理和概率体系深度融合，这是一个充满挑战且需构建众多技术壁垒的过程。

“在过去两年，在人工智能领域，大家的关注点发生了转变。起初，大家只是用大语言模型聊天，而现在，越来越多社会资源关注人工智能技术能否真正融入产业，提升产业价值。我国在去年和今年也分别推出了人工智能相关概念和理念，并将其写入政府工作报告，强调人工智能与产业融合，发挥其作为生产力的作用。”高雪峰说道。

产业端落地的关注点从以模型为中心向以数据为中心，或模型和数据双中心的架构体系转变。不仅如此，行业也不再盲目追求大参数模型，而是在提升模型泛化能力的同时，注重逻辑推理能力的增强，力求实现连接主义、符号主义与行为智能的融合，以催生更强大的人工智能形态。

尽管生成式人工智能技术取得了显著进展，但在实际产业应用中，仍面临诸多棘手问题。高雪峰在演讲中明确指出，模型幻觉是一个突出问题，无论大语言模型还是多模态大模型，都难以避免“一本正经地胡说八道”的情况。例如在一些对信息准确性要求极高的行业场景中，模型的幻觉可能导致严重错误。

可解释性问题也不容忽视，大语言模型在给出决策建议时，往往无法清晰阐述决策依据的逻辑，这使得企业在应用时难以对决策结果进行有效评估和信任。在推理能力方面，虽然强化学习在一定程度上改进了模型内推能力，但推理精准度仍存在幻觉，在企业决策场景中，尤其是涉及精确推理时，仅靠现有模型能力远远不够，还需要其他技术的有力辅助。

此外，企业自身能力、数据安全和时效等方面的考虑，也给人工智能技术在企业落地带来了重重挑战，这些问题都亟待解决。

枫清科技的解决方案

基于上述情况，高雪峰提出了以数据为中心的人工智能平台架构落地范式，并推出知识引擎和行业大模型双轮驱动的新一代行业智能平台，为企业实现多个人工智能场景的落地提供了有力支持。

在技术创新方面，枫清科技自研了多模态知识引擎，支持图（Graph）、向量（Vector）、表格（Table）、时序（Temporal）、JSON 等多种数据模态的融合与处理，将传统数据库的“存储&计算”模式升级为更先进的“记忆&推理”架构。知识引擎可以将企业的多模态数据转化为知识，为企业AI 智能应用提供更为便捷的私有化记忆存储服务，以及更加强大且可解释的推理能力。

高雪峰表示，在助力行业或企业实现人工智能技术在复杂场景中落地时，枫清科技运用平台驱动模式。人工智能平台的概念由来已久，十年前就已被探讨。早期的人工智能平台，应用场景、数据和模型相互独立，更像是人工智能应用的Marketplace。随着大语言模型的出现，模型逐渐集中到一个或几个大模型体系中，企业的多模态数据也汇聚到统一的知识引擎中，数据、知识和模型的汇聚，使人工智能平台驱动多场景价值落地成为可能。

枫清科技通过行业智能体平台，结合统一的模型、数据和知识，为企业中丰富多样的智能化场景赋能。“在企业人工智能场景落地过程中，并非拿一个大模型、调优一个行业模型或提供一个产品，企业就能实现产业智能化，这是不现实的。”高雪峰说道。

他认为，真正帮助企业落地通常会经历几个阶段，首先是认知阶段，如今各行业都在思考如何利用人工智能改变场景价值和产业价值，探索实现路径，大家已度过认知阶段，接着是评估阶段，需要对企业数据情况以及对人工智能场景价值的期望进行统一评估；然后是设计阶段，规划企业实现智能化进程的路径；最后是搭建平台阶段，在平台上选取1-3个试验性场景进行落地。由于模型和数据知识能够汇聚，从而实现平台驱动的概念。

在产品落地模式方面，枫清科技在为产业龙头、大型企业（如金融保险企业、大型央国企的数科公司等）进行人工智能产品落地并赋能全平台的过程中，采用了特定的企业架构模式。

高雪峰提到，大约两年前与大型客户交流时就发现，他们仅构建了底层基座，就试图用其赋能丰富的场景价值，结果出现了诸多问题。这一底层基座，是典型的基础设施，涵盖不同的模型，以及模型训练、推理加速等基础能力，同时行业数据集也有待不断丰富。

鉴于客户遇到的问题，枫清科技对架构进行了优化，在中间增加了一层，即构建企业知识中台。这一层包括智能化构建企业多模态知识引擎，以及构建符合行业的智能体平台。通过以数据为中心的这一中台层，能够有效连接底层模型与上层丰富的应用场景，从而形成更完善、高效的产品落地架构，更好地为大型企业实现人工智能产品的落地赋能。

