To The Moon

典型客戶：

飛鶴、某知名高校、某知名三甲醫院、某大型航空公司

代表廠商評估：

神州問學

廠商介紹：

神州數碼集團股份有限公司（簡稱：神州數碼）在2023年推出AI原生賦能平臺——神州問學，旨在爲企業提供模型、算力、數據和應用的連接能力，它既是一站式企業大模型集成平臺，也是企業的大模型運營平臺。發展至今，神州問學已落地金融、能源、汽車、醫療、消費零售、政務等多個領域。

產品服務介紹：

神州問學是企業級一站式GenAl集成平臺，致力於打通模型、數據、應用和算力四大要素，專注於企業大模型落地的全生命週期過程管理，有效應對大型應用落地中的各種挑戰。

同時，神州問學提供了多雲多語言支持，滿足企業多樣化的業務需求，幫助企業以快速且低成本的方式構建大模型應用。平臺內含八款大模型應用，包括慧閱讀、慧解析、慧回答、慧寫作、慧繪圖、慧翻譯、慧朗讀和慧互動，這些應用能夠助力企業在不同場景下實現智能化升級和業務創新。

廠商評估：

神州問學是涵蓋軟件與硬件的一站式解決方案，具備算力優化、模型供應、場景增強和應用構建四大優勢。神州問學通過專業的算力設計服務，有效降低企業在高端GPU資源上的支出。依託深厚的供應商關係，平臺提供全面、新穎且價格優惠的大模型供應。結合企業場景增強技術，確保大模型在To B場景中的實用性和落地能力。此外，神州問學提供多樣化的配置方式和豐富的應用場景模板，使企業能夠快速搭建並定製化業務應用。

• 專注算力設計與資源管理，神州問學爲企業節約算力支出。在當前高端GPU市場供應緊張、價格持續高位的背景下，企業在部署大型模型時面臨着成本控制的挑戰。神州問學通過專業的算力設計服務，幫助企業在保證性能的同時，實現成本效益的最大化。該團隊專注於爲企業提供定製化的算力解決方案，以平衡性能需求與成本支出。

• 神州問學所提供的算力管理功能，能夠實現資源的統一管理和動態分配，這不僅提高了資源使用效率，也爲企業節約了可觀的算力成本。通過這種高效的資源調度，企業能夠更加靈活地應對不同業務場景下的需求波動。

• 此外，神州問學還針對企業對算力的多樣化需求，提供了靈活的部署方案。無論是公有云還是私有云部署，企業都可以根據自己的業務特點和安全要求，選擇最合適的部署模式。同時，平臺還提供了包括國際品牌如英偉達的算力資源，以及符合國內信創標準的算力選項，確保企業能夠在全球化和本土化之間找到最佳平衡點。

• 依託深厚供應商關係，神州問學打造“全、新、惠”模型供應能力。憑藉20餘年的行業積累，神州數碼已與3萬餘家生態夥伴建立了深厚的合作關係。這一龐大的合作伙伴網絡爲神州問學提供了強大的模型供應能力，具備"全、新、惠"三大特點。

• 首先，"全"體現在神州問學對主流供應商如阿里百鍊、百度千帆、智譜、百川、OpenAI等的大模型的廣泛適配。這種全面的兼容性確保企業能夠快速地選擇合適的大模型，滿足其多樣化的業務需求。

• 其次，"新"反映了神州問學在大模型更新迭代方面的敏捷性。面對大模型技術的快速發展，神州問學能夠迅速引入並上線最新的模型，幫助企業把握技術前沿，提升競爭力。

• 最後，"惠"則凸顯了神州問學在價格談判方面的優勢。通過與供應商的緊密合作，神州問學能夠爲企業爭取到更優惠的價格，降低企業在大模型應用上的經濟負擔。

• 企業場景增強，神州問學讓大模型在toB場景真正落地。僅依靠大模型構建應用，更適合To C場景，例如寫文章、做摘要等。但是，此方式難以應用於To B場景。

• 神州問學通過深耕企業場景增強技術，成功實現了大模型在To B場景的落地應用。具體而言，企業場景增強相關技術包括RAG，多模態存儲、向量化，上下文理解增強，多輪會話增強、推理增強、人機會話增強，多路召回等。

