報(bào)告編委
黃勇
愛(ài)分析合伙人&首席分析師
李進(jìn)寶
愛(ài)分析高級(jí)分析師
陳元新
愛(ài)分析分析師
目錄
1. 研究范圍定義
2. 市場(chǎng)洞察
3. 廠(chǎng)商全景地圖
4. 市場(chǎng)分析與廠(chǎng)商評(píng)估
5. 入選廠(chǎng)商列表
1. 研究范圍定義
研究范圍
人工智能的發(fā)展分為三個(gè)階段——計(jì)算智能、感知智能和認(rèn)知智能。簡(jiǎn)要來(lái)講，計(jì)算智能即快速計(jì)算、記憶和存儲(chǔ)能力，可以應(yīng)用于空間搜索、數(shù)值優(yōu)化和數(shù)字模擬；感知智能即視覺(jué)、聽(tīng)覺(jué)等感知能力，當(dāng)下熱門(mén)的語(yǔ)音識(shí)別、圖像識(shí)別、視頻處理便屬于感知智能的典型應(yīng)用，商湯科技、云從科技等AI四小龍是視覺(jué)領(lǐng)域的頭部玩家；認(rèn)知智能是指在數(shù)據(jù)結(jié)構(gòu)化處理的基礎(chǔ)上，理解數(shù)據(jù)之間的關(guān)系和邏輯，并在理解的基礎(chǔ)上進(jìn)行分析和決策，認(rèn)知智能包括理解、分析、決策三個(gè)環(huán)節(jié)。
如今，人工智能正由感知智能向認(rèn)知智能邁進(jìn)。認(rèn)知智能是人工智能發(fā)展的高級(jí)階段，致力于對(duì)人類(lèi)特有的自然語(yǔ)言、知識(shí)表達(dá)、邏輯推理、自主學(xué)習(xí)等能力進(jìn)行深入的機(jī)理研究與計(jì)算機(jī)模擬，讓機(jī)器具備“能理解、會(huì)思考”的能力，把人類(lèi)從重復(fù)體力勞動(dòng)和簡(jiǎn)單腦力勞動(dòng)中解放出來(lái)。認(rèn)知智能價(jià)值得到市場(chǎng)認(rèn)可，發(fā)展前景廣闊。認(rèn)知智能已在多個(gè)領(lǐng)域?qū)崿F(xiàn)落地應(yīng)用，包含零售、金融、工業(yè)、醫(yī)療和教育等。
如今，ChatGPT爆火，短短數(shù)月影響力便輻射全球。ChatGPT強(qiáng)大的自然語(yǔ)言生成能力讓人們看到了獲得通用人工智能的可能性，這將對(duì)人們的生產(chǎn)生活帶來(lái)顛覆性變革。以ChatGPT為代表的大語(yǔ)言模型屬于認(rèn)知智能范疇，這位重量級(jí)新成員的加入，顯著擴(kuò)張了認(rèn)知智能的應(yīng)用潛力和價(jià)值邊界，令認(rèn)知智能的未來(lái)充滿(mǎn)想象。
基于以上背景，愛(ài)分析希望通過(guò)認(rèn)知智能廠(chǎng)商全景和最佳實(shí)踐案例研究，為企業(yè)探索認(rèn)知智能的應(yīng)用價(jià)值，助力企業(yè)決策者精準(zhǔn)選擇合適廠(chǎng)商以及成功實(shí)施認(rèn)知智能項(xiàng)目。
從技術(shù)架構(gòu)角度，認(rèn)知智能市場(chǎng)可以劃分為平臺(tái)層和應(yīng)用層兩部分市場(chǎng)。平臺(tái)層提供支撐認(rèn)知智能算法、模型和應(yīng)用開(kāi)發(fā)及運(yùn)行的賦能工具。應(yīng)用層重點(diǎn)包括通用認(rèn)知智能應(yīng)用和行業(yè)認(rèn)知智能應(yīng)用兩部分，前者涵蓋對(duì)話(huà)機(jī)器人、智能文檔處理、知識(shí)管理等特定市場(chǎng)，后者涵蓋智能風(fēng)控、智能融媒體、智能診療等特定市場(chǎng)。
本報(bào)告重點(diǎn)選取知識(shí)圖譜平臺(tái)、NLP平臺(tái)、會(huì)話(huà)智能和智能診療四個(gè)市場(chǎng)作為重點(diǎn)研究對(duì)象，對(duì)認(rèn)知智能進(jìn)行研究。
廠(chǎng)商入選標(biāo)準(zhǔn)
本次入選報(bào)告的廠(chǎng)商需同時(shí)符合以下條件：
廠(chǎng)商的產(chǎn)品服務(wù)滿(mǎn)足各市場(chǎng)分析的廠(chǎng)商能力要求；
近一年廠(chǎng)商具備一定數(shù)量以上的企業(yè)付費(fèi)客戶(hù)（參考第4章各市場(chǎng)分析部分）；
近一年廠(chǎng)商在特定市場(chǎng)的營(yíng)業(yè)收入達(dá)到指標(biāo)要求（參考第4章各市場(chǎng)分析部分）。
（注：“近一年”指2022年Q1至2022年Q4）
2. 市場(chǎng)洞察
認(rèn)知智能市場(chǎng)規(guī)模超400億元
愛(ài)分析推算，2023年中國(guó)認(rèn)知智能市場(chǎng)規(guī)模為418.4億元人民幣，年增速為48.5%。市場(chǎng)保持較高增速主要得益于認(rèn)知智能應(yīng)用廣度和深度持續(xù)增加、利好政策以及由ChatGPT引發(fā)的大語(yǔ)言模型熱潮等三個(gè)方面的因素。
圖 1： 中國(guó)認(rèn)知智能市場(chǎng)規(guī)模預(yù)測(cè)
知識(shí)圖譜平臺(tái)：“海量非結(jié)構(gòu)化數(shù)據(jù)利用難”是構(gòu)建好用知識(shí)圖譜的攔路虎，企業(yè)應(yīng)與具備豐富項(xiàng)目積淀廠(chǎng)商合作以便解決數(shù)據(jù)難題
企業(yè)在經(jīng)營(yíng)中會(huì)積累起海量多源異構(gòu)數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)是甲方企業(yè)數(shù)據(jù)的主要組成部分。知識(shí)圖譜要納入非結(jié)構(gòu)化數(shù)據(jù)，必須借助NLP等認(rèn)知智能技術(shù)從中提取出結(jié)構(gòu)化信息。當(dāng)下主流的信息抽取方式是定制有監(jiān)督機(jī)器學(xué)習(xí)模型，先標(biāo)記數(shù)據(jù)，再訓(xùn)練模型。但有監(jiān)督機(jī)器模型訓(xùn)練意味著大量人工標(biāo)注工作，會(huì)帶來(lái)較高的人力成本和較長(zhǎng)的項(xiàng)目周期。
一種解決方法是使用無(wú)監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，但大模型訓(xùn)練成本高、方法論不成熟，因此短期內(nèi)落地可行性較低。頭部廠(chǎng)商通常采用另外一種解決方法。他們?cè)谑褂糜斜O(jiān)督機(jī)器學(xué)習(xí)的過(guò)程中，從公開(kāi)資料和過(guò)往項(xiàng)目經(jīng)驗(yàn)中積累語(yǔ)料、預(yù)訓(xùn)練模型和解析器，在項(xiàng)目中快速?gòu)?fù)用，通過(guò)產(chǎn)品化、系統(tǒng)化的方式降低成本、縮短項(xiàng)目周期。
NLP平臺(tái)：以NLP平臺(tái)為載體，企業(yè)可便捷搭乘“ChatGPT快車(chē)”
ChatGPT讓產(chǎn)業(yè)界看到了以它為代表的大模型的巨大價(jià)值。大量企業(yè)希望深度引入大模型，成為其IT技術(shù)底座之一，賦能上層應(yīng)用和業(yè)務(wù)。
NLP分成自然語(yǔ)言理解和自然語(yǔ)言生成兩個(gè)部分。自然語(yǔ)言生成門(mén)檻較高，因此NLP廠(chǎng)商涉足較少，大多聚焦自然語(yǔ)言理解部分。大模型捅破了自然語(yǔ)言生成的“窗戶(hù)紙”，以海量訓(xùn)練數(shù)據(jù)、GPU和強(qiáng)大的模型能力重構(gòu)企業(yè)對(duì)自然語(yǔ)言生成的認(rèn)知。相比于傳統(tǒng)模型的自然語(yǔ)言生成能力，大模型應(yīng)用于文字生成、文本理解、自動(dòng)問(wèn)答等下游任務(wù)時(shí)，生成的文本更加流暢，且內(nèi)容訴實(shí)性得到顯著改善，并因此逐漸成為企業(yè)關(guān)注焦點(diǎn)。大模型讓NLP平臺(tái)補(bǔ)全了孱弱的自然語(yǔ)言生成能力，二者天然契合。如今，NLP平臺(tái)頭部廠(chǎng)商的相關(guān)產(chǎn)品已經(jīng)蓄勢(shì)待發(fā)。
會(huì)話(huà)智能：會(huì)話(huà)數(shù)據(jù)多多益善，企業(yè)需要尋找“強(qiáng)聚合”廠(chǎng)商
會(huì)話(huà)數(shù)據(jù)分布在多個(gè)會(huì)話(huà)場(chǎng)域，例如微信、企微、釘釘、飛書(shū)、短信、呼叫中心、線(xiàn)下溝通等，碎片化特征明顯。廠(chǎng)商的能力往往體現(xiàn)在匯聚線(xiàn)上數(shù)據(jù)方面，而面對(duì)線(xiàn)下溝通數(shù)據(jù)則缺乏有效應(yīng)對(duì)手段，導(dǎo)致數(shù)據(jù)匯聚不夠全面，造成數(shù)據(jù)資源浪費(fèi)。同時(shí)，多數(shù)廠(chǎng)商對(duì)非結(jié)構(gòu)化數(shù)據(jù)利用程度較低，也會(huì)造成數(shù)據(jù)資源浪費(fèi)。
企業(yè)需要尋找具備線(xiàn)上線(xiàn)上一體化解決方案以及在非結(jié)構(gòu)化數(shù)據(jù)利用方面具有技術(shù)積累的廠(chǎng)商，實(shí)現(xiàn)全量會(huì)話(huà)數(shù)據(jù)價(jià)值釋放。
3. 廠(chǎng)商全景地圖
愛(ài)分析基于對(duì)甲方企業(yè)和典型廠(chǎng)商的調(diào)研以及桌面研究，遴選出在認(rèn)知智能市場(chǎng)中具備成熟解決方案和落地能力的入選廠(chǎng)商。
4. 市場(chǎng)分析與廠(chǎng)商評(píng)估
愛(ài)分析對(duì)本次認(rèn)知智能項(xiàng)目重點(diǎn)研究的特定市場(chǎng)定義如下。同時(shí)，針對(duì)參與此次報(bào)告的部分代表廠(chǎng)商，愛(ài)分析撰寫(xiě)了廠(chǎng)商能力評(píng)估。
4.1 知識(shí)圖譜平臺(tái)
市場(chǎng)定義：
知識(shí)圖譜平臺(tái)是面向企業(yè)打造業(yè)務(wù)場(chǎng)景應(yīng)用、挖掘數(shù)據(jù)價(jià)值的需求，構(gòu)建基于自然語(yǔ)言處理和知識(shí)圖譜技術(shù)，集知識(shí)建模、抽取、融合、存儲(chǔ)、計(jì)算、推理以及應(yīng)用為一體的知識(shí)全生命周期的管理平臺(tái)，其核心要素包括知識(shí)圖譜構(gòu)建、知識(shí)圖譜管理。
甲方終端用戶(hù)：
IT部門(mén)，研發(fā)、質(zhì)量、營(yíng)銷(xiāo)、售后等業(yè)務(wù)部門(mén)
甲方核心需求：
甲方對(duì)知識(shí)圖譜平臺(tái)的需求體現(xiàn)在定制化、高性能和及時(shí)更新三方面。定制化方面，甲方需要結(jié)合經(jīng)營(yíng)模式和行業(yè)Know-how構(gòu)建知識(shí)圖譜本體，并基于業(yè)務(wù)特點(diǎn)定制知識(shí)圖譜上層應(yīng)用，迅速賦能企業(yè)業(yè)務(wù)；性能方面，甲方需要知識(shí)圖譜平臺(tái)準(zhǔn)確、高效抽取非結(jié)構(gòu)化數(shù)據(jù)，打造高性能、高可用的知識(shí)圖譜產(chǎn)品；此外，甲方需要知識(shí)圖譜具備及時(shí)增量更新能力。
甲方需要定制化構(gòu)建知識(shí)圖譜本體。知識(shí)圖譜的結(jié)構(gòu)可分為模式層（Schema）和數(shù)據(jù)層（Data）。模式層由本體（即廣義的數(shù)據(jù)模型，用于定義事物類(lèi)型以及可用于描述它們的屬性）組成，用來(lái)描述概念、關(guān)系和屬性，起到規(guī)范知識(shí)圖譜描述的對(duì)象、管理數(shù)據(jù)庫(kù)的作用。數(shù)據(jù)層由一系列實(shí)體、關(guān)系和屬性組成，存儲(chǔ)具體的數(shù)據(jù)信息，由模式層管理。甲方企業(yè)往往具備獨(dú)特的經(jīng)營(yíng)模式和行業(yè)Know-how，可用于構(gòu)建知識(shí)圖譜模式層，進(jìn)而管理企業(yè)知識(shí)，因此對(duì)模式層構(gòu)建有高度定制化需求。
