自创立以来，国双所坚持的企业使命一直是：“把人从经济社会常规运行的繁琐工作中解放出来。”也因此在国双公司内部，团队已经形成一个共识，即唯有深入具体应用场景，首先以数字化牵引，构建高质量数据基础准备，再以混合式人工智能将数字技术与传统产业知识、经验进行深度融合，才能孵化出切实可落地的智能应用。进而便可实现优化匹配产业的新型生产关系，赋能新质生产力发展，最终以领先技术开启新一轮产业格局的重塑乃至社会运行方式的变革。
这个过程绕不开大量深入的投入和积累，唯有根植在我国产业链完整、场景丰富的优势中，去踏踏实实针对每一个链条下的最小业务单元进行数字化、智能化技术的场景落地，并在过程中积累高质量数据、专业知识、经验，迭代模型和要素才可逐步实现。也正由此”以场景落地牵引产品研发，以业务需求引领方案设计“成为了国双多年所坚持的一站式平台理念。
回到当下，随技术热点频出、技术架构迅猛演进，国双依然发现在“AI+”产业的场景高速落地推进中，业界内外应保持审慎考量。面对“AI+”，关键的场景落地仍存在着三大方面的误区和挑战：
挑战1、如何构建好面向计算、承托AI应用的高质量数据准备
数据作为企业智能化落地的“燃料”，其有效程度直接决定了企业智能化项目是否具备落地可行性。根据多年深耕于企业数字化、智能化转型落地的实战经验，国双一直认为在过往传统的数据工程中，仅从“数据”出发，将海量零散的、不完备的数据通过质量管理、生命周期管理、元数据管理等常规处理是远远不够的，国双在很早即提出以数据治理和知识治理的双轮驱动的策略，其核心是围绕静态的数据驱动”转变为“动能数据的输出逻辑”，从初始架构设计上即为不同的路线建构。
当然，面对当下智能化应用落地中所逐渐凸显出来的矛盾，传统数据治理的策略将必然被颠覆。服务于企业智能化的数据准备需要满足动态适配业务、场景化落地验证、全生命周期治理等新的高要求，也因此确定高质量数据准备将成为一项长期且持续的系统性工程，需要构建结合语义、知识、治理和集成等多维一体的面向智能的数据工程体系。
如过往国双在服务于某大型装备制造央企的数据要素化项目中，国双团队为了解决好该制造企业的核心痛点，选择逐步开展有整体路径和实现步骤规划的体系性工作，而非仅着眼于单点式的数据管理平台建设。围绕与客户双方共识的具体事项，国双专家团队选择了从战略组织、平台工具、数据标准体系、数据质量、评估数据分类分级、数据建模服务、数据生命周期管理等7大维度并行着手切入构建全数据生命周期的治理体系。最终的建设价值也在每一期项目推进中受到了客户企业的认可。
挑战2、如何做到垂直领域的专业知识、隐形经验的模型积累
在国务院近期印发的《关于深入实施“人工智能+”行动的意见》中，提到了推进工业全要素智能化发展的要求，其中推动各行业形成更多可复用的专家知识不可或缺。由于当下以LLM和多模态系统为代表的前沿模型，其能力发展已经远远超越了带有基本标签的标注数据对其进行训练的能力。相反，模型现在需要高上下文、领域特定且实时反馈的深度知识才能切实服务于严肃的垂直领域应用。在以工业为代表的专业领域，模型必须理解领域专家、专业决策或高级编码任务，这也意味着，垂直领域的专家如程序员、金融家、律师、医生等，只有组织跨领域专家的深度参与才能够支撑起更为精确、具备丰富上下文的高质量标注。
在企业运营、管理活动中，不管是技术专家、科研带头人、还是专业骨干，这些领域专家所具备的经验和技能无疑是宝贵的高质量数据资产，对于企业“AI+”场景落地形成了不可或缺的竞争力组成。鉴于传统实体产业的场景复杂性及任务严肃性，应用新一代高效的平台工具，通过完备的知识工程将专业知识和隐形经验进行积极、高效代码化和模型化，在各环节构建单体式智能体，也是在实体产业领域落实AI+建设中不可不为、难以绕过的关键工序。
2018年，国双在油气行业上游生产领域，结合智能知识平台、深度学习等复合技术，自主组织并研发出"生产井模型"，并实现了对油井产量信息进行自主预测；通过大量跨领域的专家知识工程积累，完成了”一井一模型”的体系化探索，实现了大型复杂生产设备的智能化、自动化预测性维护，极大提高生产环节设备维护和产量预测的时效性和准确性。在实际落地实施中，国双生产井相关预测准确率达到了90%以上，这是一条伴随挑战+探索+验证的实践之路。
挑战3、如何开展好体系化且扎实的软件工程化落地
拉凯什·戈赫尔在“冰山模型”里指出：”智能体架构中10%是AI，但90%是软件工程。”这一论述一经提出，即引发了业内的强烈共鸣。当下各行业在“AI+”落地实践中逐步发现，表面上智能体看起来是一个能理解自然语言、会自动生成结果的“大模型”。但真正的企业级智能体落地，远不止是LLM单一技术就可以轻松实现“AI+”。
无论是用户交互、权限控制、任务编排、数据流转、工具调用、日志监控、异常回滚等环节，都代表了“90% 的软件工程”里的繁复工作，没有这些根本无法实现智能体与产业场景相融合。应用的场景落地才是人工智能技术研发的“最后一公里”，也因此敏捷迭代、持续交付和持续部署都是“AI+”场景落地中不可或缺的环节，任何一个中间环节出现问题，都可能会影响算法和模型在最终业务中落地的效果，更可能会因为偏差造成不可估量的损失。
其实自2021年以来，国双即在内部启动了DevOps建设，以强化自身产品及团队对大型企业集团数字化、智能化项目的交付和部署能力支撑。如今随智能化需求的爆发，人工智能技术资产也在项目中得以高速累积。围绕MLOps的实践方法，国双逐渐新增并持续投入源运行参数跟踪、模型注册库功能，强化国双自研模型的全生命周期管理能力，以此对产业所亟需的智能化落地及“AI+”融合提供更加强有力的支撑。
正是这样一路实践，历经了二十年的厚积薄发，国双才经历了由点及面、由小到大、由浅到深的多行业跨领域场景化落地，完成了在能源、政务、司法、制造、交通等多产业的数字化、智能化转型升级项目的实践成果，并与大型央国企客户共创，获取令人瞩目的样板。
未来国双也将继续坚持以高质量的数据赋能要素流通、用智能应用落地激活产业升级发展、以持续助力技术创新和产业创新的深度融合，最终赋能新质生产力发展的使命目标，奋进创新。
