有云数智案例
“【提示】2026第六届数智化颁奖典礼将于8月5日在北京举行颁奖点击可报名参加颁奖典礼丨此次企业榜单/奖项的评选依然会进行初审、公审、终审三轮严格评定，并会在国内外渠道大规模发布传播欢迎申报。
随着人工智能大模型技术快速发展，越来越多的大型企业开始探索AI在实际业务中的应用。对于国资央企而言，人工智能不仅需要具备优秀的智能化能力，更要满足数据安全、系统可控、运行可靠等要求。如何在保障核心数据安全的前提下，将大模型能力与企业知识体系深度融合，打造真正服务业务的企业级智能体平台，成为人工智能落地的重要课题。
作为我国核工业领域的骨干企业，中核集团对信息安全、数据管理和系统稳定性具有严格要求。中核集团的知识体系涵盖制度规范、业务资料、历史文档、培训教材、新闻报道素材等海量非结构化数据，然而这些知识资产长期处于分散管理状态——跨部门、跨系统存储，格式多样，缺乏有效关联，难以实现统一检索和高效复用。
在数智化转型浪潮下，中核集团深刻认识到：要实现高质量发展，必须将人工智能技术与企业知识体系深度结合。集团希望建设一套支持私有化部署、具备统一管理能力的企业级智能体平台，将分散的知识资产进行统一治理，并结合大模型能力，为知识检索、文档分析、内容辅助等日常办公场景，以及选题、策划、采访、活动等典型业务场景提供智能化支撑。这一需求不仅在核工业领域，在整个国资央企体系中都具有典型性和标杆意义。
·时间周期：
开始时间：2025年3月
·需求调研与方案设计：2025年3月-2025年5月
·平台部署、模型接入、知识库构建、智能体开发：2025年5月-2025年10月
·平台上线试运行与优化阶段：2025年11月-2025年12月
数智化转型升级需求中核集团在推进数智化转型升级过程中，面临以下核心需求：
1.知识资产统一治理需求
中核集团长期积累了大量制度规范、业务操作手册、项目技术文档、历史会议纪要、培训教材、新闻报道素材等知识资产，来源广泛、格式多样（Word、PDF、扫描件等），长期跨部门、跨系统分散存储。知识间缺乏有效关联，检索效率低下，严重制约了知识复用和业务协同。亟需一套统一的知识治理方案，将海量非结构化数据转化为可供智能调用的知识体系。
2.私有化安全部署需求
作为核工业领域骨干央企，中核集团对信息安全具有极高要求。企业内部知识、业务资料及相关数据涉及国家安全和核心商业机密，均需在专属环境内完成存储、处理和推理，实现"数据不出域、权限可管控、过程可审计"。公有云AI服务无法满足这一安全要求，必须采用私有化部署方案。
3.智能办公效率提升需求
集团在日常办公中存在大量知识检索、文档分析、内容生成等工作场景，员工需要花费大量时间在信息查找和资料整理上。同时，集团传媒业务场景中的选题策划、信息采集、活动组织等环节也亟需智能化工具支撑，以提升工作质量和效率。
4.企业级智能体平台建设需求
中核集团不仅需要单点AI工具，更需要建设一套可持续发展的企业级智能体平台。该平台需具备：统一的知识底座、灵活的多模型协同能力、可编排的智能体应用框架、标准化的安全管理体系，能够将AI能力融入各业务场景，并支持未来持续的迭代扩展。
面临挑战在推动企业级智能体平台建设过程中，中核集团面临以下关键挑战：
1.数据安全与合规挑战
集团内部知识、业务资料高度敏感，传统公有云AI服务无法满足安全要求。平台必须在专属环境内完成模型推理、知识检索、权限管理及日志审计，全链路"数据不出域"。同时需与企业现有身份认证体系无缝对接，实现统一登录、细粒度权限管控和全过程审计，这在央企IT环境中涉及复杂的系统集成和合规审查。