甲方需要從非結(jié)構(gòu)化數(shù)據(jù)中準(zhǔn)確、高效抽取結(jié)構(gòu)化信息。甲方企業(yè)在經(jīng)營(yíng)中會(huì)積累起海量多源異構(gòu)數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)是甲方企業(yè)數(shù)據(jù)的主要組成部分。知識(shí)圖譜要納入非結(jié)構(gòu)化數(shù)據(jù)，必須借助NLP等認(rèn)知智能技術(shù)從中提取出結(jié)構(gòu)化信息。當(dāng)下主流的信息抽取方式是定制有監(jiān)督機(jī)器學(xué)習(xí)模型，先標(biāo)記數(shù)據(jù)，再訓(xùn)練模型。但有監(jiān)督機(jī)器模型訓(xùn)練意味著大量人工標(biāo)注工作，會(huì)帶來(lái)較高的人力成本和較長(zhǎng)的項(xiàng)目周期。
甲方需要打造高性能、高可用的知識(shí)圖譜。隨著數(shù)智化轉(zhuǎn)型的推進(jìn)，甲方企業(yè)的數(shù)據(jù)規(guī)模也會(huì)呈幾何式上升。如今，有構(gòu)建知識(shí)圖譜需求的企業(yè)其三元組數(shù)據(jù)規(guī)模普遍達(dá)到數(shù)十億量級(jí)，對(duì)知識(shí)圖譜性能提出了較大挑戰(zhàn)。以知識(shí)圖譜查詢(xún)速度為例，電商營(yíng)銷(xiāo)場(chǎng)景下的智能推薦服務(wù)，要求商家在幾十毫秒內(nèi)篩選出與顧客瀏覽記錄相似的產(chǎn)品；政務(wù)系統(tǒng)的數(shù)字大屏，需要智能問(wèn)答系統(tǒng)在一秒內(nèi)調(diào)用并可視化展示圖譜數(shù)據(jù)。如何在大規(guī)模存儲(chǔ)數(shù)據(jù)的基礎(chǔ)上保證圖譜使用性能，成了甲方越來(lái)越關(guān)注的問(wèn)題。
甲方需要知識(shí)圖譜迅速賦能業(yè)務(wù)。知識(shí)圖譜的核心價(jià)值在于對(duì)多源異構(gòu)數(shù)據(jù)和多維復(fù)雜關(guān)系的處理與可視化展示，讓大數(shù)據(jù)和AI任務(wù)形成有效連接，為流程優(yōu)化、輔助決策、預(yù)測(cè)分析等上層應(yīng)用提供基礎(chǔ)服務(wù)。但知識(shí)圖譜不能直接發(fā)揮數(shù)據(jù)價(jià)值，而是要與認(rèn)知智能應(yīng)用結(jié)合，覆蓋到具體的業(yè)務(wù)場(chǎng)景，從而為企業(yè)降本增效。這意味著甲方需要基于對(duì)業(yè)務(wù)的理解，針對(duì)自身需求開(kāi)發(fā)知識(shí)圖譜上層應(yīng)用。
但甲方自研應(yīng)用會(huì)遇到多重困難。一方面，多數(shù)甲方缺乏專(zhuān)業(yè)的開(kāi)發(fā)工具和IT人才，不具備定制化開(kāi)發(fā)知識(shí)圖譜應(yīng)用的能力。浙江大學(xué)中國(guó)科教戰(zhàn)略研究院與百度聯(lián)合發(fā)布的《中國(guó)人工智能人才培養(yǎng)報(bào)告》顯示，我國(guó)人工智能人才缺口高達(dá)500萬(wàn)。另一方面，即使能克服人才阻礙，甲方企業(yè)內(nèi)部的應(yīng)用開(kāi)發(fā)工作也耗時(shí)耗力，如果甲方的知識(shí)圖譜和上層應(yīng)用沒(méi)有打通或者從零開(kāi)始開(kāi)發(fā)應(yīng)用，往往需要數(shù)月時(shí)間，知識(shí)圖譜的價(jià)值難以快速落地。
甲方需要知識(shí)圖譜及時(shí)增量更新，適應(yīng)業(yè)務(wù)變化。隨著外部市場(chǎng)環(huán)境迅速變化，甲方自身業(yè)務(wù)也在快速迭代。為了滿(mǎn)足甲方最新的業(yè)務(wù)需求，知識(shí)圖譜中的知識(shí)也要經(jīng)常更新。不更新意味著知識(shí)圖譜缺乏生命力，沒(méi)有時(shí)效性的知識(shí)會(huì)對(duì)業(yè)務(wù)產(chǎn)生負(fù)面影響，知識(shí)圖譜構(gòu)建項(xiàng)目更是變成了“一錘子買(mǎi)賣(mài)”。
知識(shí)圖譜有全量和增量?jī)煞N更新方式。全量更新是指以更新后的全部數(shù)據(jù)為輸入，從零開(kāi)始構(gòu)建知識(shí)圖譜，在技術(shù)實(shí)現(xiàn)難度低，但“推倒重建”式的構(gòu)建方式會(huì)消耗大量資源。增量更新是指以當(dāng)前新增數(shù)據(jù)為輸入，向現(xiàn)有知識(shí)圖譜中添加新增知識(shí)。相較于全量更新，增量更新資源消耗小、更新速度快。
廠(chǎng)商能力要求：
知識(shí)圖譜平臺(tái)的甲方核心需求對(duì)廠(chǎng)商能力提出多項(xiàng)要求，分別是定制化本體建模、過(guò)往項(xiàng)目積累快速?gòu)?fù)用、依據(jù)使用場(chǎng)景選擇數(shù)據(jù)存儲(chǔ)方式、基于企業(yè)業(yè)務(wù)提供定制化知識(shí)圖譜解決方案和知識(shí)圖譜快速更新。
廠(chǎng)商需要具備定制化本體建模的能力，支持企業(yè)按需構(gòu)建知識(shí)圖譜模式層。知識(shí)圖譜模式層的構(gòu)建有五個(gè)環(huán)節(jié)：①確定專(zhuān)業(yè)領(lǐng)域和業(yè)務(wù)范疇；②在此范圍內(nèi)收集多模態(tài)數(shù)據(jù)；③使用文本聚類(lèi)、詞頻分析、聚類(lèi)、統(tǒng)計(jì)分析等，統(tǒng)計(jì)出領(lǐng)域高頻特征詞、術(shù)語(yǔ)；④模式層初步開(kāi)發(fā),劃分并定義高頻概念集合；⑤基于業(yè)務(wù)實(shí)際優(yōu)化迭代模式層。在此過(guò)程中，廠(chǎng)商專(zhuān)家要與甲方業(yè)務(wù)專(zhuān)家合作，定制化構(gòu)建知識(shí)框架、定義知識(shí)抽取粒度和多模態(tài)數(shù)據(jù)的抽取范圍。在此過(guò)程中，廠(chǎng)商還需要為業(yè)務(wù)專(zhuān)家賦能代碼能力。近年來(lái)，無(wú)代碼被引入到知識(shí)圖譜構(gòu)建過(guò)程中，部分廠(chǎng)商在知識(shí)圖譜平臺(tái)上內(nèi)置無(wú)代碼平臺(tái)，為甲方業(yè)務(wù)專(zhuān)家構(gòu)建一套無(wú)代碼通用流程，以可視化方式實(shí)現(xiàn)對(duì)實(shí)體、屬性、關(guān)系的定義和管理。
圖 2： 知識(shí)圖譜模式層構(gòu)建的五個(gè)環(huán)節(jié)
廠(chǎng)商需要積累語(yǔ)料、預(yù)訓(xùn)練模型和解析器，在項(xiàng)目中快速?gòu)?fù)用。如何發(fā)揮非結(jié)構(gòu)化信息的價(jià)值是甲方非常關(guān)注的問(wèn)題，但傳統(tǒng)的有監(jiān)督學(xué)習(xí)方法成本過(guò)高。一種解決方法是使用無(wú)監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，通過(guò)大數(shù)據(jù)訓(xùn)練出大模型，再用少量行業(yè)數(shù)據(jù)二次訓(xùn)練，能夠在特定場(chǎng)景下達(dá)到很好的抽取效果。但無(wú)監(jiān)督機(jī)器學(xué)習(xí)的抽取準(zhǔn)確率不如有監(jiān)督機(jī)器學(xué)習(xí)，且具有較強(qiáng)隨機(jī)性。同時(shí)，大模型訓(xùn)練成本高、方法論不成熟。無(wú)監(jiān)督機(jī)器學(xué)習(xí)需要學(xué)界和業(yè)界共同探索，逐步優(yōu)化。無(wú)監(jiān)督機(jī)器學(xué)習(xí)技術(shù)在知識(shí)圖譜平臺(tái)市場(chǎng)的前景雖好，但短期內(nèi)落地可行性較低。
頭部廠(chǎng)商通常采用另外一種解決方法。他們?cè)谑褂糜斜O(jiān)督機(jī)器學(xué)習(xí)的過(guò)程中，從公開(kāi)資料和過(guò)往項(xiàng)目經(jīng)驗(yàn)中積累語(yǔ)料、預(yù)訓(xùn)練模型和解析器，在項(xiàng)目中快速?gòu)?fù)用，通過(guò)產(chǎn)品化、系統(tǒng)化的方式降低成本、縮短周期。
廠(chǎng)商需要能依據(jù)數(shù)據(jù)的使用場(chǎng)景選擇數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)。企業(yè)儲(chǔ)存在知識(shí)圖譜里的數(shù)據(jù)具有豐富的使用場(chǎng)景，對(duì)知識(shí)圖譜的使用性能有很高要求。不同的存儲(chǔ)方式會(huì)顯著影響到知識(shí)圖譜的性能，例如圖數(shù)據(jù)庫(kù)更適合儲(chǔ)存具有關(guān)聯(lián)關(guān)系的數(shù)據(jù)，因?yàn)槠涫褂脠D的遍歷算法在關(guān)系查詢(xún)時(shí)的計(jì)算量遠(yuǎn)小于關(guān)系型數(shù)據(jù)庫(kù)；而關(guān)系型數(shù)據(jù)庫(kù)并發(fā)性能更好，在處理并發(fā)讀寫(xiě)問(wèn)題時(shí)效率更高。因此，知識(shí)圖譜平臺(tái)廠(chǎng)商需要依據(jù)數(shù)據(jù)的使用場(chǎng)景設(shè)計(jì)數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，靈活使用不同的數(shù)據(jù)存儲(chǔ)方式。
廠(chǎng)商需要提供基于知識(shí)圖譜的上層應(yīng)用和完整解決方案，使知識(shí)圖譜能直接賦能業(yè)務(wù)。考慮到企業(yè)自研知識(shí)圖譜上層應(yīng)用的時(shí)間成本，甲方需要使用知識(shí)圖譜平臺(tái)打造具有實(shí)用價(jià)值的知識(shí)圖譜，能直接賦能業(yè)務(wù)。因此，在項(xiàng)目實(shí)踐中，廠(chǎng)商需要為知識(shí)圖譜配備豐富的上層應(yīng)用組件，包括認(rèn)知搜索、智能問(wèn)答、智能推薦等，并以此為基礎(chǔ)提供標(biāo)準(zhǔn)化的行業(yè)解決方案。同時(shí)，知識(shí)圖譜平臺(tái)需要具備基于標(biāo)準(zhǔn)解決方案進(jìn)行二次開(kāi)發(fā)以及通過(guò)API接口把知識(shí)圖譜應(yīng)用嵌入甲方業(yè)務(wù)系統(tǒng)的能力。
廠(chǎng)商需要具備知識(shí)圖譜及時(shí)增量更新能力，適應(yīng)行業(yè)與業(yè)務(wù)變化。相比于資源消耗大、更新周期長(zhǎng)的全量更新，甲方更需要及時(shí)增量更新知識(shí)圖譜。在增量更新環(huán)節(jié)，廠(chǎng)商需要針對(duì)非結(jié)構(gòu)化數(shù)據(jù)建立抽取模型，知識(shí)圖譜平臺(tái)使用增量數(shù)據(jù)重新訓(xùn)練模型后，通過(guò)對(duì)接企業(yè)數(shù)據(jù)源的工具定期將數(shù)據(jù)同步到知識(shí)圖譜，及時(shí)自動(dòng)知識(shí)更新。以金融行業(yè)為例，證券和基金廠(chǎng)商的知識(shí)圖譜實(shí)現(xiàn)及時(shí)更新后，能夠快速將最新市場(chǎng)信息導(dǎo)入知識(shí)圖譜，為智能查詢(xún)等業(yè)務(wù)賦能。
入選標(biāo)準(zhǔn)：
1. 符合知識(shí)圖譜平臺(tái)市場(chǎng)分析的廠(chǎng)商能力要求；
2. 近一年廠(chǎng)商在該市場(chǎng)的營(yíng)收不低于1000萬(wàn)元；
3. 近一年廠(chǎng)商在該市場(chǎng)的付費(fèi)客戶(hù)不低于5個(gè)。
代表廠(chǎng)商評(píng)估：
竹間智能
廠(chǎng)商介紹：
竹間智能創(chuàng)辦于2015年，致力于以自然語(yǔ)言處理、大語(yǔ)言模型，生成式AI，情感計(jì)算、深度學(xué)習(xí)、知識(shí)工程等人工智能技術(shù)為基礎(chǔ)，將AI應(yīng)用落地各行業(yè)。過(guò)去8年來(lái)，竹間智能服務(wù)合作伙伴達(dá)500多家大型企業(yè)客戶(hù)，以標(biāo)準(zhǔn)化產(chǎn)品和行業(yè)解決方案賦能企業(yè)，達(dá)到降本增效與提高收入的目標(biāo)，已在金融、制造、零售、醫(yī)藥、政企等多個(gè)領(lǐng)域落地，應(yīng)用在營(yíng)銷(xiāo)、銷(xiāo)售、運(yùn)營(yíng)等業(yè)務(wù)前-中-后臺(tái)全場(chǎng)景，助力企業(yè)數(shù)智化轉(zhuǎn)型。
產(chǎn)品服務(wù)介紹：
