一、产品概述
AI大模型已成为推动人工智能发展的关键力量，它们能够处理海量数据，学习复杂的模式，并做出精确的预测。在多个领域，如自然语言处理、图像识别、语音识别等，AI大模型都表现出了卓越的性能，为使用单位带来了前所未有的机遇。
本地私有化部署AI大模型是一个复杂而关键的过程，同时在军事领域的应用具有广泛的前景和重要的价值。本地私有化AI大模型是指将大规模、高复杂度的AI模型部署在本地服务器或设备上，实现数据的本地处理、存储和分析，以满足使用单位或个人的特定需求。本地私有化AI大模型通过结合先进的AI技术和个性化服务，为使用单位提供了一个既安全又高效的解决方案。这些模型不仅可以根据使用单位的特定需求进行定制，还能够在保障数据安全的同时，帮助使用单位提升操作效率和决策质量。
二、业务痛点
某单位现状存在大量非结构化文档、图书等资料，但知识利用率低、传播性差，容易形成以下问题：
（一）信息孤岛与碎片化。大量非结构化文档和图书存在于单位内，但信息相互隔离，形成信息孤岛，难以形成有机的整体。难以建立全面的知识体系，导致员工难以获取全局视图，降低了知识的综合性和深度。
（二）知识利用率低。由于信息碎片化和缺乏有效的组织方式，员工在处理大量资料时难以迅速找到所需信息，知识利用率低。员工花费大量时间在查找信息上，降低了工作效率，可能导致工作质量下降。
（三）信息传播效率差。除了传统讲座、培训外、图书阅读外，缺乏碎片化、视频化知识传播渠道，传统信息触达渠道效果差，无法快速、准确地传达给需要的人群。
（四）缺乏个性化能力。传统模式无法根据使用者的兴趣和需求进行个性化推荐，导致信息过载和用户对信息的不感兴趣。
（五）在知识传承过程中缺乏有效的传承手段，有经验的资深人员很难通过信息化工具将自己的能力和经验进行推广和传承。
三、产品特点
（一）数据处理安全化
系统满足国产化要求，可以本地私有化部署，软件系统和硬件平台均实现自主可控，确保单位数据及信息安全。
（二）模型输出精确化
自主训练、自主使用的情况下，通过大小模型结合、加入深度学习算法函数等、通过私有化本地数据对模型进行训练和学习，对函数对算法参数进行调整，最大程度的提高模型性能和准确度，使大模型成为工具，能够与各个行业深度结合，打造行业领域数字基座，提高行业生产力。
（三）模型训练工具化
本平台提供自然语言文本和机器视觉图片(视频)的标注、识别、抽取、生成等工具，用户可以利用本地化数据自行进行本地化模型训练。
四、产品优势
（一）本地私有化部署
数据安全性：本地私有化部署确保数据在客户自己的服务器上，避免了数据泄露和隐私风险。
可控性：客户可以根据自己的需求定制和调整模型，实现更高的灵活性和可控性。
定制化服务：我们提供针对特定行业和场景的定制化模型，帮助客户解决具体问题。
降低成本：相比云服务，本地私有化部署能够降低长期运营成本，并减少对外部服务的依赖。
（二）硬件基座国产化
满足国产化要求，从硬件层面上确保国家及地方各级单位数据及信息安全。
（三）模型训练精准化
在自主训练、自主使用的情况下，通过大小模型结合、深度学习算法函数等、对私有化本地数据进行训练和学习，对函数算法参数进行调整，最大程度的提高模型性能和准确度，使大模型成为行业工具，能够与各个行业深度结合，打造行业领域数字基座，提高行业生产力。
五、产品功能
（一）文本类
文本分类：可以用于对文本进行分类，例如垃圾邮件检测、情感分析等；
命名实体识别：型可以用于从文本中识别出特定的实体，例如人名、地名、组织名等；
机器翻译：语言的文本翻译；
文本生成：可以用于生成文本，例如自动写作、对话系统等；
信息抽取：可以用于从文本中抽取关键信息，例如事件抽取关系抽取等。
（二）图片类
图像分类：可以用于对图像进行分类，例如识别图片中的物体、场景等；
目标检测：可以用于检测图像中的目标物体，并定位它们的位置；
图像分割：可以用于对图像进行分割，将图像中的不同区域进行划分；
证照识别：可以用于识别各种证照，如身份证、护照、驾驶证、合同报备等，并从中提取关键信息，如姓名、性别、出生日期、证件号码等。
（三）轻量级内置模型
免训练实体抽取模型：提取中等长度文本(512个字符以内)中的各种实体，如姓名、地址、时间、单位名称、颜色、商标等实体及行为方式/方法的预训练抽取模型。
免训练文本分类模型：免训练文本分类接口完成中等长度文本(512个字符以内)，指定分类的标签并且自动化分类。
六、部署方式
（一）轻量级部署
AI开放平台中的部分应用，辅助深度学习算法模型、大语言模型以及选择相应的通用应用。
（二）中量级部署
包含AI开放平台中的用户鉴权框架及部分应用辅助深度学习算法模型、大语言模型以及选择相应的通用应用。
（三）完整部署
完整部署在中量级部署的基础上增加了模型训练平台以及标注平台，可在本地完成数据的清洗、预处理、标注、模型训练的全套流程。