2.知识碎片化与数据孤岛
企业长期积累的大量文档资料跨部门、跨系统分散存储，涵盖制度规范、操作手册、技术文档、会议纪要等数十种类型，格式各异。知识间缺乏有效关联，形成信息孤岛，检索时需多次切换系统，效率极低。将海量异构非结构化数据转化为可供大模型理解和调用的结构化知识体系，涉及复杂的数据清洗、语义理解、关系建模等工程化难题。
3.通用大模型专业化不足
通用大模型虽然具备较强的语言理解和生成能力，但缺乏核工业领域的专有知识和业务语境，容易出现内容偏差和"幻觉"问题。在某些涉及技术参数、安全规范等高精度要求的场景下，模型的"自由发挥"反而可能产生误导。平台需要建立完善的知识增强体系（RAG+GraphRAG），使模型输出严格建立在企业真实知识基础之上。
4.多场景智能体编排复杂性
企业级智能体平台不仅要具备智能问答能力，更需要融入选题策划、采访辅助、活动统筹等具体业务流程。不同场景对智能体的能力要求差异显著——有的需要深度推理，有的需要快速响应，有的需要多步协同。如何在统一平台框架下实现差异化编排、上下文管理和结果聚合，是技术架构设计的重要挑战。
5.央企场景下的持续运营难题
平台建设只是第一步，如何在持续运行中不断优化知识召回效果、调整模型调度策略、改善交互体验，并推动更多业务场景的采纳和覆盖，对运营团队的技术能力和业务理解提出全方位要求。央企的决策链长、审批流程复杂，也增加了推动平台持续迭代的组织协调难度。
数据处理本项目涉及的数据处理工作主要包括以下方面：
1.数据类型与来源
涵盖企业制度规范文档（Word/PDF格式）、业务操作手册、项目技术文档、历史会议纪要、培训教材、新闻报道素材、图片资料等多种非结构化数据。数据来源涉及中核集团总部及下属单位的多个业务部门和职能系统，覆盖核工业领域的核心知识体系。
2.数据处理流程
平台构建了标准化的知识工程数据处理流水线：（1）多格式文档解析：支持Word、PDF、扫描件（OCR）、网页、邮件等多种格式的自动解析和文本提取；（2）数据清洗：对原始文档进行格式统一、去噪、去重处理，移除页面页脚等非内容元素；（3）智能文档切分：基于语义边界（段落、章节标记）和固定窗口相结合的策略进行文档切分，保证检索粒度的合理性；（4）元数据提取与标签化：自动提取文档标题、日期、部门、密级等元数据，并进行关键词标注和分类打标；（5）向量化：使用嵌入模型将文本块转化为高维向量，构建高效的向量索引；（6）知识图谱构建：通过实体识别和关系抽取，建立不同知识之间的关联关系，形成企业知识图谱。
3.知识库规模与能力
经过统一治理后，平台构建了覆盖制度规范、业务资料、历史文档等多类知识的企业级知识库，支持基于RAG和GraphRAG的混合检索策略，实现了在企业真实知识基础上的精准语义搜索、上下文推理和可解释的内容生成。
应用技术与实施过程本项目围绕中核集团对安全、可靠、智能的建设要求，有云数智构建了以私有化部署、多模型协同、知识增强、智能体编排为核心的企业级智能体平台总体架构，实现模型能力、知识资产与业务应用的统一管理。以下从技术架构、核心技术体系和实施过程三个维度详细阐述：
一、总体技术架构
平台采用"四层两体系"总体架构设计。四层分别为：基础设施层（提供算力、存储、网络资源，支持物理机、虚拟机及Kubernetes容器化弹性部署）、模型服务层（统一模型调度平台，管理多规格大模型的接入、路由和生命周期）、知识工程层（企业知识底座，涵盖知识库、向量索引、知识图谱）和智能体应用层（面向业务场景的编排和执行引擎）。两体系分别为安全管理体系（贯穿四层的统一认证、细粒度权限管控、全链路审计追踪）和运营管理体系（平台监控、效果评估、持续迭代优化）。整体架构严格遵循"数据不出域、权限可管控、过程可审计"的安全设计原则。
