据余友平介绍，基于德筑大模型平台2.0，中关村科技与各行业合作伙伴共同打造了200+应用，覆盖智能营销、智能客服、智能运营、知识管理四大核心场景。
此外，中国工程院院士、清华大学计算机系教授郑为民院士分享了国产计算系统面临的两大技术瓶颈：建设国产万卡系统的重大挑战和贫困人口异构卡与异地卡联合训练效果。
核心研发科学家、前研究员、全球顶尖人工智能科学家肯尼思·斯坦利（ ）表示，随着定律效应的减弱，未来人工智能的发展将不再依赖于简单的扩展，而是需要新的架构和理念。 。
中国信息通信研究院人工智能研究所平台与工程部主任曹峰表示，通过优化Agent的工作流程，即使在模型能力较大的情况下，也能进一步提高任务的准确性和输出质量。达到上限。
1、中关村科技发布大模型平台2.0，构建200+核心场景应用
在论坛核心发布环节，中关村科技总裁余友平介绍了公司大模型时代企业智能化升级战略，并发布了德筑大模型平台2.0。该平台旨在为企业提供全面支持大模型应用、推动智能化转型的生态系统。
德筑大模型平台2.0采用的“三级引擎策略”包括平台、应用、服务三大核心组件，旨在为企业提供从算力调度到应用落地的完整解决方案。
德筑大模型平台2.0具有以下核心功能：
1.统一算力调度：支持GPU算力共享和模型统一管理，提高资源利用率和部署效率。
2、一站式模型训练和推广服务：兼容所有开源模型和开放MaaS平台，为用户提供从模型训练到推理部署的全流程支持。
3、快速应用构建：通过多样化的组件选择，包括逻辑组件、通用组件、场景组件等，客户可以在5到10分钟内构建出满足自己需求的应用。
4.高效的RAG技术：针对复杂布局训练进行优化，确保识别准确率超过98%。
目前，德筑大模型平台2.0已在多个行业得到应用。中关村科技与行业合作伙伴共同打造了200多个大型模型应用，涵盖智能营销、智能客服、智能运营、知识管理等核心领域。
例如，家庄平台利用大模外呼技术，在事件营销中实现了3.5%的转化率，比传统AI外呼提升了130%；此外，与多个省市公安机关联合推出的大模警务响应助手，将整个反诈骗报警接警流程周期从30分钟缩短至2分钟。
2、清华大学郑为民：国产万卡系统建设难度大，异构卡联合训练效果不好
随着人工智能进入大模型时代，清华大学计算机系教授、中国工程院院士郑为民分享了人工智能发展的两大趋势：一是基础大模型人工智能正在从单一模态向多模态发展；该模式加速行业智能化升级。
郑为民院士表示，随着大模型技术的成熟，三类公司将脱颖而出：一是开发大模型的公司，二是推广大模型应用的公司，三是为大模型计算系统提供支持的公司。中关村科技作为应用落地的典型代表，在这一过程中发挥着重要作用。
当前英伟达对中国高性能芯片的限制等外部因素促使中国加快国产化计算系统建设，特别是在数据领域化、内容主题化和算力国产化方面取得进展。但国内硬件生态环境尚不完善，导致很多企业不愿意采用，这成为制约人工智能进一步发展的关键因素。郑为民院士表示：“优秀的系统软件能够充分发挥底层硬件的算力潜力，目前要重点打造10个核心软件。”
郑为民院士还探讨了国内万卡体系建设的难点。 “虽然打造国产万卡系统至关重要，但目前面临的技术问题相当复杂，尤其是采用多个厂商的异构硬件组合时，往往会导致性能急剧下降，甚至混合使用同时使用新旧一代CPU，整体性能会低于仅使用旧一代CPU，这种现象也被描述为“木桶效应”，即系统性能受到最薄弱环节的限制。
