“今年我們看到不少智能體模式出現(xiàn)，但很多都是基于通用大模型加上智能體框架來(lái)做。這類方式在 to C 場(chǎng)景中可能沒(méi)問(wèn)題，但在 to B，尤其面對(duì)大型企業(yè)時(shí)，往往不夠用。同時(shí)，這幾年企業(yè)也越來(lái)越意識(shí)到，數(shù)據(jù)不該只是成本，最好能變成收入?！?/p>

「明亮公司」獲悉，11月13日，慧辰股份在“數(shù)據(jù)筑基 模型共舞”AI重塑應(yīng)用生態(tài)戰(zhàn)略發(fā)布會(huì)中，聯(lián)合生態(tài)合作伙伴發(fā)布企業(yè)場(chǎng)景化數(shù)字智能體產(chǎn)品矩陣，并推出“X”機(jī)器人智腦，首次向業(yè)界展示了其在具身智能智腦領(lǐng)域的技術(shù)賦能新探索。

HCR慧辰股份CTO馬亮在分享中指出，“產(chǎn)品不追求‘通才’，而要打造‘專才’——在具體業(yè)務(wù)場(chǎng)景中真正懂業(yè)務(wù)、能解決問(wèn)題的場(chǎng)景智能體，關(guān)注可量化的降本增效價(jià)值，以及低使用成本與安全”。

據(jù)悉，此次公布的一系列AI垂直應(yīng)用產(chǎn)品，基于公司的高質(zhì)量行業(yè)數(shù)據(jù)集積累和場(chǎng)景化認(rèn)知，展現(xiàn)了一條清晰的AI落地路徑，將為商業(yè)市場(chǎng)客戶提供更加貼合應(yīng)用場(chǎng)景、更加高效可靠的AI智能化路徑。

其中，Data Agen分析產(chǎn)品體系作為新一代企業(yè)數(shù)據(jù)智能分析服務(wù)平臺(tái)，基于Chat與數(shù)字人智能交互模式，實(shí)現(xiàn)對(duì)企業(yè)業(yè)務(wù)場(chǎng)景中內(nèi)外部數(shù)據(jù)的融合分析，提供從查詢、業(yè)務(wù)歸因到策略建議的全鏈路數(shù)據(jù)智能能力，目前已開(kāi)始應(yīng)用于部分行業(yè)頭部客戶的銷售與供應(yīng)鏈等場(chǎng)景中。

垂直行業(yè)數(shù)據(jù)洞察智能體則專注于企業(yè)中更具價(jià)值的非結(jié)構(gòu)化數(shù)據(jù)資源，能夠?qū)Χ鄠€(gè)場(chǎng)景所產(chǎn)生的大量非結(jié)構(gòu)化數(shù)據(jù)文檔，進(jìn)行專業(yè)且快速的挖掘與洞察。當(dāng)前在醫(yī)療行業(yè)場(chǎng)景中，針對(duì)大量專業(yè)記錄文檔，有效觀點(diǎn)發(fā)現(xiàn)的召回率約在85%以上。

此外，市場(chǎng)需求研判智能體面向企業(yè)在銷售與售前服務(wù)環(huán)節(jié)的提效需求，提供戰(zhàn)略客戶全渠道畫(huà)像構(gòu)建、宏觀與微觀業(yè)務(wù)動(dòng)態(tài)追蹤、項(xiàng)目商機(jī)挖掘與評(píng)估等一系列能力，目前已在運(yùn)營(yíng)商的政企客戶服務(wù)場(chǎng)景中投入應(yīng)用；數(shù)字員工管理平臺(tái)針對(duì)企業(yè)未來(lái)大規(guī)模應(yīng)用數(shù)字員工所需的運(yùn)營(yíng)管理支撐，提供涵蓋數(shù)字化形象定制與管理、智能播報(bào)內(nèi)容生成、實(shí)時(shí)互動(dòng)響應(yīng)（對(duì)接智能體）在內(nèi)的全流程數(shù)字人能力支持，目前已在煙草行業(yè)相關(guān)場(chǎng)景中開(kāi)展試點(diǎn)探索。

同步亮相的具身智能智腦產(chǎn)品HCR -“X”機(jī)器人成為一大亮點(diǎn)。

據(jù)馬亮介紹，該機(jī)器人融合百川智能頂尖大模型（BaiChuan-M2-PLUS）與HCR自有模型和算法模型調(diào)優(yōu)能力，是能理解復(fù)雜指令、自主完成任務(wù)的“行業(yè)熟手”?，F(xiàn)場(chǎng)，搭載智腦的松延動(dòng)力機(jī)器人“小頑童”通過(guò)精準(zhǔn)問(wèn)答，展現(xiàn)了公司在訓(xùn)練多行業(yè)垂直專業(yè)化“智腦”方面的能力。

