DeepSeek热潮背后，企业如何用多模态数据构建核心竞争力

随着移动互联网和物联网设备的飞速发展，多模态数据处理变得越来越普遍和丰富。多模态数据 融合了文本、图像、语音、视频、互联网用户行为以及传感器信号等多种形态，与传统结构化数据相比，其应用场景更为广泛。

例如，在社交媒体中，用户发布的帖子、分享的图片、上传的视频以及互动行为等，共同构成了多模态数据。再如线下汽车 4S 店场景，客户咨询录音（音频）、试驾视频（视觉）、维修工单（文本）以及车载传感器数据（物联网）也共同构成了完整的用户画像。通过分析这些多模态数据，企业能够更精准地把握客户需求，从而做出更准确的商业判断。

然而，很多企业在应用大模型时经常遇到一个棘手的问题：由于缺乏垂直行业的多模态数据，且自身数据建设薄弱，大模型容易出现“幻觉”，难以有效应用于实际业务场景当中。

没有精准且丰富的行业数据作为支撑，大模型就如同无本之木，无法为企业提供切实有效的解决方案。因此，多模态数据在实际业务场景中具有巨大的价值，企业只有重视垂直行业专有数据的积累和优化，才能在细分市场中提升竞争力。

多模态数据的获取是企业面临的一大挑战。从内部来看，企业自身的业务系统、客户反馈、多媒体内容等都是重要的数据来源。从外部来看，合作伙伴、公开数据集、数据交易平台等也是重要的补充渠道。

然而，获取数据只是第一步，如何建设多模态数据资产才是关键。

企业建设多模态数据资产需要从数据整合、治理、应用等多个方面入手。

企业应进行 全面的数据盘点，整合包括文本、图像、音频、视频等在内的多模态数据，构建统一的数据资产管理平台。在此基础上，利用 AI 技术进行数据分类和治理，提升数据质量，为后续应用提供基础。同时，企业还需要 构建知识图谱，实现数据的“血缘”分析和生命周期管理，并结合多模态大模型将数据转化为知识，支持智能决策。

与此同时，企业还需要注意以下问题：

首先，数据隐私与安全至关重要，尤其是在多模态数据涉及多种类型和来源的情况下，企业需要确保数据的合规使用和安全存储。

其次，数据预处理和质量提升是关键，多模态数据的复杂性要求企业投入更多资源进行数据清洗、融合和质量评估。

此外，技术复杂性和成本不容忽视，企业需要平衡技术投入与实际效益。同时，企业应 避免形成数据孤岛，打破部门壁垒，实现数据的高效共享。

最后，企业在应用多模态数据时还需 注意数据价值的深度挖掘，确保系统的公平和可靠性。

多年来，明略科技建立了一套由数据智能、企业知识图谱和数据隐私组成的 专有基础架构，作为数据智能服务的基础，推动产品开发和迭代。通过不断整合营销和营运场景应用软件所积累的行业数据和知识，组合创造了一个“感知”“认知”和“行动”的闭环，企业不仅能分析和解释数据，还能预测业务需求，从而促进人机之间协同和谐的工作关系模式。

数据智能的价值，不仅体现在技术的先进性上，更在于能否将其真正转化为业务价值。

营销智能领域，明略科技目前拥有行业内最为广泛的媒体平台覆盖，涵盖媒体平台广告数据、社交媒体数据、OTT 广告数据、户外广告数据，以及营销智能中的消费者情绪和 EEG 数据。通过对这些平台的帖子、图像、视频等多模态数据的分析，企业可以深入洞察消费者行为和市场趋势。

具体到消费者心智的洞察方面，从客观深入到主观层面。作为国内第一家基于多模态大语言模型实现智能社交媒体内容分析和策略生成的服务商，明略科技结合生物辨识数据，如脑电图 （EEG）信号和眼动数据，能够精准判断消费者对广告的主观反应，帮助企业分析更为复杂的广告场景，在生成有效的广告内容生成和投放策略的同时，降低人力物力成本。

营运智能领域，明略科技整合了物联网数据、客户语音数据，以及储存数据等多种类型的数据源。通过智能营运大脑，全方位展现门店营运情况，为企业管理者、IT、一线员工提供更加全面、精准的业务洞察。目前，已帮助超过 1.5 万家餐厅和 4 万多家线下零售店，实现了 “人、货、场” 的深度数智化升级。

会话智能软件灵听则运用自动语音识别 （ASR）和自然语言处理（NLP）技术，处理来自客户会话的语音数据，并结合客户内部系统（如订单数据库、会员平台和库存管理系统的资料）进一步丰富数据。通过实时动态调整和利用这些数据模态的组合，为客户提供高度精确且量身定制的见解。

正是从数据到业务的无缝衔接，切实打通了企业在大模型浪潮下的 “最后一公里” 难题。

DeepSeek 的出现，让我们看到了数据智能的无限潜力。然而，数据智能的价值远不止于此。在通往 AGI 的道路上，行业特定数据将成为企业最具价值的资产，行业特定知识也将成为数据智能应用软件行业的核心价值。只有将 AGI 与垂直业务场景中的行业知识和多模态数据相结合，人工智能才能真正全面改变现有业务运营模式。