<p>，/PRNewswire/ -- 隨着企業數字化轉型的深入和精確，能夠高效管理和利用海量數據集已成為核心競爭壁壘。面對多源異構數據整合的重大挑戰以及在複雜商業場景中對高保真決策的強烈需求，用友網絡於 2 月 24 日正式發佈了大型本體模型（LOM）。該發佈為企業提供了一個真正的 “數字大腦”，能夠深入理解其運營並執行復雜的邏輯推理。</p>
<p><strong>一、技術突破：LOM 作為企業智能的新基礎</strong></p>
<p>基於用友 BIP 企業人工智能本體代理，LOM 代表了從傳統二維表格模型到基於知識圖譜架構的根本範式轉變。通過使用節點和邊來捕捉實體及其關係，LOM 將孤立的企業數據轉化為可計算、具備推理能力的 “實時連接”。它將企業知識從靜態存儲升級為動態、可執行的智能資產。</p>
<p>利用統一的構建 - 對齊 - 推理框架，LOM 無縫連接底層業務系統和數據與頂層本體應用。它實現了企業知識的全生命週期管理，從原始提取到高價值輸出。在構建階段，LOM 自動化多源本體構建，打破結構化數據庫與非結構化文本、顯性與隱性知識、動態實時與靜態歷史數據之間的障礙。通過強大的知識構建引擎，它執行實體 - 關係提取、鏈接預測、知識蒸餾和推理補全，最終形成全面的企業級數據架構。同時，以 BIP 標準本體作為核心錨點，構建模型節點的骨架結構。然後，通過高效的動態文本 - 本體對齊，確保持續的數據流在語義上保持一致，並與本體結構深度融合。</p>
<p>在複雜邏輯推理方面，LOM 表現尤為出色。它在異構企業數據上執行可靠的多跳推理。在涵蓋 19 個不同圖推理任務的嚴格基準測試中，我們的 4B 參數 LOM 取得了領先的表現，以 89.47% 的整體準確率排名第一，並在幾個核心任務上達到了近乎完美的準確率（100%）。這無疑驗證了我們架構的前沿有效性。</p>
<p><strong>二、現實世界影響：LOM 在各個維度上助力敏捷和精益企業管理</strong></p>
<p>任何技術的最終考驗是其在現實世界中的應用。憑藉強大的推理能力，LOM 深度優化了核心企業工作流程——採購、生產、銷售和財務。它將原始計算能力轉化為切實的商業動能，從智能決策到複雜系統分析，提供全棧賦能。</p>
<p>以下是大型本體模型如何在這四個關鍵領域賦能智能決策和複雜系統分析：</p>
<p><strong>採購：構建抗脆弱的供應鏈</strong></p>
<p>當核心供應商面臨中斷時，LOM 不僅僅看到局部故障；它立即在全球圖中定位該節點，執行深度遍歷 Tier-2 和 Tier-3 依賴關係，以廣播預測性預警。在採購訂單發出之前，系統自主驗證前提條件——憑證、質量保證日誌、預算限制——消除因信息缺失而導致的合規風險。對於關鍵材料，LOM 進行中心性和拓撲分析，以識別戰略瓶頸供應商——那些 “單點故障”，使企業能夠提前構建冗餘和備份計劃。</p>
<p><strong>生產：全棧可追溯性和動態優化</strong></p>
<p>當產品缺陷發生時，LOM 沿着物料清單（BOM）執行前驅節點搜索，從成品逆向追溯到確切的原材料批次，以精確定位故障點。在智能工廠中，它充當路由引擎，為自動化物料搬運設備計算最短路徑，顯著減少操作之間的死時間。通過實時監控工作站的任務積壓，它識別產出瓶頸，使管理者能夠動態分配資源，平滑生產流程。</p>
<p><strong>銷售與市場：高精度客户洞察和資源分配</strong></p>
<p>利用歷史互動日誌和社交關係圖，LOM 運行類似 PageRank 的中心性算法，以識別高影響力客户節點，將有限的銷售帶寬集中在產生最高投資回報率的地方。在自有渠道生態系統運營中，它使用從現有用户出發的共同鄰居分析，快速映射和捕捉直接連接的潛在客户羣體，從根本上降低客户獲取成本。對於高價值賬户，它構建完整的行為漏斗，揭示流失背後的隱性關係模式，以推動高度針對性的留存策略。</p>
<p><strong>財務與風險管理：深入監督和自主合規</strong></p>
<p>資金一旦投入，LOM 會識別接收賬户的直接交易對手。如果連接的組件包含高風險實體，它會觸發自主的硬性停止。對於複雜的企業股權結構，LOM 深入多層所有權，揭示最終受益所有人，為併購和投資決策提供清晰的風險拓撲。在三方匹配中，它從付款請求開始，向上遍歷以驗證所有前置文件——採購訂單、收據、發票——確保通過自動對齊實現財務結算的完全透明。</p>
<p>從裸金屬架構到實際部署，LOM 嚴格基於實際企業需求。其高效、輕量的 4B 參數模型設計破解了複雜企業級推理的難題，大幅降低了部署企業 AI 的門檻和成本。更重要的是，它在結構化數據庫和非結構化文本知識之間建立了明確的橋樑，創造了一個不斷演變的智能框架，使企業數據資產自我生成和自我優化。</p>
<p>展望未來，用友的 LOM 將不斷推動技術前沿。我們將升級我們的強化學習策略，建立開放的評估基準，並應對複雜挑戰。我們正在擴大 LOM 在複雜企業環境中的推理能力，使得每個公司都配備一個深思熟慮的 “腦”。</p>
<p>https://chinaxiv.org/abs/202601.00187</p>
<p>來源：用友</p>
<p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwMzAxJk5ld3NJdGVtSWQ9Q045ODQ1OSZUcmFuc21pc3Npb25fSWQ9MjAyNjAzMDEyMDA4UFJfTkVXU19VU1BSX19fX19DTjk4NDU5?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwMzAxJk5ld3NJdGVtSWQ9Q045ODQ1OSZUcmFuc21pc3Npb25fSWQ9MjAyNjAzMDEyMDA4UFJfTkVXU19VU1BSX19fX19DTjk4NDU5"/></p>

用友網絡

