提供大模型一站式管理和部署服务、大模型全流程工具栈、大模型企业级 AI 门户

一、企业算力

企业自有算力集群或信科算力租用服务。

二、交融训推平台

以基础资源管理为基础，数据中心、训推中心、模型中心为核心，系统管理和运营监控为保障的算力、数据、能力、应用纳管和生态运营能力，依托平台，进行算力、算据、算法的综合适配，面向 AI 提供标准化一站式平台能力，以快速构建行业 AI 模型。

数据中心

汇聚多源多模态数据，基于全流程的数据处理能力，形成从原始文件 → 高质量数据集 → 高价值数据资产的闭环，满足训练与推理过程对数据稳定供给及模型性能持续提升的需求。

• 多源数据汇聚
  集成结构化、非结构化及多类型数据源，覆盖训练-微调-评测全流程。

• 智能标注引擎
  融合预训练算法，支持目标检测、语义识别等标注任务，显著提升标注效率。

• 高质量数据处理
  结合数据清洗、增强与生成技术，批量产出高质、高多样性训练数据。

训推中心

贯通模型开发全生命周期，支撑大小模型训练与推理，包括：

• 增量预训练
• 监督微调
• 强化学习

支持可视化、自动化建模、Notebook 开发、断点续训，对训练进行实时监控。
支持模型蒸馏、量化等压缩手段，为新训练的模型部署推理服务。

模型中心

整合模型资产全生命周期管理，构建从模型发现-评测-优化-安全应用的闭环，提供统一的模型共享、评估、部署与安全保障能力，支持研究人员和开发者高效调用、验证及上线 AI 模型，确保模型性能持续优化与业务场景的快速落地。

全域模型资产整合：

汇聚公共模型库（纳管各类大模型及专项小模型）与企业内共享共建 AI 模型资产，支持本平台训练模型与第三方模型的统一管理，存储多版本信息（包括版本号、来源、状态、框架等），便于跨版本比较与调用，实现模型资源的高效发现与复用。

全维度模型评测：

基于预置相似度与准确率打分规则，自动化评估模型输出效果，覆盖准确率、F1 值、BLEU-4 及 ROUGE 系列指标，精准对比预测结果与真实标注差异，助力基座大模型选型、微调后效果验证，加速业务场景的适配与实现。

全链路安全部署：

构建“回复干预-输入安全-输出安全”三层合规机制，保障大模型使用安全；支持训练后一键式部署为在线服务，内置推理加速与全局资源调度能力，显著提升推理效率及资源整体利用率，实现训推流程无缝贯通。

三、智能体平台

一整套 AI 应用开发工具栈

平台基于交融大模型，是一个高效、灵活的多智能体协同应用开发平台。它以 SaaS 服务模式为主，用户注册后可通过直观配置界面进行知识库构建、工作流自定义、智能体编排等工作，降低开发门槛。同时，平台提供私有化部署选项，满足企业对数据安全和隐私保护的要求。平台致力于助力企业快速实现智能化转型，适用于多种高价值场景。

通用 AI 组件：提供丰富通用插件及预置工作流插件，支持可视化搭建任务流，可快速扩展智能体功能，降低开发门槛，提升开发效率。

自定义知识库：提供全面的知识库管理方案，平台高效整合自定义解析逻辑，适配复杂业务场景，满足企业知识管理等需求。

定制化智能体：可构建知识型、流程型和数字人智能体。知识型智能体支持零代码开发，流程型智能体可可视化编排工作流，数字人智能体支持形象和声音定制，满足不同场景需求。

四、交融 AI 门户

1. 成为开发者

交融 AI 门户提供直达交融训推平台与交融人工智能平台的快捷入口，并打通门户与两大平台的权限体系，帮助用户按需快速开启 AI 开发之旅。

1. 高质量数据集

交融 AI 门户提供交通基建行业通识数据集的简要介绍，涵盖通用类、智慧公路、智慧水运、装备智能制造、智慧机场、智慧市场、智慧建筑、智慧房地产、智慧轨交、智慧环保能源、智慧金融、智慧信息服务 12 大类场景，并支持按行业、组织、数据集类型进一步细分，方便用户快速定位所需数据。

