如今的科技圈,除云计算、大数据、Iot等热门话题外,人工智能也是频登热搜、圈粉无数。在当下的互联网时代,智能化的趋势愈演愈烈,在高速发展的步伐下也催生了强劲的市场需求。
基于此,国内不少企业加快开发智能产品或解决方案的步伐。明略数据作为业内知名厂商,顺应趋势于8月22日举办以产品理念"格物致知·人机同行"为主题的发布会,此次发布会重磅推出业内首个业人工智能大脑"明智系统"。
"在未来企业里,每个人都会有一个自己的智能助理,企业将通过个体赋能到全局智能,颠覆行业未来。" 明略数据创始人兼董事长吴明辉在发布会上表示。从第一个中国行业人工智能大脑"明智系统",到中国市场上第一个知识图谱数据库"蜂巢",再到企业级人工智能统一入口"小明"。可以看出,此次发布会完美诠释了明略数据"行业人工智能"的运营方向。

首个行业人工智能大脑"明智系统" 落地
"致知在格物,物格而后知至"。早在两千多年前,人类就已从探究事物的过程中获得智慧。在人工智能时代,"格物致知"的另一层境界是"量化世界",在海量的数据中提取知识和本质,利用知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术,为企业构建知识图谱数据库,通过对本体、关系、规则的混合存储,颠覆企业传统关系型数据库的数据存储架构,用"智慧"数据辅助决策。

据介绍,此次明略数据的"明智系统"通过解释模型和规则引擎,模拟领域中最佳业务操盘手辅助决策行为,并不断提炼业务场景的决策模型,实现准确、可靠的决策辅助,实现真正的人工智能大脑。
在发布的"明智系统"中,重要组成部分"蜂巢"便是国内首个"知识图谱数据库"。先脑补一下“知识图谱数据库”,事实上这个概念是在当下智能化的趋势下被提出的,是使用基于图数据库的混合存储技术实现大规模知识图谱数据存储,是机器大脑中的知识库、人工智能应用的基础设施。数据是散落在各个维度里无数个散点,但在"蜂巢"的辅助下,"明智系统"从万亿的分散的数据点中提取有效信息,再从纷繁复杂的信息进行关系连接和分类,织就庞大的关系网。知识图谱数据库则赋予了数据智慧,通过总结人类的经验和规则,让系统以人类的思维方式在大数据的信息迷宫中找到目标出口,实现自动处理业务,快速辅助人类决策的功能。同时将数据与知识联结并结构化、程序化,让知识可以传承,所以在未来知识图谱也将是一个至关重要的技术。
明略数据创始人兼董事长吴明辉在会上表示:"明智系统能够通过可感知的被信任的拟人交互过程实现人机同行;通过数据治理为知识图谱构建新一代企业数据架构;通过行业人工智能应用发挥知识图谱中数据和知识的巨大价值。人和计算机在未来,是亦师亦友的关系,而明智系统的发布是为了用人工智能帮助人类与机器更好的组合,并为各行各业提供解决技术与解决方案。"
因此,"明智系统"的发布也标志着中国企业级人工智能服务发展进入了一个,由知识驱动人工智能,助力企业发展的新时代。
除此之外,"小明"是企业级人工智能统一入口,为"明智系统"以对话形式与人类进行交互并提供业务支持。作为新一代基于自然语言交互的软件产品,用户可以以对话的形式向"小明"下达指令,系统通过语义分析,识别用户指令,迅速反应提供业务决策支持。通过垂直行业化场景在线,让机器适配人类自然行为,以对话这种最习惯、最便捷的形式,将复杂业务变得简单。
小明系统展示图
在发布会现场,明略数据创始人兼董事长吴明辉向我们演示了在公安行业的相关应用中,"小明探长"的使用方式。通过对话形式向小明提出需求,"小明"可以完成调出案件、进行案件解析、案例研判等多个操作。通过对解析案件线索以及根据特征对案件进行推演等指令,"小明"能够快速反馈案件关键信息,以及给出完善准确的推演展示。我们可以直观的看到,在提升决策效率的要求下,"小明"有着毋庸置疑的能力。
落地垂直行业 打造三大行业人工大脑
我们知道,人工智能发展至今已取得了诸多成绩,同时在中国诞生了数十家的人工智能企业,从语音识别到人脸识别,个人人工智能市场激增爆发。但是企业级人工智能市场,尤其基于知识驱动的业务辅助决策领域,仍属于空白地带,人工智能技术难以落地的问题仍未被解决。
"面对人工智能,企业级服务数据要复杂得多,需要处理各种不同的数据源,面向的受众也不单单是面对个人,而是一个群体,所以面对企业级服务,人工智能更是难以实现。" 明略数据创始人兼董事长吴明辉也在会中提到了,这也是人工智能技术难以落地的难题。

而"明智系统"的出现,正标志着明略数据踏出行业人工智能广泛落地的第一步,也是极其坚实的一步。"明智系统"立足行业、服务行业,为企业级人工智能市场添上"浓墨重彩"的一笔,旨在让企业决策"有据可依"不再烧脑。
"明智系统"通过数据治理技术将数据治理成信息,并自动完成知识抽取、知识融合、知识推理、知识验证、图谱构建,再通过知识图谱数据库"蜂巢"完成知识表示、知识存储、知识索引,从而构建特定行业领域的知识图谱。以企业级人工智能统一入口"小明" 让人类自然地与机器协作交互,最终构建公安大脑、金融大脑、工业大脑,形成了完整的企业级人工智能服务产品体系。
明略数据整合多年垂直行业对业务的深度理解与实践,深耕公共安全、金融、工业与物联网等行业领域,基于知识图谱数据库的落地实践帮助行业客户实现业务智能化。目前明略数据已与省、市级公安局、交通银行、中国中车等行业标杆客户展开多方合作。在提供的近百位客户中,为公安行业实现5-20%的破案率提升,帮助金融行业风险监测效率提升3000倍,为工业提供准确率大于98%的故障诊断系统,在行业时间红,切实帮助客户提升业务效率。未来明略数据还将完善个层次能力,降低明智系统落地的复杂性和成本,更好的与客户并肩实践行业人工智能应用。
行业人工智能为杠杆 撬动多个未来
未来人工智能将在个行业陆续普及普及,随着感知、传感器和机器人的发展,人工智能会逐渐适配实体世界,最终人工智能将穿透到个人工作场景。一批中国人工智能公司,为企业治理、链接、挖掘数据,通过数据挖掘找到业务规律,将经验转化为信息,释放数据资产的非凡价值。将人工智能数据管理技术落地到行业应用中,构建适合多维、多层关系挖掘的新一代企业数据架构,经过关系关联挖掘找到业务规律,为决策者提供用于解决问题的结构化信息--知识。
所谓"三生万物",从三个垂直行业开始,"明智系统"将以智慧为杠杆撬动更多未来。未来10至15年,人工智能将迎来落地的战略机遇期,一个重要的切入点就是利用人工智能重构企业知识的生产、流动和使用,进而使机器自身具备数据收集、整理、分析的能力,自主做出判断和决策。“在未来,明略数据还将继续汇聚人类智慧,实现行业价值,贯穿更多工作场景,为企业级人工智能带来更多未来。”吴明辉表示。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。