合作案例
需求痛点
- 医疗数据时间周期长、数据维度广、数据量极大；
- 不同医院、不同科室的单据格式差异较大；
- 单据存在字体模糊、单元格缺失等问题；
- 不同医院检测项目参考范围不同；
- 针对慢病管理咨询服务难以获取。
方案与结果导向
- 构建面向慢病管理与个人诊疗助手的文本私有化大模型，以最常见的10种慢性疾病为起点，基于10万患者、跨度15年周期的长期诊断数据、化验报告、医疗记录进行私域大模型训练与构建；
- 以慢病管理与诊疗助手的形式交互式的为患者提供服务，起到辅助个人医疗咨询、慢病长周期管理的作用。
预期成果
- 形成基于大模型的慢病管理与诊疗助手C端软件，一年内用户数量达到10万以上规模。
技术介绍
- 生物医学文本挖掘大模型 ：= Ocr（光学字符识别）+大语言模型（llm）辅助医疗标单识别。
功能特点：全流程健康管理
- 数据收集：使用小程序主动上传诊疗/病例记录，健康管家后台上传客户健康记录；
- 数据分析：提供专业慢病管理数据分析算法，病例主检算法；
- 健康监测：生成个性化健康报告，并提供健康建议和预防措施；
- 沟通和互动：用户、健康管家、医疗机构三端互动，全链条参与用户健康管理；
- 隐私和安全：采取措施保护数据免受未经授权的访问或滥用。
优势一：高精度识别
- OCR：基于大模型的OCR技术，高效识别文本信息，确保数据准确
- Table-parse：表格结构解析，针对双栏表格切分后识别
- Llm：通过大模型对复杂数据进行抽取、分析和呈现
优势二：适应性强
- 多样化数据：能够处理不同类型的医疗数据，包括手写、打印、扫描件等
- 多领域应用适用于医院、诊所、实验室等多个医疗场景
需求痛点
- 从业人员知识储备需求高，但低级撰写劳动比重大；
- 繁重文字类、重复性工作；
- 从业人员流动性高，培养周期长、成本高。
方案与结果导向
- 构建面向专利代理的文本私有化大模型，以专利数量最多的10个专利领域为起点，每个行业基于60万份专利数据进行私域大模型训练与构建；
- 以专利写作助手的形式交互式的为专利代理师提供服务，提高生产力，降低企业成本。
预期成果
- 客户现年产值1亿元，现有专利代理师团队80人，在专利大模型应用后替代现有60%人力，团队规模降至30人，年产值不变。
需求痛点
- 文档太长，客户阅读意愿低；
- 销售、客服人力价格高；
- 无法为用户提供24小时自动化问答、推荐服务。
方案与结果导向
- 基于客户提供的Pdf 文件自动地构建向量数据库；
- 以问答形式为客户提供专业的查询、维修保养等专业知识问答内容；
- 以问答形式为客户提供专业的选购推荐、咨询建议等专业内容的知识问答服务。
预期成果
- 客户现有80人规模的客服团队，利用大模型智能客服，缩减为20人客服团队，精简60人。
需求痛点
- 电力行业知识浩如烟海，获取所需信息存在困难；
- 公文撰写需要遵循固定格式，编写过程繁琐；
- 海量的公文资料阅读和总结耗费大量时间精力。
方案与结果导向
- 基于客户提供 Pdf 文件自动构建电力知识图谱；
- 通过问答形式提供便捷准确的电力专业知识查询服务；
- 提供公文辅助撰写和自动总结功能，提升公文处理效率；
- 通过私有化部署，全面满足某电力单位的公文处理需求，有效缓解其工作压力。
预期成果
- 通过私有化部署，缓解某电力单位的公文压力；
- 电力专业知识查询准确率在90%以上。
需求痛点
- 传统的光伏巡检方式通常需要大量人力和时间，成本高昂；
- 传统巡检方式下获取的数据量大，处理和分析困难，容易出现遗漏或误判；