二、核心技术体系详解
（一）私有化部署与安全保障技术
平台整体运行于客户专属环境，模型推理、知识检索、权限管理及日志审计全部在企业内部网络内完成，从网络层、计算层、存储层三个维度保障数据安全。部署方式支持物理机、虚拟机及Kubernetes容器化三种模式，可根据客户实际IT基础设施灵活适配，有效降低部署门槛。平台与企业现有身份认证体系（LDAP/AD/OAuth2统一认证平台）无缝对接，实现用户信息同步、角色映射和单点登录（SSO）。权限控制采用基于角色的访问控制（RBAC）模型，支持按部门、角色、密级三个维度进行细粒度权限配置。全链路审计记录每次知识检索、模型调用和内容生成的操作日志，满足央企合规审计的严格要求。
（二）多模型协同调度技术
平台构建了统一模型调度引擎，核心能力包括：（1）模型统一接入：通过标准化API适配层屏蔽不同模型厂商的接口差异，支持国产大模型、开源模型的统一接入和管理；（2）智能路由：基于任务类型、复杂度、时效性要求等维度实现请求的智能路由分发——简单问答路由至轻量化模型（推理延迟<500ms），复杂分析和深度推理路由至大参数模型以保证输出质量，实现效果与成本的最佳平衡；（3）动态负载均衡：实时监控模型服务的QPS和响应时间，自动进行流量调度和弹性伸缩；（4）模型热切换：支持模型版本灰度发布和业务无感切换，保障业务连续性。
（三）基于RAG和GraphRAG的双引擎知识增强体系
这是平台最核心的技术创新点，采用"向量检索+图谱推理"双引擎架构，全面提升知识回答的准确性和可靠性。
RAG检索增强生成管道：
·Query理解与改写：使用小型模型对用户问题进行意图识别、实体抽取和语义扩展，将原始问题改写为更精准的检索查询；
·混合检索策略：融合稠密向量检索（基于Embedding的语义相似度匹配）和稀疏检索（基于BM25的关键词精确匹配），互补召回优势，提升整体覆盖率；
·多路召回与重排序：从知识库中多路召回Top-K候选文档片段，使用Cross-Encoder重排序模型进行精细相关性排序，精选Top-N注入上下文；
·上下文注入与Prompt工程：将精选知识片段与用户问题、系统提示词组合为结构化Prompt模板，确保模型严格基于提供的企业知识进行回答，有效抑制幻觉。
GraphRAG知识图谱增强：在传统RAG基础上引入知识图谱技术——从企业文档中自动抽取命名实体（技术术语、机构名称、项目代号、人员等）和关系（层级、流程、引用、版本等），使用图数据库构建可查询的企业知识图谱。当用户查询涉及跨文档关联知识时，通过图遍历算法自动发现隐含关联实体，补充检索上下文，显著提升复杂问题的回答准确性和可解释性。
（四）知识工程与数据处理流水线
有云数智建立了完整的知识工程数据处理流水线：（1）多格式解析引擎：支持Word、PDF、扫描件（Tesseract/PaddleOCR）、网页HTML、邮件EML等50+格式的自动解析和文本提取；（2）语义感知切分：基于文档结构（标题层级、段落边界、表格区域）和语义边界相结合的智能切分策略，保持文档块的语义完整性，避免暴力截断；（3）元数据自动提取：自动提取文档标题、创建日期、所属部门、密级标记等结构化元数据，为权限管控和精确检索提供基础；（4）向量化与索引构建：使用1024/1536维的高质量Embedding模型进行向量化，构建基于FAISS/Milvus的高效向量索引，支持毫秒级语义检索和实时增量更新。
