扎根行业核心场景，强调商业化落地的务实性。
我们分析公司产品与服务的布局逻辑，体现了从细分领域切入到逐步扩展的清 晰路径。① 初期，公司发现金融等行业有大量高质量的数据积累，同时，市场规模大、竞 争激烈，转型需求尤为迫切。基于此，公司为其提供应用开发服务，并推出了 先知AI平台——提供低代码或无代码开发环境，帮助企业快速构建AI应用，降 低部署门槛。平台具备即插即用特性，同时提供高效的算力管理，可以降低企 业自建AI系统的成本。 ② 若单纯依靠工具软件，难以充分发挥软件优势以及支撑更高定价。因此，为发 挥先知平台的性能优势并提升收入规模，公司向下延伸至基础设施领域，推出 了在硬件上预装先知平台及产品的软件定义一体化解决方案SageOne，以满足 工具用户开发应用后对算力的持续增长需求。SageOne将软件和硬件之间的协 同效应最大化，提升了AI解决方案的表现。因此，公司通过推出AI优化的软硬件 一体化解决方案，既提升了客户认可度，又能通过硬件资源增厚营收。 ③ 同时，公司向上持续拓展AI应用开发服务。考虑到客户内部非专业开发人员难 以构建复杂应用，公司组织专家团队针对特定业务场景控开发高质量应用。不 仅填补了平台初期“空白”的生态缺口，还进一步丰富了客户的平台使用体验。 ④ 而在生成式AI时代，公司发布先知AI平台5.0版本，可以帮助构建行业基座大模 型，推出式说大模型产品，并提出AIGS战略，从自然语言交互出发，帮助企业 提升使用体验和开发效率，重新定义企业软件操作方式，推动生产力工具变革。
目前，公司已经形成了覆盖工具平台、面向各行业的AI应用和深入专业领域的AI大模 型在内的企业级AI解决方案完整体系，不仅可以通过先知AI平台提供标准化产品，也 可以帮助企业基于先知AI平台能力进行高效灵活的定制化开发，客户可以根据需求 组合，降低智能化转型阻力。
2. 具体而言，公司在AIGC时代的产品布局主要有两个方向： 先知AI平台：在传统AI的基础上，结合大模型能力，行业客户可以通过平台上传 不同模态的核心数据，以较低门槛训练出解决核心问题的场景大模型； 式说AIGS服务：提出AIGS战略，发布式说大模型，以企业软件系统改造为切入 点，围绕Copilot到CoT的技术迭代路径，逐步明确发展方向，提升企业使用体验 与开发效率。
① 先知AI平台：升级为行业大模型平台。先知AI平台作为公司核心产品，伴随AI技术进步与下游需求变化而持续迭代。公司在 2024年3月发布的5.0版本，可以帮助构建行业基座大模型。例如，在水务领域，基 于过去两周机组子部件的运行状态，先知AI平台可以使用水电设备大模型“生成”未来 一周子部件的运行状态，并“生成”可能发生故障的设备、原因及维修方案。而基于汛 期内水文数据及气象数据，水务大模型可以“生成”未来一周的水文情况，识别发生洪 水及相关次生灾害险情，并自动“生成”一个应急预案。AI大模型通用性效果突破大大提升了各领域客户智能化升级的意愿，而公司的先知平台5.0可以帮助企业客户快速 打造面向特定场景的AI大模型，符合各行业客户需求。
② 推出式说AIGS服务，提供基于生成式AI的高效开发工具和服务。生成式AI提供企业软件重塑可能。企业在ERP、SCM和CRM等系统的部署中面临较 高成本和复杂的操作环境，因此企业软件在满足使用价值的优先级下有时会忽视用 户体验，存在界面复杂、开发效率低下和功能迭代耗时等问题。在这种背景下，生成 式AI提供了越过传统界面设计、重塑企业软件交互的可能性。由此，公司提出AIGS 战略提升企业软件体验与开发效率。 公司将AIGS分为三个发展阶段。1.0阶段（Copilot），大模型以Copilot的出现将企 业软件改造成自然语言的交互形式，背后是企业内部应用库、私有数据之间的“联 网”，AI可以调用软件内置的数据与功能协助执行任务；2.0阶段（知识库+ Copilot）， 在1.0的基础上，持续丰富对话框能力，积累企业用户的行为数据来形成基于企业规 则的知识库，该知识库可以作为AI一次次执行复杂工作的攻略，大模型能够参照这 个攻略自动执行操作；3.0阶段（思维链CoT+Copilot），进一步具备了思维链CoT 能力，能够在学习大量数据和规则后，形成有步骤的推理，可以拆分并执行复杂工 作，进一步赋能企业软件体验与开发效率。
推出式说大模型，进入AIGS 3.0阶段。公司于2023年2月推出式说1.0版本，然后在 两个月内迅速完成两次迭代，在2023年3月和4月分别推出了2.0版本和3.0版本。其 中式说1.0版本将大语言模型与垂直领域知识进行融合，以满足企业级场景中对生成 式AI的需求；2.0版本在原有生成式对话能力的基础上，加入了文本、语音、图像等 多模态输入及输出能力，并增加了企业级Copilot能力，可以与企业内部应用库、私 有数据等进行联网，对信息和数据进行分析，回答员工的问询或执行相关任务，成 为业务助手；目前的3.0版本则在Copilot能力的基础上进一步引入CoT能力。 基于以上能力，式说大模型具备四大优势。 （1）多模态：支持多模态输入输出，企业私有化部署，数据安全、不出本地，无需 调用外部大模型，成本可控； （2）知识库：信源为企业内部知识库、融合知识图谱交叉验证生成内容准确、可信、 输出结果可溯源； （3）企业级Copilot：执行可控、知错能改； （4）思维链CoT：多步推理、复杂任务拆分、形成数据飞轮。