此外，為推進(jìn)生態(tài)共建，HCR慧辰股份副董事長(zhǎng)何偉與首都在線高級(jí)副總裁何劍鳴于現(xiàn)場(chǎng)完成戰(zhàn)略簽約。未來(lái)，雙方將重點(diǎn)在消費(fèi)場(chǎng)景進(jìn)行深度融合，通過(guò)聯(lián)合打造更具針對(duì)性和競(jìng)爭(zhēng)力的標(biāo)準(zhǔn)化或定制化方案，賦能終端企業(yè)客戶實(shí)現(xiàn)智能化轉(zhuǎn)型。

以下為馬亮演講（經(jīng)編輯）：

隨著技術(shù)發(fā)展，數(shù)據(jù)、模型、算力這些要素正在不斷進(jìn)步，尤其是數(shù)據(jù)積累非?？?，很多大企業(yè)的內(nèi)部數(shù)據(jù)增長(zhǎng)迅猛。

這就帶來(lái)一個(gè)現(xiàn)實(shí)：企業(yè)越來(lái)越希望把內(nèi)部數(shù)據(jù)用好、用出價(jià)值，實(shí)現(xiàn)從“數(shù)字化”到“智能化”的跨越——數(shù)據(jù)不該只是成本，最好能變成收入。

在這個(gè)過(guò)程中，“智能體”成了熱點(diǎn)。今年我們看到不少智能體模式出現(xiàn)，但很多都是基于通用大模型加上智能體框架來(lái)做。這類方式在 to C 場(chǎng)景中可能沒(méi)問(wèn)題，但在 to B，尤其面對(duì)大型企業(yè)時(shí)，往往不夠用。我們不少大客戶在2023、2024年嘗試之后反饋，這類方案聽(tīng)起來(lái)很對(duì)，但實(shí)際“沒(méi)什么用”。原因有幾個(gè)：

第一，方案無(wú)法深入業(yè)務(wù)，解決不了實(shí)際問(wèn)題，客戶稱之為“正確而無(wú)用的東西”；第二，模型存在幻覺(jué)問(wèn)題，輸出不可靠，影響決策；第三，如果用公共模型傳數(shù)據(jù)，合規(guī)會(huì)成問(wèn)題；第四，如果做私有化部署，成本又太高——比如部署一個(gè)千億級(jí)別的大模型，可能需要一批H100/H200服務(wù)器，一臺(tái)就兩百多萬(wàn)，大多數(shù)企業(yè)投不起。

因?yàn)檫@些現(xiàn)實(shí)問(wèn)題，很多客戶還在觀望。但我們從中看到一個(gè)共識(shí)：真正的落地，必須依靠垂直類大模型。企業(yè)不需要“什么都會(huì)，但什么都不精”的通才，而要的是在特定場(chǎng)景下能解決問(wèn)題的專才。

而垂直模型的核心，就是數(shù)據(jù)——你有沒(méi)有那個(gè)行業(yè)的專業(yè)數(shù)據(jù)。這些數(shù)據(jù)規(guī)模不一定很大，但專業(yè)性強(qiáng)，而且散布在各個(gè)行業(yè)深處，外部很難獲取，只有像我們這樣長(zhǎng)期在行業(yè)中積累的公司，才能沉淀下來(lái)。

我們公司做了十五六年數(shù)據(jù)分析，主要在快消、汽車、醫(yī)療、運(yùn)營(yíng)商、煙草、TMT等行業(yè)服務(wù)。每年采購(gòu)數(shù)據(jù)的合同量很大，去年就有1343個(gè)，采購(gòu)成本在一點(diǎn)幾到兩點(diǎn)幾個(gè)億之間，占項(xiàng)目成本的40%–60%。十幾年下來(lái)，累計(jì)投入幾十億，也因此積累了大量的行業(yè)數(shù)據(jù)。

這些數(shù)據(jù)主要覆蓋三大類：企業(yè)外部環(huán)境數(shù)據(jù)、內(nèi)部運(yùn)營(yíng)數(shù)據(jù)，以及產(chǎn)品和用戶數(shù)據(jù)。更重要的是，我們?cè)跇I(yè)務(wù)過(guò)程中對(duì)這些數(shù)據(jù)做了深度的業(yè)務(wù)標(biāo)注和特征抽象，不僅做基礎(chǔ)處理，還會(huì)做業(yè)務(wù)層面的質(zhì)量評(píng)估和雙向校驗(yàn)，標(biāo)注出業(yè)務(wù)異常、突變、歸因邏輯等——這些才是企業(yè)真正關(guān)心、愿意買(mǎi)單的分析點(diǎn)。