- 传统巡检方式效率低下，难以全面覆盖大面积光伏电站，容易遗漏问题。
方案与结果导向
- 使用无人机进行光伏巡检，实现自动化巡检，提高效率，降低成本；
- 利用AI技术对采集到的数据进行分析和处理，实现故障自动识别和分类；
- 实现远程操作无人机，实时监控巡检过程，及时发现问题并采取措施。
预期成果
- 使用无人机进行光伏巡检，实现自动化巡检，提高效率，降低成本；
- 利用AI技术对采集到的数据进行分析和处理，实现故障自动识别和分类；
- 实现远程操作无人机，实时监控巡检过程，及时发现问题并采取措施。
需求痛点
- 现有工业视觉方法严重依赖场景及产品需求；
- 人工调参工作量大、成本高、模型无法有效复用；
- 识别效果严重依赖训练样本数量，小样本无法自适应。
方案与结果导向
- 基于工业视觉的大语言模型软件系统；
- 使用众多缺陷、工业场景数据训练，具备良好的工业场景理解及物体理解能力；
- 内嵌大模型可进行自然对话，交互式任意问题覆盖各类工业现场需求。
预期成果
- 提供本地化部署方案，方便工业现场及教学需求；
- 提供API调度接口，方便第三方及下游应用开发。
需求痛点
- 现有三维建模技术展现效果差、速度慢、成本高；
- 人工建模一眼差、效果假；
- 全局照片固定视角、卡顿，需要专业设备采集；
- 倾斜摄影建模，破洞多，人工修模成本高。
方案与结果导向
- 基于3D AIGC的神经光场真实景三维重建产品；
- 使用神经辐射场，3D高斯等技术，结合本地化CS软件、BS系统软件进行场景重建；
- 使用手机等设备拍摄视频，花费10-60分钟，即可得到不同清晰度的三维场景。
预期成果
- 本地化部署提供安全可靠的建模方案；
- 集群化层级数据管理，方便公安等垂直行业应用。
全流程健康管理
医疗领域慢病管理与诊疗助手大模型
需求痛点
- 医疗数据时间周期长、数据维度广、数据量极大；
- 不同医院、不同科室的单据格式差异较大；
- 单据存在字体模糊、单元格缺失等问题；
- 不同医院检测项目参考范围不同；
- 针对慢病管理咨询服务难以获取。
方案与结果导向
- 构建面向慢病管理与个人诊疗助手的文本私有化大模型，以最常见的10种慢性疾病为起点，基于10万患者、跨度15年周期的长期诊断数据、化验报告、医疗记录进行私域大模型训练与构建；
- 以慢病管理与诊疗助手的形式交互式的为患者提供服务，起到辅助个人医疗咨询、慢病长周期管理的作用。
预期成果
- 形成基于大模型的慢病管理与诊疗助手C端软件，一年内用户数量达到10万以上规模。
技术介绍
- 生物医学文本挖掘大模型 ：= Ocr（光学字符识别）+大语言模型（llm）辅助医疗标单识别。
功能特点：全流程健康管理
- 数据收集：使用小程序主动上传诊疗/病例记录，健康管家后台上传客户健康记录；
- 数据分析：提供专业慢病管理数据分析算法，病例主检算法；
- 健康监测：生成个性化健康报告，并提供健康建议和预防措施；
- 沟通和互动：用户、健康管家、医疗机构三端互动，全链条参与用户健康管理；
- 隐私和安全：采取措施保护数据免受未经授权的访问或滥用。
优势一：高精度识别
- OCR：基于大模型的OCR技术，高效识别文本信息，确保数据准确
- Table-parse：表格结构解析，针对双栏表格切分后识别
- Llm：通过大模型对复杂数据进行抽取、分析和呈现
优势二：适应性强
- 多样化数据：能够处理不同类型的医疗数据，包括手写、打印、扫描件等
- 多领域应用适用于医院、诊所、实验室等多个医疗场景