知识库能力旨在解决大规模预训练模型存在的知识过时、上下文长度受限等问题， 提升生成内容的可信度，同时有效应对实际业务需求。其核心技术是记忆增强 （Memory Augmentation），通过引入外部记忆机制，为模型提供实时且可信的数 据支持，辅助推理和问题解决。这一机制结合了Memory Policy Learning和Reward Learning等技术，同时配备了完善的反馈机制，帮助用户在实际应用中不断优化知识 库能力，使其随着使用频次的增加而不断改进。
知识库与Copilot能力深度结合，使大模型从语言生成工具转变为具备视觉、听觉和 执行能力的多模态智能系统。式说大模型提供一整套专用于图像、视频、语音和3D 模型分析的专用模型，可以结合客户的专业数据，利用AutoML等技术实现持续学习和优化，不断迭代以适应更复杂的业务场景，大模型因此具备了更广泛的感知和操 作能力。
CoT（思维链）+Copilot指的是企业通过知识库中的现有操作规范，利用Automated CoT Extraction技术初步构建私有化思维链，由机器替代人工执行任务。因为企业 软件操作规范的局限性，难以应对复杂任务。因此，AIGS 3.0阶段的核心在于通过 学习让机器掌握更多思维链能力，完成更加专业的工作。其实现分为两阶段： （1）第一阶段，通过模仿学习实现Procedure Cloning，让系统从专家实际操作中学 习思维链，模仿解决复杂问题的过程。这种方式能够实现“知其然”，但因缺乏对决策 逻辑的深层理解，难以超越专家能力； （2）第二阶段，借鉴AlphaZero的自我博弈机制，以目标为导向，通过自我实验不 断优化能力。具体而言，公司利用大语言模型结合环境学习技术，构建虚拟环境，让 大模型在虚拟环境中进行迭代训练，线下学习构建预训练决策大模型。随后，通过 将预训练模型应用于实际业务场景，并结合实际反馈进行微调，最终超越人类专家。
式说大模型凭借多模态能力、Copilot功能和CoT推理技术，广泛应用于各领域。目前，式说已与上百家企业及合作伙伴合作，覆盖金融、零售、制造、医疗、物流等领 域，展现了生成式AI在重塑行业流程与提升效率方面的巨大潜力。例如，在航空制造 领域，式说通过支持二维搜三维、三维搜三维等高效搜索功能，成功解决了传统工 业设计软件在零件查找与组装中的效率瓶颈。在物流行业，式说帮助优化装箱方案 以提升运输效率。在医疗领域，式说协助医生高效管理患者随访。在零售行业，式说 帮助店务智能管理。
整体看，公司的AIGC布局打通了从底层模型到行业应用的全链路，强调商业化 落地的务实性。公司在AIGC领域通过切入特定的企业软件场景，打通从底层模型到行业应用的全链 路——基于LLM和式说大模型底座，整合了知识库、Copilot和思维链等能力，帮助 构建行业大模型，支持金融、零售、医疗、制造、能源等多领域的复杂场景应用，为 不同行业提供可落地的端到端企业级解决方案。此外，让仅具备聊天或绘图等单一 能力的AI大模型升级为能够赋能实际生产场景的智能生产力工具，使得企业能够借 助其能力高效解决复杂任务。
行业大模型在商业形态上较为符合市场需求。区别于通用大模型，行业大模型直接 面向具体行业需求，基于不同模态的数据（如体检报告、欺诈数据、监测数据等）训 练出解决特定场景问题的模型，不仅细化了行业划分，还能够高效覆盖特定场景需 求，比单一的大语言模型更具实用性和针对性。例如，在金融行业，行业大模型能够 专注于风险控制、信贷评估等核心问题，而不是简单地与客户对话。这种聚焦性能 够帮助企业有效提升运营效率，优化业务决策流程，直接创造实际价值。 从成本端来看，行业大模型也是较为务实的选择。相较于通用大模型需要巨量资源 进行大规模训练，行业大模型以更小的参数规模便可满足大部分业务需求，显著降 低了算力与数据成本，降低了企业构建门槛。 而AIGS发展路径清晰可持续，可以有效拓宽成长边界。大模型技术的快速发展催生 了大量面向ToB领域的“类ChatGPT”产品。然而，这些产品大多未能有效解决企业 数字化转型中的核心痛点——企业软件系统的繁杂低效问题。公司在AI大模型市场 尚未成熟且竞争格局不明朗的背景下，提出以AIGS战略，发布式说大模型，以企业 软件系统改造为切入点，围绕Copilot到CoT的技术迭代路径，逐步明确发展方向，提 升企业使用体验与开发效率。这一差异化且务实的战略选择，为公司在生成式AI时 代奠定了清晰而可持续的发展路径，同时也拓宽了成长边界。
我们认为，在AIGC时代，相比单纯追求模型规模的“跑马圈地”，公司选择在特定 的行业与场景“纵向深耕”，避开了直接与OpenAI等巨头正面竞争。因为大模型在 企业落地的本质是作为工具来解决其核心诉求，公司的先知AI平台及AIGS服务注重 为企业客户创造价值，强调商业化落地的务实性，发展路径清晰可持续，有望驱动 公司实现长期增长。
