研究與觀點

三個觀點

01

Demo 與生產之間隔住一條河。

能夠上台示範的智能體兩三星期就能做出來;能夠令第一線日日用、領導敢簽字放權的,要三至六個月。中間的距離不是模型能力,而是數據梳理、知識結構化、流程嵌入和權限對齊。

02

80 / 20 是倒掛的。

通行認知是「揀啱模型最重要」。我們的實際工時統計恰恰相反:模型選型約佔兩成,八成在數據梳理、知識結構化、流程嵌入、權限對齊。

03

能力與風險是同一枚硬幣。

由問答到自主執行,執行力向上、可控性向下,中間張開的缺口就是風險敞口。智能體愈有執行力,做錯事的時候也愈有執行力。

致力於服務客戶構建護城河的三次遷移

第一層模型格局已定,這場仗打不贏也不必打
第二層框架正被快速標準化,門檻持續下降
第三層數據與治理客戶自己的數據、自己的流程、自己的合規。任何一家大模型公司永遠拿不到。九鑫佔位於此

AI 原生系統的三資產

模型在持續貶值。真正可沉澱、可增值的資產只有三樣:

上下文 Context

結構化、可溯源、AI 可直接消費的領域數據與知識。

骨架 Harness

工具調用、記憶管理、權限沙箱、評測回路。模型像引擎一樣可整體更換,骨架像底盤持續沉澱。

技能 Skills

將專家可重複工作流封裝為版本化技能包。技能庫的增長曲線就是系統的學習曲線。

點解三資產必須同 FDE 綁埋一齊

研究成果

Elsevier《Information Sciences》中科院 SCI 一區 Top / CCF A 類

核心團隊成員的研究成果發表於該刊

核心團隊成員為該論文第二作者。

VLDB 2025 Workshop(LSGDA)Workshop 收錄

語義嵌入與企業聚類

面向大規模企業數據的語義嵌入方法與聚類應用。

IEEE IVMSP 2026會議收錄

Transformer 的濾波理論解釋

從濾波理論視角為 Transformer 提供一種解釋框架。

語義嵌入算法

面向多語言企業實體對齊與聚類。

龙数贸全球企业数据文本生成合成算法

已完成算法備案:網信算備440309441584901250013號。

9Xin Iron Claw 安全引擎

Rust 層安全重構,48 類 Skills 與 Harness。

校企共研

與多所高校建立研究生聯合培養機制,設企業導師全程指導,將交付方法論沉澱為可傳承的組織能力。

先傾一個具體場景,而唔係先睇一份產品清單。

講畀我哋聽邊個場景至今都未落地:數據喺邊度、邊個喺度用、邊個負責簽字。我哋會透過一次工作坊,提出一條可驗證嘅落地路徑。