WELCOME INSIDE SENSEONE

认识 System One 模型

为程序而生的「系统 1」:会判断、不闲聊,毫秒级拿主意

卡尼曼在《思考,快与慢》里把人脑分成两个系统:系统 1 快速、直觉、自动——识别危险、判断语气、瞬间拍板;系统 2 缓慢、费力、深思熟虑。企业业务里 80% 的 AI 判断,本质都是系统 1 任务:用户急不急、回答能不能信、要不要转人工。

这类任务,我们训过的模型都有共同特征:任务很窄、要求很快、输出必须确定——一句话里几个意图、回答和专家差几分、用户是什么需求。过去用判别式小模型干这些事;今天我们把 0.5B~8B 的开源底座,训练成企业自己的 System One 模型:不生成漂亮话,只输出代码能直接执行的结构化决策;可私有化部署,数据不出机房。

特性 Properties

为「在代码里使用」重新设计的模型形态

结构化输出,机器原生+

不返回一段话让程序去猜:选项、评分、是非概率,字段类型预先定义,代码拿来直接分支判断。

结果可校准、带置信度+

每个决策附带校准过的概率:相似输入给出相似输出;高置信自动执行,低置信自动转人工。

边界 Limitations

强大,但我们把取舍讲在前面

不擅长系统 2 任务+

长链条深度推理、跨大量资料的复杂论证不是它的主场——这类任务我们用智能体编排大模型完成。

不是聊天模型+

它不生成文本,不能陪聊;要提问,必须先定义答案的形状。

收益 Benefits

是大是大话,用下面的实测数字检验

决策更快:毫秒级+

小模型量化后单卡可跑,端侧本地毫秒级响应,实时交互不等待。

成本更低:小模型够用即最优+

算力按量租用,一张 4090 起步;模型不是越大越好,是够用且最便宜。

系统 1 任务上,对标前沿水平+

医疗专科标准题集准确率 97.3%、多意图识别 98%、交通信控 4B 模型打平 GPT-5.2——均为已交付项目实测。

准备好检验这些说法了吗?

免费场景评估 →
98%
汽车座舱多意图识别 · 行业先进
97.3%
医疗专科标准题集准确率 · 有证可查
10 年
核心团队大厂算法经验

双核业务:System One 模型训练 × 智能体搭建

推理能力来自公开的开源底座;把 0.5B~8B 小模型训成懂行业的 System One、把智能体搭进真实业务流程,是我们自己实现的部分

System One 模型(SLM)训练

权重、数据、迭代记录归企业所有,不被平台锁定,数据不出机房;业务经验训练进模型,成为不随人员流失的企业资产。0.5B~8B 全尺寸训练实操,数据构造 → SFT → 独立评测 → 私有化部署交付。医疗专科标准题集准确率 97.3%。

智能体搭建(Agent Harness)

交付的是工业级智能体,不是只能演示的 Demo:规划 → 执行 → 校验闭环,自己拆任务、调工具、干完整件事;工程脚手架带断点续跑、失败自动重试、超时熔断、人工介入节点,长流程 7×24 跑得稳、全程留痕可审计;六组件按需组装,按你的场景选配,不堆料。

规划 · 拆任务 知识库 RAG · 带出处 记忆 · 越用越懂 技能工具 · 接系统 感知 · 语音图像 人工兜底 · 必配

支撑能力:私有化部署 · 独立评测体系 · 数据工程 · 方案咨询——围绕双核配套,不单独兜售。

为什么做小模型 × 智能体——不是我们的立场,是行业的判断:

小模型是智能体 AI 的未来
智能体的任务通常狭窄、重复、格式化——做决策、做判断、调工具,小模型够用,且更快、更便宜、可私有化。
—— NVIDIA 立场论文 · 2025
同等智能所需参数量,每 3.5 个月减半
能力密度指数级提升——今天大模型的能力,明年就跑在小模型上。
—— 清华 × 面壁智能「密度法则」 · 《Nature Machine Intelligence》封面 · 2025.11
决策是在有限资源下求满意解,而非最优解
「有限理性」——够用、快速、可控的小模型不是妥协,是决策的工程本质。
—— 赫伯特·西蒙 · 诺贝尔经济学奖

行业风向:Gartner 预测 2027 年企业使用任务专用小模型的频率将达通用大模型 3 倍;2026.09 爆火的 Jev 决策模型比前沿大模型快 200 倍、成本仅 1/400。

