提供客户全渠道全生命周期的营服销一体化智能服务

京东云·言犀依托于全栈自研的人工智能技术，基于京东集团广泛实体业务、庞大而又复杂的产业生态，从内部真实、复杂的海量业务场景实践中推出千亿级参数的言犀大模型，打造全新的智能交互与生成能力，从文本、音频、图像到多模态内容生成，技术上推动从感知智能和认知智能到决策智能的跨越，应用上推动服务、营销、运营一体化创新，目前已涵盖“在线咨询机器人”“语音应答”“AI外呼”“商家智能客服”“直播数字人”“客服数字人”“营销图文生成”等在内的营服销一体化产品矩阵，聚焦体验、效率与转化，精准理解客户意图、高效解决客户问题。

言犀不仅为京东超6亿用户提供智能化咨询服务，还为零售、金融、教育、政务等行业超过36万家客户提供以用户为中心的、全渠道全生命周期的营服销一体化智能服务方案，智能客服·言犀通过前沿的智能技术与规模化的应用实践相结合，助力政企客户服务和营销数智化转型升级。

京东云·言犀平台全栈产品及服务能力

零售营服销一体化解决方案，长效经营客户全旅程价值

京东云·言犀依托于全栈自研生成式AI技术与20年零售领域场景Know-how，对零售行业客户全生命周期管理痛点深度剖析，以言犀京小智、言犀AI外呼、言犀数字人等产品为抓手，面向36万品牌客户、京东商家提供集种草引流、消费导购、直播转化、咨询服务、私域运营为一体的智能解决方案，构建以电商渠道客户为中心的“服务-营销-销售”一体化体系，基于言犀大模型在用户触达、用户服务、消费洞察、经营分析、营销内容生成等细分场景落地，帮助品牌降本增效，智能化、精细化的长效经营客户全生命周期价值，助力企业业务新增长。

京东云·言犀营销服全链路解决方案

百融云创

零售营服销一体化解决方案，长效经营客户全旅程价值

百融云创是一家人工智能（AI）技术服务公司，凭借全面的技术能力、长期行业Know-How和客户洞察，为金融、保险、零售等行业客户提供全流程数智化服务。其中，MaaS通过丰富AI模型与知识图谱进行用户风险评估和筛选，用户可直接基于云平台进行能力调用；BaaS遵照结果导向，为客户建设端到端的用户营销运营数智化体系，与客户收益共享，风险共担。同时，百融云创也具备自研的预训练大模型能力，并基于大模型形成多个标准化场景小模型，以及语音、数字人等标准化封装的模型能力，更高效赋能客户业务拓展。成立10年来，公司累计服务7000+机构客户，并已于2021年在香港上市。

百融云创产品技术架构

MaaS能力指标亮点：1.模型平均每天3亿次以上调用，云平台稳定性达99.998%；2.BR-Coder将开发岗位中的自动生成代码渗透率提升至10%；3.ORCA-AutoML自动学习协助数据分析岗位将建模时间缩短了30%

AI能力与业务场景无缝融合，多层次打造高增长高收益的数智企业

基于决策式+生成式AI技术底座与多年行业服务经验，百融云创为金融、保险、零售电商等多领域客户打造端到端的数智业务闭环，帮助客户快速实现营销目标。此外，百融还可利用自研大模型能力研发出企业数字员工平台，由平台生成的Bot以AI Copilot和AIAgent形式出现，相当于为企业装入一个“企业级助手团”，极大提升企业工作效率。

百融云创生成式+决策式AI深度服务案例

九章云极DataCanvas

AIFS人工智能基础软件，赋予企业自主建设大+小模型能力

九章云极DataCanvas以“创造智能，探索未知”为使命，以“助力全球企业智能升级”为愿景，是中国人工智能基础软件领军者。

公司致力通过自主研发的人工智能基础软件产品系列和解决方案为企业用户提供AI能力和人工智能基础服务，助力用户在数智化转型中轻松完成模型和数据的双向赋能，低成本高效率的提升企业决策能力，实现企业级AI规模化应用。

AIFS作为一款行业领先的人工智能应用构建基础设施平台，覆盖了大模型的训练、精调、压缩、部署、推理和监控以及小模型的全生命周期过程，它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型。

DataCanvas Alaya九章元识是九章云极DataCanvas自研的“通识+产业”白盒大模型矩阵，作为AIFoundation Software的核心能力之一，秉持开放友好的开源理念，为用户赋予更大自由度的AI创新能力，以求加速实现大模型在多元业务场景中的应用。DataCanvas Alaya提供了一系列不同配置和参数的，具备业界前沿能力和技术的预训练大模型，在文本对话，图像生成，重塑当前AI软件形态。