• 20+企業級應用場景模板&3種配置方式，神州問學讓企業便捷搭建業務應用。神州問學在搭建業務應用方面具備四個亮點。

• 1) 靈活的配置方式：神州問學提供無代碼、低代碼、全代碼三種配置方式，滿足不同技術背景的企業需求。無代碼和低代碼配置方式通過直觀的拖拽操作，使企業能夠快速搭建業務應用；而全代碼配置方式則賦予企業更大的自主性，支持開發更復雜的AI應用。

• 2) 集成的企業級能力：平臺集成了ASR（自動語音識別）、TTS（文本到語音轉換）、OCR（光學字符識別）等關鍵技術，支持二次開發和定製化開發，確保與企業現有業務系統的無縫融合。

• 3) 豐富的應用場景模板：神州問學預置了20多個企業級應用場景模板，覆蓋法律、人力資源、營銷、風險控制等領域，使企業最快在5分鐘左右快速構建企業級應用。

• 4) 開箱即用的模型應用：神州問學提供八大模型應用，包括慧閱讀、慧解析、慧回答、慧寫作、慧繪圖、慧翻譯、慧朗讀、慧互動等，實現即插即用。例如，天士力醫藥基於慧閱讀開發了智能培訓機器人，通過模擬銷售情境與初級醫藥代表進行互動對話，實時校驗並矯正銷售話術，模擬醫生詢證產品情景，有效提升了醫藥代表的專業應答能力。

典型客戶：

天士力醫藥、某國際知名食品飲料企業、某省菸草局

代表廠商評估：

拓爾思

廠商介紹：

拓爾思信息技術股份有限公司（簡稱“拓爾思”）成立於 1993 年，是一家專業的大數據、人工智能和數據安全產品及服務提供商。拓爾思堅持核心技術自主研發，擁有 50+專利、800+軟件著作權，在搜索型數據庫、自然語言處理（NLP）技術的技術創新和應用場景落地等方面保持領先地位。

產品服務介紹：

拓天鏈是拓爾思推出的智能體平臺，它結合了知識庫、工具組件以及大型語言模型的能力，旨在通過AI Agent技術，簡化問答系統搭建和複雜問題處理。該平臺提供低/無代碼的環境，用戶可以通過拖拽和配置的方式快速搭建工作流，無需深入瞭解底層技術細節。拓天鏈智能體適用於多種應用場景，如客戶服務、數據分析、內容生成、知識管理和教育培訓等。目前，拓天鏈已在金融、媒體、政務、安全等領域陸續落地。

廠商評估：

拓天鏈通過其用戶友好的交互界面和低代碼開發方式，使得AI應用的構建變得簡單直觀，支持多模態輸入，拓寬了應用場景。它提供的豐富組件，滿足了多樣化的AI應用開發需求。此外，拓天鏈允許用戶自定義工作流，有效應對複雜任務的挑戰。拓爾思的生態整合，爲企業提供了一個全面的端到端AI解決方案，加速了AI技術在企業中的落地。

• 拓天鏈支持可視化低代碼開發，簡化AI應用創新。拓天鏈作爲一款AI Agent開發管理平臺，提供了一種用戶友好的交互界面，支持通過拖拽組件的方式構建工作流，實現低代碼編程。這種開發方式允許用戶利用prompt生成與可視化工具鏈編輯，快速組合複雜的工具鏈。該平臺的設計旨在降低AI應用開發的技術門檻，使用戶能夠從簡單的應用開發起步，逐步擴展至更爲複雜的解決方案。

• 此外，拓天鏈支持多模態輸入，包括文本、音頻、視頻、PDF、Word文檔、圖片以及HTTP鏈接等，這爲用戶提供了廣泛的應用場景。例如，在知識產權領域，拓天鏈開發的AI應用能夠接收圖片輸入，並提供侵權分析結果，這體現了其在特定業務流程中的實用性和效率。