四个已交付项目,同一类模型

任务窄、响应快、输出结构化——这就是 System One

工业智能体

交通信号控制大模型

决策形态 · 6 步专家决策链 + 工具调用,输出相位级配时 JSON

4B 小模型把信号配时拆成 6 步专家决策链,自主调用 6 个专业工具逐步求解;强化学习接 SUMO 仿真、以平均通行时间为奖励,方案过 Webster 硬校验。同一套「决策链 + 工具 + 仿真闭环」打法,适用于工业调度、工艺参数优化等决策场景。

SUMO 仿真通行时间 64.6s 打平 GPT-5.2 · 思维链完整率 100%(GPT-5.2 仅 70.3%)
循证问诊

专科医疗智能问诊

决策形态 · Agentic Search(自主检索式智能体):多轮检索查证 → 鉴别诊断 + 结构化处置建议

模型自己决定查什么、查几轮:读临床病历,边推理边检索 2300 万+ chunk 医学知识库(PubMed、教科书、UpToDate),配合自研医学知识图谱多模式检索;在候选诊断之间比较、排除、排序,查证后再下结论。

专科标准题集准确率 97.3% · 结论逐条带引用,有证可查
意图理解

座舱中枢

决策形态 · 逐意图判定是/否(Noul)+ 槽位结构化

全车语音指令先过它:1.5B 级小模型微调(意图识别 + 槽位抽取),模糊指令、多指令连续说都能理解,逐条判定意图、抽全参数后交给车控执行,座舱本地毫秒响应。

多意图识别 98% · 端侧时延 <200ms
推题推荐

个性化推题引擎

决策形态 · 候选排序选优(Choice)

知识图谱 + 记忆画像驱动,学生状态持续沉淀,替代千人一面的规则推荐,越用越准。

命中率 16% → 81.4%

训练实绩:0.5B~8B 全尺寸小模型微调都实操过——数据构造 → SFT → 独立评测 → 私有化部署,全链路自己跑通;算力按量租用,不绑客户预算。

工程交付能力:全程留痕可复查 · 失败自动重试 · 断点续跑 · 人工介入节点 · 效果评估看板;跨端执行内核自研,兼容 LangGraph、CrewAI 等主流框架生态。

承接业务

三类标准化承接方向

AI 数字员工

规划-执行-校验闭环,接管重复脑力劳动,长流程跑得稳、全程留痕。

智能客服

全天候接待,标准问题秒回,复杂问题无缝转人工。

知识库问答

企业文档秒变循证问答,每句回答带出处、可复查。

DELIVERY

全链路交付,合作方式灵活

方法论:P·T·A 交付框架——从需求诊断到上线陪跑的统一打法

1. 需求诊断
1-2 周
2. 方案设计
1-2 周
3. 开发训练
3-6 周
4. 测试评估
1-2 周
5. 上线陪跑
长期

项目制定制开发

按需求范围报价,验收标准写进方案、按里程碑付款;交付源码与文档,数据与知识产权归属清晰。

联合开发

与贵司团队共建共研,开发过程透明,同步完成能力转移。

咨询与培训

AI 落地方案顾问、前沿技术普及培训、课题联合申报与专利联合申请。

FDE 式交付

工程师进驻现场、贴着您的业务边用边改;不做交付完就走的项目,系统长在业务流程里。

合作原则:先小步试点、见效再放大——支持从单点场景起步,用数据证明价值后再扩展。

核心团队

大厂算法经验 · 医疗 / 交通 / 座舱垂域大模型

SO

行思智元创始团队

核心技术团队

10 年算法经验,先后任职多家大厂;主导医疗、交通、座舱等场景垂域大模型从 0 到 1 落地,核心指标做到行业领先:交通 4B 模型打平 GPT-5.2,座舱超友商 10 个百分点,医疗专科题集准确率 97.3%;专注 Agentic 系统的工程化交付。

免费场景评估,24 小时给方案方向

发需求过来:24 小时内回复可行性判断、周期估算与报价区间;上面所有数字,均可当面演示、逐条核验

联系方式

👤 技术负责人 张先生
📞 电话 18210357698
📧 商务邮箱 cc@senseone.cc
📍 公司地址 北京市海淀区
⏱️ 响应时间 24 小时内给方案方向