用友YonGPT核心优势、价值、技术路线及应用能力模型介绍

用友首次提出企业服务大模型概念，并在 2023 年用友 BIP 技术大会上宣布已启动企业 服务大模型训练。

企业服务大模型 YonGPT，是用友融合企业各个领域专业知识和各类行业 商业 KnowHow，经过领域、行业数据的预训练和精调的企业应用服务的大模型，能够理解、 解析各类企业数据，应用于各类业务场景，为企业提供智能化的人机协作、业务洞察、商业决策支持和智能运营服务。

用友企业服务大模型 YonGPT 是一种基于人工智能技术的智能模型，包含了财务、人 力、供应链、采购、制造、营销、研发、项目、资产、协同 10 大领域场景深度认知和经验 沉淀。用友在长期的业务实践中积累了大量的数据和行业经验，为 YonGPT 的构建提供了丰 富的素材，使得模型能够更好地理解业务需求，更准确地做出决策。同时，用友在各个领域 具有深厚的业务理解和专业知识，也为 YonGPT 的构建提供了重要的指导，使得 YonGPT 能 够将业务知识与行业经验融入模型，确保模型的实用性和有效性。

YonGPT 核心优势 ：1. 丰富的经验和历史：用友作为一家长期存在的企业软件和服务提供商，拥有丰富的经验 和历史。用友已经为各种规模和行业的企业提供服务，积累了宝贵的见识和知识，为 YonGPT 提供了强大的企业服务的知识基础。 2. 全面的解决方案：用友提供全面的企业服务解决方案，涵盖了财务管理、人力资源、供 应链管理、客户关系管理和其他关键领域。这种综合性使客户能够在一个平台上满足多 个业务需求，YonGPT 也能够快速的在丰富的企业服务场景中落地。 3. 强大的研发团队：用友在研发领域投入了大量资源，拥有强大的研发团队，致力于不断 创新和改进其产品和服务。在 AI 方面已经做了多年的积累，有强大的人工智能团队， 为 YonGPT 在企业场景的落地提供强大的技术支持。

YonGPT 能力通过和用友各领域产品能力的结合，可以实现对业务数据的智能分析、业务流程的自动化生成，为企业提供全方位的智能决策支持和高效业务处理。在财务领域， YonGPT 的文本理解和预测能力可以与用友的财务管理软件结合，实现对财务报表的智能解 析和预测，帮助企业及时发现财务风险和机会。在人力资源领域，YonGPT 的自然语言处理 能力可以与用友的人力资源管理系统集成，为企业提供智能化的招聘筛选和员工绩效评估， 优化人才管理流程。在供应链管理方面，YonGPT 的预测和优化能力与用友的供应链管理软 件相结合，可以提高供应链规划的精准度和灵活性，帮助企业降低成本、提高交付效率。在 代码生成领域，YonGPT 的编程能力可以与用友的低代码开发平台融合，实现智能化的代码 生成，加速软件开发和升级过程。 现阶段 YonGPT 已经完成对于企业经营洞察、智能库存优化、智能人才发现、智能招聘、 代码生成、智能预算分析、供应商风控、智能商旅费控等数十种应用场景的大模型赋能，后 续 YonGPT 将会对用友的整个产品体系进行全面的能力覆盖。

YonGPT 不做通用领域大模型，而是在通用大模型基础上做企业服务大模型，主要原因 是企业服务有三个特点，是通用大模型无法解决问题。比如，交互较灵活，很多 API 槽位是 企业自定义；企业有大量结构化和非结构化数据，对权限和隐私控制十分严格；企业服务任 务复杂、要求执行可控性高。 企业服务大模型可以很好解决这几个问题。首先以大模型为主的意图槽位收集。比如现 有大模型不能直接根据一个用户的提问，去判断是属于哪个意图，完整意图还需要哪些项， 经过 YonGPT 意图槽位的模型训练，能够准确收集 30 种意图的近百个槽位。对于有大量候 选项的意图槽位，采用分批次训练进模型，以及根据语义检索相关候选槽位词的方式进行识 别；其次，通过精调与 prompt 知识经验学习，将企业知识精调进模型叠加向量搜索上下文 形成 Prompt 得到“上传文档即刻可搜可问答”。比如企业私域的数据量大，而且数据类型多。 基于大模型的企业私域数据或知识问答，可以支持多种类型文本、标签提取，支持上传即可 搜可问答，可以准确定位上下文，并且通过检索库+大模型能解决大模型生成问答编造问题， 可以保证较高回答准确率； 第三，通过大模型的执行链技术将复杂任务分解一系列微服务 执行，把确定性交给已有系统或者小模型，不确定性和系统调度交给大模型。

