在AI浪潮席卷各行各业的今天，云厂商们竭力推销“AI即服务”模式，依赖云端算力、模型微调和API调用。然而，政府、金融、制造等行业客户对数据出域极其敏感，甚至完全无法接受。

“一旦把所有部门的数据交给大模型训练，就难以避免数据交叉访问的风险。”一家大型企业的CIO提出了这个问题。

9月12日，在2025年中国国际服务贸易交易会（以下简称服贸会）上，枫清科技给出了答案。“我们提供的知识中台解决方案，通过精细化的权限管控体系，实现了数据安全与智能化的统一。不仅能够做到部门级的数据隔离，还能细化到部门内每个员工的访问权限控制，再结合大模型的能力，真正实现了数据安全可控下的智能化应用。”枫清科技创始人兼CEO高雪峰说。

枫清科技所瞄准的并非狭小的“缝隙市场”，而是国家政策大力鼓励的产业智能化蓝海。根据IDC数据，全球人工智能产业规模预计将于2025年达到2.3万亿元（约合3500亿美元）。其中，中国AI市场预测2025年规模将超6900亿元，占全球30%～35%份额。

产业繁荣的背后，企业级AI落地却面临严峻挑战。尽管大模型、AI Agent等技术层出不穷，但在金融、制造、零售等复杂业务场景中，通用技术的“水土不服”问题日益突出，导致超70%的企业AI项目陷入“投入高、回报低”的僵局。

这背后还涉及一个架构理念之争。在机器学习领域，长期以来存在着两种主要的架构理念之争：Model-Centric（以模型为中心）与Data-Centric（以数据为中心）。

中国信通院华东分院副院长、上海工创中心副总经理廖运发近日表示，人工智能正从“以模型为中心”转向“以数据为中心”。高质量数据，已成为AI发展的核心燃料。

这和枫清科技的理念不谋而合。高雪峰指出，企业智能化的核心趋势正在从以模型为中心的人工智能架构落地范式，转向以数据为中心这一新的人工智能落地范式。这一理念使枫清科技能够一切从企业的数据出发，构建知识，再驱动智能，从根本上减少幻觉、增强可解释性。

以数据为中心，通过数据+⼤模型⽅式做落地，配合以“知识引擎+⾏业智能体”为核⼼，结合多模型能⼒，枫清科技提供的服务可以达到以下效果：通过对数据知识化处理，可进行知识推理，从而提升企业智能化场景的应用效果与质量可控性；结果可解释，过程可追溯，可以给出出处和来源以及基于本地知识的推导路径；可以快速接入并更新本地知识，并支持实时数据更新；可以进行企业数据权限精细化控制，解决安全隔离问题；通过企业知识引擎与智能体的协同工作，按需使用不同模型，可有效提升知识问答系统的性能；若数据有误，仅需更新数据及其对应知识即可，维护简单。

围绕“以数据为中心”，枫清科技的产品架构呈现出清晰的三层体系。云上知识中台服务作为“云”层，为客户构建多模态共享知识库与云上基座模型；部门级智能节点作为“边”层，实现小范围知识共享，企业智能体能力和边侧大模型后训练或者调优；个人专属智能体作为“端”层，处理个人电脑上的本地数据知识化，以及云上和边侧的智能体能力。

公司还构建了“一体两翼”的产品矩阵，以枫清·天枢多模态智能引擎为核心，辅以枫清· 瑶光企业知识中台和枫清·锦书数据血缘治理平台两翼。我们了解到，该架构能够全面支持企业的AI转型需求，从数据治理、知识构建到智能体应用，形成完整闭环。