抢抓AI“风口”的人

本文转自：济南日报

算法工程师，一年创造出“大模型”的多种应用场景——

抢抓AI“风口”的人

宗云兵（右）与同事讨论技术方案。

小组研讨现场。

4月25日下午，在济南金现代公司，刚刚从广州返回济南不久的宗云兵，又投入到与团队的研讨中。他们计划与广州某大型证券公司合作，尝试将A I大模型运用在政策法规查询和证券市场报告的撰写中。

这是宗云兵与团队自电力、建筑、实验室、企业管理之外，对A I技术实际应用领域的又一次探索。自他们组建团队，打开A I大模型的大门，至今仅仅过去了一年。

业内形容，当前的人工智能产业正处在一个“速度够快，不需要风”的黄金时代。宗云兵与很多算法工程师一样，正加足马力，抢抓这一风口。

天降一把“神锤”

“大家都知道A I这两年很热，但我们要做的是从商业角度去分析这一热度有着怎样的前景，能有哪些可以匹配的商业场景。也就是说，不能光打雷，还得下雨。”宗云兵回忆，大概去年这个时候，公司组建了人工智能研究所，战略化的调整下，一半以上的算法工程师转向大模型方向。作为带头人的宗云兵，深知此刻他们要做的事，有着划时代的意义。

“我们都知道，人工与大模型的效率有着宇宙级的天差地别，这就是生产力质的改变。”宗云兵深耕的“大模型”，是指具有巨大参数规模的A I模型，这些模型通过“学习”能理解庞大的数据量。它的问世，意味着人类可以运用技术将海量数据压缩，并方便快捷地抽取和使用。

以前，宗云兵团队只能靠智能文档处理技术为企业解决智能化问题，大模型的出现，对这些工程师来说，无疑是令人兴奋的。“就像是面前有着一大排钉子，突然间天降了一把‘神锤’。”宗云兵这样形容他们与新技术的相遇。好奇心和探索欲也驱使着他们，去尝试“驯化”大模型，让它更接近人的逻辑，并为人所用。

大模型的“不完美”

满怀着技术革新带来的希望，宗云兵准备大展拳脚、着手开发，他们最初的发力点，是服务了多年的电力等行业的数字化

领域。但设想要落地，并非易事。随着大模型的实际应用，一系列

问题也逐渐凸显。其中最突

出的是，大模型最初只能

支持非常简单的对话，不能理解复杂的语言，思考和回答缺乏逻辑。可以说，“一本正经地胡说八道”成了大模型应用的致命缺陷。

能否解决这一缺陷，是影响大模型落地企业应用的关键。由于通用大模型的训练主要基于公开互联网知识，对企业内部知识一无所知，因此不能满足业务开展的要求。

“企业往往有着数据私密的特点，所以我们尝试将大模型私有化部署到企业内网。”宗云兵介绍，这背后“知识投喂”的过程不仅工程量巨大，也对算法工程师提出了更高的要求，“我们必须要懂这些行业的业务知识，否则难以处理数据。”

这个过程，花的是时间和成本，考验的是信心和耐心。宗云兵说，他们愿意为梦想拼搏一次。在办公现场，我们感受到了这些年轻人拼搏的姿态：十余名算法工程师中，有的集中精力敲击着代码；有的三两人聚在展板前，就一个技术难点讨论得火热；还有的工程师，带着电脑长期驻扎在企业办公，只为把企业的业务学懂弄通……

蕴藏机遇的“黄金时代”

基于业务知识的数据整理是十分辛苦的工作，也是决定大模型准确性最重要的基础建设。他们与客户坐在一起学习业务知识，与客户和业务人员一起去验证准确性……经过反复调整和适配，一个个技术难点逐一攻破。在宗云兵团队的支撑下，该公司孵化出一款大模型产品——“小金智问”。这个产品逐渐能够学习适配于各种业务场景，所生成的数据有真实事实依据，并且符合用户预期。

在电力企业的应急管理中，工作人员在应急抢修过程中可随时对行业规范要求、突发事件和应急措施等问题“提问”，系统可以给出准确答案以及答案来源，比如“面对12级台风应该采取哪些应急抢修措施”等等。

在汽车制造和维修领域，大模型能够帮助车企的研发部门、法务部门、生产部门以及试验部门随时定位并理解各项标准要求，无论是设计阶段的材料选择、制造阶段的工艺流程，还是检测阶段的性能评估，甚至是维修阶段的故障诊断，都能提供准确、及时的指导。

实验室是一个数据密度非常高的部门，订单信息、质控数据、原始数据、分析报告、绩效排名等各类数据接入大模型后，能够随时调取数据，解答各类问题，并支持以图表的形式展出。

在过去的一年中，宗云兵带领团队抓住“大模型”这一技术风口，成功在多个领域实现落地应用，帮助客户大大提升工作效率、降低运营成本、实现数据驱动决策。如今，他们并未止步，因为成功的案例给他们带来了更多灵感和启发……

“以大模型为代表的人工智能技术，在我们算法工程师看来，就是新质生产力，将会对社会发展起到强大的推动作用。”宗云兵坦言，这个时代充满着无限可能，他们要做的，就是抢抓技术风口，把“可能”变成“现实”。（本报记者王飞）