• 拓天鏈提供豐富組件，支撐多樣化AI應用開發。在AI應用開發領域，AI Agent的角色趨向於“規劃者”，而非單純的“執行者”。拓天鏈平臺認識到這一趨勢，並提供了一系列預構建組件，以支持企業在執行環節調用所需的各類工具。

• 這些組件包括多模態文檔解析器、語音轉寫、OCR識別、PDF解析、Word文檔解析、外部接口調用、搜索引擎集成以及向量數據庫訪問等。這些工具的集合旨在滿足不同行業和應用場景下的開發需求，爲用戶提供了一個全面的工具箱，以構建和擴展AI應用。

• 拓天鏈支持用戶自定義工作流，優化複雜任務處理。在AI Agent的規劃與處理工作中，簡單任務往往容易應對，而複雜任務則可能面臨規劃上的挑戰。拓天鏈針對這一問題，提供了"用戶自定義工作流"的解決方案。該平臺允許用戶將複雜的任務轉化爲一系列可控的鏈式指令調用，將任務分解爲多個步驟，每個步驟都可以調用不同的工具或模型。這種鏈式調用不僅包括對大模型的調用，也包括對外部工具的集成使用。

• 通過這種方式，拓天鏈能夠將外部工具的特定功能與大模型的強大能力相結合，實現更爲精確和穩定的任務處理。這種靈活性和可控性，爲用戶提供了一種有效的方法來解決複雜問題，優化了AI應用的執行效率和準確性。

• 拓天鏈與拓爾思生態打通，提供端到端AI解決方案。拓爾思基於其大模型技術，以拓天鏈爲核心，構建了一個全面的AI智能平臺解決方案。該方案由三個關鍵部分組成，共同爲企業落地AI Agent提供了從底層技術到應用層服務的端到端支持。

• 圖表3：拓爾思AI智能平臺整體解決方案

• 1) AI能力平臺：作爲拓天鏈的"大腦"，AI能力平臺由三個引擎組成——智語NLP引擎、拓天大模型、智眼機器視覺引擎。這些引擎爲拓天鏈提供了強大的語言處理、數據分析和視覺識別能力。

• 2) AI訓練平臺：位於AI能力平臺之下的是智拓AI訓練平臺，它提供數據標註和模型訓練服務。該平臺爲拓天鏈的大模型和小模型提供了能力支撐，訓練完成的模型可以直接發佈到AI能力平臺，爲拓天鏈構建提供組件化支持。

• 3) AI服務平臺：位於AI能力平臺之上，AI服務平臺依託拓爾思在語義智能、大數據、AI工程、場景算法技術和行業實踐方面的深厚積累，爲企業和開發者提供一站式的AI能力體系。服務以在線平臺和API接口的形式對外提供，確保了服務的便捷性和可訪問性。

典型客戶：

南京圖書館、某綜合性出版社、某銀行

3.2 協同辦公AI Agent

市場定義：

一種基於Agent架構的大模型應用，能理解自然語言描述的任務需求，自主完成辦公環境的感知、任務的邏輯拆分、相應工具的智能選擇、流程的精確執行等一系列工作，實現人與AI的深度協同，顯著提升辦公效率和質量。

甲方終端用戶：

業務部門、職能部門、IT部門

甲方核心需求：

企業希望通過協同辦公AI Agent實現低成本高效率的工作環境，解決那些影響員工日常效率的長尾場景。AI Agent旨在不增加人力成本的前提下，推動企業業績和運營效率的增長。此外，企業期望利用AI Agent提升知識資產的利用率，培養員工的專業能力，使初級員工能夠承擔更復雜的任務，優化人力資源配置，實現業務流程的自動化和智能化。

