12月11日，由北京市通州区人民政府主办，通州区经济和信息化局、通州区台湖镇人民政府承办的第二届ADD数据应用场景大会在台湖隆重举行。通州区发展和改革委员会、通州区投资促进中心、通州区人才工作局、通州区政务服务和数据局、通州区科学技术委员会、创业邦为本次大会协办单位。
作为全国首个“数据基础制度先行区”的核心承载地，台湖再次站在了数字经济的聚光灯下。本届大会以“AI推动进化，数据定义未来”为主题，汇聚了来自政、产、学、研、投各界的数百位领军人物。北京市经信局二级巡视员汪剑波，通州区委常委、副区长吴孔安，北京邮电大学教授、国务院参事张平，台湖镇党委书记王鑫，以及来自中文在线、拓尔思、天娱数科、云迹科技、合合信息、用友网络、数据堂、百分点科技等行业龙头的企业家与顶尖投资机构代表齐聚一堂，共同探讨在生成式AI加速渗透的当下，如何通过制度创新与场景落地，释放数据要素的乘数效应。
会上，拓尔思副总裁林松涛在《AI时代商业决策体系的意识重构》演讲中的精彩观点如下：
1.2025年是Agent（智能体）元年，AI价值链正向应用层迁移。
2.构建决策系统的路径是“始于数据，兴于模型，成于智能”。
3.商业落地需采用FDE（前向部署）模式，与用户共创行业护城河
以下为现场演讲/对话内容，经创业邦整理后发布：
引领变革定义AI时代的商业智能新范式
林松涛：各位嘉宾大家上午好，很高兴今天有机会来给大家做分享。作为一家国内基于数据和人工智能双轮驱动的上市公司，拓尔思多年来一直在为政企行业提供各类服务。如今，随着AI和数据时代的全面来临，在传统的30多年体系下，我们也在进行深刻的变革。今天我分享的主题是《AI时代商业决策体系的意识重构》，主要从定义新范式、构建新系统、实现正向循环三个维度来探讨。
首先，我们要探讨如何去定义AI时代的新范式。
观察AI时代在市场的演进，其实可以清晰地划分为三个阶段。在2022年以前，这是一个典型的“前大模型时代”，我们主要通过强化学习、机器学习和自然语言处理等方式来解决数据认知的问题。到了2023年和2024年，大模型横空出世，所有的行业、产业都在发生剧变。而展望2025年，我认为那将是“Agent（智能体）元年”。Agent核心要解决的问题，是谁能把那些看不见的“Know-how”（行业诀窍）封装成一个可持续的逻辑。
按照以前的表述逻辑，在大模型出现之前，你问我什么事情，我需要对你做一通解释；大模型来了之后，关键在于你的提示词对不对，提示词的质量决定了回答的质量。而到了今天，我们常说AI只能解决68%的通用问题，剩下32%的复杂问题要靠因果链，靠的就是Agent。
从价值链的角度看，AI的重心已经向应用层迁移了。最典型的一点体现在资本市场，前些年所有疯涨的都是算力概念。而以拓尔思为代表的做AI应用层的软件企业，目前还没有得到资本市场很好的回报。但我们坚信，中国和美国相比，我们的真正突破点是在应用层创新上，能不能带来更多的创造。
因此，AI给我们带来了三大维度的“升维”：一是过去我们做的很多项目和业务都是信息解锁，今天AI到来，我们升级为态势感知；二是过去的工作往往是人力密集型的，而AI带来的是协同方式的变化；三是过去我们应用大数据做统计分析，报告的是过去发生了什么；AI来了之后，我们用推演的方式，去实现如何演绎未来。
在重构AI时代商业智能决策新范式时，面对海量数据的集合，我们必须解决三个核心问题：第一，如何在“数据黑洞”上实现数据的全面融合；第二，在分析过程中，如何了解用户真实的意图；第三，在全产业都在拥抱AI的当下，如何利用AI找到自己的不同，发挥出独特的价值。
破局之道迈向始于数据，成于智能的决策系统
基于上述的新范式，我们的破局之道就是要迈向新一代的企业智能决策系统。这要求企业必须构建三大核心能力：全域的感知、实时的认知、自主的协同。
这是在产业变革中，每个企业都必须具备的能力。如何具备？需要从底层逻辑到外在能力做完整的系统升级。拓尔思从2023年发布“拓天大模型”，到后来的国家备案、国产化适配，再到今天智能体在各行各业全面上线，其实一直在这条路上实践。
我们在服务行业的过程中，总结了三个词：始于数据、兴于模型、成于智能。
从架构蓝图来看，最底层是大数据平台，涵盖了数据的采集、治理、存储以及数据中台服务。在此基础上，拓尔思已经积累了将近二十年的海量数据集。我们将这些底层的技术平台和数据集结合，“喂”给模型。这里的模型策略是“大小模型结合”，既利用通用大模型的能力，也结合过去一直存在的专用小模型，来为不同行业服务。
