本文将为您解答以下两个问题 ： 一、OpenAI宣布7月9日终止对中国大陆提供API接口服务，对九游会提供的AI服务有没有影响？ 二、九游会当前在AI方面做出了什么应用价值 ？未来的方向在哪里？ OpenAI宣布7月9日终止对中国大陆提供API接口服务 ，对九游会提供的AI服务有没有影响 ？ 就在6月25日，Open AI宣布将于7月9日终止对包括中国大陆在内的地区提供API服务。OpenAI对中国大陆的停服决定 ，对九游会提供的AI服务来说究竟影响多大 ？ 实际上，ChatGPT爆火以来，Open AI一直未曾真正开放过中国市场的服务 。当前九游会在国内对接的大模型呈现多样化特点，既有国外商用大模型，也有国内商用大模型 ，还涉及开源大模型以及私有化模型等 ，而通过微软调用的Open AI服务只是众多选择之一 。目前来看 ，微软云提供的Open AI接入服务仍可以正常访问。也并没有消息表明这个通道会关闭 ，预计将来仍可正常使用 。此外，国产大模型这一年里进步非常快，我们的很多应用场景，调用其他模型也一样能达到效果，甚至在某些场景上，其他大模型的表现会更优秀。 同时 ，很多国内企业原本首选的大模型也并非Open AI，因此即便Open AI完全无法调用 ，对我们开展AI业务来说影响也很有限 。如今Open AI停服 ，外部竞争减少 ，对国内通用人工智能行业或许是最好的机遇 ，国内通用人工智能行业或将进入一个加速整合与创新的阶段 。 九游会当前在AI方面做出了什么应用价值？未来的方向在哪里？ 九游会自去年7月率先发布AIGC应用平台之后，一年的时间里已经为50余家企业客户提供AIGC产品和应用服务 ，这里通过三个典型案例来介绍九游会在AIGC应用领域的探索和突破 。 案例一 构建AIGC知识库 开发专属实验模型 首先 ，A客户每年都有大量的分子细胞实验项目 ，在课题立项之后 、正式开始实验之前需要做实验计划 ，这时候就需要查阅与该课题相关的历史文献和各类论文 ，以获取相关的数据来规避不必要的实验路径。 但是历史文献数量庞大且存在各国语言和不同时期的版本，靠人工查阅基本是不可能完成的，以前通过扫描存档进数据库 ，可以进行关键字检索 ，但不够智能，实际应用下来不是很理想。希望通过AIGC形成知识库 ，解决查阅文献的难题 。 其次，在AIGC知识库的基础上建立知识图谱记录分子细胞实验的逻辑关系 。AIGC知识库解决了对历史知识的管理和利用提供便利 ，但实际实验的原始细胞 、环境参数、催化剂以及最终结果之间是有逻辑上的唯一性的关系，这种关系用AIGC来表达反而不够精确 。 故而在记录实验结果上 ，九游会研发团队通过知识图谱技术 ，用图数据库来记录和表达精确的逻辑关系，帮助客户更好的对知识进行沉淀和传承 。 最后 ，九游会还帮助A客户开发了自己的实验模型。通过对大量历史数据的训练 ，最终实现在计算机模型上输入实验的关键参数 ，由AI模拟出实验结果以提供给科研人员作为课题实验规划中的辅助判断 。该技术投入运行 ，可以帮助科研团队有效缩短实验周期 ，并节省实验经费。 案例二 “手中实时有数、心中时时有数” B客户很早就做了数字化建设 ，也做了不少BI报表，但我们调研下来，发现高管在看数据、用数据上仍然存在不少痛点。 例如 ：老板常常因为某个具体的业务问题，在业务现场需要了解某个数据指标 ，需求产生于电光火石之间 ，这时候业务人员或者高管的助理开始查BI报表去找这个数据 ，但有时候这些数据虽然数据库中是有的 ，并没有在现成的BI报表中已经开发出来 ，需要进行再处理，带来的结果就是IT部门或者财务部门要加班加点处理数据，第二天早上打印出来放在老板的办公桌上 。 这种延时实际上已经错过了现场处理问题的最佳时机 ，同时又可能带来新的问题，由于需求的一层层传递可能出现误差，拿过来的数据有时候跟老板要的数据是不一致的，又或者老板看了这个数据之后，又对其中某项指标产生了疑问 ，继续追问下去… 这种类似的问题 ，我们发现在很多企业都存在，其本质是用数据的人不是开发数据的人，开发数据的人并不真正要用这些数据 ，这种错位导致了企业内部开发了一大堆BI报表，实际上真正有用的并不多 ，并且真正要用的时候却发现用不了 。 九游会针对这一类型的问题 ，将自研的ChatBI产品与AIGC大模型进行结合 ，不再需要提前开发一大堆BI报表，而是通过语音或者文字将要看的数据提交给大模型 ，大模型转译之后，由ChatBI直接从数据库中实施取出数据并组装成BI报表呈现出来，同时对数据权限进行管理 。 这一技术功能的实现，支持企业内部各个不同层级 、不同领域的人员真正做到“手中实时有数、心中时时有数” 。 案例三 实现良品率提升 收益可达数千万元 C客户是光伏切片领域的龙头企业 ，国内光伏切片行业平均良品率大约在95%左右，C客户希望提高良品率，从而降低生产成本 ，而良品率提升1个点，对企业每年带来的收益可达数千万元。 光伏切片的数控机床产线参数多达2000多个 ，其组合方式更是无穷无尽，要通过人工来调优是不可能完成的任务 。 我们通过对生产过程的调研 ，发现对良品率有直接影响的参数约为60多个 ，我们用回归算法，对数百万条生产线上的历史数据进行回归分析，最终找到了这60多个参数的分布状态与良品率之间的规律 。 通过建立模型，并进行大量的机器学习 ，最终形成了模型应用，即在车间里用该模型实时监测产线上参数数据的变动趋势 ，当呈现良品率下降趋势的概率达到某一阈值时，通过对产线进行干预避免良品率快速下降 。 这一应用在C客户成功上线后继续不断迭代调优，6个月后 ，整体生产良品率提升了1个点。同时C客户自有IT团队在这一过程中学习了AI的技术，在除良品率以外的其他各环节上已经能自主进行AI开发应用创新和迭代，目前每天在运行的AI任务已经达到120多个 。 九游会在信息化和数字化领域深耕二十余年，服务超过6000家大中型企业 ，其中超过300家中国五百强企业、超过100家世界五百强企业 ，在各行业领域积累了丰富的数字化经验 。 目前，九游会正致力于通过AI这一新质生产力 ，与我们的客户积极开拓新场景、提升新效能 、携手创造新价值 ！
