总1:文章核心是天源迪科不造基座、专注行业智能体,2026年完成50多个AI产品,业务覆盖通信、金融、公安、央国企采购供应链四大行业,软件从问答式转向自主决策式。
1.落地产品包括通信智能方案生成、智能投标、工单智能运维,金融反洗钱监控、信贷报告生成、电催机器人,公安警情研判、执法规范智能体,央国企智能辅助评审、智能标书助手、采购智能体等。
2.采购供应链案例可量化:天枢工业品大模型物料识别准确率93%,协助某央企完成300万级物料标准化;智能辅助评标使人工成本降低50%以上;采购智能体使人机协同效率提升80%以上;采购方节省8%至10%综合采购成本。
总2:AI进入研发交付全流程的实操启示。
1.研发模式变为产品人员定方向、AI承担编程、工程师负责校验。
2.岗位职责合并、项目团队精简、管理架构更扁平,核心是把资深专家能力批量复制给普通员工。
总1:产品研发路线清晰:不重复造通用基座,对接多家主流大模型,把资源集中到行业知识本体沉淀建模与智能体技术优化,2026年完成50多个AI产品,取得大模型备案与国产GPU信创兼容认证。
1.产品形态从问答式转向自主决策式,企业采购可自主完成任务的智能体。
2.以AI原生应用开拓新市场,教育培训等已落地,同时用智能体改造通信运营商、银行、政府等原有优势行业。
总2:用户行为与价格竞争出现新变化。
1.产业智能体改写B2B,交互入口由搜索框转为对话框,采购人员转向提需求、审依据、控风控;商业模式从流量撮合升级为代理决策能力。
2.垂类大模型在部分场景具成本优势,采购方可节省8%至10%综合采购成本,评标人工成本降50%以上、采购效率提升80%以上,物料标准化使部件跨企业可比可竞价。
总1:增长市场与机会:以AI原生应用开拓新市场,央国企采购供应链、教育培训等行业已落地,同时用智能体改造通信运营商、银行、政府等优势行业,2026年完成50多个AI产品。
1.最新商业模式是产业智能体从流量撮合升级为代理决策能力,懂行业、可担责的智能体成为业务主入口,每笔交易沉淀产业数据形成数据复利。
2.可学习点是通用基座无需重复打造、垂类能力必须自建,核心在行业本体和可信推理架构;合作方式包括对接多家主流大模型、采购外部Token补充算力、依托隐私计算推动跨主体数据协同。
总2:风险与合作提示。
1.风险方面,产业数据语义标准不一,跨主体共享需兼顾技术可信与权责清晰,数据真实性要求高。
2.机会方面,公司拥有国家发改委价格监测定点、唯一工业品价格指数采集单位、参与中国电信数据要素建设、合肥公共数据授权运营首批合伙人等资质,并取得大模型备案与国产GPU信创兼容认证。
总1:产品生产与设计相关的干货集中在工业品标准化和采购供应链智能化:天枢工业品大模型基于数千万条数据训练,物料识别准确率93%,已协助某央企完成300万级物料标准化。
1.采购方AI产品可节省8%至10%综合采购成本;智能辅助评标直接处理非结构化招标文件,人工成本降低50%以上,已在两家央企落地;采购智能体辅助决策,人机协同效率提升80%以上。
2.央国企采购供应链推出智能辅助评审、智能标书助手、采购智能体、智能商品运营平台、智慧采购价格管控平台、智慧采购供应链合规监管平台六大产品,受到能源、化工、金融等行业央国企欢迎。
总2:推进数字化与电商的启示。
1.不造基座,专注行业智能体与行业知识本体,具备私有化部署与国产化适配能力。
2.物料标准化使同一部件跨企业可比可竞价,客观上拓宽中小供应商市场准入通道,能力可复制至能源、化工、运营商等场景。
总1:行业趋势是软件从给人用转为给智能体用,产品从问答式向自主决策式演变,产业智能体从交互入口、商业模式、数据沉淀三方面改写B2B。
1.新技术包括对接多家主流大模型、行业知识本体沉淀建模、可信推理企业智能体架构、AI Agent、隐私计算、大模型备案与国产GPU信创兼容认证。
2.客户痛点与解决方案:非标物料叫法各异难比价,用天枢工业品大模型实现93%识别准确率和300万级物料标准化;评标依赖专家主观经验、串标难识别,用冷启动智能辅助评标降人工成本50%以上;采购链条长依赖经验,用采购智能体提升效率80%以上。
总2:交付与数据支撑能力。
1.AI全面落地产品研发、项目实施、交付运维,岗位职责合并、团队精简、架构扁平。
2.数据要素从连接走向认知,企业需把业务术语、口径、规则沉淀为本体,并以隐私计算实现跨主体数据融合且不输出原始数据。
总1:商业对平台的需求变化:交互入口由搜索框转为对话框,采购人员重心转向提需求、审依据、控风控;商业模式从流量撮合升级为代理决策能力,懂行业、可担责的智能体成为业务主入口。
1.平台需具备行业本体与可信推理能力,不重复造基座,把资源投向行业知识本体和智能体优化。
2.平台最新做法可参考:用AI原生应用开拓新市场,用智能体改造通信运营商、银行、政府等优势行业;每笔交易沉淀产业数据形成数据复利。
总2:运营管理与风向规避。
1.生态合作上,对接多家主流大模型,参与中国电信数据要素建设,入选合肥公共数据授权运营首批合伙人覆盖七大领域,拥有国家发改委价格监测定点、唯一工业品价格指数采集单位等数据授权资质。
2.风险方面,产业数据语义标准不一需靠大模型与本体建模统一;跨主体共享要兼顾技术可信与权责清晰;数据真实性要求高,需依托定点授权采集保障稳定可靠。
总1:产业新动向是软件从给人用变为给智能体用,企业采购从固化软件转向可自主完成任务的智能体;天源迪科不造基座、专注行业智能体应用,2026年完成50多个AI产品。
1.理论判断:通用基座无需重复打造,垂类能力必须自建,工业、运营商、金融存在通用语料未覆盖的隐性业务规则,垂类大模型部分场景有成本优势。
2.核心命题是行业本体,可信推理企业智能体架构是智能体与本体有机结合;产业智能体从搜索框转对话框、流量撮合转代理决策、交易沉淀数据形成数据复利。
总2:新问题、护城河与政策启示。
1.数据要素从连接走向认知,稀缺的是业务术语、口径、规则本体化;挑战包括语义标准不一、跨主体共享技术可信与权责清晰、数据真实性。
2.护城河由行业本体知识、私有化部署与国产化适配、稀缺数据授权资质、数千人交付团队与成熟AI产品构成。
3.政策与资质启示包括大模型备案、国产GPU信创兼容认证、国家发改委价格监测定点、唯一工业品价格指数采集单位、合肥公共数据授权运营首批合伙人。
返回默认

