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高质量发展的重要动力。

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。会议期间，来自工信部科技司、工信部新闻宣传中心等相关领导与业界专家共同探讨了大模型技术如何赋能千行百业，提升产业技术水平。

枫清科技（Fabarta）创始人兼 CEO 高雪峰在会上表示，大模型如果仅停留在对话、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。

随着“人工智能+”首次被写入政府工作报告，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，并使这些行业迎来前所未有的变革。

枫清科技创始人兼CEO 高雪峰

架构理念之争：Model-Centric与 Data-Centric

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，去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，同样会有 Model-Centric 与 Data-Centric 两种路径。

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。

据了解，枫清科技（Fabarta）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。其中，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。

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。

而瑶光企业知识中台则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。

高雪峰表示，未来在中国，建设行业领域的大模型以实现行业智能化赋能，必然要从头部的央国企着手。央国企具备需求规模大、产业配套全、应用场景多的显著优势，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。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；在制造行业，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；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。