過(guò)去我們沒(méi)敢大規(guī)模用這些數(shù)據(jù)，一方面是因?yàn)閿?shù)據(jù)應(yīng)用的政策法規(guī)還不夠明確，合規(guī)有風(fēng)險(xiǎn)；另一方面，也缺乏高效的技術(shù)手段把數(shù)據(jù)資源快速自動(dòng)化地應(yīng)用起來(lái)。直到2023年下半年，相關(guān)政策逐漸清晰、可操作，我們才開(kāi)始動(dòng)手，把原來(lái)的能力體系升級(jí)，基于大模型和智能體構(gòu)建新的架構(gòu)。

新體系包括幾個(gè)部分——底層是算力資源，我們自建一部分，也引入生態(tài)伙伴，共同支持算力需求；數(shù)據(jù)層面，把數(shù)據(jù)從成本變成可運(yùn)營(yíng)、可銷售的資產(chǎn)；在此基礎(chǔ)上，結(jié)合行業(yè)認(rèn)知，做出更有價(jià)值的應(yīng)用。

從今年開(kāi)始，我們一個(gè)行業(yè)一個(gè)行業(yè)地系統(tǒng)整理數(shù)據(jù)。

比如快消領(lǐng)域中的飲料細(xì)分，我們已經(jīng)整理了近800項(xiàng)高質(zhì)量數(shù)據(jù)。通過(guò)自動(dòng)蒸餾等技術(shù)，我們把數(shù)據(jù)加工得更加適合垂類大模型訓(xùn)練。這些數(shù)據(jù)本身可以對(duì)外銷售，很多做大模型的廠商都非常需要；同時(shí)我們也內(nèi)部用于訓(xùn)練行業(yè)模型，支撐智能體的開(kāi)發(fā)——因?yàn)槲覀冇懈哔|(zhì)量數(shù)據(jù)，所以智能體在專業(yè)對(duì)話和業(yè)務(wù)理解上能做得更到位、更可信。

在產(chǎn)品層面，我們重點(diǎn)還是解決企業(yè)內(nèi)的數(shù)據(jù)分析需求，尤其是兩大場(chǎng)景：結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)分析。傳統(tǒng)BI工具靈活性不足，而我們基于大模型和智能體，可以讓業(yè)務(wù)人員直接用自然語(yǔ)言提問(wèn)，快速獲得分析結(jié)果、歸因解讀甚至行動(dòng)建議——這才是客戶愿意買(mǎi)單的價(jià)值。

例如，某國(guó)際飲料客戶，全國(guó)有1000多人的銷售團(tuán)隊(duì)。原來(lái)用傳統(tǒng)BI系統(tǒng)，現(xiàn)在通過(guò)我們的智能體，在手機(jī)上3分鐘內(nèi)就能問(wèn)到銷售情況，效率大大提升；某醫(yī)藥客戶，在做藥品電話調(diào)研復(fù)核時(shí)，原來(lái)需要三到四天完成的分析，現(xiàn)在半小時(shí)就能出結(jié)果，準(zhǔn)確率達(dá)到85%，而用通用大模型只有50%–60%。

除了數(shù)據(jù)分析類產(chǎn)品，我們也布局?jǐn)?shù)字人和智能體管理平臺(tái)。企業(yè)越來(lái)越需要可控、可管理的數(shù)字人員工，用于內(nèi)容生成、培訓(xùn)、政策解讀甚至領(lǐng)導(dǎo)發(fā)言視頻制作。我們提供的平臺(tái)可以幫助企業(yè)快速訓(xùn)練和管理多個(gè)數(shù)字人，適應(yīng)不同場(chǎng)景，目前在煙草、運(yùn)營(yíng)商等領(lǐng)域已經(jīng)開(kāi)始落地。

最后，我們也開(kāi)始探索人形機(jī)器人方向。我們認(rèn)為，機(jī)器人的終極能力不只在于運(yùn)動(dòng)控制（小腦），更在于認(rèn)知與決策（大腦）。我們正在嘗試將行業(yè)模型和數(shù)據(jù)能力嵌入機(jī)器人“大腦”，例如在醫(yī)療健康場(chǎng)景中，讓機(jī)器人具備健康監(jiān)測(cè)、老人看護(hù)、應(yīng)急響應(yīng)等能力。這背后需要垂直的醫(yī)療知識(shí)、語(yǔ)音交互和多模態(tài)識(shí)別，正是我們可以賦能的領(lǐng)域。

總結(jié)來(lái)說(shuō)，我們未來(lái)的方向非常明確：基于已積累的行業(yè)數(shù)據(jù)、垂直模型和智能體技術(shù)，為企業(yè)提供更專業(yè)、更安全、更低成本的智能化解決方案。我們不追求技術(shù)的“快”或“炫”，而是聚焦在客戶真正關(guān)心的降本增效、專業(yè)可信與合規(guī)安全上，一個(gè)行業(yè)一個(gè)行業(yè)扎下去，把智能化的價(jià)值做實(shí)。

作者：蘇打

出品：明亮公司