竹間智能擁有對(duì)話(huà)式AI平臺(tái)、知識(shí)工程平臺(tái)、機(jī)器學(xué)習(xí)平臺(tái)等多款標(biāo)準(zhǔn)化的平臺(tái)級(jí)產(chǎn)品，其中Gemini KG知識(shí)圖譜平臺(tái)是Gemini知識(shí)工程平臺(tái)的知識(shí)圖譜產(chǎn)品。Gemini KG可針對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行知識(shí)圖譜構(gòu)建，包括模式層構(gòu)建、管理以及端到端的知識(shí)圖譜應(yīng)用，如智能搜索、文本分析、機(jī)器閱讀理解、異常監(jiān)控、風(fēng)險(xiǎn)控制等。此外，Gemini KG可以與竹間在認(rèn)知智能領(lǐng)域的其他產(chǎn)品相結(jié)合，針對(duì)營(yíng)銷(xiāo)、客戶(hù)服務(wù)、運(yùn)營(yíng)管理、產(chǎn)品質(zhì)量、根源分析等不同業(yè)務(wù)場(chǎng)景，基于知識(shí)圖譜技術(shù)的智能化應(yīng)用需求提供完整解決方案。
廠(chǎng)商評(píng)估： 竹間智能在自動(dòng)構(gòu)建知識(shí)圖譜、知識(shí)圖譜上層應(yīng)用與整體解決方案能力、制定產(chǎn)業(yè)級(jí)知識(shí)圖譜的實(shí)踐方法論等四個(gè)方面展現(xiàn)了顯著優(yōu)勢(shì)。Gemini KG知識(shí)圖譜平臺(tái)整合了竹間智能眾多NLP算法和語(yǔ)義解析技術(shù)，并借助大型語(yǔ)言模型準(zhǔn)確提煉文檔和非結(jié)構(gòu)化數(shù)據(jù)的有效信息，深入挖掘信息間的關(guān)聯(lián)性，迅速自動(dòng)構(gòu)建知識(shí)圖譜。在知識(shí)圖譜構(gòu)建能力之上，Gemini KG平臺(tái)通過(guò)多種應(yīng)用提供用戶(hù)便捷的可視化工具和豐富的API接口，實(shí)現(xiàn)與企業(yè)業(yè)務(wù)系統(tǒng)的無(wú)縫對(duì)接，與竹間的產(chǎn)品組合相結(jié)合，為企業(yè)呈現(xiàn)從知識(shí)生成、知識(shí)應(yīng)用到業(yè)務(wù)優(yōu)化的全鏈條閉環(huán)解決方案。
此外，竹間智能能為企業(yè)客戶(hù)提供多種附加價(jià)值服務(wù)，包括針對(duì)業(yè)務(wù)問(wèn)題的咨詢(xún)與分析，設(shè)計(jì)基于知識(shí)工程的合適解決方案，并涵蓋應(yīng)用開(kāi)發(fā)與交付等環(huán)節(jié)，使企業(yè)能以更安全、更低成本、更高效的方式將認(rèn)知能力賦能于實(shí)際業(yè)務(wù)。
Gemini KG具備信息挖掘和分類(lèi)的NLP能力，能自動(dòng)化構(gòu)建知識(shí)，生成精確的知識(shí)圖譜。傳統(tǒng)知識(shí)圖譜構(gòu)建方法的特點(diǎn)是“重流程”與“靠人力”，即從構(gòu)建模式層到數(shù)據(jù)審核，都要求甲方專(zhuān)家全程參與或開(kāi)發(fā)專(zhuān)門(mén)的處理程序，并需要數(shù)據(jù)人員手動(dòng)建立知識(shí)，人力成本高昂，項(xiàng)目耗時(shí)長(zhǎng)而且錯(cuò)誤率高。Gemini KG的NLP與大語(yǔ)言模型采取“先模型、后人工干預(yù)“的Artificial Intelligence + Human Intelligence” 非常有效的Human-In-The-Loop的AI工程方式。Gemini KG的知識(shí)平臺(tái)也是一個(gè)低代碼開(kāi)發(fā)平臺(tái)，提供了眾多好用的NLP能力API與工作流編輯器，以及可調(diào)用的NLP預(yù)訓(xùn)練模型，用戶(hù)在平臺(tái)上用可視化的拖拉拽方式設(shè)計(jì)和定義流程與配置模型參數(shù)，立即可以測(cè)試并得到結(jié)果，再不斷的調(diào)優(yōu)，即刻完成整個(gè)從構(gòu)建知識(shí)，應(yīng)用知識(shí)，測(cè)試，與上線(xiàn)的全流程。
Gemini KG知識(shí)圖譜平臺(tái)上預(yù)置了數(shù)十個(gè)NLP模型，具備行業(yè)常識(shí)理解能力。Gemini KG采用預(yù)訓(xùn)練模型和預(yù)置解析器直接抽取知識(shí)，降低人工審核成本的同時(shí)，為構(gòu)建知識(shí)圖譜提速，以前需要幾天才能做到的知識(shí)抽取與構(gòu)建，到應(yīng)用，現(xiàn)在只要一小時(shí)內(nèi)即可用新數(shù)據(jù)賦能業(yè)務(wù)。
Gemini KG是一款具備豐富知識(shí)圖譜上層應(yīng)用的認(rèn)知智能產(chǎn)品，可與竹間智能的其他認(rèn)知智能產(chǎn)品聯(lián)動(dòng)，提供完整解決方案。作為認(rèn)知智能產(chǎn)品生態(tài)的底層引擎，Gemini KG依托知識(shí)圖譜和自然語(yǔ)言處理（NLP）等先進(jìn)技術(shù)，開(kāi)發(fā)了一系列知識(shí)圖譜上層應(yīng)用。這些應(yīng)用包括智能語(yǔ)義搜索、智能推薦、信息挖掘與抽取、風(fēng)險(xiǎn)控制、業(yè)務(wù)審核等，在智能搜索、競(jìng)品分析、貸款申請(qǐng)表審核、反欺詐、論文查重、實(shí)時(shí)輿情分析等場(chǎng)景下發(fā)揮著重要作用。
此外，竹間智能還提供了豐富的認(rèn)知智能產(chǎn)品，例如Gemini KM智能知識(shí)庫(kù)、Bot Factory對(duì)話(huà)式AI平臺(tái)、AICC+解決方案平臺(tái)等。這些產(chǎn)品與Gemini KG相結(jié)合，可構(gòu)成多個(gè)領(lǐng)域的標(biāo)準(zhǔn)化解決方案，如工業(yè)、醫(yī)療、金融、司法等領(lǐng)域。甲方可以根據(jù)自身需求，在標(biāo)準(zhǔn)化解決方案的基礎(chǔ)上開(kāi)發(fā)定制化的知識(shí)圖譜上層應(yīng)用，以滿(mǎn)足特定業(yè)務(wù)需求。
圖 3： 竹間智能的認(rèn)知智能行業(yè)解決方案架構(gòu)圖
竹間智能是一家具備為產(chǎn)業(yè)龍頭企業(yè)打造產(chǎn)業(yè)級(jí)知識(shí)圖譜的能力的公司。許多產(chǎn)業(yè)龍頭企業(yè)希望知識(shí)圖譜的應(yīng)用范圍更加廣泛，可以面向產(chǎn)業(yè)鏈上下游伙伴輸出領(lǐng)域知識(shí)，以提高產(chǎn)業(yè)競(jìng)爭(zhēng)力，助力產(chǎn)業(yè)升級(jí)并鞏固自身在產(chǎn)業(yè)鏈中的影響力。竹間智能能夠提供定制化的服務(wù)，為產(chǎn)業(yè)龍頭企業(yè)打造符合其需求的產(chǎn)業(yè)級(jí)知識(shí)圖譜。
竹間智能在技術(shù)方面具備解決數(shù)據(jù)多源異構(gòu)情況和知識(shí)三元組數(shù)量大幅增加的能力。此外，竹間智能在應(yīng)對(duì)產(chǎn)業(yè)信息獲取難、知識(shí)圖譜權(quán)限設(shè)置難、商業(yè)化路徑不明朗等方法論方面也具有經(jīng)驗(yàn)和實(shí)力。竹間智能在多個(gè)相關(guān)項(xiàng)目中有著豐富的經(jīng)驗(yàn)，能夠?yàn)槠髽I(yè)提供全方位的產(chǎn)業(yè)級(jí)知識(shí)圖譜解決方案。通過(guò)竹間智能的服務(wù)，產(chǎn)業(yè)龍頭企業(yè)可以將其領(lǐng)域知識(shí)輸出給合作伙伴，實(shí)現(xiàn)知識(shí)賦能，提升自身的影響力和競(jìng)爭(zhēng)力。
竹間智能憑借豐富的項(xiàng)目經(jīng)驗(yàn)，積累了一套成功的知識(shí)圖譜項(xiàng)目方法論。該方法論覆蓋了項(xiàng)目前的需求評(píng)估、項(xiàng)目中的開(kāi)箱即用語(yǔ)料/模型以及項(xiàng)目后的價(jià)值衡量機(jī)制等方面。在知識(shí)圖譜項(xiàng)目啟動(dòng)之前，竹間智能會(huì)全方位考察甲方的數(shù)據(jù)、困難痛點(diǎn)和組織架構(gòu)，評(píng)估甲方對(duì)知識(shí)圖譜的需求。竹間智能認(rèn)為，不是所有甲方在數(shù)字化轉(zhuǎn)型中都需要知識(shí)圖譜，部分甲方可能并不了解知識(shí)圖譜的能力。因此，在評(píng)估甲方需求時(shí)，竹間智能會(huì)結(jié)合甲方的情況，判斷是否需要知識(shí)圖譜以及需要怎樣的知識(shí)圖譜。竹間智能致力于構(gòu)建具有落地價(jià)值的知識(shí)圖譜項(xiàng)目，而非“為了知識(shí)圖譜而知識(shí)圖譜”。這樣，竹間智能可以為項(xiàng)目成功交付打下堅(jiān)實(shí)基礎(chǔ)。
在知識(shí)圖譜項(xiàng)目中，甲方希望廠(chǎng)商具備積累的語(yǔ)料和模型，能夠開(kāi)箱即用。竹間智能擁有豐富的項(xiàng)目經(jīng)驗(yàn)，積攢了大量的語(yǔ)料、預(yù)訓(xùn)練模型和解析器。竹間智能可以根據(jù)甲方領(lǐng)域和行業(yè)情況，提供符合要求的語(yǔ)料和模型，從而滿(mǎn)足甲方的需求。
此外，竹間智能還總結(jié)出完善的知識(shí)圖譜價(jià)值衡量機(jī)制，可以量化知識(shí)圖譜的降本增效程度。在智能問(wèn)答場(chǎng)景下，知識(shí)圖譜作為對(duì)話(huà)機(jī)器人的一部分，其降本增效程度可以通過(guò)對(duì)話(huà)機(jī)器人問(wèn)題解決率來(lái)衡量；在搜索場(chǎng)景下，搜索滿(mǎn)意次數(shù)可以作為衡量標(biāo)準(zhǔn)；當(dāng)甲方使用具備圖探索能力的業(yè)務(wù)展板時(shí)，可以結(jié)合系統(tǒng)操作和使用率來(lái)衡量知識(shí)圖譜的價(jià)值；在知識(shí)推薦產(chǎn)品中，可以通過(guò)坐席處理對(duì)話(huà)時(shí)間的長(zhǎng)短來(lái)衡量。這些衡量標(biāo)準(zhǔn)可以幫助甲方評(píng)估知識(shí)圖譜的效果，并為甲方?jīng)Q策提供依據(jù)。
典型客戶(hù)：
國(guó)網(wǎng)江蘇電力、中國(guó)石油、康寶萊、華泰證券、中宏保險(xiǎn)
4.2 NLP平臺(tái)
市場(chǎng)定義：
NLP平臺(tái)是指使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、知識(shí)圖譜等技術(shù)，通過(guò)計(jì)算機(jī)編程，將文本、聲音等自然語(yǔ)言數(shù)據(jù)編碼成結(jié)構(gòu)化信息的賦能平臺(tái)，其核心要素包括NLP算法模型、NLP技術(shù)、NLP應(yīng)用管理等。
甲方終端用戶(hù)：
決策部門(mén)，人力資源、市場(chǎng)、產(chǎn)研等業(yè)務(wù)部門(mén)，IT部門(mén)
甲方核心需求：
企業(yè)對(duì)NLP平臺(tái)的期待不僅是為單個(gè)應(yīng)用場(chǎng)景賦能，更重要的是將NLP能力引入企業(yè)技術(shù)底座，為上層應(yīng)用賦能。在各類(lèi)上層應(yīng)用中，各部門(mén)對(duì)NLP平臺(tái)需求有所不同，如企業(yè)決策層和市場(chǎng)部門(mén)希望使用NLP技術(shù)獲取高質(zhì)量行業(yè)洞察，為企業(yè)提供決策依據(jù)；人力資源部希望NLP平臺(tái)能提高業(yè)務(wù)流程智能化水平，進(jìn)而提高業(yè)務(wù)運(yùn)行效率。此外，隨著大模型開(kāi)發(fā)訓(xùn)練逐漸成熟，企業(yè)希望發(fā)揮自然語(yǔ)言生成能力的價(jià)值，以大模型賦能業(yè)務(wù)。
甲方需要將NLP能力引入技術(shù)底座，為上層應(yīng)用賦能。企業(yè)對(duì)NLP平臺(tái)的期待不是為單個(gè)應(yīng)用場(chǎng)景賦能，而是將NLP能力引入企業(yè)技術(shù)底座，為上層應(yīng)用賦能。以NLP平臺(tái)高端客群中的銀行為例，為便于拓展業(yè)務(wù)，中國(guó)境內(nèi)大多數(shù)銀行都會(huì)設(shè)立眾多分支機(jī)構(gòu)，各機(jī)構(gòu)具備獨(dú)立的智能客服、對(duì)話(huà)機(jī)器人等認(rèn)知智能上層應(yīng)用。企業(yè)需要獲取通用NLP技術(shù)能力，將其復(fù)用在多種上層應(yīng)用中。