<p>用友網絡推出了大型本體模型（LOM），這是一種變革性的企業數字化轉型工具。該模型從傳統的數據管理轉向基於知識圖譜的架構，使得複雜數據集的處理更加高效。LOM 通過提供深度洞察和自動化流程，增強了在採購、生產、銷售和財務等領域的決策能力。它在邏輯推理任務中表現出色，準確率達到 89.47%。LOM 使企業能夠優化工作流程、管理風險並改善客户洞察，最終推動業務發展和運營效率</p>

<p>, /PRNewswire/ -- As enterprise digital transformation advances with increasing depth and precision, the ability to efficiently manage and harness massive datasets has become the core competitive barrier. Facing the significant challenges of integrating multi-source heterogeneous data and the intense demand for high-fidelity decision-making in complex business scenarios, Yonyou officially released the Large Ontology Model (LOM) on February 24th. This release provides enterprises with a true &#34;digital brain&#34; capable of deeply understanding their operations and executing complex logical reasoning.</p>
<div class="lb-trans"><p>，/PRNewswire/ -- 隨着企業數字化轉型的深入和精確，能夠高效管理和利用海量數據集已成為核心競爭壁壘。面對多源異構數據整合的重大挑戰以及在複雜商業場景中對高保真決策的強烈需求，用友網絡於 2 月 24 日正式發佈了大型本體模型（LOM）。該發佈為企業提供了一個真正的 “數字大腦”，能夠深入理解其運營並執行復雜的邏輯推理。</p>
</div><p><strong>I. Technological Breakthrough: LOM as the New Foundation for Enterprise Intelligence</strong></p>
<div class="lb-trans"><p><strong>一、技術突破：LOM 作為企業智能的新基礎</strong></p>
</div><p>Grounded in the Yonyou BIP Enterprise AI Ontology Agent, the LOM represents a fundamental paradigm shift from conventional two-dimensional tabular models to knowledge graph-based architectures. By using nodes and edges to capture entities and their relationships, LOM transforms siloed enterprise data into computable, reason-capable &#34;live connections.&#34; It upgrades enterprise knowledge from static storage into dynamic, executable intelligent assets.</p>
<div class="lb-trans"><p>基於用友 BIP 企業人工智能本體代理，LOM 代表了從傳統二維表格模型到基於知識圖譜架構的根本範式轉變。通過使用節點和邊來捕捉實體及其關係，LOM 將孤立的企業數據轉化為可計算、具備推理能力的 “實時連接”。它將企業知識從靜態存儲升級為動態、可執行的智能資產。</p>
</div><p>Leveraging a unified construct-align-reason framework, LOM seamlessly connects bottom-layer business systems and data with top-layer ontology applications. It enables the full-lifecycle management of enterprise knowledge, from raw extraction to high-value output. During the construction phase, LOM automates multi-source ontology construction, bridging the barriers between structured databases and unstructured text, explicit and implicit knowledge, and dynamic real-time versus static historical data. Driven by a robust knowledge construction engine, it performs entity-relation extraction, link prediction, knowledge distillation, and reasoning completion, culminating in a comprehensive enterprise-scale data architecture. Simultaneously, using the BIP standard ontology as the core anchor, it builds the skeletal structure of the model's nodes. Then, through highly efficient dynamic text-ontology alignment, it ensures continuous data streams remain semantically consistent and deeply fused with the ontology structure.</p>