• 協同辦公AI Agent是低成本解決長尾場景的利器。在協同辦公領域，企業面臨着衆多特定的長尾場景，這些場景雖小，卻對員工的日常工作效率有着顯著影響。例如，銷售經理每日需將客戶拜訪數據彙總至團隊報表，這一過程雖簡單卻耗時。提升此類數據彙報的效率，對員工而言意味着時間的節省和工作滿意度的提升，但對企業整體而言，其直接價值並不顯著，導致企業往往只分配有限的IT資源來應對。

• 以某大型銀行爲例，儘管已安排10名IT人員利用RPA技術滿足了3000多個長尾辦公需求，IT人力資源的緊張和工單積壓的問題依舊嚴峻。協同辦公AI Agent的出現，爲這一困境帶來了轉機。通過爲每位員工配備一個智能AI助理，員工可以自定義解決方案，快速響應個性化的長尾需求。

• AI Agent的業務價值在於其能夠顯著提升員工的工作效率，使他們能夠在不增加工作量的前提下承擔更多任務。這不僅提升了員工的工作滿意度，同時也使企業能夠在不增加人力成本（Headcount）的情況下，實現業績的增長和運營效率的提升。這種以技術驅動的解決方案，爲現代企業在資源優化和效率提升方面開闢了新的可能性。

• 協同辦公AI Agent讓初級工變高級工。隨着大型企業的持續發展，它們積累了豐富的知識資產。衆多企業在諮詢協同辦公AI Agent時表達了一個共同的願景：通過提高知識資產的利用率，來培養和沉澱專業能力，進而提升對特定業務的解決能力。這一願景的核心在於利用協同辦公AI Agent，將初級員工的能力提升至高級水平。

• 以合同審覈爲例，這一工作通常涉及複雜的專業知識和高風險，需要由經驗豐富的專業人員來執行。企業期望通過引入協同辦公AI Agent，實現合同審覈流程的自動化，從而降低對員工專業技能的門檻。AI Agent能夠輔助員工快速識別合同中的關鍵條款和潛在風險，提供標準化的審覈建議，甚至在一些情況下，完全自動化地完成審覈任務。

• 通過這種方式，初級員工可以在AI Agent的協助下，承擔起以往需要高級工才能完成的任務。企業因此能夠更有效地利用現有人才資源，同時降低對高級別專業人才的依賴，實現人力資源的優化配置。

廠商能力要求：

廠商需具備深入的大模型架構理解力，以精準選型並訓練模型，實現成本與效果的平衡。同時，廠商應提供豐富的組件庫，支持AI Agent作爲規劃者的角色，高效響應企業長尾需求。此外，廠商還需掌握構建知識管理系統的技術，以提升企業知識利用效率，增強業務處理能力。

• 廠商需深刻理解大模型架構，實現協同辦公AI Agent的成本效益平衡。大模型作爲協同辦公AI Agent的核心支撐，要求廠商不僅關注AI Agent本身，更需深入理解大模型的底層架構設計。這種深刻理解對於大模型的選型至關重要，同時也爲在特定垂直場景中對大模型進行有效的訓練和微調提供了基礎。在當前企業普遍尋求成本降低的背景下，廠商的任務是爲企業找到性能與成本之間的最優平衡點。

• 進一步而言，廠商應組建專業的大模型算法團隊，這不僅是對大模型架構理解的體現，也是深化模型應用的關鍵。缺乏這樣的團隊，廠商可能只能停留在提示詞工程層面，無法深入到模型層，從而無法充分利用大模型的潛力，滿足企業對協同辦公AI Agent的深層次需求。

• 廠商需提供多功能組件庫，以滿足企業多樣化長尾場景需求。當前，AI Agent更適合做一名“規劃者”，而不是擔任“執行者”的角色。執行環節需要調動各類工具，來滿足企業的長尾需求。協同辦公AI Agent在接收到用戶需求後，並非直接執行任務，而是進行細緻的規劃，並調動一系列工具和組件來實現需求滿足。爲了適應企業的長尾需求，廠商必須擁有一個包含RPA、BI、IDP等在內的豐富組件庫。這些工具和組件是AI Agent能力的延伸，能夠確保在執行階段能夠精準、高效地滿足用戶需求。

