領(lǐng)域認(rèn)知智能走向落地，B端企業(yè)還缺些啥？

大模型如何為我所用？

這是當(dāng)下B端眾多企業(yè)都在深入思考的一個(gè)問(wèn)題。今年以來(lái)，大模型在辦公、對(duì)話、搜索等領(lǐng)域所展現(xiàn)出的強(qiáng)大能力，讓越來(lái)越多B端企業(yè)意識(shí)到大模型對(duì)于業(yè)務(wù)的巨大價(jià)值。

因此，領(lǐng)域認(rèn)知智能迅速成為B端企業(yè)關(guān)注的焦點(diǎn)，甚至各個(gè)大廠紛紛為之推出各種垂直領(lǐng)域的大模型。但大模型本身尚處于發(fā)展的早期階段，在垂直行業(yè)的落地依然面臨不小挑戰(zhàn)，首當(dāng)其沖的就是領(lǐng)域數(shù)據(jù)與大模型如何有效融合、訓(xùn)練等挑戰(zhàn)。

“領(lǐng)域認(rèn)知智能是 AGI 時(shí)代面向特定技術(shù)或行業(yè)領(lǐng)域，基于領(lǐng)域數(shù)據(jù)對(duì)大模型進(jìn)行預(yù)訓(xùn)練或調(diào)優(yōu)，并利用知識(shí)工程將私域數(shù)據(jù)加工成領(lǐng)域知識(shí)網(wǎng)絡(luò)，通過(guò)兩種技術(shù)融合實(shí)現(xiàn)機(jī)器對(duì)特定領(lǐng)域的理解、推理、歸納等認(rèn)知能力?！睈?ài)數(shù)總裁賀鴻富直言道。

歸根結(jié)底，領(lǐng)域認(rèn)知智能的發(fā)展與落地將決定著人工智能未來(lái)普及的廣度和深度。

走向領(lǐng)域深度，用戶(hù)準(zhǔn)備好了嗎

對(duì)于金融、教育、醫(yī)療、制造等B端企業(yè)而言，關(guān)心的不是大模型如何寫(xiě)詩(shī)作畫(huà)，而是業(yè)務(wù)場(chǎng)景帶來(lái)生產(chǎn)力的提升。

B端企業(yè)通常具有豐富的場(chǎng)景、領(lǐng)域數(shù)據(jù)量巨大，有利于大模型能力的發(fā)揮；與此同時(shí)，又對(duì)降本增效需求強(qiáng)烈，且極為看重領(lǐng)域數(shù)據(jù)的安全性。因此，領(lǐng)域認(rèn)知智能的建設(shè)與面向C端的大模型應(yīng)用有著本質(zhì)區(qū)別。

在愛(ài)數(shù)產(chǎn)品副總裁李基亮看來(lái)，大模型走向垂直領(lǐng)域是大勢(shì)所趨，領(lǐng)域認(rèn)知智能的落地主要面臨著兩大挑戰(zhàn)：一是大模型在面向特定領(lǐng)域落地時(shí)面臨的生成內(nèi)容幻覺(jué)、不及時(shí)和不可解釋性等問(wèn)題；另一個(gè)則是大模型在垂直領(lǐng)域帶來(lái)的安全性以及成本等方面的擔(dān)憂(yōu)。

領(lǐng)域認(rèn)知智能需要解決的首要問(wèn)題就是數(shù)據(jù)問(wèn)題。眾所周知，數(shù)據(jù)決定人工智能發(fā)展的天花板，在領(lǐng)域認(rèn)知智能尤甚。OpenAI CEO Sam Altman今年指出，大規(guī)模、高質(zhì)量的數(shù)據(jù)，以及數(shù)據(jù)高效處理、調(diào)優(yōu)的工程化是大模型能力得以展現(xiàn)和提升的關(guān)鍵。

例如，在領(lǐng)域任務(wù)中，大模型需要遵循特定領(lǐng)域的規(guī)范、制度、流程和知識(shí)進(jìn)行回答。如果不進(jìn)行適當(dāng)?shù)恼{(diào)優(yōu)，大模型往往會(huì)拋開(kāi)給定的文檔或信息，傾向于利用已習(xí)得的通用知識(shí)進(jìn)行自由發(fā)揮。

另一個(gè)不容忽視的顯示情況就是，B端企業(yè)自身積累了大量的領(lǐng)域數(shù)據(jù)，對(duì)安全極其敏感且價(jià)值巨大，這就決定著B(niǎo)端企業(yè)在領(lǐng)域認(rèn)知智能的建設(shè)中傾向于本地化部署模式。

不過(guò)，本地化部署也不可避免會(huì)帶來(lái)成本、復(fù)雜性等挑戰(zhàn)。例如，垂直類(lèi)大模型普遍具有多領(lǐng)域數(shù)據(jù)（多技術(shù)、主業(yè)與關(guān)聯(lián)行業(yè)的多行業(yè)）、多場(chǎng)景分析（運(yùn)營(yíng)管理、市場(chǎng)營(yíng)銷(xiāo)、產(chǎn)品技術(shù)、服務(wù)支持等）等特點(diǎn)，場(chǎng)景推理分析復(fù)雜、應(yīng)用整合復(fù)雜，且開(kāi)發(fā)整合成本高。

