构化的数据。二是将这些整理后的数据存于大数据基础平台Transwarp Data Hub上,公司的大数据基础平台内置了11种数据模型的存储引擎,包括分布式向量数据库 Hippo、分布式图数据 StellarDB、分布式搜索引擎Scope、分布式文档数据库 DocStore 等,TDH的多模一体化主要用于给大模型构建知识库,尤其在 RAG召回场景中实现企业的专有数据和大模型的有效结合;三是通过知识管理平台 Transwarp Knowledge Hub 提供门户,进行企业知识资产的管理,并提供智能体开发框架,开发连接企业现有应用和数据资产的智能体,实现流程自动化或半自动化,比如银行写尽调报告和信贷流程。 7、LLMOps 这个工具是否是 agent 规模化应用的前提条件,是否会先于 agent 落地? 回复:这跟企业的建设节奏有关。市场上有两类企业,一类企业的 CIO擅长做规划,会优先建设这个工具,因为建好后才能应用产生效果;另一类企业先进行应用建设,建了多个应用后意识到要先建设基础设施,把数据和底层底座建好,这样应用开发会更快。所以慢慢大家都会意识到要建设 AI infra,有了这个底层底座,上面的应用构建会越来越快。 8、在 AI 方面公司主打的产品遇到的比较多的竞品有哪些?公司如何看待目标市场的竞争格局?公司相对于竞争对手的优势是什么? 回复: 在 AI平台方面,陆续有大厂和创业公司入局,这些公司最早是在 AI 硬件infra、模型训练上发力,Deepseek 出现后,大模型必将变成寡头格局,部分公司会往上做工具,更多的是做应用场景。目前 AI搜索较多,应用高度碎片化,企业需求也高度定制化。公司切入赛道做的大模型管理工具和知识平台相对更产品化、通用化,依靠现有大数据平台客户群体,客户开发应用需与公司大数据基础平台对接,对公司产品粘性强,会优先获取客户数据整理的需求并得到相关业务机会。 9、2025 年一季度人员变化情况如何?如何看待 AI 业务增量和费控之间的平衡? 回复:公司在人员上做了结构化调整,目前整体人员规模约 950人,更聚焦主营的数据产品和 AI产品研发。在平衡 AI业务增量和费控方面,公司使用大模型或自研开发工具提升内部运营效率。如用 AI 编撰各类材料、编写程序,未来还会开发系列agent 帮助员工和客户提升效率。lg...