• 廠商需掌握知識管理系統構建技術，增強企業知識應用效率。企業期望通過協同辦公AI Agent顯著提高知識資產的利用率，並在此過程中積累和沉澱專業能力，以強化對關鍵業務問題的處理能力。爲實現這一目標，廠商必須掌握構建高效知識管理系統的核心技術，這包括但不限於引擎優化、向量化處理、文檔智能切分、知識圖譜構建以及自然語言處理等技術。除了擁有這些技術能力，廠商還需要具備將技術成功落地的經驗，確保這些技術能夠與AI Agent無縫集成，形成協同效應。

入選標準：

1. 符合協同辦公AI Agent市場分析的廠商能力要求；

2. 近一年廠商在該市場至少服務1家企業。

代表廠商評估：

實在智能

廠商介紹：

實在智能是一家專注自研AGI大模型和超自動化技術（RPA/IPA/AI Agent等）的人工智能科技公司，擁有近百項發明專利和數百項軟件著作權，在北京、上海、廣州、深圳、成都、南京、濟南及日本東京等地設有分支機構，服務團隊覆蓋全國。實在智能深耕央國企、金融、製造、運營商、電商、菸草、能源、交通等領域，已服務2500+家大中型客戶。

產品服務介紹：

實在智能自研垂直大模型TARS（塔斯），在流程自動化垂直場景大模型、文檔處理垂直場景大模型、數據處理垂直場景大模型和財經（證券）行業大模型四大專業領域完成了垂直訓練，主打效果可用、成本可控、定製化訓練、私有化部署等特色。

實在智能基於TARS大模型，已構建三款AI Agent。①Chat-RPA：具備數字員工發現、構建、應用、管理等能力，支持用戶以對話方式實現桌面操作。②Chat-IDP：具備文檔智能抽取、審覈、比較模型訓練等能力，支持用戶以對話方式實現文檔處理。③Chat-BI：具備數據採集、存儲、管理、應用等能力，支持用戶與對話方式實現數據分析。

圖表4：大模型及AI Agent產品矩陣

廠商評估：

實在智能在技術、工具、方案和方法論等方面，具有深厚沉澱。在技術方面，30多位大模型算法工程師構築實在智能的“技術底氣”。在工具方面，實在智能通過AI Agent調動各類自研工具來滿足企業長尾需求。在方案方面，實在智能幫助企業建立流程知識庫，助其算力、人力雙節約。在方法論方面，實在智能打造立項與交付方法論，爲企業提供“避坑指南”。

• 30多位大模型算法工程師，構築實在智能的“技術底氣”。大模型是AI Agent的基石，廠商不應只着眼於AI Agent，而需要對大模型等底層架構設計有充分理解。通過大模型定製化訓練，爲企業找到效果和成本的最佳平衡點。這對廠商技術實力而言是一項重大挑戰。實在智能擁有一支由30多位專業算法工程師組成的團隊，在大模型的定製化訓練和AI工程化方面具備充足的底氣。

• 調動各類自研工具，實在智能AI Agent滿足企業長尾需求。當前，AI Agent更適合做一名“規劃者”，而不是擔任“執行者”的角色。執行環節需要調動各類工具，來滿足企業的長尾需求。實在智能經歷多年發展，在RPA、IDP（智能文檔審閱）等方面自研大量成熟工具和組件，可供AI Agent調用。

• RPA：實在智能以RPA起家，積累了大量組件，涵蓋流程控制、基礎命令、桌面軟件、網頁/瀏覽器、鍵盤鼠標等多種類別，並支持企業用戶自定義編排複雜任務。實在RPA具備零代碼開發更易用、融合AI能力更智能、全面適配信創更安全的優勢，在產品更新迭代的過程中，實現了從“1.0拖拉拽”的專家模式，進化到"2.0點選用”的低門檻模式，再到目前結合了大模型所呈現的“3.0所說即所得”的零門檻模式，真正實現了人人可用。