甲方需要將多模態(tài)數(shù)據(jù)轉(zhuǎn)化為機(jī)器語(yǔ)言，準(zhǔn)確理解含義、抽取關(guān)鍵信息。NLP技術(shù)的主要應(yīng)用場(chǎng)景包括洞察獲取和智能問(wèn)答。這兩類(lèi)場(chǎng)景的數(shù)據(jù)具有多模態(tài)特點(diǎn)，包括文本、語(yǔ)音、視頻等多種結(jié)構(gòu)。企業(yè)需要使用NLP技術(shù)將多模態(tài)數(shù)據(jù)轉(zhuǎn)化為機(jī)器語(yǔ)言，準(zhǔn)確理解其含義，并從中抽取關(guān)鍵信息，轉(zhuǎn)化為高價(jià)值洞察，或?yàn)橛脩?hù)疑問(wèn)提供解答。
甲方需要快速開(kāi)發(fā)定制化NLP應(yīng)用，提升企業(yè)智能化水平。企業(yè)在業(yè)務(wù)發(fā)展過(guò)程中，為提高智能化水平，需要根據(jù)需求定制化開(kāi)發(fā)NLP應(yīng)用，例如文檔審核、媒體文章內(nèi)容分發(fā)、簡(jiǎn)歷處理等。但NLP應(yīng)用開(kāi)發(fā)流程繁瑣，而標(biāo)準(zhǔn)化NLP應(yīng)用難以滿(mǎn)足業(yè)務(wù)需求，導(dǎo)致應(yīng)用開(kāi)發(fā)周期長(zhǎng)、見(jiàn)效慢。因此，企業(yè)需要快速開(kāi)發(fā)定制化NLP應(yīng)用。
甲方需要發(fā)揮自然語(yǔ)言生能力的價(jià)值，以大模型賦能業(yè)務(wù)。ChatGPT捅破了自然語(yǔ)言生成的“窗戶(hù)紙”，以海量訓(xùn)練數(shù)據(jù)、GPU和強(qiáng)大的模型能力重構(gòu)企業(yè)對(duì)自然語(yǔ)言生成的認(rèn)知。相比于傳統(tǒng)模型的自然語(yǔ)言生成能力，大模型應(yīng)用于文字生成、文本理解、自動(dòng)問(wèn)答等下游任務(wù)時(shí)，生成的文本更加流暢，且內(nèi)容訴實(shí)性得到顯著改善，并因此逐漸成為企業(yè)關(guān)注焦點(diǎn)。企業(yè)希望借助大模型發(fā)揮自然語(yǔ)言生成能力的價(jià)值，以大模型賦能業(yè)務(wù)。
廠(chǎng)商能力要求：
甲方對(duì)NLP平臺(tái)的需求為廠(chǎng)商提出以下產(chǎn)品要求。首先，廠(chǎng)商需要將NLP技術(shù)平臺(tái)與上層應(yīng)用結(jié)合，為企業(yè)打造NLP能力體系。其次，廠(chǎng)商需要具備豐富的項(xiàng)目經(jīng)驗(yàn)，在過(guò)往項(xiàng)目中積累行業(yè)標(biāo)簽庫(kù)、深度學(xué)習(xí)算法等，提高NLP模型在垂直場(chǎng)景下的識(shí)別準(zhǔn)確率。再者，廠(chǎng)商需要依托NLP技術(shù)，根據(jù)企業(yè)需求靈活組裝NLP算法與模型，為企業(yè)提供流程端點(diǎn)智能運(yùn)作的定制化解決方案。最后，廠(chǎng)商需要結(jié)合自身稟賦，探索大模型的融合路徑。
廠(chǎng)商需要將NLP技術(shù)平臺(tái)與上層應(yīng)用結(jié)合，為企業(yè)打造NLP能力體系。NLP技術(shù)平臺(tái)和上層應(yīng)用是打造NLP能力體系的兩個(gè)先決條件。一方面，廠(chǎng)商需要圍繞行業(yè)和場(chǎng)景積累深度學(xué)習(xí)模型和算法，具有面向不同行業(yè)、不同落地場(chǎng)景的NLP產(chǎn)品落地能力；另一方面，廠(chǎng)商還應(yīng)具備豐富的上層應(yīng)用矩陣，打造面向不同行業(yè)的標(biāo)準(zhǔn)化NLP產(chǎn)品與服務(wù)。在實(shí)際項(xiàng)目中，廠(chǎng)商需要將NLP技術(shù)平臺(tái)與預(yù)置上層應(yīng)用相結(jié)合，為甲方打造NLP能力體系。
廠(chǎng)商需要具備多模態(tài)數(shù)據(jù)處理能力，將非結(jié)構(gòu)化自然語(yǔ)言轉(zhuǎn)化為結(jié)構(gòu)化機(jī)器語(yǔ)言。為滿(mǎn)足企業(yè)獲取洞察、改善用戶(hù)體驗(yàn)的需求，NLP平臺(tái)需要具備多模態(tài)數(shù)據(jù)處理能力，先將數(shù)據(jù)轉(zhuǎn)化為文本數(shù)據(jù)，再使用深度學(xué)習(xí)模型，將經(jīng)過(guò)文本預(yù)處理的數(shù)據(jù)轉(zhuǎn)化為機(jī)器學(xué)習(xí)語(yǔ)言。以短視頻審核場(chǎng)景為例，一段長(zhǎng)約3分鐘的短視頻中可能有數(shù)幀畫(huà)面包含違規(guī)內(nèi)容，NLP平臺(tái)需將整段視頻分幀，從中抽取圖像、語(yǔ)音和文字信息，再通過(guò)分詞、詞性標(biāo)注、命名實(shí)體識(shí)別和去除停用詞，將其進(jìn)行預(yù)處理后，使用預(yù)訓(xùn)練深度學(xué)習(xí)系統(tǒng)識(shí)別出違規(guī)信息。
廠(chǎng)商需要支持企業(yè)快速開(kāi)發(fā)NLP應(yīng)用，或基于標(biāo)準(zhǔn)應(yīng)用二次開(kāi)發(fā)。為解決標(biāo)準(zhǔn)化NLP上層應(yīng)用無(wú)法滿(mǎn)足企業(yè)需求的問(wèn)題，廠(chǎng)商通常有兩種解決方案，即加快NLP應(yīng)用開(kāi)發(fā)速度，或二次開(kāi)發(fā)標(biāo)準(zhǔn)化應(yīng)用。一方面，NLP平臺(tái)需要在提供NLP算法的基礎(chǔ)上，將算法管理、模型訓(xùn)練、模型管理等NLP能力構(gòu)建流程工具化，可以支持企業(yè)快速開(kāi)發(fā)NLP應(yīng)用。另一方面，NLP平臺(tái)應(yīng)在提供標(biāo)準(zhǔn)應(yīng)用的基礎(chǔ)上，具備二次訓(xùn)練模型、配置算法能力，允許用戶(hù)基于企業(yè)實(shí)際需求，在標(biāo)準(zhǔn)應(yīng)用基礎(chǔ)上二次開(kāi)發(fā)。
廠(chǎng)商需要結(jié)合自身稟賦，探索大模型的融合路徑。NLP平臺(tái)廠(chǎng)商逐漸認(rèn)識(shí)到大模型將NLP帶入自然語(yǔ)言生成時(shí)代。但大模型構(gòu)建門(mén)檻高、難度大，大部分廠(chǎng)商既有的訓(xùn)練數(shù)據(jù)、算力等難以滿(mǎn)足大模型開(kāi)發(fā)需求。因此，廠(chǎng)商需要結(jié)合自身稟賦，探索與大模型融合路徑。例如，部分大廠(chǎng)具備大模型開(kāi)發(fā)能力，可將開(kāi)發(fā)通用大模型作為發(fā)展方向；中小廠(chǎng)商缺乏構(gòu)建大模型能力，則可以將通用大模型疊加自身的行業(yè)的積累，以二次訓(xùn)練方式打造與行業(yè)深度融合的領(lǐng)域大模型。大模型剛剛興起，直接要求NLP平臺(tái)廠(chǎng)商構(gòu)建通用或領(lǐng)域大模型并不貼合市場(chǎng)實(shí)際情況，但廠(chǎng)商在戰(zhàn)略、技術(shù)、產(chǎn)品方面應(yīng)有所規(guī)劃。
入選標(biāo)準(zhǔn)：
1. 符合NLP平臺(tái)市場(chǎng)分析的廠(chǎng)商能力要求；
2. 近一年該市場(chǎng)年?duì)I收不低于1000萬(wàn)；
3. 近一年該市場(chǎng)付費(fèi)客戶(hù)數(shù)量不低于5家。
代表廠(chǎng)商評(píng)估：
拓爾思
廠(chǎng)商介紹：
拓爾思信息技術(shù)股份有限公司（簡(jiǎn)稱(chēng)“拓爾思”）成立于1993年，是一家專(zhuān)業(yè)的大數(shù)據(jù)、人工智能和數(shù)據(jù)安全產(chǎn)品及服務(wù)提供商。拓爾思堅(jiān)持核心技術(shù)自主研發(fā)，擁有40+發(fā)明專(zhuān)利、1000+軟件著作權(quán)，在搜索型數(shù)據(jù)庫(kù)、自然語(yǔ)言處理（NLP）技術(shù)的技術(shù)創(chuàng)新和應(yīng)用場(chǎng)景落地等方面保持領(lǐng)先地位，成功服務(wù)了一批國(guó)家級(jí)重要信息化項(xiàng)目的建設(shè)，包括國(guó)家企業(yè)信用信息公示系統(tǒng)、信用中國(guó)、國(guó)家知識(shí)產(chǎn)權(quán)檢索系統(tǒng)、GA云搜索等國(guó)家級(jí)基礎(chǔ)設(shè)施的數(shù)據(jù)管理和檢索引擎。
產(chǎn)品服務(wù)介紹：
在NLP平臺(tái)市場(chǎng)，拓爾思已推出“TRS智語(yǔ)自然語(yǔ)言處理引擎（簡(jiǎn)稱(chēng)智語(yǔ)）”和“TRS智拓人工智能技術(shù)平臺(tái)（簡(jiǎn)稱(chēng)智拓）”兩款產(chǎn)品。
智語(yǔ)：產(chǎn)品吸收了拓爾思在NLP和信息檢索領(lǐng)域多年的技術(shù)積累，圍繞深度學(xué)習(xí)、知識(shí)圖譜等核心技術(shù)，依托TRS智拓語(yǔ)義智能技術(shù)平臺(tái)等技術(shù)成果，面向智慧專(zhuān)利、智慧公安、智慧政務(wù)、智慧金融、開(kāi)源情報(bào)分析等應(yīng)用場(chǎng)景提供服務(wù)。
智拓：新一代基于深度學(xué)習(xí)的語(yǔ)義智能技術(shù)平臺(tái)，圍繞NLP、知識(shí)圖譜、圖像檢索三大核心技術(shù)，結(jié)合RPA、數(shù)據(jù)中臺(tái)等技術(shù)，面向媒體融合、智慧專(zhuān)利、智慧公安、智慧政務(wù)、智慧金融、開(kāi)源情報(bào)分析等應(yīng)用場(chǎng)景，提供文本、音視頻、多模態(tài)等全棧AI服務(wù)能力，可以幫助用戶(hù)快速構(gòu)建自己的AI技術(shù)能力，有效提升行業(yè)語(yǔ)義智能的服務(wù)能力和效果。
廠(chǎng)商評(píng)估：
拓爾思是NLP市場(chǎng)的資深廠(chǎng)商，深耕NLP技術(shù)二十余年，圍繞行業(yè)與場(chǎng)景積累大量算法模型，有利于甲方進(jìn)一步深挖數(shù)據(jù)價(jià)值。依托突出的產(chǎn)品能力、私有化部署和靈活的交付模式，拓爾思的NLP平臺(tái)可有效滿(mǎn)足政府機(jī)關(guān)、大型銀行、央國(guó)企等高端客戶(hù)需求。拓爾思把握NLP發(fā)展新態(tài)勢(shì)，基于自研垂直大模型打造的文本內(nèi)容自動(dòng)生產(chǎn)平臺(tái)——“智創(chuàng)”，正在加速上線(xiàn)，致力于為甲方構(gòu)建更強(qiáng)大的NLP能力體系。
拓爾思深耕NLP技術(shù)二十余年，圍繞行業(yè)與場(chǎng)景積累大量算法模型，有利于甲方進(jìn)一步深挖數(shù)據(jù)價(jià)值。拓爾思早在2000 年便入局NLP市場(chǎng)，圍繞行業(yè)與場(chǎng)景積累大量算法模型。拓爾思通過(guò)大規(guī)模自監(jiān)督學(xué)習(xí)的多模態(tài)人工智能算法，融合自然語(yǔ)言理解，基于行業(yè)的千億級(jí)圖文大規(guī)模預(yù)訓(xùn)練，實(shí)現(xiàn)用更小的標(biāo)注樣本數(shù)量，融合更多的模態(tài)信息，建立了350+深度學(xué)習(xí)算法模型的模型工廠(chǎng)，可面向不同行業(yè)、不同落地場(chǎng)景進(jìn)行知識(shí)和模型的加工。
圖 4： 拓爾思NLP通用模型及標(biāo)簽?zāi)Ｐ停ú糠郑?/p>
拓爾思積累的大量算法模型有利于甲方實(shí)現(xiàn)更全面細(xì)致地分析，進(jìn)一步深挖數(shù)據(jù)價(jià)值。以標(biāo)簽?zāi)Ｐ蜑槔浔举|(zhì)為事件特征，標(biāo)簽越細(xì)致意味著對(duì)事件描述地越全面。同樣的語(yǔ)料，甲方通過(guò)標(biāo)簽疊加可以挖掘到更多的信息，例如在金融風(fēng)控場(chǎng)景中可以對(duì)貸款企業(yè)進(jìn)行更有效的風(fēng)險(xiǎn)評(píng)估，在社會(huì)態(tài)勢(shì)感知場(chǎng)景中可以對(duì)社會(huì)輿情進(jìn)行更深層面的監(jiān)督。
