算場,一家位於北京海淀的低調的創業公司,打造了對標 Databricks 的 Data+AI 基礎設施(平臺服務),並進一步圍繞企業資料構建安全可信的企業級AI智慧體。公司近日開源兩款企業級模型 – NL2SQL 大模型和通用時序預測大模型(https://github.com/suan-chang)。前者基於自然語言查詢生成高準確率 SQL 並驅動智慧體與統一企業資料的互動,後者覆蓋工業、金融等任意領域時序預測場景可以用於加強企業級智慧體的通用預測能力,均達到行業領先水平。透過開源社群和生態協同,算場希望推動企業級 AI 智慧體的普惠化落地。
隨著大模型技術的發展以及邏輯推理能力的提高,智慧體正在重塑企業的軟體體系,成為企業智慧化的創新活力與競爭優勢,引發新一輪的產業變革。企業的智慧體可以作為 AI 員工或智慧大腦,提升企業的運營效率和決策能力。但是相較於面向消費者的智慧體,企業端的智慧體落地當前面臨一系列挑戰:
(1) 企業端的智慧體需要能洞察企業業務,自主分析企業資料並結合市場變化驅動企業智慧化運營,這就需要企業智慧體有能力整合、管理、治理或訪問企業繁雜的各環節各系統的資料。因此企業智慧體需要一個統一的資料管理和治理的底座,並支援透過對話的方式對各種資料查詢和互動。
(2) 企業的智慧體需要嚴格的安全訪問控制機制,保證不同的員工的問答只能檢索或呼叫其許可權範圍內的資料、工具或系統,避免企業資訊洩露或系統安全風險。同時大模型的幻覺導致智慧體的決策錯誤或業務風險也給智慧體落地帶來挑戰。
(3) 目前的生成式 AI 大模型更像勤勞的普通員工,大多數場景下不能取代特定領域的專家 AI 或透過企業自身資料訓練的專屬 AI , 比如需求預測、供應鏈最佳化等,這就需要企業智慧體能根據任務自動呼叫更高效的針對特定領域的 AI ,進而具備全面預測和大規模最佳化的能力,成為企業運營的專家。
我們定義企業級 AI 智慧體是將智慧體同企業資料、安全控制以及專家 AI 複合體結合起來,驅動企業全面的業務增長。藉助於自研底座平臺的資料+ AI 全面能力,並結合智慧體的通用任務規劃,算場打造安全的、業務驅動的企業級 AI 智慧體,開啟企業的新質生產力。

算場的第一個階段,打造中國版 Databricks, 研發了國內領先的安全的 Data+AI 基礎設施,透過簡單的訂閱式平臺服務,提供企業從資料到分析和 AI 的一站式能力,賦能從資料工程到人工智慧和大模型全生命週期的智慧化轉型。透過 SaaS 平臺服務,算場能夠支撐任意數量企業快速整合資料,讓資料和 AI 開發變得簡單,大幅降低技術門檻和資金投入,推動 Data+AI 的普惠化。目前算場的 Data+AI 平臺服務功能可以全面對標 Databricks ,開放申請使用,已經建立多家種子客戶,並與多行業領軍企業展開合作。(Databricks 是 Data+AI 領域的全球領先企業,於2024年12月完成了 AI 領域最大的百億美元單筆融資)。
算場的第二個階段,是結合底層的 Data+AI 平臺,構建安全可信的企業級 AI 智慧體。Data+AI 平臺底座支援企業全面資料的統一和治理,以便智慧體可以快速檢索需要的高質量資料並驅動精準決策;內建的安全訪問控制機制允許智慧體僅能訪問許可權範圍之內的資料、系統或工具,保障智慧體的安全可控。企業也可以透過 Data+AI 平臺的端到端的 AI 開發和服務能力來快速構建自己的專家AI模型服務並拓展智慧體的預測和決策能力,使得智慧體既能成為企業勤勤懇懇的普通 AI 員工,也能作為精通特定領域的專家。
算場近日開源兩個行業領先的 AI 模型 (https://github.com/suan-chang),共同推動企業級智慧體行業快速發展。第一個模型是基於收集的高質量SQL資料和底座大模型微調的 NL2SQL 大模型,可以讓智慧體快速基於上千張資料表格精準地生成資料查詢和修改的 SQL 指令,在這個特定任務上準確率比 DeepSeek-V3 和 DeepSeek-R1 高出20個百分點。第二個模型是算場自研的通用預測大模型,該模型使用來自工業、金融、交通等十多個領域的260億個多尺度時間點訓練,可以用於任何的多時序預測場景,在多個場景達到 SOTA 水平,企業智慧體可以呼叫這個模型來具備通用的預測能力,如需求預測、價格預測、流量預測等。
算場,從2023年成立之初一直專注於研發,目標是構建一個基礎設施化的計算場所(平臺)將企業資料和企業AI結合起來,同時像“場”一樣無所不在的驅動 AI 和智慧體的普惠化。我們注意到越來越多的企業需要構建自己的 AI 能力來服務於自己的業務和產品升級,而 AI 跟資料密不可分,比如要開發準確的 AI 模型就需要有很強的資料清洗和分析能力。而企業自己搭建和運維複雜的資料到 AI 的軟硬體環境需要較高的技術門檻和巨大的早期投入,如同建設自己的電廠;而算場的 Data+AI 基礎設施服務就像構建了一個電網體系,支撐任意數量企業,企業透過按用付費的方式購電即可,大幅度降低企業的成本並提供更加強大的 Data+AI 能力。
透過簡單的一體化平臺服務,算場可以全面支援企業的資料工程師、資料科學家、 AI 工程師和業務人員的使用和協同,提升資料和 AI 開發的效率和質量。同時,算場在資料安全管理的基礎之上支援跨企業、跨雲的資料即時交換,並透過資料和模型市場驅動企業資料要素的可控流通;對於資料隱私要求比較高的場景,也可以透過算場的多方可信計算實現多方資料的“可用不可見”,真正推動資料“供得出、流得動、用得好、保安全”。

