主要观点总结
本文介绍了Deepexi滴普企业大模型方案及具体场景中的落地实践，包括产品逻辑架构、功能架构、技术架构等多个方面的内容。
关键观点总结
关键观点1: Deepexi滴普企业大模型方案的核心内容
包括产品逻辑架构、功能架构、技术架构等方面的介绍，以及模型训练、语料工程、制造行业落地实践等方面的详细阐述。
关键观点2: 大模型训练效果的影响因素
数据质量被认为是影响大模型训练效果的关键因素，达到80%的效果依赖于数据质量。
关键观点3: 企业大模型与通用大模型的关系
企业大模型需要结合企业真实业务数据，结合行业大模型和通用大模型进行再训练或微调，以满足企业的应用场景。
关键观点4: 滴普科技在实际制造行业的落地实践
包括与某鞋服行业头部企业、某国内工程设计服务业的头部企业等合作案例，展示了Deepexi滴普企业大模型方案在智能应用、数据分析、业务推理等方面的应用。
关键观点5: 问答环节的内容
解答了关于智能补货场景和模型准确率匹配设计行业实际需求的问题。
文章预览
导读 本文将介绍 Deepexi滴普企业大模型方案及具体场景中的落地实践。 主要内容包括以下几大部分： 1. Deepexi 滴普企业大模型方案 2. 语料工程 3. 模型工程 4. 制造行业落地实践 5. 问答环节 分享嘉宾｜冯森 滴普科技 Deepexi产品线总裁 编辑整理｜陈沃晨 内容校对｜李瑶 出品社区｜ DataFun 01 Deepexi 滴普企业大模型方案 1. DEEPEXI 产品逻辑架构 下面是算力基础设施，包括 Fast5000E 企业算力平台。上面 FastData 企业融合数据平台，目前在原有基础上向 AI 进行了跨越，可以支持在大数据平台处理非结构化数据，比如文档或者音视频数据可以在平台上进行训练数据的加工。加工之后的数据提供给 FastAGI 企业大模型服务平台进行模型工程做训练。在上面会有 Agent，基于 LangChain 框架，实现 RAG 召回，可以创建 AI 智能助手，为企业应用嵌入或者直接进行
………………………………