基于此，我们构建了面向商业决策的系统架构，包含两大智能体中心：
1. 通用智能体中心：包括数据智能体、知识智能体、报告写作智能体等。
2. 行业智能体中心：面向不同的产业，构建以垂类模型为主的智能体。
必须强调的是，数据是石油，没有数据就没有智能。高质量数据至关重要。拓尔思积累的数据集不仅自己使用，还供给华为、小米、蚂蚁集团等很多公司和机构，帮助它们完善和训练模型。
在具体落地中，我们将“拓天大模型”与应用场景结合，通过意图识别、推理思考、MCP（模型上下文协议）的API调用等技术，最终构建了两套模式：一是基于知识库的体系，说白了就是以“知识本体”为代表；二是模型协调体系，通过模型间的协作实现意图理解、多轮推理和范式推演。
在知识库构建上，我们借鉴了Palantir的知识本体构建模式。Palantir在国外提供了很好的样本，是我们业务场景上的标杆。我们的目标是构建一个自我强化的智能体生态——从数据到模型，再到智能体，形成一个完整的、能够反馈的闭环回路。
价值落地实现数据与AI商业价值的正向循环
我们要如何实现数据与AI商业价值的正向循环？拓尔思目前构建了一系列数据平台，包括资讯平台、产业数据平台、舆情数据平台、情报数据平台，和面向境外全球的资讯数据平台。
对传统行业来说，AI对内容生产、效率提升都会带来特别大的冲击。这种情况下，我总结了三个应用场景。
第一是内容生产的提质提效。
第二是面向知识搜索与洞察，前两天朋友圈刷屏说“到底搜索引擎还有没有价值”，我很多的问题不再是去问百度了，而是问豆包。搜索已经从过去的搜索引擎向AI搜索转变。现在，很多的编辑记者写内容和找素材的时候，不再通过以前的互联网搜索去找素材，而是基于历史素材，基于模型供给的内容，结合之后进行认证，最后传播运营。
第三是政务服务。在大模型来临以前，其实拓尔思为全国很多政府做服务。那时候很多政务回答听不懂人话或者说不出人话，回答的东西也是牛头不对马嘴。大模型来了之后，我们首先用数据中台对知识进行细加工，对知识加工以后和模型结合在一起。我们在贵州、广西等很多政府都上了知识回答，经过第三方的评测，效果还是很好的。
政务服务的应用场景主要用于政务回答的政务服务和数字机关，像部门和个人的知识库，可以做到公文校对、撰写等；还有智能导办和智能填表，其实我们用模型、数据构建了会议智能体、表单智能体、政务服务、AI合同助手、政策助手等智能体助手，围绕全国从国务院到省级到地市级所有的政策文件，形成政策助手，其实背后是同一个智能体。
除了政务服务以外，政府监管包括审查、调查、黑灰产监管、非法金融监管，在今天用数据+智能都能够得到以前所做不到的、更好的服务。
在舆情场景，拓尔思是国内知名的舆情服务商。结合现在3500亿条数据，我们能够做很多的事情。过去的舆情是输入一些关键词，对要监测的企业或者监测的事件输入关键词后进行定向监测。
既然搜索引擎都可以变成AI问答，现在舆情也可以完全变成AI服务，可以问AI企业今天有哪些舆情，谁报道了，能不能对未来有没有预警？预警能不能出报告？其中的场景应该是几类：通用问答、包括谣言识别和水军识别的研判，指挥协同、报告生成，舆情态势推送等，这些都是在利用数据和AI在舆情时代应用的变革。
在金融行业，拓尔思这几年消费者权益保护方向上做得比较好，我们利用大模型的技术深度整合了近20类异构数据，包含工商数据、裁判文书数据、税务数据、舆情数据等等，实现对用户的情绪偏好、风控以及深度洞察，打造了像类似于话术生成、智能定责、内容审查、意图识别的多个智能体。这些智能体嵌入我们银行用户的各个业务里，实现价值的跃升。以某银行为例，利用我们的智能体平台，一年处理了100万件预工单，直接替代了40个人力的工作量。这不仅仅是技术的胜利，更是实实在在的降本增效——要知道，在银行体系内，这40个人折合年度人力成本超过了2000万。
在一些产业研究中，我们汇聚了很多的数据，把国家宏观、行业中观和企业微观数据进行结合，打造了可透视整个产业的产业链数据，可以用在金融风控、招商引资等方向，比如在招商引资时判断到底什么样的企业适合入驻产业园。
总结这一路走来的实践经验，拓尔思坚持FDE的交付模式。我们就像Palantir一样，选择那些“对的用户”和“懂业务的用户”，以数据为基石，以AI为大脑，与用户进行共创。我们从具体的行业场景中提炼知识，将其本体化并反哺回平台，通过这种“灯塔飞轮”模式，最终构建起面向整个行业商业决策的坚实护城河。
谢谢大家！