<div class="lb-trans"><p>利用統一的構建 - 對齊 - 推理框架，LOM 無縫連接底層業務系統和數據與頂層本體應用。它實現了企業知識的全生命週期管理，從原始提取到高價值輸出。在構建階段，LOM 自動化多源本體構建，打破結構化數據庫與非結構化文本、顯性與隱性知識、動態實時與靜態歷史數據之間的障礙。通過強大的知識構建引擎，它執行實體 - 關係提取、鏈接預測、知識蒸餾和推理補全，最終形成全面的企業級數據架構。同時，以 BIP 標準本體作為核心錨點，構建模型節點的骨架結構。然後，通過高效的動態文本 - 本體對齊，確保持續的數據流在語義上保持一致，並與本體結構深度融合。</p>
</div><p>When it comes to complex logical reasoning, the LOM is exceptionally capable. It executes reliable, multi-hop reasoning over heterogeneous enterprise data. In rigorous benchmark testing covering 19 diverse graph reasoning tasks, our 4B-parameter LOM achieved state-of-the-art performance, taking the top rank with an overall accuracy of 89.47%, while hitting near-perfect accuracy (100%) on several core tasks. This unequivocally validates the cutting-edge effectiveness of our architecture.</p>
<div class="lb-trans"><p>在複雜邏輯推理方面，LOM 表現尤為出色。它在異構企業數據上執行可靠的多跳推理。在涵蓋 19 個不同圖推理任務的嚴格基準測試中，我們的 4B 參數 LOM 取得了領先的表現，以 89.47% 的整體準確率排名第一，並在幾個核心任務上達到了近乎完美的準確率（100%）。這無疑驗證了我們架構的前沿有效性。</p>
</div><p><strong>II. Real-World Impact: LOM Supercharges Agile and Lean Enterprise Management Across All Dimensions</strong></p>
<div class="lb-trans"><p><strong>二、現實世界影響：LOM 在各個維度上助力敏捷和精益企業管理</strong></p>
</div><p>The ultimate test of any technology is its real-world application. Armed with formidable reasoning capabilities, LOM is deeply optimized for core enterprise workflows—procurement, production, sales, and finance. It translates raw computational power into tangible business momentum, delivering full-stack empowerment from intelligent decision-making to complex system analysis.</p>
<div class="lb-trans"><p>任何技術的最終考驗是其在現實世界中的應用。憑藉強大的推理能力，LOM 深度優化了核心企業工作流程——採購、生產、銷售和財務。它將原始計算能力轉化為切實的商業動能，從智能決策到複雜系統分析，提供全棧賦能。</p>
</div><p>Here is how the Large Ontology Model empowers intelligent decision-making and complex system analysis across these four critical domains:</p>
<div class="lb-trans"><p>以下是大型本體模型如何在這四個關鍵領域賦能智能決策和複雜系統分析：</p>
</div><p><strong>Procurement: Engineering an Antifragile Supply Chain</strong></p>
<div class="lb-trans"><p><strong>採購：構建抗脆弱的供應鏈</strong></p>
</div><p>When a core supplier faces disruption, the LOM doesn't just see a localized failure; it instantly pinpoints that node within the global graph, executing a deep traversal across Tier-2 and Tier-3 dependencies to broadcast predictive early warnings. Before a purchase order is even issued, the system autonomously validates prerequisites—credentials, QA logs, budget constraints—eliminating compliance risks caused by missing information. For mission-critical materials, the LOM runs centrality and topology analysis to identify strategic bottleneck suppliers—those &#34;single points of failure&#34;—allowing enterprises to engineer redundancy and backup plans ahead of time.</p>
