纪要涉及的行业或公司 * 公司为“零点有数”，主营业务为数据智能辅助决策，涉及政务、金融、消费品等行业 [1] * 行业涉及数据智能、人工智能（AI）、知识图谱、大模型应用及保险科技、金融科技等 [6][7][23] 核心观点和论据 **1 财务表现与战略调整** * 公司三季报毛利率提升，核心原因是数据决策智能软件业务占比从去年约25%提升至接近40% [1][2] * 数据决策智能软件业务毛利率约60%-70%，远高于传统咨询报告业务（毛利率仅20%+） [2] * 公司主动放弃低毛利业务，进行战略调整，旨在调结构而非单纯追求收入增长，导致收入小幅下降但亏损缩窄 [2][4][5] * 研发高峰期已过，研发费用大幅下降，投入更聚焦于基于知识图谱的低幻觉人工智能智能体研发 [3] **2 技术整合与产品方向** * 公司并购“海益思”后，整合其知识图谱技术，形成了“轻量级数据库+基于本体的知识图谱计算平台”的技术底座 [7][9] * 该技术平台旨在降低大模型幻觉，并利用大模型降低知识图谱构建和更新成本 [7][8] * 对标美国Palantir，计划将知识图谱能力从军工领域拓展至金融保险领域 [10][11] * 在保险细分领域探索新模式，目标按保费3%-4%进行TPA（第三方）收费，预计明年一季度推出产品 [11][12] * 在新消费领域（如新型零食）探索AIAAS模式，参与产品从概念到销售的全流程并分成，预计本季度落地 [26][27] **3 市场需求与业务亮点** * G端业务（政务）因经济环境及政府过紧日子相对低迷，但公司所在的民生治理领域（如12345热线）需求稳定未减量 [13][14] * B端业务需求增加但竞争激烈导致毛利率下降，公司通过AI审单等技术帮助客户降本增效，例如替代部分买手工作 [14][15] * 公司获得来自DeepSeek、豆包等大模型公司的商机，因客户发现大模型直接应用效果不佳，需要公司的工程化能力和行业Know-how进行落地 [19][20] * 观察到边缘计算趋势，并与芯片公司探讨合作，未来方向包括“软件芯片化” [21] **4 未来发展与商业模式演进** * 公司未来整合方向包括技术端、数据源（如IoT设备、软件系统积累的数据）以及行业线（保险科技、金融科技公司） [23][24] * 现有软件业务已具备类SaaS持续收费特征 [30] * 战略路径清晰：业务经验模型化、模型算法化、算法软件化、软件芯片化 [21][30] * 积极探索从卖工具转向卖结果的新型商业模式（AIAAS） [27][31] 其他重要内容 * 提及香港公司“海思科技”已递表港交所，其知识图谱相关收入约1亿元，AI Agent收入约1亿元，总规模约5亿元，作为知识图谱和AI Agent赛道受资本市场关注的佐证 [9] * 提及Palantir与英伟达的合作，作为边缘计算降低算力成本趋势的例证 [21]

大会概况 - 中国中文信息学会将于2025年10月28日至29日在北京举办第二届中国大模型大会（CIPS & CLM 2025）[2] - 大会旨在延续首届会议精神，聚焦大模型的理论突破、技术前沿、产业落地与生态共建，致力于打造更具技术深度与行业影响力的AI盛会[2] - 会议汇聚百余名国内NLP领域顶尖学者与技术专家，参会规模逾千人[2] 核心议程与特邀报告 - 大会荣幸邀请到管晓宏院士和方滨兴院士等多位知名专家作特邀报告[3] - 管晓宏院士（西安交通大学）将作题为“人工智能的奖励函数意味着什么”的报告[5][17] - 方滨兴院士（广州大学）将探讨“伦理与安全驱动的大模型关键技术研究”[5][18][20] - 文继荣教授（中国人民大学）将介绍扩散大语言模型新范式LLaDA，挑战自回归范式的地位[5][30] - 邱锡鹏教授（复旦大学）将提出“情境智能”作为补全AGI的关键拼图，以突破算力与数据瓶颈[6][33] 专题论坛与技术方向 - 大会将组织13场高端专题论坛，覆盖生成式AI、知识图谱、具身智能、情感计算等热点技术方向[3][7] - 专题论坛主题包括大模型与AIGC协同创新、大模型时代具身智能、大模型安全与隐私计算、大模型与民族语言等[7][8][10] - 具体技术议题涵盖智能体革命、大小模型协同、大模型高级推理、长上下文能力构建、多模态具身机器人等前沿领域[8][9][10] 产学研结合与产业应用 - 多个专题论坛聚焦产业落地，如“大模型时代语音技术的产学研协同”论坛将探讨学界和工业界如何协同发展[14] - 产业界代表将分享实践，包括阿里国际数字商业集团骆卫华博士探讨工业级大模型应用的挑战，字节跳动吴烨博士介绍大模型隐私保护推理，中国电信李杰博士分享星辰语音大模型研发应用[10][11][14] - 智慧医疗论坛将探讨AI全科医生构建、多模态医学数据分析、心电大模型等临床应用前景[11][16]