算場的創始人周洪超是一個典型工程師和科學家的結合,四年完成清華大學本碩、獲得加州理工學院電子工程最佳博士獎,山東大學曾經最年輕教授,國家重點研發計劃首席科學家同團隊解決了我國的某卡脖子問題。主要研究領域有人工智慧、資料系統和資訊理論等,曾提出神經網路的啟用學習正規化、網路資訊理論安全等多個開創性工作,解決了諾獎得主薩繆爾森提出的隨機數領域40年開放問題。同時他也是一個日常寫程式碼的工程師和深入企業的創業者。他有幸這一代的科技工作者可以將自己的成長同產業和技術的發展相融合,參與到人工智慧的這場變革中。
2023年周洪超創立算場科技,並引入產業方奧瑞德的投資,當時沒有選擇最火熱的底座大模型賽道, 而是選擇了一個工程難度高、資本不看好的 Data+AI 基礎設施賽道。一方面因為相信 AI 的落地離不開資料,所以算場選擇從資料到 AI、從平臺到模型再到智慧體的研發路線;另外一方面, 國內缺乏類似 Databricks 的好用的平臺服務,使得很多企業不得不投入巨大的財力和精力來搭建和運維自己的資料和AI的平臺,這在一定程度上限制了大量企業的 AI 化程序。算場研發的 Data+AI 基礎設施目標是讓數以十萬計的中國企業圍繞資料可以低成本的快速的簡單的構建 AI 和大模型能力,推動 AI 普惠化,而這個一體化 Data+AI 平臺也可作為企業 AI 智慧體的關鍵底座。

算場研發的 Data+AI 平臺服務全面對標 Databricks , 它可以作為企業的統一平臺支援從資料收集、治理、分析到 AI 開發和服務的端到端工作流,也可以作為企業可信資料空間支援資料可控、可信、即時的安全互通。算場上所有資料加密,具有嚴格安全和許可權管理,資料僅對企業自身可見。同時算場採用多雲策略,避免企業被單一的雲廠商繫結。算場核心功能和核心技術都是自主研發,實現了國產自主可控,填補了國內類似 Databricks 的基礎設施的空缺,在保障企業資料安全的前提下提供全面的 Data+AI 服務。
-
算場採用了雲原生的湖倉一體架構,結合了資料倉庫和資料湖的優勢,可以有效的管理和整合各種規模的結構化資料和非結構資料,實現資料的一致性訪問並支援各種靈活的資料分析處理,儲存效率相較於 Databricks 約提升30%;
-
算場支援各類資料來源的資料整合,透過靈活的處理邏輯產生商務智慧和人工智慧應用需要的高可用的、乾淨的、統一管理的資料。除了支援標準化 SQL , 也支援使用 python 進行互動式資料分析,並透過工作流計算實現複雜任務的編排和排程。算場採用了批流一體的架構,支援大規模流式資料上傳,使用者也可以輕鬆構建流式處理管道。
-
算場支援機器學習和 AI 開發的全生命週期管理。算場的模型市場提供了各種嵌入的人工智慧模型和大模型,使用者可以透過簡單操作使用自身資料進行自動模型訓練或大模型微調,並將訓練好的模型進行註冊管理和快速部署服務。
-
算場將經濟的無限空間的雲端儲存、彈性雲算力以及友好的 UI 互動結合,提供了統一的功能強大的資料查詢分析能力,可以支撐企業資料和使用者的任意增長。藉助於大模型,使用者可以透過簡單的對話實現資料查詢分析,也可以在幾分鐘內完成報表看板的開發,提升企業決策效率。
-
算場支援跨組織、跨資料中心的資料同步共享,並構建了資料交換網路,企業可以透過資料市場一鍵獲取資料或者將處理或脫敏的資料安全地釋出,加快資料要素流通。對於隱私保護的場景,可以透過算場的可信資料交換空間進行多方可信計算,實現多方資料的“可用不可見”。
更多內容,點選下方關注:

未經「AI科技評論」授權,嚴禁以任何方式在網頁、論壇、社群進行轉載!
公眾號轉載請先在「AI科技評論」後臺留言取得授權,轉載時需標註來源並插入本公眾號名片。
未經「AI科技評論」授權,嚴禁以任何方式在網頁、論壇、社群進行轉載!
公眾號轉載請先在「AI科技評論」後臺留言取得授權,轉載時需標註來源並插入本公眾號名片。