<div class="lb-trans"><p>當核心供應商面臨中斷時，LOM 不僅僅看到局部故障；它立即在全球圖中定位該節點，執行深度遍歷 Tier-2 和 Tier-3 依賴關係，以廣播預測性預警。在採購訂單發出之前，系統自主驗證前提條件——憑證、質量保證日誌、預算限制——消除因信息缺失而導致的合規風險。對於關鍵材料，LOM 進行中心性和拓撲分析，以識別戰略瓶頸供應商——那些 “單點故障”，使企業能夠提前構建冗餘和備份計劃。</p>
</div><p><strong>Production: Full-Stack Traceability and Dynamic Optimization</strong></p>
<div class="lb-trans"><p><strong>生產：全棧可追溯性和動態優化</strong></p>
</div><p>When a product defect occurs, the LOM performs predecessor node searches along the Bill of Materials (BOM), reverse-tracing from the finished product back to the exact raw material batch to precisely locate the point of failure. In the smart factory, it acts as a routing engine, computing the shortest path for automated material handling equipment, significantly reducing dead time between operations. By monitoring task backlogs across workstations in real-time, it identifies throughput bottlenecks, enabling managers to dynamically allocate resources and smooth out the production flow.</p>
<div class="lb-trans"><p>當產品缺陷發生時，LOM 沿着物料清單（BOM）執行前驅節點搜索，從成品逆向追溯到確切的原材料批次，以精確定位故障點。在智能工廠中，它充當路由引擎，為自動化物料搬運設備計算最短路徑，顯著減少操作之間的死時間。通過實時監控工作站的任務積壓，它識別產出瓶頸，使管理者能夠動態分配資源，平滑生產流程。</p>
</div><p><strong>Sales &amp; Marketing: High-Precision Customer Insight and Resource Allocation</strong></p>
<div class="lb-trans"><p><strong>銷售與市場：高精度客户洞察和資源分配</strong></p>
</div><p>Leveraging historical interaction logs and social relation graphs, the LOM runs PageRank-style centrality algorithms to identify high-influence customer nodes, focusing your finite sales bandwidth where it generates the highest ROI. In owned channel ecosystems operations, it uses common neighbor analysis starting from existing users to rapidly map and capture directly connected prospect clusters, fundamentally driving down customer acquisition costs. For high-value accounts, it constructs a full-journey behavioral funnel, uncovering the hidden relational patterns behind churn to power highly targeted retention strategies.</p>
<div class="lb-trans"><p>利用歷史互動日誌和社交關係圖，LOM 運行類似 PageRank 的中心性算法，以識別高影響力客户節點，將有限的銷售帶寬集中在產生最高投資回報率的地方。在自有渠道生態系統運營中，它使用從現有用户出發的共同鄰居分析，快速映射和捕捉直接連接的潛在客户羣體，從根本上降低客户獲取成本。對於高價值賬户，它構建完整的行為漏斗，揭示流失背後的隱性關係模式，以推動高度針對性的留存策略。</p>
</div><p><strong>Finance &amp; Risk Management: Penetrative Oversight and Autonomous Compliance</strong></p>
<div class="lb-trans"><p><strong>財務與風險管理：深入監督和自主合規</strong></p>