打造懂行业的模型

高雪峰在与三甲医院的科室主任交流时，主任表示使用DeepSeekR1满血版本的大模型处理复杂病例以获取诊断建议，他认为已能达到非常客观的准确率。

虽然泛化大语言模型在处理复杂病例时能达到一定水平，但在精准行业里，对大参数模型的微调需谨慎，少量数据微调可能产生反作用。但是，懂行业的模型需求依然迫切。

以新材料领域为例，由于公开数据稀缺，枫清科技与龙头行业合作，利用行业推理数据蒸馏尺寸不大的模型。

据介绍，这一做法主要是为了满足两个关键诉求，一是针对特定细分行业，当行业数据未出现在公开数据中时，通过这些数据蒸馏出行业模型，以满足行业独特的推理和生成需求。二是考虑到企业云边端模型智能一体化的需求，用大参数模型蒸馏出中小参数模型，确保端测边测具备足够的模型推理能力，从而实现企业在不同场景下的智能化应用。

未来图灵了解到，知识引擎是枫清科技解决方案的重要组成部分。枫清科技运用AI技术，对整个企业的多模态数据进行处理，智能构建相应的知识引擎。具体而言，将传统的数据存储和计算转变为知识的记忆和推理，开放基本问答、智能论述、权限管理、安全管理、知识反馈等企业级基本功能。通过智能体平台的智能体大脑，链接不同的数据处理和分析工具，最终为多场景价值应用赋能。

在构建知识引擎时，枫清科技创新性地将图的数据结构融入其中，利用多模态数据的各种描述信息的原数据，构建企业庞大的数据资产地图。同时，抽取非结构化数据（如文本、视频等）的元素构建知识结构，并用图结构表达。对于企业结构化数据之间复杂的关系，如血缘关系、列算子级别的关系等，枫清科技也能够智能构建这些图结构，并将结构化数据的复杂数据血缘关系与企业中的实体及线上化数据构建更复杂的关系。

这种复杂知识构建的价值在实际应用中得以充分彰显。以金融监督管理局对银行的管理为例，在智能指标的指标位数场景下，枫清科技的知识引擎展现出强大的功能。它能够动态提取指标信息，并将其与结构化数仓中的指标逻辑建立关联，进而将这一关联贯穿于企业工作流之中。

据介绍，知识引擎将企业的多模态数据转化为企业知识数据，再结合行业模型，通过智能体大脑，对知识库及各类数据进行智能梳理，在指标分析、科技资料分析等内部基础链路逻辑方面发挥关键作用，为企业决策提供坚实有力的支持。

枫清科技通过知识引擎和行业模型的协同，在多个领域实现了高价值场景的落地。

枫清科技一直致力于将领先的AI技术应用于赋能各行各业的数智化转型。其近期与中化信息、吉林大学联合成立“人工智能赋能新材料联合实验室”，正是一个典型的案例。该实验室旨在通过人工智能技术加速新材料的研发和产业升级，而高雪峰在生成式AI大会上提出的“知识引擎与大模型双轮驱动”的理念，将为产学研跨界合作提供重要的技术支撑。未来，通过构建新材料领域的专业知识库，并结合大模型的生成和推理能力，有望在新材料的发现、性能预测和应用拓展等方面取得突破性进展。

高雪峰还分享了构建下一代企业级智能体应用平台的关键要素。他强调，需要针对行业特点构建高质量的行业数据集并建设行业大模型，以实际应用场景为驱动，结合强大的智能平台与工具，才能真正实现人工智能在企业高价值场景中的深度应用。枫清科技正是在这一思路的指导下，积极与各行业伙伴合作，探索人工智能在智能决策、运营优化、产品研发等多个场景的落地。

高雪峰还在现场表示，在当前阶段，人工智能技术与产业的深度融合已成为不可阻挡的趋势，但实现真正的高价值场景落地，并非一蹴而就，也不是依靠单一技术或模型就能完成的。

行业普遍认为，未来人工智能产业需要更加注重技术与产业生态的深度融合。一方面，要不断优化和创新技术，如进一步完善知识引擎与大模型的双轮驱动模式，提升模型的准确性、可解释性和推理能力，解决模型幻觉等问题；另一方面，要深入了解各行业的独特需求和业务逻辑，将人工智能技术精准地应用到各个行业场景中，实现从概念到实际生产力的转化。