导读
最近，DeepSeek模型火得一塌糊涂，相关的DeepSeek一体机话题也持续霸屏，热度居高不下！可这一体机在应用过程中，碰上了不少棘手难题。要知道，不同行业业务场景那叫一个复杂多变，就像川剧变脸一样，让人眼花缭乱。怎样让DeepSeek 一体机精准适配这些场景，发挥出最大效能，成了摆在大家面前的一道难题。
2025年3月27日，2025人工智能基础设施峰会智能算力论坛在沪召开。枫清科技合伙人、智能平台事业部总经理王传阳在题为《知识中台赋能：DeepSeek一体机行业深耕》的演讲中指出，尽管DeepSeek一体机凭借”开箱即用”的硬件+软件一体化方案大幅降低企业AI应用门槛，但要实现复杂行业场景的深度赋能，仍需构建以知识中台为核心的智能化基础设施。让算力、模型与企业知识深度融合，为企业智能化转型注入新动力。
文字编辑｜宋雨涵
各位同仁，大家好！刚才，我们有幸聆听了之前老师的精彩分享，深刻感受到了DeepSeek在各行各业中蕴含的无限机遇。众多企业正积极探索如何利用DeepSeek为自身业务场景增添更多价值。
但在实际场景里我们也都了解，很多企业的具体业务和场景，单靠一个模型，单靠一台一体机很难覆盖全的，所以今天主要是跟大家分享在模型和企业具体场景中间，作为知识中台可以怎样在里面发挥相应的作用。
一是DeepSeek一体机的优势及存在挑战；二是知识中台赋能中具体的工作模式和关键功能；三是和大家分享具体的场景。
1
DeepSeek一体机的
优势及存在挑战
开启行业智能化新篇章
01
核心优势显著
枫清科技合伙人王传阳指出，DeepSeek一体机通过 “硬件 + 软件” 一体化设计，实现了对话式文章创作等通用场景的快速部署。其算力配置覆盖32B到满血版全梯度，价格区间从数万到百万不等，为不同规模企业提供了灵活选择。尤为值得关注的是，该产品在国产化适配方面取得突破，支持纯国产硬件与软件组合，并依托知识中台厂商生态，构建了良好的落地环境。
02
落地挑战犹存
尽管DeepSeek一体机通过模型优化缓解了可解释性难题，并降低了实施成本与算力门槛，但王传阳强调仍需正视三大核心挑战：
内容准确性：模型幻觉问题尚未完全解决，对未知领域的信息仍可能产生虚构内容
数据治理：企业私有数据的时效性处理与安全合规性保障机制需进一步完善
企业级能力：权限管理、认证体系及行业深度理解等问题，仍需结合业务场景定制化开发
2
知识中台赋能
具体的工作模式和关键功能
企业或多或少都掌握着自身的私有数据，这些数据呈现出多模态的特性。当我们将这些数据映射到企业的实际业务场景中时，就需要对它们进行多样化的处理。RAG（检索增强生成）的方法，这确实是一种非常典型的数据处理方式，值得我们深入了解和运用。
然而，要满足企业对数据的高要求，并非仅仅通过简单的开源RAG模型或者手写一个RAG模型就能轻松实现。我们需要做的工作远不止于此。针对企业的特定数据文档和数据格式，我们需要进行定制化的解析，逐步打造出适用于该行业、该类企业的通用解析器。同时，对于数据切片的处理也需要深入讲解，包括Embedding模型的选择，以及如何处理多模态数据等问题。
想象一下，一个企业同时拥有关系型数据、文档、图片、视频等多种类型的数据。在进行综合RAG链路检索时，如何能够同时找出所有相关联的数据？这就需要我们在知识引擎层面付出大量努力，并积累实践经验。
知识中台：破解AI落地最后一公里的密钥
数据知识化
数据知识化模块是知识中台的基础，旨在将企业多模态数据（如文档、图片、视频、关系型数据等）转化为可被检索和利用的知识。该模块涵盖以下关键功能：
文档解析与切片：通过RAG链路技术对文档进行语义切分，确保数据检索的全面性和准确性。
