數(shù)勢聯(lián)動百川，發(fā)布首批大模型聯(lián)合解決方案，推動中國大模型價值落地

　 阿里云優(yōu)惠券 先領(lǐng)券再下單

近日，行業(yè)領(lǐng)先的數(shù)據(jù)智能產(chǎn)品提供商北京數(shù)勢云創(chuàng)科技有限公司（以下簡稱“數(shù)勢科技”）和國內(nèi)通用大模型廠商北京百川智能科技有限公司（以下簡稱“百川”）聯(lián)合發(fā)布大模型數(shù)據(jù)分析垂直領(lǐng)域應(yīng)用解決方案。本次發(fā)布是數(shù)勢科技與國內(nèi)主流大模型廠商首批落地的聯(lián)合解決方案，也是數(shù)勢垂直應(yīng)用能力與大模型底座能力耦合實現(xiàn)商業(yè)化落地的重要里程碑，能夠幫助企業(yè)實現(xiàn)數(shù)據(jù)資產(chǎn)化、資產(chǎn)價值化的有效轉(zhuǎn)化，釋放企業(yè)增長空間。

垂直領(lǐng)域大模型大幅降低了數(shù)據(jù)服務(wù)的使用門檻，智能化數(shù)據(jù)分析釋放生產(chǎn)力

數(shù)據(jù)價值最大化不僅有助于企業(yè)的發(fā)展，更是企業(yè)在激烈市場競爭中脫穎而出的關(guān)鍵。大模型技術(shù)的出現(xiàn)和發(fā)展，使得數(shù)據(jù)服務(wù)變得更加智能和自動化，進一步降低了使用門檻。借助這一技術(shù)，企業(yè)可以高效地挖掘數(shù)據(jù)價值，改變過去傳統(tǒng)數(shù)據(jù)分析方式的路徑長、存在明顯人力瓶頸等問題，通過使用人員自然語言的交互，快速完成準確的數(shù)據(jù)分析需求，為決策提供有力支持。在這個過程中，員工的生產(chǎn)力得到了極大的釋放。他們可以從繁瑣的數(shù)據(jù)處理工作中解脫出來，將更多精力投入到創(chuàng)新和優(yōu)化業(yè)務(wù)上。由此，企業(yè)產(chǎn)能得到了顯著提高，實現(xiàn)了規(guī)模效應(yīng)和利潤的最大化。

然而，想要實現(xiàn)上述場景，企業(yè)除了加強數(shù)據(jù)人才培養(yǎng)外，在數(shù)據(jù)使用層面還需在以下幾個方面下功夫：

首先，完善數(shù)據(jù)基礎(chǔ)設(shè)施。高質(zhì)量的數(shù)據(jù)是實現(xiàn)數(shù)據(jù)價值的基礎(chǔ)。企業(yè)需要投入資源，建立健全的數(shù)據(jù)采集、存儲、處理和分析體系，確保數(shù)據(jù)的準確性和完整性。

其次，提升垂直領(lǐng)域內(nèi)的數(shù)據(jù)治理能力。企業(yè)需要基于大模型能力進行垂直領(lǐng)域微調(diào)，規(guī)范數(shù)據(jù)使用，統(tǒng)一數(shù)據(jù)口徑和業(yè)務(wù)價值，提高數(shù)據(jù)的使用價值和效率。

最后，深化數(shù)據(jù)應(yīng)用場景。企業(yè)需積極探索數(shù)據(jù)在不同業(yè)務(wù)領(lǐng)域的應(yīng)用，通過更高效與實際業(yè)務(wù)相結(jié)合，以高效、深刻的數(shù)據(jù)分析能力發(fā)掘數(shù)據(jù)背后的洞察，為業(yè)務(wù)決策提供有力依據(jù)。

大模型在數(shù)據(jù)分析領(lǐng)域的智能應(yīng)用將是企業(yè)數(shù)字化發(fā)展的重要推動力。此次雙方的合作，便是將數(shù)勢科技在指標平臺、標簽平臺的產(chǎn)品優(yōu)勢與百川Baichuan2-Turbo大模型+搜索增強能力進行強強聯(lián)合，為企業(yè)數(shù)字化發(fā)展帶來革命性改變，聚焦數(shù)據(jù)分析應(yīng)用場景，實現(xiàn)新的增長曲線。雙方通過產(chǎn)品聯(lián)合，可以形成一套完整的端到端的解決方案，共同幫助包括大金融、智能制造、消費零售在內(nèi)的先進企業(yè)打造基于指標+標簽的語義層的高可用智能數(shù)據(jù)分析平臺，讓用戶能夠以自然語言與數(shù)據(jù)對話，完成數(shù)據(jù)價值挖掘與分析應(yīng)用，實現(xiàn)數(shù)據(jù)價值的最大化，助力企業(yè)持續(xù)發(fā)展。