九章云极DataCanvas大小模型产品布局图

九章云极智算操作系统为AI而生，构建智算生态

九章云极DataCanvas智算操作系统（ DATACANVAS AIDC OS ，简称AIDC OS）面向智算中心、智算中心算力运行与业务运营，可以支持大中型企业内部智算集群的运行。

其核心能力是智算资源的纳管、统一调度，智算业务的业务运营支撑，以及AI模型的构建、训练和推理。其特点包括：异构算力纳管、丰富的算力服务产品形态的支持、多策略统一调度、AI大模型+小模型低门槛的训练和推理、AI模型训练全过程监控与容错能力等。

AIDC OS能有效提升智算中心资产的附加价值，将运营方的运维能力从裸算力设备运维提升到AI大模型运维能力；同时便于不同类型的终端用户快速上手使用智算算力开发和运行AI应用；此外，它也是智算中心开放生态环境的基础支持设施。DATACANVAS AIDC OS为算力中心提供高效的算力操作系统，提供更多、更便捷、更高效的智算服务。

九章云极DataCanvas智算生态布局

社会公众侧：AI应用衍生多种问题

公众接受度与容忍度考验AI技术进一步成熟、全流程可控、可监管

社会层面，人工智能技术值得关注的主要风险在于对用户心智、用户隐私及安全伦理问题的潜在影响。首先，人工智能训练需要大量互联网公开数据，包括图片、文字、音频等，可能包含大量私人数据，存在较高的泄露风险。其次，生成式AI可以用于创建虚假的图像、视频或声音，结合大数据分析，可以个性化地分发新闻，对目标受众的心理和行为产生影响，这可能导致人们被欺骗、误导，甚至被利用危害人的生命健康。

人工智能技术的社会公众影响分析

01 占领用户心智

AI能够生成虚假图像，并通过对用户心理和行为的分析定向产生内容，能够影响公众的价值观和政治立场，或诱导用户消费决策

• 之前，一段声称是乌克兰总统泽连斯基呼吁士兵放下武器的视频走红网络，但乌克兰国防情报部门在推特上澄清了这个视频，并解释了Deepfake技术。他们指出，Deepfake可以用来伪造政要的形象，例如美国总统拜登。

• 在数字直播当中，数字人所有互动皆为预设，缺少即时互动，消费者很难判断直播内容的真实性，同时也缺少产品评价、产品体验的相关信息，甚至没有人工客服的参与，在这种相对封闭信息来源的环境中，消费行为容易被诱导。

02 影响用户隐私

AI的训练可能吸纳部分涉及用户隐私的数据，同时这些数据可能伴随着AI的应用被二次泄露，并引发相应风险

• 人工智能技术具有信息关联的能力，一旦系统通过各种渠道获知了足够多与当事人相关的信息，如购物信息、订阅信息、旅行信息、认证信息、信用信息、位置信息等，通过人工智能技术就能够很容易地挖掘出人们的隐私，而且人们很难追踪这些个人数据和隐私信息的泄露途径与泄露程度。

03 引发生命安全与伦理问题

AI在部分场合取代人类引发权责问题，同时AI在人体和基因相关的应用可能导致伦理问题

• 自动驾驶系统的运转是通过对驾驶内外部环境进行感知，形成判断和决策并做出相应的驾驶行为，一旦感知出现错误，如没有感知到对面的障碍物，其决策就是错误的。2020年6月在台北仙桃，特斯拉的自动驾驶系统把白色翻倒的卡车误认为没有障碍物，导致了车辆在开启自动驾驶的状态下毫无减速地撞上卡车，随着理想、华为的NOA功能逐步推广，自动驾驶/辅助驾驶事故也开始增加。

上述维度交织共同引发AI犯罪（AI诈骗，AI谋杀等）通过AI换脸技术冒充熟人进行诈骗案件已发生多起，随着技术发展，AI犯罪的形式可能还会增加。

企业应用端：AI可用性与易用性仍遭受挑战

新技术内生缺陷下，企业推广囿于数据安全、可信等问题

在企业端，AI技术的内生性缺陷对企业应用的影响更为明显，包含人工智能框架、数据、算法、模型任一环节都能给系统带来脆弱性。

传统神经网络模型大多面临可解释性不足的问题，而同为神经网络结构的大语言模型作为近年AI领域重大突破，在可信、可解释性和生成内容安全性方面并未得到明显改善，甚至因其应用场景的扩大使得这一矛盾更加突出。根据IBM报告显示，全球范围内绝大部分公司对AI持积极态度，且从2023年3月至今，这种积极性还在持续发酵。

