亚信科技欧阳晔：以产品与市场匹配为第一原则，推动“渊思”行业大模型创新应用

5月21日消息（九九）自ChatGPT问世以来，生成式预训练模型迅速成为全球科技领域关注的焦点，国内外大模型呈现出百花齐放、百模大战的态势。

“在大模型的热潮下，亚信科技并没有急于推出自己的大模型，而是坚持大模型产品与市场匹配的第一原则，经过近两年的时间对产品进行潜心设计和细致打磨，以及应用落地的实践锤炼，推出‘渊思’行业大模型产品。”

亚信科技首席技术官兼高级副总裁、IEEE Fellow欧阳晔博士接受C114采访时介绍，“渊思”产品体系包括1个“渊思”通用人工智能与认知增强平台TAC MaaS，3个“渊思”行业大模型和8个“渊思慧见”认知增强工具集。今年下半年，亚信科技还将面向能源和交通行业增加两款行业专属模型，不断推动大模型技术在更多企业业务中的创新应用。

“138”渊思产品体系落地70+商用案例

欧阳晔进一步介绍，通用人工智能与认知增强平台TAC MaaS是亚信科技全力打造的智能化MaaS底座和“一站式”企业级AI平台，提供全栈AI技术、开箱即用的MaaS（Model as a Service，模型即服务）服务，有效弥合通用大模型与行业应用的鸿沟，解决AI开发和服务过程中的竖井式运维、资源利用率低等问题。

基于TAC MaaS，亚信科技首批发布面向软件工程领域的“渊思编程大模型”，支撑行业专属场景的代码生成注释、代码总结、单元测试生成等10余项编程任务，在各种行业编程任务中表现优异，助力提升程序员工作的准确率和工作效能；面向网络智能化领域的“渊思自智网络大模型”，支撑网络状态实时分析、网络故障识别、网络投诉处理等网络全生命周期智能化能力，助力通信网络向高阶自智演进，是自智网络等级提升的“催化剂与加速器”；面向IT运维领域的“渊思智能运维大模型”，提供客户投诉处理、运维工单处理、运维知识问答、运维决策执行等全方位智能运维服务，加速IT运维系统的自动化和智能化。

基于这三个大模型，亚信科技继续打造八个认知增强工具：渊思慧见-业务智办副驾（ChatCRM）、渊思慧见-自智网络副驾（AN CoPilot）、渊思慧见-商业智能增强分析工具产品（ChatBI）、渊思慧见-知识对话机器人（ChatBots）、渊思慧见-图灵程序员（TuringCoder）、渊思慧见-智能运维副驾（Ops CoPilot）、渊思慧见-任务编排自动化工具（RPATaskGPT）和渊思慧见-数据管治副驾（DMG CoPilot），这些工具能够平滑接入存量或是增量通信软件基础设施的生产系统中，解决大模型在行业应用中“最后一公里”的落地问题。

欧阳晔表示，上述三款大模型和八款应用工具已经形成70+落地商用案例，目前是以通信行业为主，今年下半年，亚信科技还将面向能源和交通行业增加两款行业专属模型，不断推动大模型技术在更多企业业务中的创新应用。

AI原生重构亚信科技所有软件基础设施

对于笔者提出的“渊思大模型和应用工具落地70+行业的困难与挑战”一问，欧阳晔回答说：“行业大模型做出来以后只是把数学题做完了，但是落地应用是从数学问题切换到物理问题。”将大模型的工具集应用到垂直行业去做“田野试验”，可能会出现幻觉、准确率欠佳等问题，类似问题不仅出现在大模型时代，其实在前大模型时代，机器学习、统计学习、深度学习到客户侧落地的时候都有一个“从喂养到运营”的培育成熟的过程。

亚信科技在联合客户创新落地的过程中，基本上会持续进行60-90天的迭代优化，但也不排除实验到最后仍然不成功的可能。毕竟从“0到1”的过程，无法保证每一个模型都是成功的。“这些发布出来的大模型只是分子，但其实有更多的分母。”

欧阳晔指出，“138”渊思产品体系发布的所有软件和工具，自2023年Q3开始已经在内部开启“先行先试”，用于提升内部的自动化和智能化程度；通过AI原生、大模型，以及泛自动化和智能化能力，亚信科技还将打造一些新型的通信和垂直领域的专属模型和应用工具集；此外，亚信科技还将用AI去重构内部所有软件基础设施。

欧阳晔进一步指出，当前，行业大模型正推动着各行各业软件系统从+AI的注智模式向AI+的重构模式快速迁移，为了全面有效地解决企业面临的数智化转型挑战，亚信科技联合清华大学、Intel共同发布《AI Native技术重构软件产品白皮书》，体系化阐述基于行业大模型构建AI原生应用的观点与实践。

随着大语言模型LLM展现出通用人工智能AGI的潜力，AI Native这一概念在2023年逐渐流行起来。但业界对于AI Native的定义尚未形成广泛共识，白皮书认为AI Native 是一套以通用人工智能AGI为核心重构数字化系统的方法论和技术体系，目标是构建一个更加智能、自主和协同的未来。“随着技术的不断进步，AI Native将成为推动社会进步和经济发展的重要力量。”欧阳晔说。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。