大模型技術的在中國企業市場，存在一種“技術崇拜”。一部分企業會將大模型技術視為一種“萬能藥”，認為只要掌握了先進的技術就能解決企業發展的所有問題，而忽視了技術背后的復雜性和局限性。
這種技術崇拜，一度演變成盲目跟風，以至于各種企業基于大模型，研發的名目繁多的GPT交相輝映，它們絕大多數活躍在“對話框”，僅有極少部分能夠為企業帶來生產力的提升。
企業應用流程復雜，場景林立，如何化繁為簡，讓大模型為企業效力，讓AI真正解決企業問題？就需要在繁雜企業應用需求與大模型之間架設一座橋梁。
用友剛剛發布的深度企業企業服務的垂類大模型YonGPT 2.0，正是這樣的一座橋梁。
1
大模型時代，
企業需要怎么樣的大模型？
麥肯錫的報告預測：到2040年，生成式AI每年可為全球經濟帶來2.6萬億至4.4萬億美元的增長。
今年初，IDC 發布的《2024 AIGC應用層十大趨勢白皮書》也顯示：隨著 AIGC 技術的發展，智能化應用將呈現爆發式增長，同時IDC預測：到 2024 年全球將涌現出超過 5 億個新應用，這相當于過去 40 年間出現的應用數總和。
這兩份數據顯示出大模型市場背后巨大的市場潛力，這種潛力絕不局限于消費端，企業AI應用的發展注定是重要的驅動力之一。
從企業的角度，任何技術本身都是不具備行業屬性的，脫離了場景的技術也無法稱之為有用的技術。這代表著，大模型技術必須通過融入業務場景來展現它的價值。
但我們都知道，大模型技術要走出“對話框”，走進企業應用，還需要過幾道關。
首先，大模型擁有強大的泛化能力，但在特定領域和場景如果未經針對性訓練則無法滿足應用的需求；
其次，企業應用不允許存在“AI幻覺”，因此在企業應用場景，垂域大模型的需要對應高質量數據集和行業知識庫。
第三，垂直領域的大模型的開發需要大量的資源和成本，乃至定制化要求，無論是企業自己投入研發，還是第三方的開發商都很難對企業整體業務擁有全面的理解。
所以不難總結，在大模型技術，到企業AI應用之間需要一個“中間層”，它需要具備強大的領域知識，能夠深刻理解大部分的企業應用場景，有專業數據訓練和調優能力，甚至可以向上提供專業的智能交互工具，并支持企業訓練出更符合自身行業特征的垂類大模型。
這就是YonGPT被推出的初衷，更是YonGPT 2.0升級之后，所要賦予企業的價值，并有可能引領企業數智化走進一個黃金時代。
2
什么是深懂企業服務的大模型？
YonGPT1.0發布于去年7月，是業界首個企業服務大模型。在今年的8月10日，YonGPT2.0正式發布，沉淀了財務、人力、供應鏈等垂直領域模型，并實現更強專業能力和完善的大模型訓練體系。
用友對YonGPT2.0的一個核心定位是：深懂企業服務的垂類大模型。
很明顯，這里的關鍵詞其實是“深懂”，那么YonGPT2.0如何能夠證明這個定位呢？
第一，要支持企業AI應用，從基礎大模型到具體的應用場景之間，其實隔著“幾重山”。既需要服務大模型對專業知識進行訓練，也需要擴展大模型能夠將應用框架解決各種業務運營、人機交互的問題，還需要與智能體相結合，最后形成企業切實可用的AI應用。
這就要求，YonGPT2.0不僅僅是一個大模型平臺，更要是一個大模型的完整體系，嫁接從大模型層到AI應用落地之間的所有環節。
我們也看到YonGPT2.0包括了大模型的專業能力層，大模型的平臺層，和框架層，并向上延伸出四類應用。這一整套的大模型體系，成為了企業的AI應用新引擎。
企業可以在這套體系中，定制開發自己的應用，并通過大模型平臺與應用之間的數據反饋，形成完整閉環，讓大模型基于真實業務場景不斷學習進化，這就是YonGPT2.0 深“懂”企業的一個重要原因。
其次，打造企業應用大模型，不單純是一個技術創新，更是一次管理能力的升級，所以它的門檻是得懂企業場景和業務邏輯。
我們知道，過去30多年來，從信息化時代、到數字化時代，再到數智化時代，用友一直沉浸于企業應用，深入企業的管理和運營，了解每一次企業變革的內在邏輯和場景需求。而今天這些經驗和知識，都已經沉淀在YonGPT2.0之上，它能夠解決企業經營中面臨的人、財、物、服、供、產、銷、研等各方面應用場景問題。并且用友擁有大量的業務專家，他們把自己多年服務行業領先企業的經驗，知識積累下來，沉淀在大模型中并進行訓練。這種“深懂”，無法復制，是用友獨有，也是YonGPT2.0獨有。
