2025年3月27日，2025人工智能基礎設施峰會智能算力論壇在滬召開。楓清科技合伙人、智能平臺事業(yè)部總經理王傳陽在題為《知識中臺賦能：DeepSeek一體機行業(yè)深耕》的演講中指出，盡管DeepSeek一體機憑借”開箱即用”的硬件+軟件一體化方案大幅降低企業(yè)AI應用門檻，但要實現(xiàn)復雜行業(yè)場景的深度賦能，仍需構建以知識中臺為核心的智能化基礎設施。讓算力、模型與企業(yè)知識深度融合，為企業(yè)智能化轉型注入新動力。

文字編輯｜宋雨涵

各位同仁，大家好！剛才，我們有幸聆聽了之前老師的精彩分享，深刻感受到了DeepSeek在各行各業(yè)中蘊含的無限機遇。眾多企業(yè)正積極探索如何利用DeepSeek為自身業(yè)務場景增添更多價值。

但在實際場景里我們也都了解，很多企業(yè)的具體業(yè)務和場景，單靠一個模型，單靠一臺一體機很難覆蓋全的，所以今天主要是跟大家分享在模型和企業(yè)具體場景中間，作為知識中臺可以怎樣在里面發(fā)揮相應的作用。

一是DeepSeek一體機的優(yōu)勢及存在挑戰(zhàn)；二是知識中臺賦能中具體的工作模式和關鍵功能；三是和大家分享具體的場景。

1

DeepSeek一體機的

優(yōu)勢及存在挑戰(zhàn)

開啟行業(yè)智能化新篇章

01

核心優(yōu)勢顯著

楓清科技合伙人王傳陽指出，DeepSeek一體機通過 “硬件 + 軟件” 一體化設計，實現(xiàn)了對話式文章創(chuàng)作等通用場景的快速部署。其算力配置覆蓋32B到滿血版全梯度，價格區(qū)間從數(shù)萬到百萬不等，為不同規(guī)模企業(yè)提供了靈活選擇。尤為值得關注的是，該產品在國產化適配方面取得突破，支持純國產硬件與軟件組合，并依托知識中臺廠商生態(tài)，構建了良好的落地環(huán)境。

02

落地挑戰(zhàn)猶存

盡管DeepSeek一體機通過模型優(yōu)化緩解了可解釋性難題，并降低了實施成本與算力門檻，但王傳陽強調仍需正視三大核心挑戰(zhàn)：

內容準確性：模型幻覺問題尚未完全解決，對未知領域的信息仍可能產生虛構內容

數(shù)據(jù)治理：企業(yè)私有數(shù)據(jù)的時效性處理與安全合規(guī)性保障機制需進一步完善

企業(yè)級能力：權限管理、認證體系及行業(yè)深度理解等問題，仍需結合業(yè)務場景定制化開發(fā)

2

知識中臺賦能

具體的工作模式和關鍵功能

企業(yè)或多或少都掌握著自身的私有數(shù)據(jù)，這些數(shù)據(jù)呈現(xiàn)出多模態(tài)的特性。當我們將這些數(shù)據(jù)映射到企業(yè)的實際業(yè)務場景中時，就需要對它們進行多樣化的處理。RAG（檢索增強生成）的方法，這確實是一種非常典型的數(shù)據(jù)處理方式，值得我們深入了解和運用。

然而，要滿足企業(yè)對數(shù)據(jù)的高要求，并非僅僅通過簡單的開源RAG模型或者手寫一個RAG模型就能輕松實現(xiàn)。我們需要做的工作遠不止于此。針對企業(yè)的特定數(shù)據(jù)文檔和數(shù)據(jù)格式，我們需要進行定制化的解析，逐步打造出適用于該行業(yè)、該類企業(yè)的通用解析器。同時，對于數(shù)據(jù)切片的處理也需要深入講解，包括Embedding模型的選擇，以及如何處理多模態(tài)數(shù)據(jù)等問題。

想象一下，一個企業(yè)同時擁有關系型數(shù)據(jù)、文檔、圖片、視頻等多種類型的數(shù)據(jù)。在進行綜合RAG鏈路檢索時，如何能夠同時找出所有相關聯(lián)的數(shù)據(jù)？這就需要我們在知識引擎層面付出大量努力，并積累實踐經驗。

知識中臺：破解AI落地最后一公里的密鑰

數(shù)據(jù)知識化

數(shù)據(jù)知識化模塊是知識中臺的基礎，旨在將企業(yè)多模態(tài)數(shù)據(jù)（如文檔、圖片、視頻、關系型數(shù)據(jù)等）轉化為可被檢索和利用的知識。該模塊涵蓋以下關鍵功能：

文檔解析與切片：通過RAG鏈路技術對文檔進行語義切分，確保數(shù)據(jù)檢索的全面性和準確性。

向量存儲與向量服務：將數(shù)據(jù)轉化為高維向量，支持高效的相似性檢索和語義匹配。

關系抽取與圖譜構建：通過關系抽取技術，建立企業(yè)數(shù)據(jù)實體之間的關聯(lián)，形成統(tǒng)一的知識圖譜，支持多模態(tài)數(shù)據(jù)的跨模態(tài)檢索。