基于 百川Baichuan2-Turbo 大模型+搜索增強 能力， 解決99%企業(yè)知識庫的定制化需求

在大模型落地應(yīng)用方面，百川智能認為搜索增強是關(guān)鍵，能夠有效解決幻覺、時效性差、專業(yè)領(lǐng)域知識不足等阻礙大模型應(yīng)用的核心問題。一方面，搜索增強技術(shù)能有效提升模型性能，并且使大模型能“外掛硬盤”，實現(xiàn)互聯(lián)網(wǎng)實時信息+企業(yè)完整知識庫的“全知”；另一方面，搜索增強技術(shù)還能讓大模型精準理解用戶意圖，在互聯(lián)網(wǎng)和專業(yè)/企業(yè)知識庫海量的文檔中找到與用戶意圖最相關(guān)的知識，然后將足夠多的知識加載到上下文窗口，借助長窗口模型對搜索結(jié)果做進一步的總結(jié)和提煉，更充分地發(fā)揮上下文窗口能力，幫助模型生成最優(yōu)結(jié)果，從而實現(xiàn)各技術(shù)模塊之間的聯(lián)動，形成一個閉環(huán)的強大能力網(wǎng)絡(luò)。

在大模型+搜索增強能力的基礎(chǔ)上，百川不僅將向量數(shù)據(jù)庫升級為搜索增強知識庫，極大提升了大模型獲取外部知識的能力，并且把搜索增強知識庫和超長上下文窗口結(jié)合，讓模型可以連接全部企業(yè)知識庫以及全網(wǎng)信息，能夠替代絕大部分的企業(yè)個性化微調(diào)，解決99%企業(yè)知識庫的定制化需求，不僅為企業(yè)節(jié)省巨大成本，還能夠更好地實現(xiàn)垂直領(lǐng)域知識的沉淀，讓專有知識庫能夠真正成為企業(yè)不斷增值的資產(chǎn)。

憑借數(shù)勢智能分析助手NL2MQL（M指“Metrics”）能力，幫助企業(yè) 打造人人 高可用 的智能數(shù)據(jù)分析平臺

以大模型能力賦能數(shù)據(jù)分析領(lǐng)域應(yīng)用，通常企業(yè)會使用大語言模型直接驅(qū)動數(shù)據(jù)庫，通過AI生成的SQL語句，實現(xiàn)用戶問答數(shù)據(jù)自動獲取，但此標準方案存在效果瓶頸和性能風(fēng)險，譬如企業(yè)級數(shù)據(jù)查詢準確率低、多表關(guān)聯(lián)查詢方式導(dǎo)致性能不可控、面對海量數(shù)據(jù)時導(dǎo)致的高額表結(jié)構(gòu)學(xué)習(xí)成本，以及單純靠大模型生成SQL 無法解決高級反復(fù)的分析問題等問題。舉例來說，當用戶查詢“今年XX基金的申購額與贖回額分別是多少”時，由于指標語義模糊并涉及到跨表多指標查詢等問題，傳統(tǒng)的NL2SQL方式難以實現(xiàn)。

為解決此問題，數(shù)勢科技推出智能分析助手（SwiftAgent，也是此次聯(lián)合解決方案內(nèi)的核心產(chǎn)品），將數(shù)勢原有指標平臺和標簽?zāi)芰εc大模型基座結(jié)合，幫助客戶實現(xiàn)從自然語言查詢到精準的指標語義層進行關(guān)聯(lián)與展示，最終完成再到查詢?nèi)蝿?wù)執(zhí)行的更優(yōu)路徑，真正實現(xiàn)問答數(shù)據(jù)自動獲取，并在準確率效果與性能穩(wěn)定性層面帶來明顯提升。