拓爾思的NLP平臺(tái)產(chǎn)品能力與交付方式可有效滿(mǎn)足政府機(jī)關(guān)、大型銀行、央國(guó)企等高端客群的需求，助力甲方打造NLP能力體系。在NLP平臺(tái)市場(chǎng)，政府機(jī)關(guān)、大型銀行、央國(guó)企等高端客群的需求具有鮮明特色，對(duì)廠(chǎng)商能力要求較高。第一，廠(chǎng)商需要為其打造NLP能力體系，而不僅僅是上層應(yīng)用；第二，支持私有化部署；第三，NLP平臺(tái)產(chǎn)品可以靈活銷(xiāo)售。
拓爾思的NLP平臺(tái)產(chǎn)品能力與交付方式可有效滿(mǎn)足高端客戶(hù)需求。在NLP平臺(tái)市場(chǎng)，拓爾思已推出智語(yǔ)和智拓兩款產(chǎn)品，可為甲方提供通用NLP技術(shù)賦能。同時(shí)，拓爾思還推出了豐富的上層應(yīng)用矩陣，包括數(shù)星產(chǎn)業(yè)大腦、數(shù)星智能風(fēng)控大數(shù)據(jù)平臺(tái)等。技術(shù)平臺(tái)與豐富應(yīng)用相結(jié)合，拓爾思具備為甲方打造NLP能力體系的先決條件。其次，拓爾思的NLP平臺(tái)支持私有化部署，與高端客群的采購(gòu)需求特色契合。最后，考慮到高端客群的數(shù)字化能力較高，數(shù)字化系統(tǒng)較豐富，可能在NLP方面已有一些前期建設(shè)的實(shí)際情況，拓爾思支持NLP平臺(tái)產(chǎn)品以及上層應(yīng)用產(chǎn)品以靈活的方式進(jìn)行交付，為甲方以較小的成本實(shí)現(xiàn)NLP能力體系的構(gòu)建或完善。
拓爾思把握NLP發(fā)展新態(tài)勢(shì)，基于自研垂直大模型打造的文本內(nèi)容自動(dòng)生產(chǎn)平臺(tái)——“智創(chuàng)”，正在加速上線(xiàn)，致力于為甲方構(gòu)建更強(qiáng)大的NLP能力體系。NLP分成自然語(yǔ)言理解和自然語(yǔ)言生成兩個(gè)部分。自然語(yǔ)言生成門(mén)檻較高，因此NLP廠(chǎng)商涉足較少，大多聚焦自然語(yǔ)言理解部分。拓爾思致力于為甲方構(gòu)建完整的NLP能力體系，因此在“理解”和“生成”兩方面均有布局。早在2016年，拓爾思在浙江日?qǐng)?bào)報(bào)業(yè)集團(tuán)的融媒體智能傳播服務(wù)平臺(tái)（簡(jiǎn)稱(chēng)浙報(bào)媒立方）率先推出了機(jī)器寫(xiě)作，主要根據(jù)拓爾思的全網(wǎng)資訊大數(shù)據(jù)自動(dòng)生成體育、氣象和財(cái)經(jīng)等領(lǐng)域的主題稿件，推送到浙報(bào)媒立方。隨后幾年，拓爾思在自然語(yǔ)言生成相關(guān)領(lǐng)域的機(jī)器寫(xiě)作、對(duì)話(huà)式AI、內(nèi)容人機(jī)協(xié)同和自動(dòng)報(bào)告生成等應(yīng)用場(chǎng)景，已相繼打造出一批優(yōu)秀實(shí)踐案例。
圖 5： 拓爾思自然語(yǔ)言生成各場(chǎng)景客戶(hù)名單（部分）
ChatGPT的橫空出世，加速自然語(yǔ)言生成的發(fā)展速度。拓爾思基于自研垂直大模型打造的文本內(nèi)容自動(dòng)生產(chǎn)平臺(tái)——“智創(chuàng)”，正在加速上線(xiàn)。拓爾思“智創(chuàng)”是一款專(zhuān)注文本生成類(lèi)的內(nèi)容自動(dòng)生產(chǎn)平臺(tái)，其依托拓爾思長(zhǎng)期積累的自然語(yǔ)言處理技術(shù)和人工智能平臺(tái)產(chǎn)品為基礎(chǔ)，融合自研垂直大模型，將專(zhuān)注在輔助型、應(yīng)用型、創(chuàng)作型等文本內(nèi)容的自動(dòng)生成領(lǐng)域。拓爾思在智創(chuàng)的落地應(yīng)用方面已有明確規(guī)劃，優(yōu)先落地五個(gè)場(chǎng)景：
新聞出版：機(jī)器人寫(xiě)稿、內(nèi)容創(chuàng)作協(xié)助、基于媒體大數(shù)據(jù)的自動(dòng)報(bào)告生成、多模態(tài)的自動(dòng)配圖。
政務(wù)服務(wù)：公文輔助創(chuàng)作、政民互動(dòng)服務(wù)、政務(wù)新媒體的創(chuàng)新應(yīng)用、政策大腦的摘要/數(shù)據(jù)解讀。
金融領(lǐng)域：自動(dòng)報(bào)告生成、證券研報(bào)的智能解讀和摘要生成、上市公司的信息檢索。
通用行業(yè)：知識(shí)圖譜構(gòu)建、人機(jī)協(xié)同的內(nèi)容生成、開(kāi)源報(bào)告的簡(jiǎn)報(bào)生成等。
元宇宙和云服務(wù)：虛擬人服務(wù)；數(shù)家資訊云服務(wù)的報(bào)告生成、資訊信息精準(zhǔn)對(duì)話(huà)式檢索；網(wǎng)察云服務(wù)的自動(dòng)輿情報(bào)告生成等。
典型客戶(hù)：
民生銀行、招商銀行、華能集團(tuán)
4.3 會(huì)話(huà)智能
市場(chǎng)定義：
會(huì)話(huà)智能是基于ASR、NLP、機(jī)器學(xué)習(xí)等技術(shù)，從非結(jié)構(gòu)化的會(huì)話(huà)數(shù)據(jù)中為用戶(hù)提供話(huà)術(shù)質(zhì)檢分析、意圖捕捉、流程管理等能力的解決方案。
甲方終端用戶(hù)：
銷(xiāo)售管理人員、一線(xiàn)業(yè)務(wù)人員
甲方核心需求：
會(huì)話(huà)智能是一項(xiàng)較新的認(rèn)知智能應(yīng)用，圍繞新興數(shù)據(jù)源，為企業(yè)提供發(fā)揮非結(jié)構(gòu)化會(huì)話(huà)數(shù)據(jù)價(jià)值的新渠道。會(huì)話(huà)智能用途豐富，包括銷(xiāo)售、審批、企業(yè)內(nèi)部溝通等，其中銷(xiāo)售場(chǎng)景新興數(shù)據(jù)源多，不僅能提供大量線(xiàn)下會(huì)話(huà)數(shù)據(jù)，還能通過(guò)辦公軟件、短信等線(xiàn)上渠道產(chǎn)出線(xiàn)上會(huì)話(huà)數(shù)據(jù)，具有更高分析價(jià)值，因而成為會(huì)話(huà)智能首選應(yīng)用場(chǎng)景。
在銷(xiāo)售場(chǎng)景下，管理賦能是企業(yè)對(duì)會(huì)話(huà)智能的主要應(yīng)用形式，但也有部分企業(yè)在其他場(chǎng)景下嘗試用會(huì)話(huà)智能賦能一線(xiàn)業(yè)務(wù)人員。管理賦能既包括銷(xiāo)售團(tuán)隊(duì)賦能，如銷(xiāo)售人員技巧培訓(xùn)和業(yè)績(jī)?cè)u(píng)估、銷(xiāo)售業(yè)務(wù)監(jiān)管，也包括銷(xiāo)售決策賦能，如洞察客戶(hù)需求和市場(chǎng)信息。會(huì)話(huà)智能賦能一線(xiàn)業(yè)務(wù)人員的形式較為多元，主要表現(xiàn)為通過(guò)流程管理減少員工重復(fù)工作。此外，由于會(huì)話(huà)數(shù)據(jù)分散的特性，打通數(shù)據(jù)孤島也成為甲方關(guān)注的問(wèn)題。
甲方需要打通銷(xiāo)售數(shù)據(jù)孤島。甲方銷(xiāo)售人員與客戶(hù)溝通渠道眾多，既包括線(xiàn)下溝通、電話(huà)和短信聯(lián)系，也包括諸多業(yè)務(wù)溝通應(yīng)用，如企業(yè)微信、釘釘、飛書(shū)等。多元的溝通渠道會(huì)產(chǎn)生大量分散的會(huì)話(huà)數(shù)據(jù)，彼此之間無(wú)法相互關(guān)聯(lián)，形成數(shù)據(jù)孤島。甲方需要用會(huì)話(huà)數(shù)據(jù)賦能業(yè)務(wù)，必須打破數(shù)據(jù)孤島，挖掘數(shù)據(jù)價(jià)值。
甲方需要利用會(huì)話(huà)數(shù)據(jù)培訓(xùn)銷(xiāo)售人員，并準(zhǔn)確、全面評(píng)估銷(xiāo)售表現(xiàn)。隨著外部市場(chǎng)環(huán)境快速變化，銷(xiāo)售人員需要迅速迭代銷(xiāo)售技巧，以適應(yīng)動(dòng)態(tài)、復(fù)雜的工作環(huán)境，對(duì)銷(xiāo)售培訓(xùn)需求越來(lái)越多。但Gartner的研究發(fā)現(xiàn)，銷(xiāo)售主管平均只有9%的時(shí)間用于銷(xiāo)售培訓(xùn)，且有42%的銷(xiāo)售主管認(rèn)為自己缺乏培訓(xùn)能力。為實(shí)現(xiàn)高質(zhì)量的銷(xiāo)售培訓(xùn)，甲方銷(xiāo)售主管需要從會(huì)話(huà)數(shù)據(jù)中提煉標(biāo)準(zhǔn)銷(xiāo)售動(dòng)作，將其分享給團(tuán)隊(duì)成員，復(fù)制成功銷(xiāo)售經(jīng)驗(yàn)，也可以總結(jié)與銷(xiāo)售失敗相關(guān)的會(huì)話(huà)行為，協(xié)助銷(xiāo)售人員調(diào)整話(huà)術(shù)、流程和策略，及時(shí)止損。
銷(xiāo)售主管還需根據(jù)銷(xiāo)售表現(xiàn)衡量培訓(xùn)成果和銷(xiāo)售人員業(yè)績(jī)，但傳統(tǒng)銷(xiāo)售業(yè)績(jī)?cè)u(píng)估多數(shù)基于結(jié)果導(dǎo)向，過(guò)于看重“最終成單數(shù)”等指標(biāo)。單一維度評(píng)價(jià)體系不能全方位評(píng)估銷(xiāo)售人員的銷(xiāo)售能力，不利于員工和企業(yè)長(zhǎng)遠(yuǎn)發(fā)展。為此，甲方需要一套全面衡量員工銷(xiāo)售表現(xiàn)的評(píng)價(jià)標(biāo)準(zhǔn)，多維度考察銷(xiāo)售人員的銷(xiāo)售表現(xiàn)。
甲方需要銷(xiāo)售業(yè)務(wù)透明化，全流程監(jiān)管銷(xiāo)售過(guò)程。在與客戶(hù)交流過(guò)程中，甲方銷(xiāo)售人員與客戶(hù)溝通流程不透明。銷(xiāo)售人員服務(wù)流程是否規(guī)范、在溝通中是否出現(xiàn)違規(guī)行為，銷(xiāo)售主管都不得而知。銷(xiāo)售人員一旦出現(xiàn)違規(guī)行為，企業(yè)利益往往會(huì)蒙受損失，如過(guò)度承諾、爭(zhēng)執(zhí)等不當(dāng)行為會(huì)造成交易失敗，再比如銷(xiāo)售人員收受“紅包”會(huì)減少企業(yè)收入等。因此，甲方需要全流程監(jiān)管銷(xiāo)售過(guò)程，及時(shí)發(fā)現(xiàn)、糾正銷(xiāo)售人員違規(guī)行為。
甲方需要洞察客戶(hù)需求和市場(chǎng)信息，及時(shí)制定和優(yōu)化市場(chǎng)策略、完善銷(xiāo)售計(jì)劃。在銷(xiāo)售人員與客戶(hù)溝通過(guò)程中，客戶(hù)實(shí)時(shí)反饋包含有價(jià)值的市場(chǎng)情報(bào)，如客戶(hù)真實(shí)需求、市場(chǎng)趨勢(shì)等。銷(xiāo)售部門(mén)管理者可據(jù)此制定和優(yōu)化市場(chǎng)策略、完善銷(xiāo)售計(jì)劃。甲方銷(xiāo)售人員通常使用CRM系統(tǒng)匯報(bào)銷(xiāo)售情況，但匯報(bào)材料中通常缺乏關(guān)鍵細(xì)節(jié)，如丟單原因、競(jìng)品信息等，導(dǎo)致銷(xiāo)售人員與決策者之間出現(xiàn)脫節(jié)，決策者無(wú)法憑借已有信息做出精準(zhǔn)的市場(chǎng)判斷。
甲方需要使用會(huì)話(huà)智能實(shí)現(xiàn)流程智能化管理，提高一線(xiàn)業(yè)務(wù)人員工作效率。會(huì)話(huà)智能的應(yīng)用正在從管理賦能下沉到一線(xiàn)業(yè)務(wù)人員賦能，企業(yè)對(duì)此進(jìn)行很多積極嘗試，如將會(huì)話(huà)智能應(yīng)用于知識(shí)管理、行政審批、坐席助手等。其中流程管理是會(huì)話(huà)智能下沉的主要應(yīng)用場(chǎng)景，甲方希望使用會(huì)話(huà)智能自動(dòng)完成原本需要人工操作的流程節(jié)點(diǎn)，實(shí)現(xiàn)流程智能化管理。
廠(chǎng)商能力要求：
