麥肯錫于近期發布的《技術趨勢展望2025》更清晰地定義了AI的角色與發展方向。報告在不止一個章節總結了基礎模型加速小型化的趨勢，多模態融合成為主流：

企業的模型利用從追求“大而全”轉向“小而精”，高效專用小模型成本降低90%的同時保持性能不變，推動AI深入邊緣設備。同時，企業在AI應用中尋找“混合模式”，既要利用云端百億參數大模型的強大計算能力，又要使用小模型提供的實時響應和低延遲服務。小模型不僅能完成復雜任務，還能進行本地化部署。

早在大模型飛速進化之前，楓清科技就持續打磨多模態引擎與知識圖譜技術，通過構建多模態數據融合與智能決策平臺，靈活調度大、小模型資源，為企業提供了高效、安全且低成本的AI落地路徑。

目前，楓清科技的產品已被能源、制造、金融、化工等多個行業的知名企業所采用。其中，智能終端制造服務商立臻科技攜手楓清科技，全面提升了智能工廠建設的能力，借助大模型的發展增強了自身智能化的競爭力。

合作方案落地后，首先極大地改善了立臻科技的員工管理成果與員工的穩定性，從而保證生產排產計劃更有序地開展。企業的數十萬名作業員和研發人員都可以通過統一的對話式入口，對公司政策、管理反饋、薪酬、休假等領域進行詢問。在實際應用中，系統表現出了較高的知識覆蓋度和回答質量。員工關懷專員對于作業員反饋處理的效率較傳統系統有了顯著提升。

這些改善得益于楓清科技的創新和優化：引入語義層和優化模型調度機制，進一步提升了系統的智能化水平，尤其是提高了SQL查詢準確率。大型語言模型的原生理解力大約有30-50%的準確率；然而一旦引入基礎的語義信息，比如字段級的語義描述，該準確率可以提升到大約70%；而當引入基于語義的業務含義描述，準確率可以進一步提高到85-100%。

第二，制造業企業還面臨復雜、多模態數據處理問題，直接影響到數據分析與決策質量。楓清科技則借助大模型對通用知識的理解能力，整合企業內部的海量、異構的高質量數據，同時配合專有制造業模型對特定場景的推理能力，讓大模型結合業務場景、系統需要，自主地選擇合適的小模型，充分發揮各自的優勢，提升系統整體決策的能力。

而楓清科技采用的混合LLM使用策略，同時滿足了結合公網大參數量模型的推理能力與內網數據安全的需求。因此，企業可在確保敏感數據不出內網的基礎上，靈活選擇不同鏈路上使用的大模型，調用公網大模型的強大泛化能力補充知識，應對復雜場景的任務。

麥肯錫強調，AI成功的關鍵在于選擇契合場景的技術路徑，而非盲目追求模型規模。楓清科技在企業智能化的實踐中，憑借其在多模態數據融合、智能決策平臺構建上的創新，提供了兼顧性能提升與成本效益的產品，使企業用戶在AI應用中獲得安全而務實的收益。