紧锣密鼓的“百模大战”持续了三个多月，全球都在对 AIGC 的发展既充满期待，又深感焦虑（如何跟上 AIGC 的步伐）。汉得自 GPT3.0 面世后，就开始探索 AIGC 在B端的应用。我们在各业务领域努力挖掘应用场景，营销端、物流端、车间端、财务端……应用场景将越来越丰富。

我们在探索应用场景的过程中发现，驾驭 AIGC 并将其实际应用落地并非易事，需要掌握很多的方式方法，每一个应用点还需要组合多种技术或工具才能实现，需要大量地进行调优干预等等。这些工程化工作，对于各行各业的企业而言，无疑是有较大门槛的。

术业有专攻，汉得是专门从事企业数字化应用的服务商，那么每接触一项新技术，都会先考虑如何工程化此技术让企业能实际落地，如何在 HZERO 融合中台上沉淀相应的服务组件，使其被企业能更便捷地应用，这已经成为我们无需过多思考的习惯了。

我们坚信，AIGC 必将在未来数年引领企业数字化的浪潮。基于汉得融合中台 HZERO ，我们着手打造好“AIGC中台”这一利器，预置“百模”的对接和大量 AIGC 通用应用功能，并提供低代码 AIGC 应用编排工具。

作为HZERO融合中台的新成员，汉得AIGC中台致力于帮助企业高效“善 AIGC 应用之事”。

为什么我们会在 AIGC 中台里先做知识问答组件？因为 AI 私有知识库是企业应用 AIGC 最先能够落地且变现价值的方向之一，各行各业的企业都有私有知识积累及应用的需求。

而构建 AI 私有知识库需要有大模型基础应用能力（包括账号管理、Token配额管理等），同时需要建设本地向量库、文档管理、权限管理等能力，支持私有向量化能力、支持多种知识来源（如doc、docx、ppt、pptx、pdf、WebURL等），以及支持知识反馈等扩展增强。

对于企业而言，自建这样一个系统会有比较大的门槛。例如，在应用本地的 Milvus 向量库时，可能会遇到消息队列占用存储空间过多、过快等问题导致向量库异常，而这些问题对于企业来说是难以自我解决的。

因此，我们构建 AIGC 中台 - 知识库组件，以帮助企业更便捷地应用 AIGC 知识问答能力。通过这个成熟的 AI 私有知识库组件，企业可以更快地应用并利用 AIGC 的能力。

除了“知识问答”能力，在各个业务场景里应用 AIGC，还有其他的公共需求。例如，无论在哪个工作场景，用户都希望有一个 AI 助手或虚拟人，能够对话交互、执行任务（模糊指令）等。

以数据应用为例，对于许多企业的管理者来说，查询业务数据是既爱又恨的事情。一方面，获取充足的数据可以有效帮助管理者做出判断和决策；另一方面，管理者必须记住很多报表，并理解每张报表的内容及其逻辑关系，才能准确找到自己需要的数据。

如果有个 AI 秘书（助手）能够理解管理者的需要，自动地帮助管理者搜寻并展现数据，无疑可以大幅提升工作效率。这正是生成式 AI 应用的必要通用能力。

以汉得自己的实际场景为例，我们服务众多客户，并与大部分客户都有着长期合作关系，而这些合作往往是多业务条线的，我们可以与 AIGC 中台的智慧交互助手进行对话，让其帮助我们高效获取客户相关数据。有了这个 AI 秘书（助手），用户似乎不用再学习应该去哪里找数据了，一切就交给 AI 秘书（助手）。

汉得AIGC中台沉淀的是通用应用功能+工具，为的是让企业更快融入AIGC的世界。通过以上两个例子，我们希望大家对汉得AIGC中台有具体的认识。在一个月后的正式发布会上，我们将分享更详尽的内容，敬请期待。