拼大模型就是拼“知識”，焱宇把工作幹到“心窩”裡

齊魯網·閃電新聞2月28日訊開年以來面對巨大的技術衝擊，吾日三省吾身可總結如下：爲什麼DeepSeek不是出自本地？怎麼用DeepSeek打造工作亮點？該如何應對DeepSeek對個人的衝擊？

若是有競爭對手率先自己發佈關於DeepSeek的亮點工作，更能直擊管理者本已高度聚焦的關注點，對以上“三省”來一個Plus版。

相關新聞報道與社媒言論鋪天蓋地。與其說是反省，倒不如說是“滿懷希望的焦慮”。一面希望大模型這一重器能解決工作中的沉痾宿疾；另一方面焦慮是重器碾過，自己卻掉了隊。

懂得挺多，但“心眼”也挺多

大模型的優點無需贅言，強大的複雜任務處理能力、優秀的語言理解能力、持續學習進化能力、知識學習與融合能力，成爲工作、生活、學習過程中必不可少的利器。

但也存在一定缺陷，大算力、大語料、大訓練的高成本投入，讓大多數單位望而卻步。對於使用者而言，更應該關注其“大幻覺”的天然缺陷。大模型的設計原理是基於匹配模式，而非邏輯推理；是通過模式識別輸出結果，這個結果並非全部都是準確事實。但其內部複雜的運行機制迄今仍像一個“黑盒”，人們難以洞悉其推理過程。

這就會導致大模型有時候會一本正經地胡說八道，生成看似合理但實際不準確或虛假的信息，而且這些信息是隱藏在準確信息之中，隱蔽性強，不仔細分辨很容易就矇混過關。

這一點在嚴肅決策和公衆服務過程中會是致命的，對政府部門尤甚，此外，如何防止大模型可能存在的數據泄露與濫用隱患，也是各應用單位的關注重點。

得再加點火候，把工作幹到“心窩”裡

在實際使用過程中，當我們通過大模型尋找某一問題的答案時，它給我們的答案已經回答到“肋骨”了，但距離想要的“心窩”裡還總差那麼點火候。

“肋骨”到“心窩”的距離，核心還是“通用”和“專業”之間的區別。市面上大模型產品均爲“通用大模型”，DeepSeek、豆包、ChatGPT、文心一言、通義千問等等，均屬此類。通用大模型使用廣泛的文本數據進行訓練，並能夠通過微調適應各種任務，這使得模型能夠理解多種主題和領域的內容。優點是懂得多、上手快，缺點是專業差、精度低。同時，再加上用戶提示詞表述可能存在不清晰、不具體的情況，使得輸出結果更不理想，導致通用大模型專業能力不足被專業領域用戶普遍詬病。

行業大模型應運而生，其採用的是“白加黑”組合方式。黑，即黑盒，是一系列難以呈現出的複雜計算過程，其推導具有不可知屬性。白，即“白盒”，引入機理模型理念——強調系統內部運行機制和客觀規律，並關注具體行業各業務環節之間的因果關係和相互作用，使得過程推理變得可知可控。二者關係並不是非“黑”即“白”，是遞進補充、相互融合。通過黑盒成爲全才，再通過白盒進化爲專才。

行業大模型擁有專業的知識深度、精準的任務處理、可控的過程分析，更能爲使用者提高決策效率和質量，把工作幹到“心窩”裡。

不光幹“熱點”，更要解“難點”，拼大模型就是拼知識

近二十年來，新技術熱點涌現不斷，首先會出現蜂擁而上的熱鬧局面，但工具萬能論、運動式治理、技術中心論三大致命誤區，導致手裡拿着錘子，看啥都是釘子，往往會把事情變爲一地雞毛。

熱情開工前，要充分認識一個核心問題：拼大模型其實就是拼知識，誰掌握好高質量的行業知識，誰就能在大模型的應用中取勝！

浪潮科技的答案 是——焱宇行業大模型。

焱宇行業大模型基於浪潮科技多年積累的衆多行業業務實踐經驗，旨在通過長效治理、標本兼治的建設目標，實現大模型從“技術概念”向“業務解決方案”的轉化。該模型建設包括行業大模型服務平臺、一體化知識服務平臺、通用智能體、行業業務智能體。

行業大模型服務平臺提供數據標註、模型微調與優化、Agent智能體敏捷開發等行業場景模型定製標準化、智能化工具，爲“拼知識”打好堅實基礎。

一體化知識服務平臺是“拼知識”的關鍵。其建有全生命週期的行業知識服務體系，將碎片化、數量大、來源多的行業知識，轉換爲準確度高、完整度好、一致性強的高質量語料，並通過行業大模型微調訓練，固化爲組織的知識生產力。

浪潮科技一體化知識服務平臺能採集全鏈路知識資源，支持文檔、媒體等知識原料智能採集、智能入庫；編織全維度知識圖譜，智能入圖，構建跨部門跨行業知識圖譜100餘個；構建全智能知識應用，智能問答、智能推薦等應用，深度提升知識效益。

有了見識全面、純度100%的高質量知識，就能做到智能問答、智能問數、智能運維的業務與管理結合，做到高效、科學、準確。浪潮科技還落地覆蓋15個行業的50餘款行業業務智能體。

焱宇，爲各行各業添把火

焱宇行業大模型，以行業深度定製、高質量數據治理、一體化知識服務、私有化可信部署、全流程可視可控的優點得到一致認可，並廣泛應用在諸多行業。

通過與中國工程科技知識中心（CKCEST）合作，打造了知領大模型，基於6838萬向量知識庫，攜手CKCEST打造知識增強型AIGC引擎，匯聚30多個專業領域資源，工程科技領域一級學科覆蓋率達100%，二級學科覆蓋率達90%；資源體量達100TB，爲科研工作者提供了更加高效、精準的知識支持，塑造科技科研服務新範式。

針對現階段稅費訴求諮詢分析效率低、精度差、應用不足問題，打造稅費訴求大模型，整合徵納互動系統、12366等多源數據，實現稅務訴求全鏈路閉環管理；“話小助”智能單席助手和“訴小滿”稅費訴求感知平臺，能夠快速響應稅費訴求。“話小助”上線後，平均每通電話時間節省90秒，節省人力30%，管理成本降低35%，有效解決人手緊張、效率瓶頸等問題。

此外在不動產業務領域的易小登、法院領域的法小助、羣團業務的問答事務通等等，都因爲強大的知識支撐，展現出焱宇兼具良好的通用與行業能力，賦能全行業數智化轉型。

面對當下的大模型熱潮，還是要落腳在“好用爲王”，以實用主義來消解技術焦慮。技術歸根到底仍是“賦能者”而非“決定者”，廣大使用者應該做好技術判斷與價值判斷，在政府數智化轉型中讓大模型從趁熱“接入”走向深度“嵌入”。

閃電新聞記者 李瑞琪 報道