但从不同AI成熟度企业关注问题可以看出，企业AI应用当中，数据安全、技术可信和工具迭代等各方面问题依然突出。处于观望或AI应用初级阶段的企业，致力于通过AI统管和AI技能补足，解决AI应用当中必将面临的数据和系统安全问题，实现AI初步可用可落地。

同时，这些公司在AI应用过程中也十分需要公司内部顶层设计与政府、行业标准的支持。而少部分已经成熟应用AI并取得较好降本增效成果的企业则已经进入新阶段，其面临的主要难题在于对企业内外部AI模型和工具进行升级。

不同AI成熟度企业的AI落地难点分析

01 AI观望者的顾虑

未应用生成式AI的企业的主要考量

02 AI尝试者面临的瓶颈

AI探索中和已部署AI产品企业在开发可信AI遇到的问题

03 AI领先者的困扰

AI高绩效企业升级AI能力的受到的牵制

多措并举促进AI产业有序发展

从技术、法规与标准层面，坚持AI产业发展安全与效率并重

基于上述对人工智能发展风险的探讨，未来人工智能的发展需要在技术、行业标准规范和法律监管三个层面持续完善和引导。在技术研究方面，必须加强研究，提高算法的准确性和透明度，以防止偏见和不公平情况出现。在行业标准方面，需建立统一的规范和伦理准则，确保人工智能应用符合道德和社会价值。在法律监管方面，则需制定和修改相关法律法规，保护个人隐私，防止滥用和侵犯权利。

两会代表关于人工智能产业发展的建议

只有在行业高度和广度上有超过通用大模型的表现，垂直大模型才能赢得生存空间，有机会形成业务和数据的飞轮效应，实现场景闭环。

大模型与生产力工具的有效结合，将在未来成为数字系统的基座和核心，例如在客服、SDR和运营等场景，基于大模型的语言理解生成能力可以自动编排作业流程。由于大模型基座对应用数据的虹吸效应，随着诸多基座模型的开源，以及一系列低成本的微调方案的出现，将有越来越多的机构和企业，会基于企业和行业的需求定制大模型。

垂直领域大模型成功的关键在于对场景的理解，只有深刻的行业know-how，才能指导行业数据的积累和语料的设计工作，这一点决定了垂直大模型的应用效果，只有在行业高度和广度上有超过通用大模型的表现，垂直大模型才能赢得生存空间，有机会形成业务和数据的飞轮效应，实现场景闭环。

大模型的崛起带来的底层计算模式的变化，正引领新一轮底层计算变革。计算从来都是软硬件协同作用的。回顾计算演变历程，硬件为满足计算需求不断演进，软件则作为桥梁连接硬件与应用。随着硬件同质化趋势加剧，软件创新空间扩大，角色愈发重要。

算力经济时代下，软件将成为算力单元的定义者，AIFS人工智能基础软件同样迎来巨大发展机会。以AIFS人工智能基础软件为基石的DATACANVAS AIDC OS智算操作系统，以AI使用能力为驱动，不仅关注硬件资源的有效管理和利用，更着眼于如何更好地满足终端用户对算力的核心需求：将可用的算力、好用的算力提供给算力消费者。

AIDC OS不仅仅是软件与硬件之间的桥接，更是新计算世界中定义算力基础设施的关键力量。它定义的新的算力基础设施，将引领人类进入计算的新世界！

套壳ChatGPT功能的初创企业大概率会技术迭代中被吞噬。因为数据不是护城河，行业经验才是。

以后的基础大模型很可能会穷尽世界上所有公开数据（目前已经接近）和大部分半公开场景数据，所以，对行业工作流程、场景智能化的经验才是立身之本。

单纯的文案撰写、文生图等单点功能不足以支撑企业的长远发展。接下来期待不同场景的「AI精灵」（AI-agent）爆发。这和云从的长期目标是一致的。

如果说人工智能远景是打造一个具备「四肢躯干」和「大脑」的机器，那云从要做的，就是用技术创新赋予「躯干」灵魂，打造有竞争性的「神经」和「大脑」，让 AI 具备人机协同能力，真正成为各行业的专家，全面提升效率和用户体验。

