YonGPT2.0：架起通往企业AI应用的一座“桥”

大模型技术在中国企业市场，似乎患上了某种“技术崇拜症”。不少企业将其视作能解百病的“万能药”，总觉得只要把最先进的模型请进门，所有增长难题就能迎刃而解。可现实是，这种崇拜很快变成了盲目跟风，各种标榜“GPT”名头的产品满天飞，但绝大多数都困在对话框里，真正能为企业带来生产效率提升的，少之又少。

企业内部的业务流程有多复杂，场景有多林立，身处其中的人最清楚。那么，如何化繁为简，让大模型真正为企业所用、让AI解决实际问题？答案在于，必须在繁杂的企业应用需求与强大的底层大模型之间，搭起一座桥梁。用友刚刚发布的企业服务大模型YonGPT 2.0，正是这样的一座桥梁。

01 大模型时代，企业需要什么样的大模型？

麦肯锡的报告预测，到2040年，生成式AI每年可为全球经济带来2.6万亿至4.4万亿美元的增长。而IDC发布的《2024 AIGC应用层十大趋势白皮书》也显示，随着AIGC技术发展，智能化应用将迎来爆发式增长，预计到2024年，全球会涌现出超过5亿个新应用——这个数字相当于过去40年所有应用的总和。两组数据都指向一个共识：大模型市场的潜力巨大，而这份潜力绝不只在消费端，企业AI应用的发展才是真正的驱动力之一。

但从企业的角度看，技术本身并不自带行业属性，脱离了具体场景的技术很难称得上“有用”。这意味着，大模型必须通过融入真实的业务场景来展现其价值。可大家都知道，要让大模型走出对话框、走进企业应用，还需要跨过几道实实在在的坎。

首先，大模型的泛化能力虽强，但在特定领域和场景中，若未经针对性训练，根本满足不了应用需求。其次，企业应用对“AI幻觉”是零容忍的，这就要求垂域大模型必须配备高质量的数据集和行业知识库。第三，开发垂直领域的模型需要大量资源与成本，定制化要求高，无论是企业自己投入研发，还是第三方的开发商，都很难对企业整体业务有全面的理解。

所以不难总结：从大模型技术到企业AI应用之间，需要一个“中间层”。这个中间层，要具备足够的领域知识，能深刻理解大部分企业应用场景；要有专业数据训练和调优的能力；还要能向上提供专业智能交互工具，甚至支持企业训练出更符合自身行业特征的垂类大模型。这，正是YonGPT被推出的初衷，也是YonGPT 2.0升级后所赋予企业的价值所在，它有望引领企业数智化走进一个真正的黄金时代。

02 什么是深懂企业服务的大模型？

YonGPT 1.0发布于去年7月，是业界首个企业服务大模型。今年8月10日，YonGPT 2.0正式亮相，它沉淀了财务、人力、供应链等垂直领域模型，在专业能力和训练体系上都有了显著提升。

用友对YonGPT 2.0有一个核心定位：深懂企业服务的垂类大模型。这里的关键词自然就是“深懂”。那么，YonGPT 2.0如何证明这个定位？

第一，要支持企业AI应用，从基础大模型到具体应用场景之间，其实隔着“几重山”。既需要服务大模型对专业知识进行训练，也需要扩展大模型将应用框架落地到各种业务运营与人机交互问题，最终还要与智能体相结合，才能形成企业切实可用的AI应用。这就要求YonGPT 2.0不仅仅是一个大模型平台，更是一整套完整体系，把从大模型层到AI应用落地之间的所有环节都衔接起来。YonGPT 2.0涵盖了专业能力层、平台层和框架层，并向上延伸出四类应用。企业可以在这套体系中定制开发自己的应用，并通过大模型平台与应用的实时数据反馈，形成完整闭环，让大模型基于真实业务场景不断学习进化。这种“自生长”的能力，正是YonGPT 2.0深“懂”企业的第一个理由。

第二，打造企业应用大模型，不单纯是技术创新，更是一次管理能力的升级。所以，门槛在于必须懂企业场景和业务逻辑。过去30多年来，从信息化时代到数字化时代，再到数智化时代，用友始终沉浸在企业应用的第一线，深入企业的管理与运营，深知每一次企业变革的内在逻辑和场景需求。如今，这些经验和知识已经沉淀在YonGPT 2.0之上，使其能够解决企业在人、财、物、服、供、产、销、研等各方面遇到的问题。更重要的是，用友拥有大量业务专家，他们将自己多年服务行业领先企业的经验与知识积累下来，再进一步训练到模型中。这种“懂”，无法复制，是用友独有的资产，也是YonGPT 2.0独有的优势。

