在科技飛速發展的當下，生成式AI已成為全球矚目的焦點，深刻影響著各個行業的發展軌跡。4月1日，2025中國生成式AI大會在北京中關村東升科技園萬麗酒店舉辦。據悉，本次大會以“大拐點新征程”為主題，邀請眾多嘉賓深入解構DeepSeek引發的變革狂潮。

2025年伊始，DeepSeek異軍突起，成為中國生成式AI領域乃至整個人工智能產業的關鍵轉折點。它打破了“堆砌算力”的傳統模式，開辟出一條以“效率優先”的創新之路，重塑了中國與西方在大語言模型領域的競爭格局，為AI Infra的研究與開發指明方向，更為國產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開源領域的領軍者，還在國內掀起了模型部署和應用接入的熱潮。

與此同時，DeepSeek R1的出世激發了世界范圍對推理模型的研究和開發熱度，蒸餾模型的推出，也進一步提振了端側AI興起的信心。

在視覺大模型、多模態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，楓清科技創始人兼CEO高雪峰在2025中國生成式AI大會上發表了《知識引擎與大模型雙輪驅動：打造下一代企業級智能體應用平臺》的主題演講。

據公開資料顯示，高雪峰曾擔任阿?云?數據&AI技術產品總經理、IBM認知計算解決?案研究院院?，負責IBM Watson等世界領先AI技術在中國的落地。

高雪峰指出，要想將生成式AI真正有效地應用到企業復雜的決策場景中，彌合其與決策智能之間存在的鴻溝，關鍵的技術突破點就在于充分利用好企業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，企業智能化的核心趨勢，正在從以模型為中心（model-centric）的人工智能架構落地范式，轉向以數據為中心（data-centric）這一新的人工智能落地范式。

從Model-Centric到Data-Centric的轉變

演講的一開始，高雪峰帶我們回顧人工智能的發展歷史。

自1956年達特茅斯會議提出人工智能概念以來，這一領域經歷了跌宕起伏的發展歷程，歷經兩個波峰與兩次寒冬。早期，機器學習在跳棋程序中戰勝人類對手，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。直至深度學習技術發展，尤其是Transformer等技術的出現，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，這是一個充滿挑戰且需構建眾多技術壁壘的過程。

“在過去兩年，在人工智能領域，大家的關注點發生了轉變。起初，大家只是用大語言模型聊天，而現在，越來越多社會資源關注人工智能技術能否真正融入產業，提升產業價值。我國在去年和今年也分別推出了人工智能相關概念和理念，并將其寫入政府工作報告，強調人工智能與產業融合，發揮其作為生產力的作用。”高雪峰說道。

產業端落地的關注點從以模型為中心向以數據為中心，或模型和數據雙中心的架構體系轉變。不僅如此，行業也不再盲目追求大參數模型，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。

盡管生成式人工智能技術取得了顯著進展，但在實際產業應用中，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大模型，都難以避免“一本正經地胡說八道”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的邏輯，這使得企業在應用時難以對決策結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推能力，但推理精準度仍存在幻覺，在企業決策場景中，尤其是涉及精確推理時，僅靠現有模型能力遠遠不夠，還需要其他技術的有力輔助。

此外，企業自身能力、數據安全和時效等方面的考慮，也給人工智能技術在企業落地帶來了重重挑戰，這些問題都亟待解決。

楓清科技的解決方案

基于上述情況，高雪峰提出了以數據為中心的人工智能平臺架構落地范式，并推出知識引擎和行業大模型雙輪驅動的新一代行業智能平臺，為企業實現多個人工智能場景的落地提供了有力支持。

在技術創新方面，楓清科技自研了多模態知識引擎，支持圖（Graph）、向量（Vector）、表格（Table）、時序（Temporal）、JSON 等多種數據模態的融合與處理，將傳統數據庫的“存儲&計算”模式升級為更先進的“記憶&推理”架構。知識引擎可以將企業的多模態數據轉化為知識，為企業AI 智能應用提供更為便捷的私有化記憶存儲服務，以及更加強大且可解釋的推理能力。

高雪峰表示，在助力行業或企業實現人工智能技術在復雜場景中落地時，楓清科技運用平臺驅動模式。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，應用場景、數據和模型相互獨立，更像是人工智能應用的Marketplace。隨著大語言模型的出現，模型逐漸集中到一個或幾個大模型體系中，企業的多模態數據也匯聚到統一的知識引擎中，數據、知識和模型的匯聚，使人工智能平臺驅動多場景價值落地成為可能。

楓清科技通過行業智能體平臺，結合統一的模型、數據和知識，為企業中豐富多樣的智能化場景賦能。“在企業人工智能場景落地過程中，并非拿一個大模型、調優一個行業模型或提供一個產品，企業就能實現產業智能化，這是不現實的。”高雪峰說道。

他認為，真正幫助企業落地通常會經歷幾個階段，首先是認知階段，如今各行業都在思考如何利用人工智能改變場景價值和產業價值，探索實現路徑，大家已度過認知階段，接著是評估階段，需要對企業數據情況以及對人工智能場景價值的期望進行統一評估；然后是設計階段，規劃企業實現智能化進程的路徑；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。由于模型和數據知識能夠匯聚，從而實現平臺驅動的概念。