AI大模型在技术进步、数据驱动和多领域应用等方面取得了显著成果。随着深度学习、自然语言处理等技术的不断发展，在多模态领域的能力同样得到了重大提升。它的发展不应仅仅局限于技术层面的进步，更应注重其社会影响和伦理考量。

随着大模型在各个领域的广泛应用，我们必须认真对待其带来的数据隐私、偏见和信息茧房等问题。在追求技术卓越的同时，不能忽视对人类价值观和伦理原则的坚守。

以生成式AI为代表的人工智能技术迅猛发展，为AI领域突破提供了新的通用化解决方案，使得AI技术大规模普惠落地成为可能，不仅加速了与各行各业场景的深度融合，还掀起一场应用的AI革命，带来产品形态、开发模式、价值理念的一系列全新变化。

通用AI践行渐进，大模型走向多模态，解析世界本来面貌，加速AI从感知到认知转化。AI智能体将成为下一代平台，从Copilot副驾走向主驾，让数字员工成为新常态；具身智能加速进化，AI有望完成“感知-决策-行动”的闭环。

为让大模型技术为企业发挥真正作用，解决应用落地的最后一公里问题，力维智联推出Sentosa LMM零代码大模型平台，通过算力资源智能调度、大模型预训练与微调、智能体定义与研发、应用敏捷编排等能力，致力于把通用大模型打造成能随企业一起成长的企业大模型，赋能企业全业务提效。

随着不断推陈出新的开源大模型的快速迭代，国内自训的闭源大模型将逐渐收拢，但是围绕大模型在行业和企业级的应用需求在持续探索中不断的发芽开花。

作为面向B端应用的企业级大模型，更多的强调内容生成的高质量和真实性，减少幻觉将是行业大模型落地的长期课题。

拓天行业大模型从高质量数据、可控生成和信创安全等多角度出发，融合自研的海贝向量数据库、利用RAG和知识图谱等技术将大-小模型与行业权威数据源结合，实现了内容生成的合规可控。在业务融合角度，拓天基于自主演化的任务链，实现知识和数据混合驱动的AI Agent应用框架。

围绕B端用户的应用场景，根据不同的输入需求，使用大模型Agent自主构建对应结构的工具链。未来，人工智能在千行百业有效落地，需要不断进化的模型基座与业务知识的集成，我相信以可控规模参数的大语言模型所迭代的应用将会指数成长，AI智能体将成为主流交互模式，而工程化能力则是落地的重要保障。

今年，政府工作报告中提出了“人工智能+”行动，明确了国家层面对于推动人工智能与各行各业深度融合的战略意图。这一行动不仅释放了国家对人工智能技术重视的信号，也为人工智能和大模型领域带来了前所未有的发展机遇。

当前，大模型呈现出快速迭代和广泛应用的特点，技术的进步为行业带来了无限可能。从长远来看，通用大模型确实能给行业带来巨大的价值，但目前来看，通用大模型不能满足企业对专业性、合规性、规模化的需求。相反，领域大模型不仅不需要依赖特别大的算力和参数，还能切实解决领域内细分场景的问题。

作为领先的对话式AI技术解决方案提供商，中关村科金率先布局大模型技术和应用，发布了国内首个企业知识大模型、AgentGraph应用开发平台以及“超级员工”系列AIGC应用，全面升级云呼叫中心、智能客服、智能外呼、质检陪练、智能音视频等产品。

未来，随着技术的不断成熟，大模型的应用场景将变得更加多样化，尤其是数字员工或智能助手类的应用场景商业机会将会非常大，从提升工作效率到助力产业升级，大模型将成为推动新质生产力发展和社会进步的重要力量。

在当今快速发展的人工智能领域，数据的质量、多样性和有效管理被认为是关键因素，这些因素共同决定了大型模型的性能和可靠性。

准确和相关的数据集是训练高效AI模型的基础，任何数据偏差或错误都可能削弱模型的可靠性和有效性。此外，持续的数据验证和清洗是确保数据真实性的重要步骤，它们帮助在数据驱动的决策过程中维护信任与透明度。数据的多样性对于增强模型的泛化能力至关重要，尤其是在不同的文化和地理背景下。

一个多元化的数据集有助于模型在多样化的实际应用环境中表现出更好的稳定性和公平性，从而减少潜在的算法偏见。此外，随着数据量的激增，高效的数据存储、处理和保护措施变得尤为重要。现代工具如数据湖和云服务的运用不仅提高了数据处理效率，也加强了数据合规性和隐私保护，这对于提升公众对AI应用的信任尤为关键。