AI落地的现实主义：一家AI应用一线企业的业务观

主要观点总结

本文介绍了信云智联通过“大小模型协同”的安全生产管理实践，强调系统工程的路径，既“做面包”，更“种粮食”。信云智联提出，并不是所有问题都需要大模型重做，小模型也有其高效、低成本的优势。同时，推动大模型落地过程中必须重视数据安全。行业知识库和高质量数据集是企业和竞争对手之间的重要壁垒，数据治理是一项系统性极强的工程。

关键观点总结

关键观点1: 信云智联的“大小模型协同”策略

信云智联在安全生产管理实践中采用了“大小模型协同”的策略，通过结合小模型的高效性和大模型的推理能力，降低误报率，处理复杂行为链识别。这一策略聚焦两大目标，降低误报率和处理复杂场景理解。尽管大模型具有通识理解与推理能力，但在实际应用中，小模型依然发挥着高效、低成本的优势。

关键观点2: 系统工程的力量

信云智联的智能安全生产管理系统体现了系统工程的价值。该公司认为，现阶段最现实、最有价值的路径是通过系统工程能力，将现有技术转化为实际可控、稳定可用的生产力。一些业界人士认为行业大模型的训练成本很高，而且未必是解决问题的最有效手段。因此，信云智联更倾向于通过系统化的工程能力来发挥通用大模型的价值。

关键观点3: 行业知识库和高质量数据集的重要性

行业知识库和高质量数据集是企业和竞争对手之间的重要壁垒。信云智联重视数据治理，通过构建行业知识库和高质量数据集来提升系统效率和价值。数据治理是一项系统性极强的工程，涉及大量行业标准，需要企业补齐短板，结合标准实施方法形成一套可复用、体系化的技术能力。