（五）智能体编排与应用层技术
应用层是平台面向用户的交付界面，核心能力包括：智能体编排引擎——支持将知识问答、文档分析、内容生成、智能检索等原子能力编排为复合智能体，提供低代码可视化和声明式配置两种模式；任务规划与分解——将复杂用户请求（如"帮我做本周选题报告"）自动分解为子任务序列（检索热点→关联内部知识→生成选题列表→撰写说明），分配给多个智能体协同执行；上下文管理框架——在多轮对话和多步任务中维护全局会话上下文，确保连贯性和一致性；工具链集成——智能体可调用搜索引擎、内部API、数据库查询等外部工具，扩展能力边界。
针对传媒业务场景构建四类专项智能体：选题智能体基于热点信息监控和内部知识库智能推荐选题方向并提供数据支撑；策划智能体快速生成活动方案框架、时间线规划和资源清单；采访智能体辅助整理采访提纲、背景资料和人物履历，自动生成速记摘要；活动智能体协助统筹活动流程、物料清单和参与方联络信息，生成执行计划表。
商业变化平台投入应用后，中核集团的知识管理和智能应用能力得到显著提升：
一、知识管理效率变革
通过统一知识底座建设，海量知识资产实现集中治理和智能调用，改变了长期分散管理、检索困难的局面。过去跨系统、跨部门人工查找的信息，现在通过单一入口即可完成语义级精准检索。
二、可量化效率提升
·热点信息发现及初步方案准备时间由4-6小时缩短至30分钟以内，效率提升约8-12倍；
·新闻选题分析、活动方案起草、资料整理汇编等典型场景整体工作效率提升约10%至30%；
·重复性知识查找投入显著降低，知识复用效率大幅提高，员工可将更多精力投入高价值工作。
三、AI能力普惠化与平台价值
大模型能力从"少数人试验"变为"全员可用"，成为日常办公基础设施。平台私有化架构、统一模型调度和标准化智能体编排框架，为后续更多业务场景的智能化拓展奠定了坚实基础。
四、行业示范与复制价值
本项目验证了企业级智能体平台在央企高安全场景中的落地能力，形成了覆盖私有化部署、知识工程、模型管理、智能体开发的完整实施方法论。对于能源、电力、制造、金融等对数据安全要求高、专业知识密集的大型政企客户具有良好的复制推广价值，为AI在高安全行业的规模化应用提供了实践参考。
关于企业·有云数智
有云数智（原同方有云）自2013年成立以来，已成长为国内领先的AI智能体与智算服务提供商，业务网络覆盖全国多个省市。公司以全栈自研的智算平台为技术底座，打造了集算力调度、AI智能体开发、数据治理及智算中心运营于一体的综合服务体系。近年来，公司深度聚焦“行业智能体”赛道，依托自主云智融合技术平台，构建起从数据底座到算力支撑、从智能体构建到行业场景落地的完整闭环。面向政务、能源、金融等关键领域，公司为客户定制开发行业智能体，助力业务系统实现从指令响应到任务自主执行的智能化跃升，并同步提供算法开发、模型训练与推理部署等全链路配套服务。
·中国核工业集团有限公司
中核集团是经国务院批准组建、由国资委履行出资人职责的特大型国有骨干企业。作为国家核科技工业主体，中核集团拥有23家科研院所、100余家成员单位及18万员工，其中两院院士16人。主导研发的“华龙一号”三代核电技术基于“177组堆芯”概念，创新采用能动与非能动相结合、双层安全壳等安全措施，集团构建了核电、核燃料、核技术应用等八大产业板块，运营26台核电机组，装机容量2440万千瓦。中核集团连续19年获国资委考核A级，2023年营收2806亿元，位列《财富》世界500强第381位，2025年跻身中国能源企业500强第19位。
太原股票配资提示：文章来自网络，不代表本站观点。
