ISV发挥行业优势,为AI落地企业破解“最后一公里”难题 原创

企业的高管们开始意识到,将AI技术真正融入到各行各业的毛细血管中,远比想象中更加复杂和艰难。AI 领域的“最后一公里”难题不仅正考验着每一个企业用户的智慧和决心,更考验着ISV的工程能力和系统整合能力。

“没有哪一次工业革命像今天这样,技术与商业模式同时发生巨变,所有的企业都站在同一条起跑线上。” 这句克莱顿·克里斯坦森在《创新者的窘境》中的断言,在如今AI的浪潮从概念回归到产业落地的关键节点上,使企业对待新技术的态度更加务实。

企业的高管们开始意识到,将AI技术真正融入到各行各业的毛细血管中,远比想象中更加复杂和艰难。AI 领域的“最后一公里”难题不仅正考验着每一个企业用户的智慧和决心,更考验着ISV的工程能力和系统整合能力。

正如大型制造业数字化总监李为民所言,“国内以制造业为例,除了机器视觉识别和质量控制等少数领域外,大部分有关大模型的AI应用场景的投资回报率并不高。”

我国的大模型落地究竟路在何方?

一方面,通用大模型的“军备竞赛”方兴未艾,巨额投入能否换来等量的回报,仍是一个未知数。 另一方面,我国人工智能产业在底层技术、核心算法、高端芯片、关键基础软件等方面与国际先进水平仍存在差距。  尤其是近来一些技术封锁的出现,更加凸显了中国人工智能产业“缺芯少魂”的困境。

答案或许在于“聚焦”和“协同”。  

首先,要聚焦行业应用,促进大模型落地。与其在通用大模型上展开无休止的“军备竞赛”,不如将更多的资源和精力投入到行业专用大模型的研发和应用上。例如,航空公司可以开发专门用于航班查询、机票预订、行李托运等业务的客服大模型;医疗机构可以开发用于辅助诊断、个性化治疗方案推荐的医疗大模型等

其次,要加强大模型工程化能力建设,使其更加成熟和标准化。工程化是所有技术规模化落地的关键能力,大模型也不例外。通过共建语料库、大小模型协同、模型推理加速等手段,可以不断降低大模型训练成本,缩短训练周期,为重塑企业核心业务流程提供重要基础。

最后,要积极拥抱生态,抱团取暖。面对国际巨头和国内竞争对手的双重压力,我国的大模型企业需要加强合作,共同打造开放共赢的产业生态。通过技术共享、资源互补、市场协同,可以共同做大市场蛋糕,提升整体竞争力。  

大模型在这“千帆竞发,百舸争流之际”,深耕通信行业30余年的老牌ISV企业亚信科技选择了独特的突破口:行业大模型。他们并没有盲目追逐“通用大模型”的热潮,而是基于对行业的深刻理解和丰富的应用积累,推出了“渊思”行业大模型产品体系,并将其应用于软件工程、网络智能化、IT运维等多个具体业务场景。

深耕行业,破解“最后一公里”难题

大模型要真正发挥作用,关键在于找到能够与市场需求精准匹配的产品,即实现PMF(Product-Market Fit)。亚信科技执行董事、首席执行官高念书清醒地认识到:大模型的落地应用不能“为了AI而AI”,而要聚焦于解决实际问题,为客户创造价值。

深度融合行业Know-how,打造差异化竞争优势。亚信科技执行董事、首席执行官高念书指出:“亚信科技在通信行业专注30年以上,在新的技术方面、AI方面有专门的专家团队,所以这两方面结合基于我们对通信背景理解、通信业务系统理解,我们深知未来大模型在传统通信领域跟很多很多已有的业务可以做叠加……”

高念书表示:“我们的核心优势在于对行业应用场景的深刻理解。不同于通用大模型厂商,亚信科技选择深耕通信、能源、交通、政务等拥有深厚积累的行业,并将行业知识与大模型技术深度融合,打造出更懂行业、更贴近业务需求的‘渊思’行业大模型产品体系。”

据亚信科技最近公布的半年报显示,今年上半年,亚信科技“AI+”类项目订单金额上升逾 55%,其中“AI 大模型+BSS”创新应用项目达 56 项,充分印证了其“行业大模型”战略的前瞻性。

亚信科技在充分调研市场需求和技术趋势的基础上,历经一年半的潜心研发,推出了“渊思”行业大模型产品体系,包括:

ISV发挥行业优势,为AI落地企业破解“最后一公里”难题

为解决企业算力不足,计算芯片种类繁多的问题,渊思·通用人工智能与认知增强平台(TAC MaaS) 作为大模型应用开发的底座,TAC MaaS 平台提供了行业差异化的能力,支持多样的异构算力,实现了通用知识和行业认知的融合增量,并以 AI Agent 为核心,实现 AI 原生应用的快速构建。

为解决行业问题,提供行业大模型能力,开发了渊思行业大模型。亚信科技发布了面向软件工程领域的渊思编程大模型、面向网络智能化领域的渊思自智网络大模型,和面向IT运维领域的渊思智能运维大模型。

针对具体业务场景,让企业能通过大模型解决生产任务,亚信推出了渊思慧见认知增强工具集。通过八个认知增强工具,将大模型能力无缝嵌入到现有的软件生产系统中,解决大模型应用的“最后一公里”落地问题。

从“30分钟”到“21秒”,见证效率革命 ; 开放合作,构建共赢生态

“渊思”大模型的应用,不仅带来了效率的提升,更实现了质的飞跃。以渊思·智能运维大模型为例,通过将行业 FAQ 与大模型相结合,该模型在知识问答方面达到了90%以上的准确率,能够帮助客户快速解决运维问题。同时,其工单拦截率也较业界平均水平提升了20%,有效降低了运维成本。

在一个具体的故障处理案例中,传统的运维方式需要30分钟才能定位和解决问题,而采用智能运维大模型后,这一时间被缩短至21秒,效率提升了整整一个数量级!

类似的效率革命,也发生在软件工程、网络智能化等领域。渊思·编程大模型能够将业务开发的协作效率提升20%,并将代码质量提升20%,让开发人员从繁琐的重复性劳动中解放出来,专注于更具创造性的工作。而渊思·自智网络大模型则将原本需要数小时才能完成的网络质量分析报告的撰写时间缩短至10分钟,并生成图文并茂的高质量报告。

同时,为了让场景更丰富,服务能力更强大,在推动AI落地过程中,亚信科技秉持开放合作的态度,积极与阿里、百度等头部通用大模型厂商开展战略合作,并与相关政府部门合作,共同推动数据要素在行业应用的落地。

亚信科技的实践表明,AI 落地并非一蹴而就的过程,需要企业对行业应用场景有深刻的理解,并持续进行技术创新和产品迭代。随着 AI 技术的不断成熟和应用场景的不断丰富,AI 将逐步从“量的积累”走向“质的飞跃”,为千行百业带来颠覆性的变革。而那些能够真正解决行业痛点,创造真实价值的企业,终将成为 AI 时代最大的赢家。

来源:至顶网软件与服务频道

0赞

好文章,需要你的鼓励

2024

08/28

17:27

分享

点赞

邮件订阅