• IDP：實在智能通過OCR文字識別、文檔處理、文件轉換、數據採集和NLP語言處理，實現對各類文檔、表單、卡證等文件進行理解和信息提取、內容比對和審覈，可廣泛應用於合同審覈、報銷單據審覈、憑證與影像附件稽覈等文字密集型業務場景。

• Agent：實在Agent是實在智能全行業首發的可“一句話生成數字員工”的 AI Agent智能體產品，既是個人用戶的AI助理，也是政企員工的辦公助手，不僅可調用RPA、IDP等工具，還可調用常見軟件。實在智能通過大量項目積累，已將旗下智能產品與1000+常見軟件打通，包括IM、office等辦公軟件，電商、旅遊購票等公共平臺，財務、銷售等業務軟件，可以快速調動它們。

• 企業大腦：實在智能基於語言大模型、Agent智能體技術和RAG增強檢索生成，打造數字員工的生產、管理應用和監控的一站式運營平臺——企業大腦。通過利用大模型、RAG以及Agent的能力，實現對話式的流程執行、知識問答、數據分析以及內容生成任務，提升企業知識應用效率，基於知識庫的智能問答和基於對話的流程自動執行是企業大腦的典型場景。

• 建立流程知識庫，實在智能助力企業算力、人力雙節約。大企業員工衆多，存在需求相同的情況。如果用戶與AI Agent交互生成的複雜流程可以沉澱到流程知識庫中，那麼後續用戶可以進行復用。不僅可以節約算力，還可以加快人與AI Agent的交互效率，進而節約人力。流程知識庫的實現路徑是RAG（檢索增強生成）方案，該方案對廠商而言將帶來一系列技術挑戰，包括搜索引擎、文檔切分、向量化、知識圖譜等。實在智能創始人爲阿里資深算法專家，十餘年數智領域深耕經驗。同時，實在智能擁有大量NLP（自然語言處理）工程師，佔比超過工程師總數的三分之二，足以克服RAG實現之路上的各類技術挑戰。

• 打造立項與交付方法論，實在智能爲企業提供“避坑指南”。AI Agent屬於創新項目，企業CIO缺少相關經驗，在項目全生命週期中將遇到諸多阻礙。實在智能在AI Agent領域已服務多家行業頭部企業，包括招商銀行、中國電信某子公司、上海某證券公司等，並打造出一套切實可行的理想與交付方法論，部分內容如下。

• 1) 不是所有企業都適合上馬AI Agent項目。實在智能會根據企業過往IT系統與大數據建設情況對企業進行評估，快速判斷其是否適合上馬AI Agent項目。

• 2) 項目雙方需要預留2倍的需求溝通時間。從提出需求到合作簽約，常規IT項目一般需要3-6個月。根據實在智能的實際經驗判斷，同體量的AI Agent項目需要6-12個月的時間。如果缺乏對所需時間的充足準備，雙方將難以順利推進需求溝通工作。

• 3) 企業需要視自身情況改變內部溝通方式。對於重視技術創新並配備相關預算的企業，以大模型或AI Agent名義立項更容易通過立項審覈。對於以解決業務問題爲導向的企業，以大模型或AI Agent名義推進立項可能適得其反，因爲CIO不但面臨巨大的解釋工作，還需遷就大模型的預算窗口期，導致立項工作受阻。

• 4) AI Agent在“需要人動態響應的場景”更容易落地。在這些場景，用AI Agent代替人工，不僅帶來實際的業務價值，而且ROI容易衡量，容易在企業內部達成價值共識。

• 5) 預算管理是項目成功交付的重中之重。CIO、業務部門、企業高管普遍對於大模型和AI Agent抱有超出實際的期望，期望與現實之間的落差是阻礙項目成功的最大隱患。實在智能將通過合作經驗、技術和工程化能力，進行良好的AI Agent項目預期管理，促進項目成功。

典型客戶：

中國鐵塔、釘釘、京東物流、菜鳥物流