百川與數(shù)勢強強聯(lián)合，大模型應(yīng)用解決方案實現(xiàn)數(shù)據(jù)價值最大化

雙方聯(lián)合解決方案以百川Baichuan2-Turbo為通用大模型基座，聯(lián)合數(shù)勢科技在大金融和消費零售等領(lǐng)域的行業(yè)儲備進行模型裁剪與微調(diào)。企業(yè)將多種數(shù)據(jù)源接入系統(tǒng)，首先進入數(shù)勢科技的指標和標簽平臺，平臺通過高性能的指標加速引擎，對企業(yè)數(shù)據(jù)進行定義，規(guī)范化加工原子指標、維度等，統(tǒng)一數(shù)據(jù)口徑，在此基礎(chǔ)上，平臺還采用”積木式“組裝派生和衍生指標，實現(xiàn)企業(yè)數(shù)據(jù)與指標語義的一一對應(yīng)，讓數(shù)據(jù)具有業(yè)務(wù)屬性，降低后續(xù)數(shù)據(jù)使用歧義與濫用。完成數(shù)據(jù)語義層加工后，各類數(shù)據(jù)再通過指標API服務(wù)支持多種數(shù)據(jù)分析類產(chǎn)品功能，向上賦能零售、金融、智能制造等不同行業(yè)的數(shù)據(jù)分析、營銷洞察、智能辦公等應(yīng)用場景。

值得一提的是，該方案的核心功能除了單一的數(shù)據(jù)查詢外，自動歸因分析、圖表自動推薦和生成，以及總結(jié)報告自動生成等核心功能均應(yīng)用了數(shù)勢智能分析助手產(chǎn)品的Agent架構(gòu)。這個過程中，借助Agent架構(gòu)首先完成復(fù)雜分析任務(wù)拆解，并通過API Function Call調(diào)用多種分析接口進行任務(wù)編排，讓 AI 回答“為什么”和”怎么做“。相比Copilot而言，Agent架構(gòu)下的方案可突破”每次僅可實現(xiàn)單一任務(wù)查詢“的限制，針對復(fù)雜事件具備規(guī)劃能力。舉例來說，當客戶提問：華東區(qū)XX基金的代銷金融產(chǎn)品申購費周環(huán)比為什么下降了？請找到原因并提供決策建議。自動化數(shù)據(jù)分析歸因步驟如下：

第一步，基于指標樹，自動拆解異常指標的子指標，自動定位，給出影響指標波動的最大貢獻子指標，大幅提升了業(yè)務(wù)團隊使用的效率與準確性；

第二步，支持用戶通過對業(yè)務(wù)數(shù)據(jù)進行維度歸因、因子歸因、時間序列歸因與相關(guān)性分析等多種洞察方法，完成數(shù)據(jù)波動自動歸因；

第三步，綜合人工經(jīng)驗和機器智能分析，自動生成分析報告。

實現(xiàn)大模型商業(yè)化落地，引領(lǐng)國內(nèi)先進企業(yè)數(shù)智化分析發(fā)展

對于此次合作，百川持積極態(tài)度，認為數(shù)勢科技的核心團隊在幫助大金融、高科技制造和消費零售領(lǐng)域?qū)崿F(xiàn)數(shù)字化轉(zhuǎn)型方面積累了深厚經(jīng)驗，擁有過硬的應(yīng)用產(chǎn)品能力和豐富的行業(yè)Know-how，相信此次百川和數(shù)勢科技合作能夠在企業(yè)數(shù)據(jù)分析領(lǐng)域?qū)崿F(xiàn)1+1>2的效果，能夠改變將大模型作為宣傳噱頭的現(xiàn)狀，真正為帶來更為卓越的業(yè)務(wù)洞察能力。百川團隊致力于幫助大眾輕松普惠地獲取世界知識和專業(yè)服務(wù)。今后雙方將通力合作，為客戶提供有價值、可落地，具備商業(yè)化能力的大模型應(yīng)用產(chǎn)品。

數(shù)勢科技則表示，成為企業(yè)首選長期技術(shù)合作伙伴是公司的長期使命，自成立以來，已服務(wù)了包括沃爾瑪、寶潔、永輝、京客隆、絕味食品、捷賽、脈鏈、民生銀行、廣發(fā)銀行、平安證券、中信建投等眾多先進企業(yè)客戶。此次雙方解決方案的落地，數(shù)勢與百川充分發(fā)揮了各自優(yōu)勢，形成能力集成與互補，率先實現(xiàn)大模型商業(yè)化，處于行業(yè)發(fā)展前列。未來，堅持實現(xiàn)數(shù)據(jù)價值普惠化的理念，數(shù)勢科技也將與更多主流大模型能力進一步融合，探索更多可落地應(yīng)用，讓技術(shù)創(chuàng)新為實現(xiàn)企業(yè)價值而生！

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！