甲方需要打通數(shù)據(jù)孤島，用會(huì)話(huà)數(shù)據(jù)賦能銷(xiāo)售管理，這對(duì)廠(chǎng)商提出了多方面能力要求。廠(chǎng)商需要為會(huì)話(huà)數(shù)據(jù)構(gòu)建非結(jié)構(gòu)化數(shù)據(jù)平臺(tái)，將其抽象成結(jié)構(gòu)化數(shù)據(jù)，并入甲方數(shù)據(jù)中臺(tái)和CDP（客戶(hù)數(shù)據(jù)平臺(tái)）。在此基礎(chǔ)上，廠(chǎng)商需要依托行業(yè)Know-how和NLP技術(shù)，搭建行業(yè)銷(xiāo)售標(biāo)簽體系、會(huì)話(huà)數(shù)據(jù)預(yù)警系統(tǒng)和企業(yè)SOP，從中提煉銷(xiāo)售話(huà)術(shù)和流程、銷(xiāo)售表現(xiàn)數(shù)據(jù)、市場(chǎng)洞察和銷(xiāo)售進(jìn)程信息，并在出現(xiàn)風(fēng)險(xiǎn)時(shí)及時(shí)預(yù)警。
廠(chǎng)商需要為甲方打造“非結(jié)構(gòu)化數(shù)據(jù)平臺(tái)”，連接甲方業(yè)務(wù)溝通平臺(tái)。打通數(shù)據(jù)孤島的第一步是實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)互聯(lián)。會(huì)話(huà)智能產(chǎn)品需要通過(guò)API接口創(chuàng)建、編輯，實(shí)現(xiàn)與第三方系統(tǒng)的互聯(lián)互通。此外，會(huì)話(huà)只能產(chǎn)品體系要向線(xiàn)下數(shù)字化拓展，具備語(yǔ)音數(shù)據(jù)采集能力和高精度讀取能力，實(shí)現(xiàn)線(xiàn)上線(xiàn)下數(shù)據(jù)打通。
為打破數(shù)據(jù)孤島，廠(chǎng)商需要將會(huì)話(huà)智能產(chǎn)品打造成非結(jié)構(gòu)化數(shù)據(jù)平臺(tái)。作為傳統(tǒng)數(shù)據(jù)中臺(tái)的補(bǔ)充，會(huì)話(huà)智能需要將非結(jié)構(gòu)化會(huì)話(huà)內(nèi)容轉(zhuǎn)寫(xiě)、抽象成結(jié)構(gòu)化數(shù)據(jù)，并入CDP和數(shù)據(jù)中臺(tái)進(jìn)行關(guān)聯(lián)分析。
圖 6： 廠(chǎng)商為甲方打造“非結(jié)構(gòu)化數(shù)據(jù)平臺(tái)”，連接業(yè)務(wù)溝通平臺(tái)和CDP、數(shù)據(jù)中臺(tái)
廠(chǎng)商要結(jié)合項(xiàng)目積累和甲方業(yè)務(wù)經(jīng)驗(yàn)，提煉銷(xiāo)售流程各環(huán)節(jié)標(biāo)準(zhǔn)動(dòng)作，用以培訓(xùn)和評(píng)估銷(xiāo)售人員。會(huì)話(huà)智能廠(chǎng)商需要依托積累的項(xiàng)目經(jīng)驗(yàn)，針對(duì)多個(gè)行業(yè)打造銷(xiāo)售流程標(biāo)簽體系，并將其與甲方業(yè)務(wù)經(jīng)驗(yàn)結(jié)合，定制化構(gòu)建銷(xiāo)售標(biāo)簽庫(kù)。會(huì)話(huà)智能產(chǎn)品需要訓(xùn)練機(jī)器學(xué)習(xí)模型，建立會(huì)話(huà)數(shù)據(jù)與銷(xiāo)售標(biāo)簽之間的對(duì)應(yīng)關(guān)系，再通過(guò)綜合分析甲方會(huì)話(huà)數(shù)據(jù)與銷(xiāo)售業(yè)績(jī)指標(biāo)，從會(huì)話(huà)數(shù)據(jù)中提取銷(xiāo)售流程每個(gè)標(biāo)簽的標(biāo)準(zhǔn)動(dòng)作和關(guān)鍵銷(xiāo)售指標(biāo)，如通話(huà)響應(yīng)時(shí)間、接通率、說(shuō)話(huà)占比、重復(fù)呼叫率、一次解決率等。銷(xiāo)售主管使用標(biāo)準(zhǔn)銷(xiāo)售動(dòng)作培訓(xùn)銷(xiāo)售人員，使用關(guān)鍵銷(xiāo)售指標(biāo)對(duì)銷(xiāo)售人員進(jìn)行量化評(píng)價(jià)。
廠(chǎng)商需要為甲方搭建會(huì)話(huà)數(shù)據(jù)預(yù)警系統(tǒng)，全流程監(jiān)控銷(xiāo)售流程，出現(xiàn)風(fēng)險(xiǎn)及時(shí)預(yù)警。考慮到甲方全流程監(jiān)管銷(xiāo)售過(guò)程的需求，會(huì)話(huà)智能廠(chǎng)商要結(jié)合行業(yè)Know-how和甲方實(shí)際業(yè)務(wù)，預(yù)搭建銷(xiāo)售風(fēng)險(xiǎn)信號(hào)標(biāo)簽庫(kù)和風(fēng)險(xiǎn)會(huì)話(huà)語(yǔ)義庫(kù)，并預(yù)訓(xùn)練風(fēng)險(xiǎn)預(yù)警機(jī)器學(xué)習(xí)模型。
廠(chǎng)商要以預(yù)置的機(jī)器學(xué)習(xí)模型為基礎(chǔ)，為甲方搭建會(huì)話(huà)數(shù)據(jù)預(yù)警系統(tǒng)，將會(huì)話(huà)數(shù)據(jù)近實(shí)時(shí)回傳到會(huì)話(huà)智能軟件。會(huì)話(huà)智能產(chǎn)品使用ASR技術(shù)精準(zhǔn)轉(zhuǎn)寫(xiě)會(huì)話(huà)數(shù)據(jù)，并使用實(shí)體抽取、情感映射等NLP技術(shù)將甲方銷(xiāo)售人員會(huì)話(huà)數(shù)據(jù)結(jié)構(gòu)化建模。機(jī)器學(xué)習(xí)模型可從抽象后的數(shù)據(jù)中識(shí)別風(fēng)險(xiǎn)會(huì)話(huà)信號(hào)，通過(guò)數(shù)據(jù)接口將其傳輸?shù)郊追酵ㄖ到y(tǒng)，及時(shí)預(yù)警相關(guān)人員。
廠(chǎng)商需要具備行業(yè)經(jīng)驗(yàn)，為甲方提供咨詢(xún)服務(wù)，并基于會(huì)話(huà)智能提供流程智能化解決方案。為解決甲方流程智能化需求，廠(chǎng)商需要具備豐富的行業(yè)經(jīng)驗(yàn)，為甲方提供咨詢(xún)服務(wù)，梳理甲方業(yè)務(wù)流程問(wèn)題，如節(jié)點(diǎn)人工操作導(dǎo)致效率低下等。在此基礎(chǔ)上，廠(chǎng)商需要將會(huì)話(huà)智能與企業(yè)原有業(yè)務(wù)系統(tǒng)結(jié)合，收集員工公開(kāi)會(huì)話(huà)數(shù)據(jù)，并據(jù)此自動(dòng)完成原本需要人工操作的流程節(jié)點(diǎn)，如資料上傳、知識(shí)管理等，為企業(yè)提供流程智能化解決方案。
入選標(biāo)準(zhǔn)：
1. 符合會(huì)話(huà)智能市場(chǎng)分析的廠(chǎng)商能力要求；
2. 近一年該市場(chǎng)年?duì)I收不低于500萬(wàn)；
3. 近一年該市場(chǎng)付費(fèi)客戶(hù)數(shù)量不低于3家。
代表廠(chǎng)商評(píng)估：
明略科技
廠(chǎng)商介紹：
明略科技是一家企業(yè)數(shù)據(jù)智能應(yīng)用軟件供應(yīng)商，通過(guò)挖掘數(shù)據(jù)價(jià)值，為客戶(hù)提供基于大數(shù)據(jù)和人工智能的軟件產(chǎn)品與服務(wù)，幫助組織在數(shù)字化轉(zhuǎn)型中挖掘營(yíng)銷(xiāo)、銷(xiāo)售和服務(wù)等場(chǎng)景的商業(yè)價(jià)值。
產(chǎn)品服務(wù)介紹：
明略科技聚焦?fàn)I銷(xiāo)智能和營(yíng)運(yùn)智能賽道，深挖數(shù)據(jù)應(yīng)用，打通線(xiàn)上線(xiàn)下的數(shù)據(jù)壁壘，賦能更多高價(jià)值場(chǎng)景。其中，營(yíng)銷(xiāo)智能領(lǐng)域解決方案覆蓋公域私域全鏈路，為企業(yè)增長(zhǎng)提供動(dòng)力；營(yíng)運(yùn)智能專(zhuān)注企業(yè)運(yùn)營(yíng)體系，圍繞數(shù)字化場(chǎng)景提供的解決方案，助力企業(yè)突破業(yè)務(wù)全生命周期管理。
會(huì)話(huà)智能作為明略科技營(yíng)運(yùn)智能的解決方案，是一款銷(xiāo)量增長(zhǎng)引擎，以SaaS交付方式幫助企業(yè)營(yíng)銷(xiāo)、銷(xiāo)售部門(mén)實(shí)現(xiàn)銷(xiāo)售過(guò)程數(shù)字化和業(yè)績(jī)歸因分析。明略科技會(huì)話(huà)智能通過(guò)智能識(shí)別會(huì)話(huà)過(guò)程中的“關(guān)鍵事件”（如：連帶銷(xiāo)售，競(jìng)品優(yōu)勢(shì)提及），并分析此類(lèi)事件與業(yè)績(jī)提升、下降的相關(guān)性，從而讓銷(xiāo)售團(tuán)隊(duì)改變溝通行為，提升業(yè)績(jī)表現(xiàn)。目前，明略科技會(huì)話(huà)智能聚焦銷(xiāo)售過(guò)程分析、營(yíng)銷(xiāo)活動(dòng)分析、員工對(duì)比分析、客戶(hù)需求分析四類(lèi)場(chǎng)景，為美妝、汽車(chē)、3C、教培、地產(chǎn)等行業(yè)頭部企業(yè)提供SaaS產(chǎn)品服務(wù)和定制化分析報(bào)告。
廠(chǎng)商評(píng)估：
技術(shù)、行業(yè)積累和客戶(hù)成功體系構(gòu)成明略科技在會(huì)話(huà)智能領(lǐng)域的競(jìng)爭(zhēng)力鐵三角。以技術(shù)為基，明略科技打造軟硬一體解決方案，破除線(xiàn)下會(huì)話(huà)數(shù)據(jù)采集困難的行業(yè)痛點(diǎn)，實(shí)現(xiàn)全量會(huì)話(huà)數(shù)據(jù)的價(jià)值挖掘。明略科技依托在汽車(chē)、美妝、3C和大健康領(lǐng)域的行業(yè)積累，構(gòu)建了豐富的行業(yè)知識(shí)庫(kù)、標(biāo)簽庫(kù)和指標(biāo)庫(kù)，有利于提升語(yǔ)音和語(yǔ)義識(shí)別準(zhǔn)確率和跳過(guò)項(xiàng)目冷啟動(dòng)階段。明略科技已建立客戶(hù)成功體系，為項(xiàng)目配備客戶(hù)成功團(tuán)隊(duì)，幫助甲方實(shí)現(xiàn)業(yè)務(wù)價(jià)值。
明略科技以技術(shù)為基，打造軟硬一體化解決方案，實(shí)現(xiàn)線(xiàn)上線(xiàn)下數(shù)據(jù)的充分匯聚和充分利用，提高分析和洞察的準(zhǔn)確性。甲方對(duì)會(huì)話(huà)智能的普遍價(jià)值預(yù)期：充分釋放會(huì)話(huà)數(shù)據(jù)價(jià)值，提升企業(yè)分析和洞察能力，進(jìn)而驅(qū)動(dòng)業(yè)績(jī)?cè)鲩L(zhǎng)。但是，在“充分釋放會(huì)話(huà)數(shù)據(jù)價(jià)值”環(huán)節(jié)存在兩個(gè)常見(jiàn)難點(diǎn)。首先是數(shù)據(jù)匯聚不全。會(huì)話(huà)數(shù)據(jù)分布在多個(gè)會(huì)話(huà)場(chǎng)域，例如微信、企微、釘釘、飛書(shū)、短信、呼叫中心、線(xiàn)下溝通等，碎片化特征明顯。廠(chǎng)商的能力往往體現(xiàn)在匯聚線(xiàn)上數(shù)據(jù)方面，而面對(duì)線(xiàn)下溝通數(shù)據(jù)則缺乏有效應(yīng)對(duì)手段，導(dǎo)致數(shù)據(jù)匯聚不夠全面，造成數(shù)據(jù)資源浪費(fèi)。明略科技會(huì)話(huà)智能具備語(yǔ)音轉(zhuǎn)寫(xiě)軟硬一體解決方案，通過(guò)明略科技自主研發(fā)的靈聽(tīng)工牌，采集門(mén)店銷(xiāo)售人員的會(huì)話(huà)數(shù)據(jù)，上傳到明略科技會(huì)話(huà)智能系統(tǒng)中，打通線(xiàn)上線(xiàn)下會(huì)話(huà)數(shù)據(jù)。第二個(gè)難點(diǎn)是非結(jié)構(gòu)化數(shù)據(jù)利用程度低。會(huì)話(huà)數(shù)據(jù)主要包含文本和語(yǔ)音兩種模態(tài)，語(yǔ)音數(shù)據(jù)中經(jīng)常出現(xiàn)方言、外語(yǔ)，甚至是約定俗成的錯(cuò)誤表達(dá)，例如將汽車(chē)型號(hào)“x”發(fā)為“叉”音，廠(chǎng)商應(yīng)對(duì)起來(lái)較為吃力。明略科技會(huì)話(huà)智能根據(jù)自身在ASR、NLP等方面的技術(shù)積累，可以有效應(yīng)對(duì)上述問(wèn)題，進(jìn)而提升甲方對(duì)非結(jié)構(gòu)化數(shù)據(jù)的利用程度。