来源：环球网 9月26日，由中国生产力促进中心协会主办的新质生产力人工智能大会暨对接交流会在四川绵阳举行。 作为本届科博会的子活动之一，此次会议吸引了来自全国多个省市的企业负责人、高校专家以及金融投 资机构高管等嘉宾到场，通过经验共享、智慧碰撞和项目路演，为新质生产力的高质量发展注入新活 力。 "九科下一代企业自动化产品的核心特性体现在低门槛交互式辅助设计、智能性与可控性兼备、自动应 对异常与变动以及数字员工团队组织与协作等方面。"燕伟桐一句句掷地有声地介绍，让人们直观感受 到了民营经济在前沿领域的"硬实力"。 项目路演环节，深圳市鼎驰科技发展有限公司AI科技中心总经理、中国生产力促进中心协会AI联合创 新实验室副主任魏士博就《知识图谱、大模型与智能体融合驱动的企业级海量专业文档知识管理平台》 项目、中国工商银行绵阳分行科技金融中心负责人曾成就《拥抱智能浪潮 赋能金融未来》项目、成蹊 （香港）智能科技有限公司董事长闫婧以《以AI智能体服务科学家创业融资及企业成长》项目、江苏 榕树智能科技有限公司创始人付寅峰就《AI赋能情绪心理健康》项目、格陆博科技有限公司产品经理 王梦迪就《智能线控制动及底盘域控技术发展》项 ...

公司AI产品入选创新案例 - 公司9个AI产品通过开源大模型集成应用能力质效评估，入选首批"开源大模型+"软件创新应用典型案例，成为入选案例数量最多的公司[1] - 评估涵盖接入能力、应用能力、模型性能、安全能力、兼容适配、运营管理等六个维度[3] - 产品聚焦销售、核保、理赔和风控等实际业务场景，从68个入围案例中脱颖而出[3] AI能力建设与生态构建 - 公司构建"保险+科技+服务"模式，升级建设AskBob、智能图像、知识图谱、仿真预测四方面AI能力[4] - AskBob引入预训练大模型技术，已在核保、理赔等场景应用，团财核保答疑实现24小时0等待，有效解答率超90%[4] - 智能图像大模型替代烟囱式小模型，新场景交付时效大幅缩短，内容创作效率提升95%[4] - 知识图谱覆盖5类知识体系，实现知识自动化构建[5] - 仿真预测在车险保费预测场景实现从0到1突破[5] 业务场景应用与价值创造 - 公司完成DeepSeek大模型本地化部署，围绕销售、核保、理赔、风控等场景打造AI助手[6] - 创小保AI助手实现单条营销内容百万级客户精准触达，提升非车销售能力[6] - 团非数字核保人实现"人工核保"到"AI自核"模式变革，自核率提升17pt，首次报价时效缩短至2小时以内[7] - 数字化风控体系实现每年AI减损金额超50亿元[7] 行业地位与未来规划 - 公司AI大模型技术已全面融入业务流程，展现AI技术创新实践上的强大实力[3] - 公司在ICDAR、EMNLP、Gartner等多个世界AI顶级会议比赛中获得冠军[4] - 未来将深化数字化转型，推进"人工智能+"行动[7]

知识图谱定义与结构 - 知识图谱是由实体（节点）和关系（边）组成的结构化网络，用于以机器可读形式编码知识，实体对应现实世界概念（如人物、地点），边表示实体间关系（如"Person worksFor Company"）[1][2] - 采用灵活的基于图的数据模型（如RDF或属性图），支持异构和动态数据，通过唯一ID或URI标识实体，属性可附加到节点和边上以补充详细信息[2] - 与传统关系数据库相比，知识图谱能更好地捕获信息上下文和含义，促进数据整合与新事实推断[2] 知识图谱在AI中的作用 - 为AI系统提供结构化背景知识，支持多跳连接查询、逻辑规则应用和上下文关联，增强语义理解与推理能力[3][4] - 主要应用包括：知识集成（打破数据孤岛）、语义丰富（为NLP/ML添加语境）、逻辑推理（推断新事实）、人机交互（生成可解释答案）[3][4] - 通过链接多源数据（如客户数据、社交媒体）实现全局分析，例如图像识别系统可结合知识图谱提升对象分类理解[3] 知识图谱的优势 - 减少AI数据需求：编码先验知识（如"阿司匹林治疗头痛"）可降低对大规模标注数据的依赖[5] - 改进迁移学习：跨任务复用图谱知识（如城市道路网络理解），无需重新训练[6] - 增强可解释性：通过关系链追溯决策依据（如金融AI标记欺诈交易的原因）[6] - 提升互操作性：共享词汇表和标识符实现跨系统数据整合，如谷歌搜索利用知识图谱优化结果[7] 历史演变 - 概念源于20世纪60年代语义网络，经语义网（RDF/OWL标准）和链接数据（2006年）发展，2012年谷歌知识图谱推动商业化应用[8] - 当前形态包括领域专用图谱（医疗/金融）、开放知识库（Wikidata）和企业知识图谱，动态图谱可自动更新（如整合新研究成果）[8] - 科技巨头自建图谱案例：微软Satori、Facebook实体图谱[8] 最新技术进展（2023-2025） - **与LLM融合**：KG作为外部知识源减少LLM幻觉，支持检索增强生成（RAG）；LLM辅助自动化KG构建（实体/关系提取）[9][10][11] - **嵌入与图机器学习**：TransE/ComplEx等嵌入模型升级，结合GNN/Transformer处理复杂关系；基准测试（FB15k-237）推动链接预测精度提升[12][13] - **自动推理**：SPARQL优化器改进，神经符号系统处理不确定性；超关系图谱支持n元事实推理，查询语言扩展（Cypher/GSQL）[14][15] 新兴趋势 - 企业级自动化管理（AI驱动构建/更新）与可信AI（决策溯源）成为重点[16][17] - 领域专用图谱（生物医学/法律）快速发展，多模态集成（图像/音频链接实体）受关注[16] - 知识嵌入2.0融合本体与文本描述，混合符号-神经方法成为研究方向[16]