針對(duì)領(lǐng)域認(rèn)知智能落地面臨的各種挑戰(zhàn)，愛(ài)數(shù)的思路是將大模型與數(shù)據(jù)治理、內(nèi)容管理、數(shù)據(jù)資產(chǎn)化等技術(shù)進(jìn)行高效結(jié)合，降低大模型在實(shí)際垂直領(lǐng)域的落地門(mén)檻，最終實(shí)現(xiàn)幫助B端企業(yè)構(gòu)建起領(lǐng)域認(rèn)知智能。這其中，愛(ài)數(shù)認(rèn)知智能框架AnyDATA Framworks 3又是關(guān)鍵一環(huán)。

如何才能高效用好大模型

在中國(guó)人工智能市場(chǎng)，最不缺的就是各種大模型。

相關(guān)數(shù)據(jù)顯示，中國(guó)市場(chǎng)的大模型數(shù)量已經(jīng)突破200個(gè)，各類(lèi)大模型琳瑯滿(mǎn)目、魚(yú)龍混雜，一定程度也給B端企業(yè)造成選擇困難，加上部署、訓(xùn)練、開(kāi)發(fā)的復(fù)雜性和成本挑戰(zhàn)，B端企業(yè)對(duì)于大模型的心態(tài)往往是“想用卻不敢用”。

愛(ài)數(shù)認(rèn)知智能框架AnyDATA Framework 3的出現(xiàn)，恰到好處地打消了B端企業(yè)對(duì)于大模型的種種顧慮。

作為一個(gè)中立的認(rèn)知智能框架平臺(tái)，AnyDATA Framework 3做到大模型的中立，給予B端企業(yè)的選擇權(quán)；同時(shí)，屏蔽了大模型接入、知識(shí)網(wǎng)絡(luò)構(gòu)建與應(yīng)用開(kāi)發(fā)的復(fù)雜性，且兼容目前市場(chǎng)上各類(lèi)主流大模型，降低大模型的使用門(mén)檻，為B端企業(yè)提供各類(lèi)大模型的認(rèn)知應(yīng)用開(kāi)發(fā)能力。

“AnyDATA Framework 3是采用私域部署的一站式認(rèn)知智能框架平臺(tái)，實(shí)現(xiàn)大模型在各種垂直領(lǐng)域的增強(qiáng)與優(yōu)化，B端企業(yè)利用模型工廠、知識(shí)網(wǎng)絡(luò)工作臺(tái)、認(rèn)知應(yīng)用工作臺(tái)可以快速、高效、合規(guī)地實(shí)現(xiàn)認(rèn)知應(yīng)用的開(kāi)發(fā)?！崩罨两榻B道。

例如，針對(duì)大模型通過(guò)簡(jiǎn)單類(lèi)比得出錯(cuò)誤答案的“幻覺(jué)”問(wèn)題，AnyDATA Framework 3關(guān)鍵技術(shù)檢索增強(qiáng)生成模式（RAG模式）在大模型推理生成時(shí)，使用私域數(shù)據(jù)/領(lǐng)域知識(shí)庫(kù)進(jìn)行檢索召回，解決大模型“幻覺(jué)”問(wèn)題，實(shí)現(xiàn)生成內(nèi)容的可解釋性，且無(wú)需額外訓(xùn)練，不同大模型均可使用，可以充分發(fā)揮大模型的推理能力和創(chuàng)造能力。

就像人才培養(yǎng)，首先從通識(shí)教育的基礎(chǔ)能力培養(yǎng)開(kāi)始，之后再側(cè)重專(zhuān)業(yè)知識(shí)的高等教育。B端企業(yè)的領(lǐng)域認(rèn)知智能落地過(guò)程也是類(lèi)似，大模型在AGI時(shí)代提供了強(qiáng)大的基礎(chǔ)能力，進(jìn)入到垂直領(lǐng)域必然需要領(lǐng)域數(shù)據(jù)、知識(shí)做支撐，而愛(ài)數(shù)AnyDATA Framework 3則猶如架起一座橋梁，幫助大模型在B端企業(yè)實(shí)現(xiàn)從基礎(chǔ)到專(zhuān)業(yè)的進(jìn)階。

事實(shí)上，除了AnyDATA Framework 3，愛(ài)數(shù)近年來(lái)持續(xù)探索的大數(shù)據(jù)基礎(chǔ)設(shè)施戰(zhàn)略，開(kāi)始在AGI時(shí)代綻放出巨大的價(jià)值。