在谈到异构卡联合训练时，郑为民院士表示，该技术目前在跨地域数据中心（远程卡）训练方面面临挑战。由于高延迟问题，远程卡联合训练的效果远低于预期。因此，郑院士建议，在成本效益尚不明确的情况下，短期内应避免过度依赖该方案。
3.前研究员斯坦利：AI突破需要新架构，幻觉不是创造力
核心研发科学家、前研究员、全球顶尖人工智能科学家肯尼思·斯坦利（ ）表示，随着定律效应逐渐减弱，传统的“更多数据、更多计算”策略可能不再奏效。发展将不再依赖简单的扩展，而是需要新的架构和理念来突破现有的限制。
在自然语言处理（NLP）领域，认为目前广泛使用的架构正在接近瓶颈。尽管人工智能得到了极大的推广，但为了实现超越人类的智能（AGI），现有的架构可能无法提供足够的支持。
因此，未来可能需要从根本上修改现有架构或开发全新的架构，以捕获现有模型无法处理的智能特征，特别是涉及时间演化和创新判断的复杂过程。
斯坦利表示，人工智能目前表现出的“幻想”并不等同于创造力。他提出了“创造性幻觉”的概念，认为人工智能的“新想法”往往只是训练数据的复制，而不是真正的创新。当前的技术无法有效区分已知和未知，解决错觉问题是真正创新的关键。
对于如何处理大模型错觉问题，斯坦利表示，中关村科技的实践经验值得借鉴。通过扩大模型参数规模和强化学习来提高推理能力；中关村科技结合优质领域知识和数据，开发更专业的领域大模型应用。这些方法有效减少了大型模型的幻觉问题，促进了模型在实际应用中性能的提升。
在多模态技术方面，表示，虽然GPT-4o等多模态模型在图像和视频处理方面取得了进步，但这种进步并没有带来智能本质上的飞跃。多模态技术并不是实现通用人工智能的唯一途径。要实现人类水平的智能，推理能力、创新能力、复杂信息处理等因素可能更为关键。
4、信通院曹峰：优化Agent工作流程，提高任务精度
中国信息通信研究院人工智能研究所平台与工程部主任曹峰分享了他对AI Agent技术应用的思考。
在Agent能力方面，曹峰表示，Agent不仅需要具备多模态感知和多任务决策能力，还必须能够利用少量样本快速泛化。这使得Agent能够在不同的场景下有效工作，尤其是在数据稀缺的情况下，仍然能够做出准确的判断和决策。
他还表示，优化Agent的工作流程是提高大型模型应用性能的重要途径。例如，通过优化代码开发场景中的Agent工作流程，准确率从40%提升到90%以上，证明设计合理的工作流程可以在模型能力达到上限时进一步提高任务精度和输出质量。
对于未来的发展，曹峰提出了大车型与小车型相结合的前景。在这种组合模型中，大模型负责复杂任务的规划和拆解，而小模型则专注于执行特定任务。这样不仅可以降低整体成本，还可以提高系统的性能和可解释性。
Agent的泛化性和鲁棒性仍然是当前的技术瓶颈。如何增强Agent对新环境的适应能力以及变化条件下的稳定性将是未来研究的重要方向。
此外，Agent之间的互操作性还带来了数据安全和责任问题。如何保证Agent的安全使用，明确责任归属，将是Agent技术在行业广泛应用的关键。
最后，曹峰表示，大模型的应用正逐渐从单一的对话界面扩展到包括知识库、智能调优、微调能力、多Agent协作等高级功能的综合服务形态。这种多极化的服务模式，标志着大模型应用的深度和广度不断增加，未来将呈现更多创新的应用场景。
结语：德筑大模型平台2.0推动企业智能化转型
德筑大模型平台2.0的发布，不仅提供了从算力调度到应用部署的全链条解决方案，也响应了业界对实用、可持续的大模型平台的需求。
然而，技术突破并不止于此。如何突破当前大模型时代的技术瓶颈，仍需要架构创新和实际应用的不断积累。
