日前，金现代（300830.SZ）宣布，公司已将其小金智问、智能文档处理、智慧识才、实验室管理等多个应用AI技术的产品全面接入DeepSeek、智谱华章ChatGLM4等大模型，利用这些ToC端大模型在处理高复杂度任务上的准确性与逻辑性，与公司自主研发并基于客户私有云的ToB端专用大模型相结合，实现了客户AI应用体验的再升级，从而使技术创新与商业落地获得双重突破。

据介绍，早在四年前金现代就组建人工智能算法团队，持续重视AI技术创新应用，并在两年前推出多款人工智能产品。金现代研究院人工智能研究所所长宗云兵介绍称，“金现代不是DeepSeek火了之后才开始研究大模型的，而是从2020年就组建了人工智能算法团队，2022年就开始了基于ChatGPT等国内外大模型的AI技术研究。”

作为一家科技型企业，金现代高度重视科技创新，依托公司研究院持续推进低代码、大模型、自然语言处理、字符识别等AI技术研发及成果转化，年研发投入过亿元。据介绍，公司的人工智能研究所，由博士团队领衔，主要负责人工智能等前沿技术研究及应用创新。研究方向主要包括大语言模型（LLM）、自然语言处理（NLP）、知识图谱（KG）以及图像识别（CV）、光学字符识别（OCR）等AI技术。并围绕市场和客户需求，将AI技术创新应用到公司核心产品以及各个具体业务场景中，为客户提供更加智能化的产品解决方案。

一方面，公司通过使用智谱华章ChatGLM4大模型以及依托自主研发的NLP、OCR、知识图谱等技术成果，积极推进AI技术在电力业务场景中的应用。例如，利用大模型、自然语言处理等技术，推出智能问答产品，提升客户在应急业务方面的智能化水平；利用大语言模型、OCR等技术对电力基建、技改大修等项目文本、印章、签字、日期等进行识别，辅助检查项目资料的完整性、一致性、合规性，降低了人工识别的成本；利用自然语言处理、大模型等技术，为客户智能审核招投标文件内容，缩减人工核对工作量；利用大语言模型、OCR等技术，自动定位电力设备铭牌区域，识别文字，提取设备基础参数和技术参数，提高设备铭牌的核查效率和准确率。

另一方面，公司团队基于智谱华章ChatGLM4大语言模型构建了低代码领域的专有大模型，实现了数据模型的自动生成和表单自动构建，并提供自然语言交互的应用智能搭建能力，智能推荐生成功能模块、数据模型、表单、代码等，提高配置开发工作的效率和准确率，从而进一步提升了平台的易用性和开发效率。

目前，轻骑兵低代码PaaS平台、LIMS智慧实验室管理系统、智慧识才干部大数据分析系统等核心产品已跃居国内第一阵营，服务国家电网、南方电网、航天科工、中国华能、广汽集团、达能集团、华润江中等大型集团性企业数智化转型。

近期，金现代上述大模型产品全面接入DeepSeek，基于DeepSeek-R1（6710亿参数）的推理能力，打造思考能力更强、准确率更高、交互体验更好的智能中枢。在处理高复杂度任务上具有更高的准确性与逻辑性，不仅在一定程度上缓解了大模型幻觉问题，而且大幅降低了大模型训练与推理成本，实现了技术创新与商业落地的双重突破，在面向企业的ToB业务场景中表现突出。

目前，金现代大模型产品已经实现了文本问答、数据库问答、智能写作、文档审查、工单填写等智能应用场景模型的全面升级。以小金智问为案例，这款产品作为一款AI智能问答产品，在接入DeepSeek-R1模型之后，语义理解和逻辑推理能力取得了显著进展。通过该模型的“思维链”，小金智问可以更加精准地解读用户提问，将推理过程拆解成多个步骤，让用户可以清晰地看到模型是如何一步步推导出最终答案的，从而大幅提升了智能问答准确度，优化了用户的智能问答体验，在电力安全应急管理、汽车行业合规性管理、销售数据管理、实验室数据管理等实际场景中展现出更高的价值。

比如，当用户提问“合同中是否存在逾期付款违约金过高的风险”时，小金智问可以模仿人类解决问题的渐进式思维，将复杂问题拆解为可解释的中间步骤，依次提取合同中的“违约金条款”内容，以及企业财务规范中的相关要求，动态计算并判断违约金是否超标，最后给出风险是否过高的结论。

除此之外，金现代的智能文档处理平台、知识管理平台、智慧识才干部大数据分析系统等产品也接入了DeepSeek模型，让产品在面对企业级端到端的复杂任务、流程任务、分析任务时，给出更精准、更契合用户需求的答案，提高文档审查、知识检索等智能化水平。

金现代表示，未来，公司将继续保持技术研发的强投入，将AI的发展作为重要方向之一，积极推进AI技术的深化研究和应用。同时，公司提醒，相关产品适配DeepSeek对公司业绩暂不构成重大影响，对未来业绩的影响不明确，敬请广大投资者注意投资风险。