</div><p>The moment funds are deployed, the LOM identifies direct transactional counterparties of the receiving account. If the connected component contains high-risk entities, it triggers an autonomous hard stop. For labyrinthine corporate equity structures, the LOM penetrates multi-hop ownership layers to expose the ultimate beneficial owner, delivering a crystal-clear risk topology for M&amp;A and investment decisions. In three-way matching, it starts at the payment request and traverses upward to validate all predecessor documents —POs, receipts, invoices—ensuring complete transparency in financial settlements through automated alignment.</p>
<div class="lb-trans"><p>資金一旦投入，LOM 會識別接收賬户的直接交易對手。如果連接的組件包含高風險實體，它會觸發自主的硬性停止。對於複雜的企業股權結構，LOM 深入多層所有權，揭示最終受益所有人，為併購和投資決策提供清晰的風險拓撲。在三方匹配中，它從付款請求開始，向上遍歷以驗證所有前置文件——採購訂單、收據、發票——確保通過自動對齊實現財務結算的完全透明。</p>
</div><p>From bare-metal architecture to real-world deployment, the LOM is rigorously grounded in actual enterprise needs. Its highly efficient, lightweight 4B-parameter model design cracks the code on complex enterprise-level reasoning, massively lowering the barrier and cost of deploying enterprise AI. More than that, it builds the definitive bridge between structured databases and unstructured textual knowledge, creating a continuously evolving intelligence framework where enterprise data assets self-generate and self-optimize.</p>
<div class="lb-trans"><p>從裸金屬架構到實際部署，LOM 嚴格基於實際企業需求。其高效、輕量的 4B 參數模型設計破解了複雜企業級推理的難題，大幅降低了部署企業 AI 的門檻和成本。更重要的是，它在結構化數據庫和非結構化文本知識之間建立了明確的橋樑，創造了一個不斷演變的智能框架，使企業數據資產自我生成和自我優化。</p>
</div><p>Looking ahead, Yonyou's LOM will relentlessly push the technical frontier. We will upgrade our reinforcement learning strategies, build open evaluation benchmarks, and tackle complex challenges. We are scaling LOM's inference capabilities in complex enterprise environments so that <em>every</em> company is equipped with a deep-thinking &#34;brain.&#34;</p>
<div class="lb-trans"><p>展望未來，用友的 LOM 將不斷推動技術前沿。我們將升級我們的強化學習策略，建立開放的評估基準，並應對複雜挑戰。我們正在擴大 LOM 在複雜企業環境中的推理能力，使得每個公司都配備一個深思熟慮的 “腦”。</p>
</div><p>https://chinaxiv.org/abs/202601.00187</p>
<div class="lb-trans"><p>https://chinaxiv.org/abs/202601.00187</p>
</div><p>SOURCE Yonyou</p>
<div class="lb-trans"><p>來源：用友</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwMzAxJk5ld3NJdGVtSWQ9Q045ODQ1OSZUcmFuc21pc3Npb25fSWQ9MjAyNjAzMDEyMDA4UFJfTkVXU19VU1BSX19fX19DTjk4NDU5" alt="" original-src="https://rt.prnewswire.com/rt.gif?NewsItemId=CN98459&amp;Transmission_Id=202603012008PR_NEWS_USPR_____CN98459&amp;DateId=20260301"/></p>

20:08 ET 用友網絡發佈大型本體模型（LOM）：為企業構建深度思考的數字核心