第三，企業的業務是動態的，所以AI應用也不會一成不變，這要求大模型能夠不斷學習，對模型進行優化和微調。換言之，企業大模型應該是“活”的模型，而不是固化的。
這就不得不提一下YonGPT2.0的大模型平臺層的作用，它的下層是通用的專業能力，如領域知識問答能力增強、PPT分析報告生成 、合同智能審核等等，保證了模型在業務基礎能力的支撐；同時在平臺層本身，內置了各種“經驗數據”，以幫助模型能夠在專業數據的基礎上通過幾個應用框架進行微調來確保模型的效果。
比如遇到業務運營方面的問題，可以用Agent應用框架進行微調；人機交互問題，由人機交互應用框架去微調；知識生成或應用生成問題，都可以通過RAG業務框架來微調。通過這些應用框架，企業還可以通過AI Agent（智能體）構建器，將用友BIP3 R6中的應用、業務知識等，快速構建成滿足各類場景需求的智能體，實現靈動化的企業應用創新。
第四，實現了大模型的進化能力，有了自主構建AI應用的能力之后，AI其實還可以在模型層和應用層之間，形成一個交互層。可以更好駕馭大模型的能力，形成交互式的應用，它們并不是最終具體的企業應用，但卻賦予企業應用更多的體驗和智慧。
最典型的就是數智員工，通過虛擬形象，替代某些場景下的人力員工，它是我們通常所見到的數字人的進階版，更貼近業務一線，往往可帶來直接的降本增效作用。如稅務風險合規官、采購合規官、合同審核助理、客服助理等，幫助企業完成大量重復性、風險合規性等工作，顯著降低作業成本提升工作效率。
而智友，則更像是一個智能助理的角色，它在業務系統當中，可以通過簡單對話給出我們更多的建議，并幫助員工實現繁瑣的業務操作。
智能大搜則是典型的AIGC時代的產物，對于圖片、視頻、聲音等非結構化數據實現一站式的搜索和呈現，可實現企業級“感知式”知識伴隨，大模型“生成式”業務審查、“閉環式”知識沉淀與運營。
不難總結，YonGPT2.0完全建立在企業業務的視角進行重新定位，將大模型與AI應用之間的進化邏輯進行了清晰的梳理和運營，一個“懂”字就已經印證了YonGPT2.0的價值。
3
為做好“模型運用”奠定基礎
早在2016年，《智能時代：大數據與智能革命重新定義未來》就預言：傳統的企業都將采用智能技術實現升級換代，也會改變原有的商業模式。
時至今日，大模型的出現的確讓我們看到了企業業務由內而外的發生改變。
在合同審核領域，通過提取合同要素、進行智能問答，顯著提升審核效率與準確性；在AI面試中，利用大模型對候選人進行全面評估，幫助企業提升招聘效率高達30%；在智慧化知識生成方面，大搜產品的應用使得非結構化數據得以高效利用，為企業決策提供了有力支持……
這些令人耳目一新的業務新面貌，都源自于YonGPT2.0在企業端的廣泛應用，也為企業數智化轉型提供了可借鑒的實踐經驗。
如王文京所說，企業要成功推進數智化，除了要選擇采用正確的方法論、選擇合適的軟件系統，企業還要重視和做好“數據治理”(數據標準化)、“模型運用”(AI模型的選擇和應用)這兩項重要的基礎工作，就像信息化時期要做好“流程梳理”工作一樣。
所以選擇YonGPT2.0，本質上就等于為做好“模型運用”這件工作奠定了基礎。
總結來看，YonGPT2.0不僅內置了豐富的經驗數據和微調專業數據，還支持多模型集成與專業能力評估，確保模型微調效果的最優化，保證YonGPT2.0能夠更精準地滿足企業的多樣化需求；同時通過Agent框架，實現復雜任務的智能分解與執行，HCI框架來提升用戶體驗，RAG框架則專注于非結構化數據的知識化與圖譜化，實現知識的可搜、可問、可見、可用。再輔以智友、數智員工和智能大搜這三大交互方式，形成了完整的支持企業AI應用開發到落地全過程。
隨著AI技術的不斷發展與普及，企業AI應用正逐漸成為企業數智化的主旋律。可以預見，YonGPT2.0作為企業服務大模型體系的創建者，憑借其強大的專業能力、靈活的應用框架以及豐富的實踐案例，在通過大模型和企業AI應用之間，架設的這座“橋梁”，將推動企業更快速、更高效的邁向數智化時代。
