引言

YonAI是用友BIP的智能平台，以YonGPT企业服务大模型为核心，整合了机器学习、大模型、数字人、自动化等企业级智能技术，构建全面的智能化平台能力，打造企业数智化大脑，帮助企业实现智能化管理和运营，提高效率和竞争力。

1、 AI技术门槛较高。

AI技术涉及复杂的算法和模型，相关系统开发是一个复杂过程，涉及算法参数调整，模型性能优化，且持续技术迭代门槛提高。

2、 数据质量与多样性。

企业需要确保数据的质量，以支持有效的模型训练。同时还需要考虑数据的多样性，以避免偏见和过拟合（Overfitting） 。

3、 难以挖掘应用场景。

企业需要识别那些可以通过AI技术带来显著改进的业务流程或产品。需要深入的业务理解和创新思维。

一、解决AI技术门槛高的应对方案

YonAI智能平台以云原生为基础，构建了从数据管理、算力管理到模型训练、评估、发布及运营的一站式服务体系。这一架构不仅降低了企业应用AI的门槛，还通过可视化、工具化的操作界面，使得非AI专业人士也能轻松上手，快速实现机器学习数据的训练与应用。此外，YonAI还整合了大数据、云计算、物联网等多种先进技术，为企业数智化转型提供了坚实的技术支撑。

在技术层面，YonAI基于业内完整的建模流程，从数据导入到模型部署发布，采用全程统一可视化视图，入门门槛低，易操作。

在模型层面，YonAI融合大模型+领域模型+决策算法，赋能行业+应用场景。YonAI在底层采用了诸如文心一言等通用大模型，这些模型虽具备强大的语言能力，却难以直接应用于企业的特定业务场景。因此，YonAI利用自身在财务、人力、供应链等领域的深厚积累，将通用大模型训练成面向企业特定需求的领域大模型。这一融合不仅提升了AI的精准度和实用性，还使得YonAI能够深入企业核心业务流程，为企业提供更加个性化的智能服务。

近期发布的YonGPT2.0，在数据闭环和工具链完善方面取得了显著进展。YonGPT2.0通过数据采集、反哺大模型的方式，实现了数据的持续优化与迭代。同时，YonAI还提供了丰富的预训练模型和个性化微调工具，帮助企业快速构建符合自身需求的AI应用场景。这一闭环机制不仅提升了AI模型的精准度和实用性，还为企业数智化转型提供了持续的动力支持。

二、解决数据质量与多样性的应对方案

无数据，不AI。对于一个企业来说，如果不具备海量的、高质量的、多样化的数据来支撑，那么AI将是空谈。

企业需要建立数据治理框架，制定明确的数据管理政策和流程，确保数据的质量和安全；

需要进行数据清洗和整合，定期进行数据清洗，整合不同来源的数据，提高数据的可用性；

需要利用自动化工具来简化数据管理任务，如数据仓库和ETL工具。

企业正步入一个云原生、数据原生、AI原生深度融合的新纪元，在战略推进中，企业应充分利用“三原生”力量，重新构建业务模式，打造全新的增长曲线。在大数据时代，用友BIP通过打通数据供应链，提供统一的数据治理与全面的数据服务，帮助企业实现数据原生。同时通过AI技术重构应用，颠覆传统业务模式，创新商业形态。

在帮助企业做私有化的数据智能项目时，为了保证数据供给，用友BIP数据中台YonData可以来帮助企业采集和管理数据，以及制定相应的数据标准来提供可用的数据。数据中台本身，也有一个智能产品ChatBI。

通过数据+AI，可以让企业长期积累的海量数据，深入业务场景，并更好地利用AI技术，提升数据的可用性，为企业带来业务创新及商业价值。

三、解决业务场景难挖掘的应对方案

在智能应用方面，YonAI涵盖了业务运营、人机交互、知识生成和应用生成四个方面。最典型的两个场景为智能助理与智能大搜RAG。

我的智能助理——智友，拥有上下文记忆、可以感知理解用户意图，能够将复杂任务分解为一系列子任务，用户只需与“智友”进行简单的对话，就能轻松完成一系列繁琐的业务操作，包括企业经营洞察、合同风险审核、智能生成报告、知识搜索与推荐等，带来无处不在的智能化交互。

智能大搜，可用于挖掘非结构化数据价值。针对企业大量、分散的私域非结构化数据，智能大搜基于YonGPT实现多类型数据的快速索引、精准定位，利用知识图谱实现知识体系化，构建“搜、问、推、创一体化，知识全程伴随”的闭环流程，实现企业级“感知式”知识伴随，大模型“生成式”业务审查、“闭环式”知识沉淀与运营。