在產品落地模式方面，楓清科技在為產業龍頭、大型企業（如金融保險企業、大型央國企的數科公司等）進行人工智能產品落地并賦能全平臺的過程中，采用了特定的企業架構模式。

高雪峰提到，大約兩年前與大型客戶交流時就發現，他們僅構建了底層基座，就試圖用其賦能豐富的場景價值，結果出現了諸多問題。這一底層基座，是典型的基礎設施，涵蓋不同的模型，以及模型訓練、推理加速等基礎能力，同時行業數據集也有待不斷豐富。

鑒于客戶遇到的問題，楓清科技對架構進行了優化，在中間增加了一層，即構建企業知識中臺。這一層包括智能化構建企業多模態知識引擎，以及構建符合行業的智能體平臺。通過以數據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用場景，從而形成更完善、高效的產品落地架構，更好地為大型企業實現人工智能產品的落地賦能。

打造懂行業的模型

高雪峰在與三甲醫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，他認為已能達到非常客觀的準確率。

雖然泛化大語言模型在處理復雜病例時能達到一定水平，但在精準行業里，對大參數模型的微調需謹慎，少量數據微調可能產生反作用。但是，懂行業的模型需求依然迫切。

以新材料領域為例，由于公開數據稀缺，楓清科技與龍頭行業合作，利用行業推理數據蒸餾尺寸不大的模型。

據介紹，這一做法主要是為了滿足兩個關鍵訴求，一是針對特定細分行業，當行業數據未出現在公開數據中時，通過這些數據蒸餾出行業模型，以滿足行業獨特的推理和生成需求。二是考慮到企業云邊端模型智能一體化的需求，用大參數模型蒸餾出中小參數模型，確保端測邊測具備足夠的模型推理能力，從而實現企業在不同場景下的智能化應用。

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，對整個企業的多模態數據進行處理，智能構建相應的知識引擎。具體而言，將傳統的數據存儲和計算轉變為知識的記憶和推理，開放基本問答、智能論述、權限管理、安全管理、知識反饋等企業級基本功能。通過智能體平臺的智能體大腦，鏈接不同的數據處理和分析工具，最終為多場景價值應用賦能。

在構建知識引擎時，楓清科技創新性地將圖的數據結構融入其中，利用多模態數據的各種描述信息的原數據，構建企業龐大的數據資產地圖。同時，抽取非結構化數據（如文本、視頻等）的元素構建知識結構，并用圖結構表達。對于企業結構化數據之間復雜的關系，如血緣關系、列算子級別的關系等，楓清科技也能夠智能構建這些圖結構，并將結構化數據的復雜數據血緣關系與企業中的實體及線上化數據構建更復雜的關系。

這種復雜知識構建的價值在實際應用中得以充分彰顯。以金融監督管理局對銀行的管理為例，在智能指標的指標位數場景下，楓清科技的知識引擎展現出強大的功能。它能夠動態提取指標信息，并將其與結構化數倉中的指標邏輯建立關聯，進而將這一關聯貫穿于企業工作流之中。

據介紹，知識引擎將企業的多模態數據轉化為企業知識數據，再結合行業模型，通過智能體大腦，對知識庫及各類數據進行智能梳理，在指標分析、科技資料分析等內部基礎鏈路邏輯方面發揮關鍵作用，為企業決策提供堅實有力的支持。

楓清科技通過知識引擎和行業模型的協同，在多個領域實現了高價值場景的落地。

楓清科技一直致力于將領先的AI技術應用于賦能各行各業的數智化轉型。其近期與中化信息、吉林大學聯合成立“人工智能賦能新材料聯合實驗室”，正是一個典型的案例。該實驗室旨在通過人工智能技術加速新材料的研發和產業升級，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動”的理念，將為產學研跨界合作提供重要的技術支撐。未來，通過構建新材料領域的專業知識庫，并結合大模型的生成和推理能力，有望在新材料的發現、性能預測和應用拓展等方面取得突破性進展。

高雪峰還分享了構建下一代企業級智能體應用平臺的關鍵要素。他強調，需要針對行業特點構建高質量的行業數據集并建設行業大模型，以實際應用場景為驅動，結合強大的智能平臺與工具，才能真正實現人工智能在企業高價值場景中的深度應用。楓清科技正是在這一思路的指導下，積極與各行業伙伴合作，探索人工智能在智能決策、運營優化、產品研發等多個場景的落地。

高雪峰還在現場表示，在當前階段，人工智能技術與產業的深度融合已成為不可阻擋的趨勢，但實現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或模型就能完成的。

行業普遍認為，未來人工智能產業需要更加注重技術與產業生態的深度融合。一方面，要不斷優化和創新技術，如進一步完善知識引擎與大模型的雙輪驅動模式，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，要深入了解各行業的獨特需求和業務邏輯，將人工智能技術精準地應用到各個行業場景中，實現從概念到實際生產力的轉化。