明略科技在汽車(chē)、美妝、3C和大健康領(lǐng)域均有10年以上的業(yè)務(wù)沉淀，有利于提升語(yǔ)音和語(yǔ)義識(shí)別準(zhǔn)確率和跳過(guò)項(xiàng)目冷啟動(dòng)階段，項(xiàng)目質(zhì)量和交付更有保障。會(huì)話(huà)數(shù)據(jù)洞察分析是會(huì)話(huà)智能的核心價(jià)值，而會(huì)話(huà)數(shù)據(jù)提取與轉(zhuǎn)化精度是準(zhǔn)確洞察的保障。與通用場(chǎng)景不同，甲方企業(yè)的銷(xiāo)售會(huì)話(huà)數(shù)據(jù)具有行業(yè)特性，包含大量產(chǎn)品術(shù)語(yǔ)和行業(yè)規(guī)則。面向通用場(chǎng)景的深度學(xué)習(xí)模型直接復(fù)用在行業(yè)場(chǎng)景，準(zhǔn)確率會(huì)大打折扣。
明略科技17年來(lái)與多家500強(qiáng)企業(yè)建立了業(yè)務(wù)合作，在汽車(chē)、美妝、3C和大健康領(lǐng)域均有10年以上的業(yè)務(wù)沉淀，構(gòu)建了豐富的行業(yè)知識(shí)庫(kù)、標(biāo)簽庫(kù)和指標(biāo)庫(kù)。明略科技會(huì)話(huà)智能產(chǎn)品使用行業(yè)知識(shí)庫(kù)訓(xùn)練NLP模型，在上述行業(yè)銷(xiāo)售場(chǎng)景下具有更高的語(yǔ)義識(shí)別準(zhǔn)確率。此外，明略科技的行業(yè)知識(shí)庫(kù)積攢了多個(gè)行業(yè)品牌、品類(lèi)等實(shí)體信息，用于預(yù)訓(xùn)練該行業(yè)的深度學(xué)習(xí)模型，并將其預(yù)置在明略會(huì)話(huà)智能系統(tǒng)內(nèi)。明略科技與同行業(yè)其他甲方建立合作時(shí)，可跳過(guò)冷啟動(dòng)階段，只需根據(jù)甲方業(yè)務(wù)情況微調(diào)模型和算法，即可快速適應(yīng)客戶(hù)需求和行業(yè)環(huán)境。
明略科技為項(xiàng)目配備客戶(hù)成功團(tuán)隊(duì)，能針對(duì)甲方需求定制業(yè)務(wù)分析洞察，釋放會(huì)話(huà)數(shù)據(jù)價(jià)值。在明略科技看來(lái)，將明略科技會(huì)話(huà)智能銷(xiāo)售給甲方并非項(xiàng)目終點(diǎn)，而是起點(diǎn)。明略科技希望甲方可以將會(huì)話(huà)智能用起來(lái)，在業(yè)務(wù)場(chǎng)景發(fā)揮實(shí)際價(jià)值。因此，明略科技為每個(gè)項(xiàng)目配備“完整建制”的客戶(hù)成功團(tuán)隊(duì)，能針對(duì)甲方需求定制業(yè)務(wù)分析洞察。客戶(hù)成功團(tuán)隊(duì)包括項(xiàng)目經(jīng)理、運(yùn)營(yíng)經(jīng)理和團(tuán)隊(duì)分析師三個(gè)核心角色，當(dāng)甲方?jīng)Q策者提出定制化分析需求時(shí)，團(tuán)隊(duì)成員協(xié)同配合：項(xiàng)目經(jīng)理負(fù)責(zé)提供咨詢(xún)服務(wù)；運(yùn)營(yíng)經(jīng)理負(fù)責(zé)具體實(shí)施方案，包括針對(duì)會(huì)話(huà)數(shù)據(jù)實(shí)施數(shù)據(jù)運(yùn)營(yíng)、針對(duì)案例開(kāi)展最佳實(shí)踐等開(kāi)展內(nèi)容運(yùn)營(yíng)；團(tuán)隊(duì)分析師負(fù)責(zé)定位問(wèn)題、分析數(shù)據(jù)、抽象特征，并輸出分析報(bào)告。報(bào)告既可針對(duì)甲方特定產(chǎn)品和服務(wù)展開(kāi)全面分析，為采購(gòu)人員和甲方?jīng)Q策層提供洞察指標(biāo)和改進(jìn)意見(jiàn)，也可以分析銷(xiāo)售人員執(zhí)行企業(yè)SOP的情況，提煉執(zhí)行建議洞察。
客戶(hù)成功團(tuán)隊(duì)業(yè)務(wù)運(yùn)營(yíng)人員按照甲方需求輸出定制化報(bào)告后，可將分析指標(biāo)等報(bào)告成果進(jìn)行產(chǎn)品化，發(fā)布到客戶(hù)的明略會(huì)話(huà)智能智能租戶(hù)當(dāng)中。甲方遇到類(lèi)似問(wèn)題可以自行分析，無(wú)需重復(fù)付費(fèi)。
典型客戶(hù)：
某金融服務(wù)企業(yè)、某汽車(chē)品牌、某教育集團(tuán)、某醫(yī)藥零售企業(yè)、某口腔醫(yī)療服務(wù)機(jī)構(gòu)
4.4 智能診療
市場(chǎng)定義：
智能診療是指將知識(shí)圖譜、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理等人工智能技術(shù)用于輔助診療當(dāng)中，使計(jì)算機(jī)能夠模擬醫(yī)生診療時(shí)的思維邏輯，在實(shí)際應(yīng)用時(shí)給出診療方案，為醫(yī)生提供決策支撐，提升醫(yī)療效率和質(zhì)量，應(yīng)用領(lǐng)域包括智能診斷、治療方案推薦、醫(yī)學(xué)知識(shí)庫(kù)、檢查輔助等。
甲方終端用戶(hù)：
基層醫(yī)療機(jī)構(gòu)、醫(yī)院門(mén)診、醫(yī)院影像科
甲方核心需求：
甲方對(duì)智能診療的需求主要體現(xiàn)在決策支持方面。基層醫(yī)療機(jī)構(gòu)需要智能診療產(chǎn)品輔助基層醫(yī)生決策；影像科醫(yī)生需要智能診療產(chǎn)品快速、精準(zhǔn)判斷患者病情，提高診斷效率和準(zhǔn)確性；專(zhuān)科門(mén)診醫(yī)生需要快速獲取臨床決策證據(jù)，準(zhǔn)確做出臨床決策；智能診療產(chǎn)品還需要輔助醫(yī)生評(píng)估治療方案療效，科學(xué)治療患者。
基層醫(yī)療機(jī)構(gòu)需要提升基層醫(yī)生診斷水平，承擔(dān)“基層首診”任務(wù)。基層醫(yī)療機(jī)構(gòu)人才匱乏、診療水平相對(duì)較低，導(dǎo)致患者寧可舍近求遠(yuǎn)，排隊(duì)到大醫(yī)院就醫(yī)，也不愿意前往基層醫(yī)療機(jī)構(gòu)就診。患者集中到大醫(yī)院就診是看病難、看病貴的重要原因之一。為此，國(guó)務(wù)院辦公廳發(fā)布的《關(guān)于推進(jìn)分級(jí)診療制度建設(shè)的指導(dǎo)意見(jiàn)》，提出“基層首診、雙向轉(zhuǎn)診、急慢分治、上下聯(lián)動(dòng)”的分級(jí)診療體系建設(shè)意見(jiàn)。基層醫(yī)療機(jī)構(gòu)要承擔(dān)起“基層首診”的任務(wù)，提高基層醫(yī)生診療水平，亦是智能診療的用武之地之一。
甲方需要根據(jù)醫(yī)學(xué)影像快速、精準(zhǔn)判斷患者病情，提高診斷效率和準(zhǔn)確性。動(dòng)脈網(wǎng)數(shù)據(jù)顯示，中國(guó)醫(yī)學(xué)影像數(shù)據(jù)年增長(zhǎng)率達(dá)30%，而放射科醫(yī)生的年增長(zhǎng)率僅有4.1%。這導(dǎo)致影像科醫(yī)生工作量逐年加大，難以完成海量醫(yī)學(xué)影像的閱片工作。另外，依靠醫(yī)生經(jīng)驗(yàn)判斷患者病情容易出現(xiàn)誤診、漏診情況，影響患者治療。因此，甲方希望將認(rèn)知智能技術(shù)與醫(yī)學(xué)影像結(jié)合，快速、精準(zhǔn)判斷患者病情，提高診斷效率和準(zhǔn)確性。
甲方需要專(zhuān)科醫(yī)生以循證醫(yī)學(xué)為原則，迅速、準(zhǔn)確做出臨床決策。傳統(tǒng)臨床決策只依賴(lài)專(zhuān)科醫(yī)生有限的實(shí)踐經(jīng)驗(yàn)，缺乏客觀研究結(jié)果做憑據(jù)，可能導(dǎo)致無(wú)用的治療方法長(zhǎng)期得到臨床采用，而有助于疾病治療的方法則受到忽視。因此，甲方愈發(fā)重視遵循循證醫(yī)學(xué)原則，將臨床醫(yī)生個(gè)人經(jīng)驗(yàn)與臨床決策客觀依據(jù)結(jié)合，迅速、準(zhǔn)確為患者做出臨床決策。但決策依據(jù)來(lái)自對(duì)相關(guān)信息進(jìn)行搜集、評(píng)價(jià)和整合，需要臨床醫(yī)生花費(fèi)大量時(shí)間。因此，甲方需要引進(jìn)知識(shí)圖譜技術(shù)，輔助臨床醫(yī)生在短時(shí)間內(nèi)完成知識(shí)查詢(xún)，獲取相關(guān)證據(jù)，準(zhǔn)確做出臨床決策。
甲方需要醫(yī)生評(píng)估治療方案療效，為患者提供定制化治療方案。醫(yī)生診斷患者病情后，會(huì)參考特定疾病的治療方法，出具標(biāo)準(zhǔn)治療方案。但每一位患者的病情都具有差異性，治療方案的效果也因人而異。為此因此，部分醫(yī)院設(shè)立專(zhuān)病門(mén)診，為特定病種患者提供病程全周期管理服務(wù)。在此過(guò)程中，醫(yī)生需要準(zhǔn)確把握患者預(yù)后情況，使用AI醫(yī)學(xué)影像等技術(shù)科學(xué)評(píng)估療效，為患者提供定制化治療方案。
廠(chǎng)商能力要求：
甲方對(duì)智能診療的需求為廠(chǎng)商提出多項(xiàng)能力要求。基層醫(yī)療機(jī)構(gòu)需要廠(chǎng)商提供符合基層醫(yī)生使用習(xí)慣的輔助診斷系統(tǒng)；醫(yī)院影像科需要智能診療產(chǎn)品快速準(zhǔn)確實(shí)現(xiàn)圖像病例分類(lèi)和病灶分割；醫(yī)院門(mén)診需要智能診療產(chǎn)品為臨床醫(yī)生診斷提供決策依據(jù)，并基于患者病情發(fā)展信息，為醫(yī)生療效評(píng)估提供參考。
圖 7： 智能診療廠(chǎng)商能力要求
廠(chǎng)商需要將認(rèn)知智能技術(shù)與醫(yī)生診斷結(jié)合，構(gòu)建適合基層醫(yī)生使用的輔助診斷系統(tǒng)。為提升基層醫(yī)生診斷水平，智能診療廠(chǎng)商需要具備利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)打造高精度、高可靠性的診療算法和模型，并使用分詞算法、實(shí)體關(guān)系抽取等NLP技術(shù)構(gòu)建常見(jiàn)病知識(shí)圖譜。在基層診斷場(chǎng)景下，模型能根據(jù)患者癥狀描述，通過(guò)圖譜檢索等方式，為基層醫(yī)生提供患者病情診斷輔助。同時(shí)，算法和模型需要在臨床診斷中結(jié)合醫(yī)生和患者反饋，不斷自我優(yōu)化，進(jìn)一步提高其準(zhǔn)確性和可靠性。
廠(chǎng)商需要將人工智能技術(shù)與醫(yī)學(xué)影像結(jié)合，快速準(zhǔn)確實(shí)現(xiàn)圖像病例分類(lèi)和病灶分割。為提高影像科醫(yī)生閱片效率和準(zhǔn)確性，廠(chǎng)商需要使用深度學(xué)習(xí)技術(shù)預(yù)訓(xùn)練模型，將其與醫(yī)學(xué)影像系統(tǒng)結(jié)合后，使用患者數(shù)據(jù)進(jìn)行二次訓(xùn)練。訓(xùn)練后的模型需要實(shí)現(xiàn)圖像病例精準(zhǔn)分類(lèi)，提供診斷建議，或?qū)崿F(xiàn)目標(biāo)/病灶檢測(cè)分割，輔助醫(yī)生勾畫(huà)治療靶區(qū)。
廠(chǎng)商需要將專(zhuān)科診療信息沉淀為醫(yī)學(xué)知識(shí)圖譜，為臨床醫(yī)生診斷提供決策依據(jù)。為方便臨床醫(yī)生快速獲取證據(jù)，結(jié)合自身經(jīng)驗(yàn)準(zhǔn)確做出臨床決策，廠(chǎng)商需要結(jié)合公開(kāi)資料和甲方內(nèi)部信息，使用NLP、知識(shí)圖譜等技術(shù)將專(zhuān)科疾病相關(guān)研究、治療等信息沉淀為醫(yī)學(xué)知識(shí)圖譜。知識(shí)圖譜需要配備智能查詢(xún)服務(wù)，能根據(jù)查詢(xún)需求自動(dòng)匹配患者數(shù)據(jù)及相關(guān)病理、藥理信息，為臨床診療提供符合循證醫(yī)學(xué)證據(jù)的決策支持。