Data+AI，大數(shù)據(jù)基礎(chǔ)設(shè)施開(kāi)新局

今年起，B端企業(yè)在領(lǐng)域認(rèn)知智能的探索與實(shí)踐中，愈發(fā)意識(shí)到基礎(chǔ)設(shè)施層所起到的關(guān)鍵作用與核心價(jià)值。

作為一直深耕在大數(shù)據(jù)基礎(chǔ)設(shè)施領(lǐng)域的廠商，愛(ài)數(shù)也緊跟時(shí)代步伐，持續(xù)投入領(lǐng)域認(rèn)知智能的創(chuàng)新，與時(shí)俱進(jìn)的提出了“Data+AI”戰(zhàn)略，基于“Data+AI”對(duì)各大產(chǎn)品進(jìn)行全面智能化升級(jí)。

之所以會(huì)如此，是因?yàn)橄駩?ài)數(shù)這種聚焦大數(shù)據(jù)基礎(chǔ)設(shè)施創(chuàng)新的企業(yè)，在常年與各類(lèi)數(shù)據(jù)打交道過(guò)程中，深刻洞察到數(shù)據(jù)要素對(duì)于B端企業(yè)的巨大價(jià)值，以及B端企業(yè)對(duì)于釋放數(shù)據(jù)生產(chǎn)力的迫切性；另外，數(shù)據(jù)基礎(chǔ)設(shè)施領(lǐng)域又是大模型最有希望率先實(shí)現(xiàn)落地的領(lǐng)域之一，愛(ài)數(shù)積極擁抱領(lǐng)域認(rèn)知智能、大模型，對(duì)各大產(chǎn)品全面智能化升級(jí)，有利于為B端企業(yè)在AGI時(shí)代的數(shù)據(jù)管理、數(shù)據(jù)消費(fèi)、使用交互等方面將帶來(lái)深遠(yuǎn)影響。

首先，愛(ài)數(shù)已形成AnyBackup、AnyShare、AnyRobot、AnyDATA和AnyFabric五大產(chǎn)品線，可以幫助B端企業(yè)構(gòu)建起全域數(shù)據(jù)能力，實(shí)現(xiàn)全域數(shù)據(jù)資產(chǎn)管理和運(yùn)營(yíng)創(chuàng)新，滿(mǎn)足在云端、本地等多種環(huán)境下任何數(shù)據(jù)類(lèi)型的各種數(shù)據(jù)服務(wù)需求。例如，愛(ài)數(shù)今年正式推出的AnyBackup Family 8、AnyShare 領(lǐng)域大模型一體機(jī)、AnyShare認(rèn)知助手等一系列新品。

其次，愛(ài)數(shù)的五大產(chǎn)品并不是簡(jiǎn)單的產(chǎn)品堆砌，而是深度集成與融合。憑借ONE架構(gòu)，愛(ài)數(shù)五大產(chǎn)品的技術(shù)堆棧實(shí)現(xiàn)統(tǒng)一，各大產(chǎn)品之間深度集成，可以帶來(lái)全域數(shù)據(jù)的自由流動(dòng)，以及為全域數(shù)據(jù)能力實(shí)現(xiàn)一致的用戶(hù)體驗(yàn)和融合管理。

以AnyDATA為例，它除了幫助B端將大模型更安全、更經(jīng)濟(jì)地落地行業(yè)應(yīng)用場(chǎng)景，還與AnyBackup、AnyShare、AnyRobot、AnyFabric等產(chǎn)品緊密集成，利用領(lǐng)域認(rèn)知智能和大模型提升AnyBackup等產(chǎn)品的智能化水平。像基于領(lǐng)域認(rèn)知智能的AnyShare認(rèn)知助手，提供創(chuàng)新的智能搜索、智能問(wèn)答、輔助創(chuàng)作、輔助閱讀等認(rèn)知能力，真正幫助B端企業(yè)實(shí)現(xiàn)內(nèi)容管理“智能化”，進(jìn)一步釋放數(shù)據(jù)內(nèi)容的價(jià)值。

另外，愛(ài)數(shù)深知領(lǐng)域認(rèn)知智能的落地是一條長(zhǎng)期之路，僅僅依靠愛(ài)數(shù)一家公司的產(chǎn)品與能力是遠(yuǎn)遠(yuǎn)不夠的。為此，愛(ài)數(shù)推出“數(shù)字伙伴計(jì)劃”，該計(jì)劃旨在將客戶(hù)的業(yè)務(wù)場(chǎng)景、行業(yè)知識(shí)與愛(ài)數(shù)五大產(chǎn)品結(jié)合，形成面向行業(yè)的數(shù)據(jù)服務(wù)解決方案，實(shí)現(xiàn)以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)、增強(qiáng)數(shù)字化韌性，共創(chuàng)數(shù)據(jù)驅(qū)動(dòng)型組織。

“愛(ài)數(shù)的愿景是希望以數(shù)據(jù)重塑生產(chǎn)力，共創(chuàng)智能世界。”愛(ài)數(shù)總裁賀鴻富最后表示道。

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。