向量存储与向量服务：将数据转化为高维向量，支持高效的相似性检索和语义匹配。
关系抽取与图谱构建：通过关系抽取技术，建立企业数据实体之间的关联，形成统一的知识图谱，支持多模态数据的跨模态检索。
图相关服务：利用图计算技术，挖掘数据之间的深层次关联，为企业提供更全面的知识支持。
知识应用构建
知识应用构建模块旨在将知识中台生成的知识应用于实际业务场景，提升企业的智能化水平。该模块提供以下功能：
智能体与工作流构建：通过可视化工具，企业可以快速构建智能体和工作流，将知识库与业务流程深度结合。
智能问数与数据分析：支持用户通过自然语言提问，快速获取业务数据和分析结果，减少人工干预。
多样化应用形式：包括智能问答、文本润色、翻译助手等功能，满足企业在不同场景下的知识需求。
知识持续运营
知识持续运营模块确保知识中台能够随着企业需求的变化不断进化，主要功能包括：
知识刷新与更新：通过知识运维模块，定期更新知识库内容，确保知识的时效性和准确性。
用户反馈机制：收集终端用户和员工的反馈，动态调整知识库内容，形成知识积累的正向循环。
企业级安全能力：提供细粒度的权限管理、数据加密和审计追踪功能，确保企业数据的安全性和合规性。
枫清科技：知识中台赋能千行百业
一、知识中台与通用场景的关系
大模型在处理简单的智能问答，如基本常识、企业基本信息咨询等场景时，能够独立发挥作用。此外，在办公场景中的文本润色与翻译方面，大模型也可直接提供服务。但知识中台在通用场景中，同样承担着统一管理知识、构建知识体系以及赋能企业级能力的重要职责。以文本润色和翻译助手为例，为确保翻译结果不包含企业敏感词汇，且符合企业合规要求，知识中台需对大模型的输出结果进行后续处理。
二、工作流在复杂业务场景落地中的关键作用
王传阳表示在当下，对于DeepSeek R1等大模型尚不了解的复杂业务场景，工作流是实现大模型赋能的最有效手段。通过将业务场景逻辑以工作流的形式告知大模型，能够引导大模型按指定方式运行。在落地众多客户场景的过程中，工作流的应用极为广泛。尽管智能体可覆盖部分相对简单、通用的场景，但就目前技术发展水平而言，尚无法取代工作流在复杂场景中的地位。尽管业界对智能体和模型机产品抱有期待，有望让大模型替代构建工作流的繁琐工作，但现阶段，工作流仍是解决复杂场景落地问题的主要方式。
三、知识中台落地的典型场景
- 私有知识问答
在企业内部落地私有知识问答场景时，不仅要考虑知识本身，还需解决合规性问题，将企业敏感词、同义词等私有知识融入其中，并对知识应用权限进行管控。例如，对于员工提出的涉及敏感信息的问题，后台需进行细致处理。
- 智能问数
智能问数主要面向关系型数据库等结构化数据。该场景虽能借助大模型将自然语言转化为SQL语句直接查询数据库，实现数据的快速更新获取，但由于人类语言的丰富性，大模型理解存在偏差，容易导致答非所问的情况。即便展示最终执行的SQL语句，对于非技术人员而言，理解难度较大。为弥补这一缺陷，智能数据分析、指标问数等技术应运而生，将灵活的SQL转化为确定的指标。这种方式能确保问题回答的准确性，即使当前不存在相关指标，也只会无法给出答案，而非提供错误信息。在实际落地过程中，企业客户更倾向于采用问指标的方式。
结语：共筑企业智能化未来
在DeepSeek一体机掀起行业智能化浪潮的当下，枫清科技以其深厚的技术积累和前瞻性的解决方案，为企业提供了从数据到知识再到业务场景的全链路赋能。通过知识中台的三大核心模块——数据知识化、知识应用构建和知识持续运营，枫清科技不仅解决了DeepSeek一体机在复杂行业场景中的适配难题，更为企业构建了一个高效、安全、智能的知识生态系统。