圖相關服務：利用圖計算技術，挖掘數(shù)據(jù)之間的深層次關聯(lián)，為企業(yè)提供更全面的知識支持。

知識應用構建

知識應用構建模塊旨在將知識中臺生成的知識應用于實際業(yè)務場景，提升企業(yè)的智能化水平。該模塊提供以下功能：

智能體與工作流構建：通過可視化工具，企業(yè)可以快速構建智能體和工作流，將知識庫與業(yè)務流程深度結合。

智能問數(shù)與數(shù)據(jù)分析：支持用戶通過自然語言提問，快速獲取業(yè)務數(shù)據(jù)和分析結果，減少人工干預。

多樣化應用形式：包括智能問答、文本潤色、翻譯助手等功能，滿足企業(yè)在不同場景下的知識需求。

知識持續(xù)運營

知識持續(xù)運營模塊確保知識中臺能夠隨著企業(yè)需求的變化不斷進化，主要功能包括：

知識刷新與更新：通過知識運維模塊，定期更新知識庫內容，確保知識的時效性和準確性。

用戶反饋機制：收集終端用戶和員工的反饋，動態(tài)調整知識庫內容，形成知識積累的正向循環(huán)。

企業(yè)級安全能力：提供細粒度的權限管理、數(shù)據(jù)加密和審計追蹤功能，確保企業(yè)數(shù)據(jù)的安全性和合規(guī)性。

楓清科技：知識中臺賦能千行百業(yè)

一、知識中臺與通用場景的關系

大模型在處理簡單的智能問答，如基本常識、企業(yè)基本信息咨詢等場景時，能夠獨立發(fā)揮作用。此外，在辦公場景中的文本潤色與翻譯方面，大模型也可直接提供服務。但知識中臺在通用場景中，同樣承擔著統(tǒng)一管理知識、構建知識體系以及賦能企業(yè)級能力的重要職責。以文本潤色和翻譯助手為例，為確保翻譯結果不包含企業(yè)敏感詞匯，且符合企業(yè)合規(guī)要求，知識中臺需對大模型的輸出結果進行后續(xù)處理。

二、工作流在復雜業(yè)務場景落地中的關鍵作用

王傳陽表示在當下，對于DeepSeek R1等大模型尚不了解的復雜業(yè)務場景，工作流是實現(xiàn)大模型賦能的最有效手段。通過將業(yè)務場景邏輯以工作流的形式告知大模型，能夠引導大模型按指定方式運行。在落地眾多客戶場景的過程中，工作流的應用極為廣泛。盡管智能體可覆蓋部分相對簡單、通用的場景，但就目前技術發(fā)展水平而言，尚無法取代工作流在復雜場景中的地位。盡管業(yè)界對智能體和模型機產品抱有期待，有望讓大模型替代構建工作流的繁瑣工作，但現(xiàn)階段，工作流仍是解決復雜場景落地問題的主要方式。

三、知識中臺落地的典型場景

• 私有知識問答

在企業(yè)內部落地私有知識問答場景時，不僅要考慮知識本身，還需解決合規(guī)性問題，將企業(yè)敏感詞、同義詞等私有知識融入其中，并對知識應用權限進行管控。例如，對于員工提出的涉及敏感信息的問題，后臺需進行細致處理。

• 智能問數(shù)

智能問數(shù)主要面向關系型數(shù)據(jù)庫等結構化數(shù)據(jù)。該場景雖能借助大模型將自然語言轉化為SQL語句直接查詢數(shù)據(jù)庫，實現(xiàn)數(shù)據(jù)的快速更新獲取，但由于人類語言的豐富性，大模型理解存在偏差，容易導致答非所問的情況。即便展示最終執(zhí)行的SQL語句，對于非技術人員而言，理解難度較大。為彌補這一缺陷，智能數(shù)據(jù)分析、指標問數(shù)等技術應運而生，將靈活的SQL轉化為確定的指標。這種方式能確保問題回答的準確性，即使當前不存在相關指標，也只會無法給出答案，而非提供錯誤信息。在實際落地過程中，企業(yè)客戶更傾向于采用問指標的方式。

結語：共筑企業(yè)智能化未來

在DeepSeek一體機掀起行業(yè)智能化浪潮的當下，楓清科技以其深厚的技術積累和前瞻性的解決方案，為企業(yè)提供了從數(shù)據(jù)到知識再到業(yè)務場景的全鏈路賦能。通過知識中臺的三大核心模塊——數(shù)據(jù)知識化、知識應用構建和知識持續(xù)運營，楓清科技不僅解決了DeepSeek一體機在復雜行業(yè)場景中的適配難題，更為企業(yè)構建了一個高效、安全、智能的知識生態(tài)系統(tǒng)。

lixiangjing

算力豹主編