智能診療產(chǎn)品需要獲取患者病情發(fā)展信息，為醫(yī)生療效評(píng)估提供參考。療效評(píng)估需要獲取患者病情發(fā)展信息，廠(chǎng)商需要使用知識(shí)圖譜等認(rèn)知智能技術(shù)，對(duì)比分析患者治療前后病情發(fā)展情況。以影像醫(yī)學(xué)為例，智能影像產(chǎn)品通過(guò)AI技術(shù)對(duì)比分析患者治療前后的影像變化后，能夠根據(jù)視覺(jué)影像知識(shí)圖譜，檢索影像占位特征對(duì)應(yīng)的疾病信息，將視覺(jué)信息轉(zhuǎn)化為量化指標(biāo)，為病情及療效評(píng)估提供決策依據(jù)。
入選標(biāo)準(zhǔn)：
1. 符合智能診療市場(chǎng)分析的廠(chǎng)商能力要求；
2. 近一年該市場(chǎng)年?duì)I收不低于500萬(wàn)；
3. 近一年該市場(chǎng)付費(fèi)客戶(hù)數(shù)量不低于3家。
代表廠(chǎng)商評(píng)估：
深睿醫(yī)療
廠(chǎng)商介紹：
北京深睿博聯(lián)科技有限責(zé)任公司（簡(jiǎn)稱(chēng)深睿醫(yī)療）成立于2017年3月，在北京、上海、杭州均設(shè)有獨(dú)立運(yùn)營(yíng)公司，是專(zhuān)注于人工智能技術(shù)在醫(yī)療領(lǐng)域應(yīng)用的國(guó)家級(jí)高新技術(shù)企業(yè)，致力于通過(guò)深度學(xué)習(xí)技術(shù)及自主研發(fā)核心算法，為國(guó)內(nèi)外各類(lèi)醫(yī)療服務(wù)機(jī)構(gòu)提供基于人工智能和互聯(lián)網(wǎng)醫(yī)療的解決方案。深睿醫(yī)療產(chǎn)品遍布全國(guó)30多個(gè)省市，為數(shù)千家醫(yī)療機(jī)構(gòu)提供從AI輔助診斷、智能篩查、臨床決策、患者服務(wù)到醫(yī)療大數(shù)據(jù)治理、科學(xué)研究、醫(yī)生培訓(xùn)、能力建設(shè)等全鏈路的人工智能服務(wù)。
產(chǎn)品服務(wù)介紹：
深睿醫(yī)療專(zhuān)注于人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用，為國(guó)內(nèi)外各類(lèi)醫(yī)療服務(wù)機(jī)構(gòu)提供基于人工智能和互聯(lián)網(wǎng)醫(yī)療的解決方案，產(chǎn)品遍布全國(guó)30多個(gè)省市，為數(shù)千家醫(yī)療機(jī)構(gòu)提供從AI輔助診斷、智能篩查、臨床決策、患者服務(wù)到醫(yī)療大數(shù)據(jù)治理、科學(xué)研究、醫(yī)生培訓(xùn)、能力建設(shè)等全鏈路的人工智能服務(wù)。其中深睿醫(yī)療旗艦產(chǎn)品Dr.Wise®智慧影像系列產(chǎn)品家族龐大，目前覆蓋神經(jīng)系統(tǒng)、心血管系統(tǒng)、運(yùn)動(dòng)系統(tǒng)、呼吸系統(tǒng)、消化系統(tǒng)、女性關(guān)愛(ài)、兒童關(guān)愛(ài)等領(lǐng)域。深睿醫(yī)療也是國(guó)內(nèi)同時(shí)擁有7張NMPA三類(lèi)證的醫(yī)療人工智能公司，這樣的獲證數(shù)量在國(guó)內(nèi)的醫(yī)療AI領(lǐng)域是較為罕見(jiàn)的。
廠(chǎng)商評(píng)估：
深睿醫(yī)療在科研積累、解決方案完備性、AI診療產(chǎn)品性能和智能診療項(xiàng)目經(jīng)驗(yàn)等方面具有優(yōu)勢(shì)。研發(fā)方面，深睿醫(yī)療在科研領(lǐng)域積累豐富，且具有完備的整體解決方案，能滿(mǎn)足醫(yī)療機(jī)構(gòu)合作研發(fā)需求；產(chǎn)品性能方面，深睿醫(yī)療將認(rèn)知智能技術(shù)應(yīng)用于醫(yī)療產(chǎn)品，以乳腺產(chǎn)品為例，有效解決乳腺檢查影像診斷難題，旗下乳腺類(lèi)AI產(chǎn)品于2023年1月獲得行業(yè)首個(gè)也是目前唯一一張NMPA三類(lèi)證。此外，深睿醫(yī)療采取“AI+云平臺(tái)”模式，賦能數(shù)字疾病化管理，緩解基層醫(yī)療資源短缺難題，并為醫(yī)院影像科提供“醫(yī)生助手”，為醫(yī)生提供全流程診療輔助，提高診斷效率。
深睿醫(yī)療在科研領(lǐng)域積累豐富，且具有完備的整體解決方案，能滿(mǎn)足醫(yī)療機(jī)構(gòu)合作研發(fā)需求。大型醫(yī)療機(jī)構(gòu)在特定專(zhuān)科或領(lǐng)域有深厚的醫(yī)學(xué)知識(shí)積累，希望通過(guò)與AI醫(yī)療廠(chǎng)商合作，將醫(yī)學(xué)知識(shí)轉(zhuǎn)化為臨床產(chǎn)品，提高醫(yī)院服務(wù)水平。科研能力強(qiáng)、解決方案完整的AI醫(yī)療廠(chǎng)商是這類(lèi)醫(yī)療機(jī)構(gòu)合作首選。深睿醫(yī)療不僅在科研方面具有豐富沉淀，曾牽頭或參與7個(gè)科技部重大專(zhuān)項(xiàng)，15個(gè)國(guó)家自然科學(xué)基金項(xiàng)目，30多個(gè)省地級(jí)科研項(xiàng)目，而且在解決方案完整性方面具有優(yōu)勢(shì)，為數(shù)千家醫(yī)療機(jī)構(gòu)提供AI輔助診斷、智能篩查、臨床決策等全鏈路人工智能服務(wù)，具備與醫(yī)療機(jī)構(gòu)合作研發(fā)能力。
深睿醫(yī)療迄今參與多項(xiàng)醫(yī)療機(jī)構(gòu)合作項(xiàng)目，成果顯著。以四川大學(xué)華西醫(yī)院和深睿醫(yī)療合作為例，2022年雙方共同開(kāi)發(fā)“面向呼吸疾病的醫(yī)學(xué)人工智能數(shù)據(jù)庫(kù)”，并在此基礎(chǔ)上研發(fā)胸部疾病人工智能輔助診斷產(chǎn)品DeepMRDTR。這款產(chǎn)品采用知識(shí)圖譜等認(rèn)知智能技術(shù)，可智能識(shí)別結(jié)節(jié)、腫塊、磨玻璃密度影等20種胸部異常征象，依托多模態(tài)、全周期臨床多維信息對(duì)腫瘤性疾病、感染性疾病和氣道性疾病提供鑒別和綜合診斷，使肺癌、肺炎、肺結(jié)核等8種常見(jiàn)呼吸疾病診斷準(zhǔn)確性達(dá)90%。
深睿醫(yī)療能夠?qū)⑶把刂悄茚t(yī)學(xué)科研成果落地為智能診療產(chǎn)品，解決乳腺檢查難題。由于亞洲女性乳腺致密性構(gòu)造，腫塊、結(jié)構(gòu)扭曲等易受到腺體影響的因素，成為乳腺X線(xiàn)檢查影像診斷難點(diǎn)。為解決這一難題，深睿醫(yī)療與國(guó)內(nèi)多家醫(yī)療機(jī)構(gòu)合作，展開(kāi)一系列乳腺方向研究，提升乳腺疾病相關(guān)檢測(cè)和診斷算法性能。深睿醫(yī)療將深度學(xué)習(xí)算法與當(dāng)前目標(biāo)檢測(cè)、實(shí)例分割、次序回歸等乳腺疾病領(lǐng)域前沿學(xué)術(shù)成果融合，自主創(chuàng)新針對(duì)高噪聲環(huán)境中超微小物體檢測(cè)的AI算法，能夠自動(dòng)檢出并標(biāo)注乳腺病灶。深睿醫(yī)療基于新算法打造出乳腺類(lèi)智能診療產(chǎn)品，于2023年1月獲得NMPA三類(lèi)證，國(guó)家藥監(jiān)局頒發(fā)的國(guó)內(nèi)首個(gè)乳腺AI三類(lèi)證。
深睿醫(yī)療推出“AI+云平臺(tái)”模式，在數(shù)字疾病化管理領(lǐng)域落地案例豐富。醫(yī)療資源短缺是制約基層衛(wèi)生服務(wù)能力發(fā)展的痛點(diǎn)。深睿醫(yī)療與基層醫(yī)療機(jī)構(gòu)、衛(wèi)健局合作，將智能裝備、智能診療、智能患者管理等創(chuàng)新手段融入疾病全周期管理平臺(tái)，以AI技術(shù)緩解基層醫(yī)療資源緊缺。
深睿醫(yī)療“AI+云平臺(tái)”模式迄今已有豐富的落地案例，包括與浙江省腫瘤醫(yī)院合作的智慧疾病篩查平臺(tái)-AI健康地圖，該項(xiàng)目入選2022健康中國(guó)創(chuàng)新實(shí)踐案例及2022年浙江省數(shù)字化改革最佳應(yīng)用獎(jiǎng)，在新疆、上海、南京、杭州等地先后落地的兒童生長(zhǎng)發(fā)育智能診療平臺(tái)項(xiàng)目等，以深睿醫(yī)療聯(lián)合杭州市西湖區(qū)衛(wèi)健局共同建設(shè)的“基于多病種人工智能的區(qū)域醫(yī)療影像云平臺(tái)”項(xiàng)目為例，深睿醫(yī)療利用云網(wǎng)融合技術(shù)構(gòu)建區(qū)域醫(yī)療影像云基礎(chǔ)平臺(tái)，聯(lián)網(wǎng)西湖區(qū)12家社區(qū)衛(wèi)生服務(wù)中心，實(shí)現(xiàn)區(qū)域內(nèi)醫(yī)療影像數(shù)據(jù)集中采集、標(biāo)準(zhǔn)化存儲(chǔ)、高效檢索、統(tǒng)一管理。該項(xiàng)目是浙江省西湖區(qū)重點(diǎn)民生實(shí)事項(xiàng)目，入選2022年杭州市第一批重點(diǎn)建設(shè)人工智能應(yīng)用場(chǎng)景。
在此基礎(chǔ)上，深睿醫(yī)療使用知識(shí)圖譜、NLP等認(rèn)知智能技術(shù)，針對(duì)多種常見(jiàn)疾病打造醫(yī)療AI輔助診斷引擎，并將其與基礎(chǔ)平臺(tái)融合，形成基于AI技術(shù)的智能影像云平臺(tái)。“AI+云平臺(tái)”模式實(shí)現(xiàn)胸部CT、胸部平片、兒童骨齡、四肢骨折等病種區(qū)域智能化集中診斷，解決基層醫(yī)療機(jī)構(gòu)閱片壓力大、診斷能力不足等問(wèn)題。
深睿醫(yī)療發(fā)揮AI醫(yī)學(xué)影像技術(shù)優(yōu)勢(shì)，與醫(yī)療大數(shù)據(jù)平臺(tái)融合，為醫(yī)院影像科打造“醫(yī)生助手”。 AI醫(yī)學(xué)影像已經(jīng)完成早期單病種單征象向多病種全征象的過(guò)渡，現(xiàn)階段醫(yī)院需要一個(gè)“醫(yī)生助手”，從診療全流程為醫(yī)生提供輔助。深睿醫(yī)療充分考慮醫(yī)生的日常診療流程，依托AI醫(yī)學(xué)影像技術(shù)優(yōu)勢(shì)，研制新一代輔診系統(tǒng)，能夠提高診斷效率，減少醫(yī)生重復(fù)勞動(dòng)。以胸部CT AI輔診系統(tǒng)為例，該系統(tǒng)打破早期AI產(chǎn)品只能檢出單一病癥的局限，實(shí)現(xiàn)肺部、胸膜、胸廓、縱隔等部位全征象一站式自動(dòng)分析。患者做一次胸部掃描，既可以檢出肺結(jié)節(jié)、肺炎、胸部骨折等相關(guān)病灶征象，還能夠獲得肺結(jié)節(jié)良惡性提示、危急疾病預(yù)警、多發(fā)結(jié)節(jié)智能隨訪(fǎng)等信息。同時(shí)，該系統(tǒng)通過(guò)肺窗與縱隔窗聯(lián)動(dòng)，能夠檢出胸膜病變，并對(duì)相關(guān)征象進(jìn)行定量分析。
此外，在完成對(duì)于依圖醫(yī)療的并購(gòu)后，深睿醫(yī)療在人工智能與醫(yī)療大數(shù)據(jù)領(lǐng)域，依托“影像+數(shù)據(jù)”的雙AI引擎，為醫(yī)院影像科構(gòu)建智影像數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)業(yè)務(wù)流程化，流程信息化，信息數(shù)據(jù)化，數(shù)據(jù)智能化。2023年2月上線(xiàn)的Deepwise MetAI智慧影像&數(shù)據(jù)新平臺(tái)，應(yīng)用計(jì)算機(jī)視覺(jué)、NLP、深度學(xué)習(xí)等人工智能技術(shù)，實(shí)現(xiàn)影像掃描后重建、打印、診斷、會(huì)診、教學(xué)、科研的一站式影像科全周期智能管理。診斷流程中產(chǎn)生的結(jié)構(gòu)化數(shù)據(jù)可作為影像科數(shù)據(jù)資產(chǎn)，用于多學(xué)科專(zhuān)家會(huì)診、科研的提質(zhì)增效、影像科室的能力建設(shè)等多個(gè)方向。
典型客戶(hù)：
四川大學(xué)華西醫(yī)院、浙江省腫瘤醫(yī)院、中日友好醫(yī)院、浙江大學(xué)醫(yī)學(xué)院附屬兒童醫(yī)院、杭州市西湖區(qū)衛(wèi)健局
5. 入選廠(chǎng)商列表
免責(zé)聲明：市場(chǎng)有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買(mǎi)賣(mài)依據(jù)。
關(guān)鍵詞：