3.开放能力

交融 AI 门户提供各行业及不同类别的大小模型开放能力快速访问入口，提供标准 API 接口和在线体验环境，帮助用户基于交融人工智能平台快速构建行业 AI 能力。

4.行业智能体

展示基于交融大模型的行业专家智能体，提供专业领域的问答和决策支持。

5.交融大模型

展示交融大模型的相关资料及技术架构，并展示诸多基于交融大模型微调开发的全交通垂域大模型，赋能场景建设矩阵。

6.解决方案

为交通基建各领域提供全栈式 AI 解决方案，助力行业数字化转型。

7.文档与社区

提供各平台能力接入的具体办法，提供从 AI 初学者到 AI 开发者的平台使用说明，为使用者提供详细的指导与引领。

五、交融算法服务

依托完备底层算法能力，聚焦交通建设行业“产业需求”+“管理需求”，能够定制研发行业专属人工智能算法及应用，助力企业提效生产力、完善 AI 产品体系。

我们的优势

• 自主研发，极速响应
  各产品可通过标准 API 接口、SDK、UI 嵌入等方式快速接入已建系统，2 周内快速增强已有系统 AI 能力。

• 私有化部署，安全无忧
  从模型到存储、应用等均支持私有化部署。

• 开源精神，创新生态
  与开源社区、AI 头部企业、高校技术合作构建 AI 新生态，代码可共享。

• 自有算力，价格优势大
  具备自有智能算力，提供模型训推及算力租赁，价格优势明显。

• 技术先进，稳定可靠
  具备自研算法，技术上自主可控，能够实现多模态学习、实时分析、低延时等。

• 快速部署，行业领先
  耗时半年有余，前期已具备强大行业大模型，领先同类行业企业，可快速部署满足客户要求。

典型算法案例

（1）企业制度助手

• 背景介绍

  企业内部规章制度繁多，规章制度间时间关系、上下级关系等错综复杂，手动查阅下载检索的方式非常耗费精力。尤其是在处理涉及多个制度文件的复杂事项时，员工必须逐一查找、归纳和总结，这不仅耗时耗力，而且由于人为因素，准确性难以保证，从而拖慢决策和执行速度，并可能因信息不完整或误解导致合规风险。

• 技术路线

  本算法提出了一套独创的 RAG 框架，通过多路召回、基于重排序模型与 self-rag 多专家打分的知识归纳，实现准确、可靠、可溯源的规章制度智能问答；通过创建全新的 RAG 性能评估体系，多角度评估企业规章制度智能问答性能效果。结合深度文档知识提取算法，检索增强技术并与大模型融合，实现针对信科集团规章制度的准确、可靠、可溯源的智能问答。

• 主要功能

根据用户提出的企业规章制度相关的问题，查找关联度较高的文档，提取其中内容总结回答用户问题。提供关联度较高的文档供用户查阅，方便用户对查询事实进行二次验证

（2）BIM 构件库智能审核

• 背景介绍：

中交 BIM 构件库目标是打造集团级 BIM 资源库，提高 BIM 基础单元的复用率，促进 BIM 资源共享协同，沉淀中交模型资产。系统通过模型资源快速整合、检索和有效复用，降低 BIM 应用门槛，提高 BIM 应用效率。中交 BIM 构件库 V1.0 自 2021 年 9 月正式上线，已建设 9 大类、15230 个模型资源，注册企业单位数目 34 个，注册用户数 1076 个。 中交 BIM 构件库基于 BIM 中心和分中心“共商、共建、共享”的发展理念，重点开展构件资源建设工作。已注册用户可通过构件库上传分享，浏览搜索，下载使用三维构件资源。其中上传分享提供了构件库平台化和集约化的资源基础。为了提高构件资源质量和用户使用体验，构件资源需按照统一集团资源分类标准，提供资源命名、分类、参数、缩略图和截图信息。 伴随着用户共享上传构件资源范围不断扩大、数量不断增加，导致人工审核的工作量不断增加，资源拟发布、审核周期过长（长达数天）。其中常见的资源信息错误类型包括分类错误，缩略图和截图不一致。如继续采用人工审核方式，在构件库建设过程中，需要随增加的上传量增设 BIM 专业审核人员。

• 技术路线

基于多模态大模型对文本和图像的语义化隐式向量（Embedding）提取，通过开发搭建向量数据库和后处理规则引擎，自动对构件分类，缩略图一致性等构件信息问题进行判定。 本系统利用图像嵌入（Embedding）深度学习模型提取语义化隐式向量表示，并通过训练数据集中已提取的隐式向量进行召回增强式（retrival augmented）分类和多图一致性判别。召回增强是现今大模型应用的典型高效落地范式。系统模型技术架构如下图所示，总体架构分为离线构建和在线推理两部分。离线构建包括基于 PyTorch 框架的深度学习算法模型训练，基于 AIM+DVC 的模型训练可视化和纳管。在线推理涉及深度学习算法分布式推理框架 Ray Serve 和向量数据库 Milvus。

其中图像嵌入深度学习算法模型是本系统对构件信息提取的关键模块为基于多模态大模型的图像嵌入深度学习算法——Blip2，Blip2 是 2023 年提出开源多模态大模型，通过训练对齐视觉模型和预训练语言模型来提升多模态效果和降低训练成本，预训练的视觉模型能够提供高质量的视觉表征，本系统中的图像嵌入模型采用多模态大模型 BLIP-2 中的视觉链路。

• 主要功能：

利用人工智能算法模型实现对构件信息的自动审核功能，从而降低审核成本，提高审核效率，从而提高共享构件数据质量和用户使用体验。