YonGPT 通过大模型服务平台提供数据管理、大模型精调、大模型评估优化、大模型推 理和插件服务等功能，为大模型的构建和服务提供稳定且有效的支撑。 数据管理模块使用户能够获取和管理大规模、多样化的数据集，并对其进行有效的处理 和加工，为大模型的训练提供了充足的训练样本，为模型的性能和泛化能力奠定了坚实基础。 大模型精调模块提供对已有的模型进行优化和调整的能力，针对不同业务和任务的需 求进行模型优化，使大模型能够更好地适应各种实际应用场景，提供针对不同业务领域需求 的高效优化方法。 大模型评估优化模块帮助用户全面对模型的能力和表现进行量化评估，并根据评估结 果进行进一步优化，确保模型最终输出符合预期的能力。 大模型推理模块使模型可以在实时应用中进行快速推理，高效地处理新数据，并提供准 确的预测结果，为大模型的实际应用提供了稳定而高效的支持。 插件服务提供了扩展大模型的能力的生态构建模式。该模式的灵活性和可扩展性使得 大模型的应用领域更加广泛，也为生态伙伴的加入提供了便捷的条件。

YonGPT 应用能力模型：当前，通用语言大模型在意图槽位识别上都不尽如人意，比如意图槽位识别流程固化， 有一些语义改动、问法变化就不能正确识别、上下文关联不强，不能很好理解上下文内容进 行识别，为了解决这些问题，YonGPT 利用大模型来收集意图槽位，该方法也通用于应用 API 接口参数的收集。 大模型不能直接根据一个用户的提问，去判断是属于哪个意图，完整意图还需要哪些项， 经过 YonGPT 意图槽位的模型训练，能够准确收集 30 种意图的近百个槽位，对于有大量候 选项的意图槽位，我们采用分批次训练进模型 + 根据语义检索相关候选槽位词的方式进行 识别，大大提升了企业应用场景的意图识别准确性。

在业务知识查询问答的场景上，用友 YonGPT 结合智能大搜相关的能力解决多模态数据 的搜索查询、问答，一般来说，企业私域数据量很大，一部分高质量数据可以推广到行业， 作为训练语料；另一部分数据只是企业专有专用，适合采用外接检索库，另外，企业私域数 据类型多：企业文档、图片、视频等非结构化数据多，不易处理利用，在这些大背景下，用 友 YonGPT 采用以下策略，解决企业场景的知识查询问答问题： 1、多数据类型快速索引：支持多种类型文本、标签提取，支持上传即可搜可问答 2、准确定位上下文：利用倒排索引库、向量索引库从大量数据快速准确定位查询相关 上下文 3、解决大模型生成问答幻觉：通过检索库+大模型能解决大模型生成问答编造问题，可 以保证较高回答准确率。 在专业领域大模型结合数智员工能力，可以训练专业方向的专家机器人，为员工提供专 业服务，比如公文专家、法务专家机器人等。 企业建立综合智库后，企业员工在销售拜访，售前沟通，企业培训等多个场景均可以使 用智库查询到自己想要的内容。除了给企业提效外，还有个人提效的场景，如公文书写助理、翻译助手、AI 画师等场景均可以使用该机器人进行提效赋能。

企业服务场景下，很多业务场景非常的复杂，那么大模型很难处理复杂任务，大模型也 不适合处理大量的数据库、知识库数据，同时大模型在计算能力不能满足高精度、高可靠要 求，那么在复杂任务的执行场景下，YonGPT 提出了“决策 GPT”的解决方案。 在复杂场景下 YonGPT 负责将复杂任务分解为任务链，并调度决策；Agent 执行调用 BIP 微服务、算法模型、RPA 负责系统执行，企业大量私有数据通过多维引擎和查询引擎访问结 构化/非结构化数据，并提供相关信息给大模型，通过通用工具集进行数值计算以及常用信 息，并提供给大模型，从而帮助 YonGPT 完成企业级的复杂任务执行。