大语言模型的核心原理是基于海量数据建立词语、语句之间的概率关系，本质是：输入 → 预测下一个最可能的词 → 再预测下一个...
仍然是用预测下一个token来近似智能。

我们的智能范式：真正遵循物理规律的白盒智能

应用不能完全标准化，但交付可以标准化;场景不能完全复制，但创造价值的过程可以复制。
客户场景总是存在差异，公司真正标准化的对象不是某一个固定软件界面，而是从需求识别到结果兑现的交付链条。

标准化对象从固定应用功能上移到 “交付方法、能力产品和应用成果”

Skill+Raas，是AI规模化交付的必然路径，公司不再以单一标准产品作为规模化起点，是以交付流程、能力产品和应用成果的标准化，

构建可复制的AI结果交付体系。

完善学习、理解、推理、行动的能力闭环，以“通用人工智能”和"自主智能"为核心，打造下一代智能核心引擎。
学习，把海量数据变成知识；

理解，把知识提炼成机理框架；

推理，用机理解决复杂问题；

行动，将智能技术和物理机体结合。

我们需要具有人类水平智能的机器。理解世界如何运作的机器。能够记忆、推理、规划的机器。

创新的世界模型构建范式，三链真正建模世界的运行方式。

从原理来看，大语言模型的生成本质是建立词语、语句之间的概率关系，缺乏理解与推理的能力，也很难处理复杂的情景和常识。有智能水平的AI AGENT真正的规划能力，远非大语言模型通过大量生成Token序列挑选可行解的弱推理所能及。

以认知语言学为指导，使机器模拟人类认知过程，基于范畴化、认知模型构建和道义逻辑范式的原理，完成学习、理解、推理、行动的智能闭环。

我们认为智能新范式中智能体应该由内在逻辑驱动，而非概率统计。即智能体是有目标、有意图地主动推理，而不是被动地预测下一个token。

场景：STAR - Scenarios，Tasks，Actions，Result - 现实世界的问题单元
情形：面向场景/情形的认知模型 - 逻辑链 - 逻辑命题 vs 推理轨迹

逻辑：推理轨迹分为一一阶逻辑（First Order）vs高阶逻辑（HighOrder）

泛化：推理轨迹如何泛化一泛化的推理轨迹：道义逻辑范式（Deontic Logic）
ToM，Theory of Mind心智理论牵引智能体而不是概率梯度一BDI框架
B (Belief) --  “我如何理解世界?”
D (Desire) -- “我想要什么?"
I (Intention) -- “我打算怎么做?”

不再用预测下一个token来近似智能，而是真正遵循物理规律的白盒智能。

软自主智能体能够理解用户的意图，自主规划执行路径并谓用各种bot与工具完成实际业务中的复杂任务，是能够自主干活的软件系统，实现了从软件系统“被动服务”到“主动服务”的跨越。

硬自主智能体集成了感知、决策和行动能力，它能够通过与环境的实时交互，实现自主行动和任务完成。在这种智能形式中，数字技术和物理实体紧密结合，使得智能系统能够像生物体一样具备对环境的直接感知和响应能力。

感知、学习并与动态环境交互的全链条具身智能能力
数字孪生底座

以业务知识及使用需求为主线搭建知识框架，实现多模态知识关联及应用，通过知识关联预暴露设计缺陷、降低风险，提高工作效率。

西南化工研究设计院 - 化工设计领域智能问答

依托大模型、机理知识图、推理增强等技术，整合化工领域海量知识资源，对分散异构的多模态专业领域知识进行系统性解析与结构化整合，通过安全可控的国产化大语言模型、知识库、逻辑推理模型的结合推理，实现精准问答与自动计算功能。

西南某研究院 - 压力容器辅助设计平台

项目以某类设备压力容器壳体结构设计为对象，基于大模型及智能体技术，建立压力容器壳体快速辅助设计智能体，实现AI快速辅助设计。

1、压力容器结构设计知识库
深度整合设计规范、报告与典型案例，构建压力容器专用知识库。精准关联公式、流程与参数，建立术语映射关系，通过交叉验证确保数据准确性，为智能设计提供高质量、结构化知识支撑。
2、基于智能体的引导式设计辅助

基于相关标准规范，生成设计所需的参数，依据计算公式和用户输入的数值，自动完成计算，并智能生成设计报告。整个设计过程由AI引导式沟通，并能自动化代入多步计算内容，大幅减少繁复工作。
3、智能办公辅助
依托智能体，实现公文快速生成，多维度文档校对，术语库以及自动翻译等办公辅助功能。

公司成立于2014年，总部位于四川省成都市。
依托电子科技大学数据科技应用研究中心，拥有数据科学与数据科技领域实力雄厚的研究团队，是一家致力于通用人工智能的新锐科技企业。

使命
· 赋予机器理解、推理的能力
价值
· 基础研究、应用研究、产品研发、成果产业化一体的顶尖AI团队；

· 从人工智能最后一公里出发，提供全栈产品及服务。