创新构建数字样机产品交付平台，结合AI新技术提供专业技术服务， 通过“信息化+智能制造+AI技术”三位一体方案，帮助企业突破生产效率瓶颈、优化研发流程，并实现数据驱动的智能化升级。

      产品包括了五个部分的关键技术，湖仓一体数据底座、数据资产的重塑、领域大模型、大模型的工程化和最终的应用场景。该技术架构将大模型的能力和数据工程的能力进行了整合和封装，通过产品化的方式支持了数据科学和数据分析的多种应用场景。

1、从经典数据中台到AI+湖仓中台

      重新定义与数据的关系，也需要企业进行转变，随着企业的数据量级及维度的积累，企业采用数据中台的价值会有所限制，边际效应递减，需要从经典的数据中台模式转向AI+湖仓中台，来全面释放数据的价值。从自上而下的业务梳理，分层式设计，转向各类数据资产的建设、特征识别。需要从传统的固定场景应用转向AI驱动的数据智能、生态协同。

2、数据资产建设

      数据资产包括了需求资产、特征资产和库表资产，需求资产包括了结构化的需求、行业知识资产和AI可理解的需求。

3、领域模型技术架构

      这是我们领域模型的技术架构，用户的需求描述往往是口语化表达，会存在表意歧义、业

务知识缺失等问题，严重影响大模型对用户需求的处理，通过我们进行预训练和微调的领域模型会靠需求理解、需求匹配、需求转译等功能精准 的理解用户的需求。

4、大模型的工程化

      理论模型转化为实际应用的关键过程，其核心在于解决落地中的复杂性、稳定性及业务适配问题。

5、最终的应用场景

      多智能体架构，人与AI高度协同工作

      使用Agent 多智能体架构，将一个Job (工作)分解成若干的Task (任务)，在某些Task上由Al完成，某些Task人与  Al协同完成(需求协同、验收协同)，覆盖从业务需求到数据交付的全链路，各节点Agent可与用户实时交互，及时感知问题并进行干预和修正，确保系统的可持续优化。

      我们把资产运营进行了分层，按照业务流程分为需求运营、资产运营、平台营运。需求资产运营的核心是量化评估模型和指标，需求质量评估模型通过分析符合质量要求的需求数占总需求数的比例，从而衡量业务人员在与Al交互时，信息的传递是否完整准确。