第三，企业业务是动态的，AI应用自然不能一成不变。这就要求大模型具备不断学习、优化和微调的能力——它应该是“活”的模型，而不是固化的。这也是YonGPT 2.0大模型平台层设计的精妙所在。平台层的下层是通用的专业能力，比如领域知识问答能力增强、PPT分析报告生成、合同智能审核等，保障了模型在业务基础能力上的支撑；而平台层本身内置了丰富的“经验数据”，帮助模型在专业数据的基础上，通过几个应用框架进行微调来确保效果。例如，遇到业务运营方面问题，可以用Agent应用框架微调；人机交互问题，由HCI应用框架去微调；知识生成或应用生成问题，由RAG业务框架来解决。通过这些框架，企业还能借助AI Agent构建器，将用友BIP中的应用、业务知识快速打包成适应各类场景需求的智能体，实现灵动而敏捷的企业应用创新。

第四，也是很有意思的一点，YonGPT 2.0在模型层和应用层之间，构建了一个交互层。这一层并不直接形成最终的企业应用，却能赋予应用更好的体验和智慧。最典型的例子就是“数智员工”——通过虚拟形象替代某些场景下的人力员工，比常见的数字人更贴近业务一线，往往直接带来降本增效的效果。比如税务风险合规官、采购合规官、合同审核助理、客服助理等，能帮助企业完成大量重复性、风险合规性工作，显著降低作业成本、提升效率。而“智友”则更像一个智能助理，在业务系统中通过简单对话给员工提供建议，协助完成繁琐的业务操作。“智能大搜”则代表着AIGC时代的典型能力，对图片、视频、音频等非结构化数据进行一站式搜索与呈现，实现企业级的“感知式”知识伴随、“生成式”业务审查以及“闭环式”知识沉淀与运营。

不难看出，YonGPT 2.0完全站在企业业务的视角进行了重新定位，把大模型与AI应用之间的进化逻辑梳理得清晰而有序。一个“懂”字，已经足以印证其价值。

03 为做好“模型运用”奠定基础

早在2016年，《智能时代：大数据与智能革命重新定义未来》就作出预言：传统企业都将采用智能技术实现升级换代，商业模式也会随之改变。到今天，大模型的出现的确让我们看到了企业业务由内而外正在发生的深刻变化。

在合同审核领域，通过提取合同要素、进行智能问答，审核效率与准确率大幅提升；在AI面试环节，利用大模型对候选人进行全面评估，帮助企业提升招聘效率高达30%；在智慧化知识生成方面，大搜产品的应用让非结构化数据得到高效利用，为企业决策提供了有力支撑。这些令人耳目一新的业务面貌，都源自于YonGPT 2.0在企业端的广泛应用，也为企业数智化转型提供了可借鉴的实践经验。如王文京所言，企业要成功推进数智化，除了选择正确的方法论、合适的软件系统，还必须重视并做好“数据治理”和“模型运用”这两项基础工作——正如信息化时期必须做好“流程梳理”一样。因此，选择YonGPT 2.0，本质上就等于为做好“模型运用”这件关键工作铺好了路。

总结来看，YonGPT 2.0不仅内置了丰富的经验数据和微调专业数据，还支持多模型集成与专业能力评估，确保微调效果最优化，从而使它能够更精准地满足企业的多样化需求。同时，通过Agent框架实现复杂任务的智能分解与执行，HCI框架提升用户体验，RAG框架专注于非结构化数据的知识化与图谱化，达到知识的可搜、可问、可见、可用。再加上智友、数智员工和智能大搜这三大交互方式，形成了从企业AI应用开发到落地全过程的完整支持链条。随着AI技术的不断普及，企业AI应用正在成为数智化的主旋律。

可以预见，YonGPT 2.0作为企业服务大模型体系的创建者，凭借其强大的专业能力、灵活的应用框架以及丰富的实践案例，正在大模型与企业AI应用之间架起一座坚实的桥梁，它将推动企业更快速、更高效地迈入数智化时代。