在2025世界人工智能大会上，科大讯飞（002230.SZ）展出的“星火知识库”成为行业关注的焦点，这一创新成果不仅展示了中国人工智能技术的最新进展，更揭示了当前大模型发展面临的核心挑战——高质量数据集的稀缺与建设难题。随着人工智能技术进入深水区，央国企在推进智能化转型过程中遭遇“数据瓶颈”日益凸显，如何破解这一困局，成为关乎国家数字经济发展战略的关键命题。 当前，央国企在大模型应用落地过程中遭遇的困境具有典型性。一方面，行业大模型对数据的需求极为多元且专业，不同业务部门对模型场景数据的需求差异显著，这大大增加了数据处理和管理的复杂度。以能源行业为例，勘探开发、炼化生产、销售服务等不同环节产生的数据类型、格式和专业术语迥然不同，传统的数据处理方法难以满足这种高度专业化的需求。另一方面，在行业大模型的实际建设中，构建和采买数据缺乏统一衡量标准，不同业务系统、不同数据源的数据完整性和准确性参差不齐，直接影响了模型的训练效果和预测准确性。研究显示，一般来说，10%的脏数据可造成30%的GPU资源浪费，同时导致模型调试周期延长50%，效果下降10%，这种资源浪费对于追求高效运营的央国企而言尤为致命。 国务院国资委规划发展局副局长胡武婕认为，“随着基础模型开源态势的形成，各方在算力和模型算法层面的差距正在不断收窄，数据要素价值更加凸显，已成为人工智能竞争的核心领域。”这一判断精准揭示了当前人工智能发展的新趋势——在算法和算力逐渐趋同的背景下，高质量数据集已成为决定AI应用成败的关键要素。然而，央国企在数据治理方面面临特殊挑战：历史积累的庞杂语料分散在各个业务系统中，价值数据难以有效提取；通用大模型在专业场景中存在知识幻觉、专业性不足等问题；缺乏统一标准导致数据质量评估困难，这些问题共同构成了央国企智能化转型道路上的“数据鸿沟”。 面对这一行业痛点，科大讯飞推出的知识工程平台提供了一套系统化解决方案。该平台的创新之处在于，它并非简单的数据处理工具，而是构建了一个从多源语料获取、稀缺数据合成、高质量数据加工到模型训练的完整生态闭环。其核心技术突破体现在全自动化的知识构建能力上——通过多教师模型混合蒸馏、知识融合增强等前沿技术，实现了行业专业知识的自动合成，无需依赖传统昂贵且低效的人工标注流程。实际应用数据显示，该平台可将数据构建成本降低90%，知识构建周期缩短50%，同时使模型效果提升15%，这种效率与质量的双重突破，为行业大模型的快速落地提供了可能。 在技术架构层面，讯飞知识工程平台展现出三大差异化优势。首先是其强大的多元异构数据处理能力，平台内置的高精度语音转写和OCR识别引擎，能够高效处理央国企常见的非结构化数据，如会议录音、扫描文件、工程图纸等，解决了传统数据处理流程中的“卡脖子”环节。其次是建立了全方位的数据质量评估体系，平台可结合传统大数据质量要求和人工智能模型训练应用要求，输出《面向人工智能的数据集质量通用评估方法总体要求》，将标准落地为可执行的质量控制节点，从完整性、规范性、准确性、及时性、一致性等多个维度构建了数据质量的“防火墙”。尤为关键的是，平台还通过正向追踪和反向溯源机制，确保了知识构建过程的透明性和可解释性，这一设计有效防范了行业大模型常见的知识“幻觉”问题，同时也规避了版权合规风险。 平台操作界面的易用性设计同样值得称道。针对央国企技术团队的特点，讯飞知识工程平台采用零代码画布式建模工具，用户通过简单的组件拖拽即可自定义知识加工流程，节点参数配置界面支持精细化调整，而断点调试功能则确保了处理结果的可控性。这种“低门槛、高灵活”的设计理念，极大降低了人工智能技术的应用难度，使业务专家无需深入掌握编程技能也能参与知识构建工作，真正实现了“业务驱动”的智能化转型。 本次WAIC大会期间，科大讯飞所展示的“星火知识库”便充分展现了其在公司知识管理领域的创新突破，方案提供从知识创作、知识加工、知识管理到知识共享、知识应用的全生命周期闭环管理，可显著提升知识加工效率、检索效率和问答体验，实现公司知识的高效生产、有效沉淀、快速应用。 中国石油的实践案例生动诠释了讯飞知识工程平台的价值。作为能源行业的龙头公司，中石油拥有海量的勘探开发、炼化生产、经营管理数据，但如何将这些数据转化为大模型的“营养”，曾是公司面临的主要障碍。 通过部署讯飞知识工程平台，中石油成功构建了覆盖油气全产业链的高质量数据集，并以此训练出专属的“昆仑大模型”。该模型已成功应用于57个业务场景：其专业领域的应用范围从勘探延伸至炼化、销售、装备制造等。通用领域推出“员工助手”、“行业大家”、“智能油伴”等专业应用，其中“员工助手”覆盖科研、办公等场景，可助力开启“AI+”高效办公模式；“行业大家”应用助力从业者提升技能；“智能油伴”以更智能、拟人化交互提升客户服务体验等，实现了成本降低30%、周期缩短50%、效果提升30%的显著效益。 昆仑大模型并非空中楼阁，而是紧密围绕能源化工行业的痛点和需求，打造了一系列具有行业特色的深度应用场景。无论是赋能地质研究、生产优化，还是提升办公效率、客户服务水平，昆仑大模型正逐步渗透到业务与管理的各个环节，这种基于公司自身数据训练的大模型真正贴合了行业专业需求，实现了AI技术与实体经济的深度融合。 从中石油等多家央国公司项目成功实践，讯飞进一步沉淀了丰富的行业知识构建模板和成熟的DREAM大模型构建框架——Define场景定义、Review资源审视、Extract数据提取、Algorithm模型训练、Measure效果测试。这一方法论不仅是一套技术流程，更代表了“场景驱动、数据为先”的行业大模型建设理念。目前，该框架已在多家央国企项目中得到验证，形成了覆盖能源、金融、制造等多个行业的知识构建模板，为后来者提供了可复制的成功路径。 站在新一轮科技革命和产业变革的历史节点，高质量数据集建设已成为推动人工智能与实体经济深度融合的关键基础设施。科大讯飞知识工程平台的创新实践，为破解央国企大模型落地难题提供了可行路径，其价值不仅在于技术突破，更在于构建了一套从数据治理到模型应用的全生命周期解决方案。 随着数字经济深入发展，数据要素的市场价值将持续释放，而那些能够率先构建高质量数据资产、掌握智能技术核心能力的央国企，将在未来的产业竞争中占据制高点。从这个意义上说，解决数据质量问题不仅是一个技术课题，更是关乎国家数字经济战略实施和产业竞争力的重大命题。科大讯飞的探索为行业提供了有益启示：只有打通数据—知识—智能的转化通道，才能真正释放人工智能的变革力量，推动千行百业实现质的飞跃。
