交易所,交易所排名,交易所排行,加密货币交易所排行榜,加密货币是什么,加密货币交易平台,加密货币平台,币安交易所,HTX火币交易所,欧意交易所,Bybit交易所,Coinbase交易所,Bitget交易所,Kraken交易所,交易所权威推荐,全球交易所排名,虚拟货币交易所排名,加密货币,加密货币是什么

　　回复:客户需求变化方面,特别是央国企和金融机构,预算往 AI转移,IT整体预算可能略有削减,但 AI方面的投入明显加大。部分央企客户开始意识到AI基础设施要以数据为基础,且大部分的工作集中在数据整理上,因而开始重视数据建设。产品创新方面:(1)公司的大模型运营平台 LLMOps 产品,在语料工程和知识工程上相对竞品有比较优势,产品功能做得很完善。这个产品自 2013 年公司推出以来,开发和迭代速度较快。DeepSeek 出来后,大模型的准确度进一步提升,能在智能体开发上用 DeepSeek 做任务分解、智能体框架。我们会将现有的大模型运营平台一键升级为 MCP 服务。我们的部分客户因为算力的限制无法使用和运行满血版的 DeepSeek,我们提供蒸馏工具,可把Deepseek模型快速蒸馏到小模型,让客户用低成本硬件也能享受大模型的服务。此外,我们在 LLMOps中也推出了强化学习的方法,可在现有模型上继续训练使其更准确。我们用强化学习的方法训练自然语言转 SQL 的模型,在 Spider benchmark 上达到 90 分。(2)我们在 Transwarp Knowledge Hub 知识平台产品中开发了深度搜索功能DeepSearch,借助推理模型优势对问题进行深度理解和任务规划,自动寻找合适数据源,通过强化学习思路提升回答准确度,让企业文档检索更高效准确。

　　回复:MCP 是大模型跟外部工具通讯的协议,使用人较多,遂成为通用的通信协议,其可将现有服务与大模型进行连接。此前大模型主要用于人机自然语言对话,MCP出现后,可将企业现有的 ERP、OA等系统包装成MCP server,大模型能识别工具功能并进行任务分配和编排。目前依然处于需要先靠人工来规划任务,然后大模型借助外部工具来完成任务的阶段,当智能体框架和MCP 真正可用时(即大模型能做到自主准确地规划任务),AI 应用就会形成爆发式增长,帮助企业完成很多工作。未来大模型可能实现全部自主规划,更多工作会被AI替代。

　　回复:目前大模型相关商机大概有三个多亿元左右,但因为过往大模型订单的基数不大,还未衡量大部分商机的胜率。公司的大模型相关产品在金融行业落地较快、竞争力较强,已有浦发银行、招商证券、上海期货交易所、中信证券、深交所等用户,目前在非金融领域也积累了一批用户。公司在2023 年就决定提供AI铲子,助力客户自己训练或微调专属模型,因为投入较早且有机器学习运营平台MLOps的前期积累,因而工具完善度较高。订单转化率还需一段时间观察。

　　回复:在agent 时代,我们的数据底座也会发生变化,这是一个趋势。过去企业数据分散,结构化数据放在Lakehouse 上,非结构化数据散落在各应用系统或备份文件系统中,未被有效利用。有了大模型后,我们将原来散落的文档、图片、视频、音频,用向量数据库把非结构化的数据结构化,同时保留其半结构化的部分,企业根据 Agent框架进行检索。现在做数据分析的时候,用户不需要知道数据在哪里,大模型会自动帮你查找,使得企业在应用数据的方式上面会得到很大的便利。同时,企业数据加工流程也开始用大模型实现半自动化或自动化,如数据清洗、形成数据资产等。公司推出的 Transwarp Knowledge Hub 知识平台产品,将多模态数据整理成知识为企业客户服务,实现全集团知识资产管理。

　　回复:这个过程分三部分。一是大模型运营平台 LLMOps+数据开发工具 TDS,把多模态数据整理成结构化的数据。二是将这些整理后的数据存于大数据基础平台Transwarp Data Hub上,公司的大数据基础平台内置了11种数据模型的存储引擎,包括分布式向量数据库 Hippo、分布式图数据 StellarDB、分布式搜索引擎Scope、分布式文档数据库 DocStore 等,TDH的多模一体化主要用于给大模型构建知识库,尤其在 RAG召回场景中实现企业的专有数据和大模型的有效结合;三是通过知识管理平台 Transwarp Knowledge Hub 提供门户,进行企业知识资产的管理,并提供智能体开发框架,开发连接企业现有应用和数据资产的智能体,实现流程自动化或半自动化,比如银行写尽调报告和信贷流程。

　　回复: 在 AI平台方面,陆续有大厂和创业公司入局,这些公司最早是在 AI 硬件infra、模型训练上发力,Deepseek 出现后,大模型必将变成寡头格局,部分公司会往上做工具,更多的是做应用场景。目前 AI搜索较多,应用高度碎片化,企业需求也高度定制化。公司切入赛道做的大模型管理工具和知识平台相对更产品化、通用化,依靠现有大数据平台客户群体,客户开发应用需与公司大数据基础平台对接,对公司产品粘性强,会优先获取客户数据整理的需求并得到相关业务机会。