INTOSYN 四层建筑，随滚动展开科研实验室、专业工作、协作复核与算力空间

科研实验室研究课题 · 实验 · 学术论文
专业工作工具调用 · 绘图 · 任务执行
协作与复核任务流转 · 权限 · 专业复核
算力与数据云端算力 · 私有部署 · 硬件

INTOSYN AI LABS / RESEARCH & APPLICATIONS

从知识体系，
到可执行的智能

在 INTOSYN AI Labs，我们研究知识、模型与工具如何协同，让 AI 进入真实任务、科学实验与决策过程

从可检验的问题出发，记录方法、证据与局限，以可复现的实验推进探索，让关键判断始终由人掌握

探索研究方向↗在研项目 ↗
  • 连接知识体系
  • 调用专业工具
  • 检验方法与结果
INTOSYN ARCHITECTURE
向下探索，从知识到行动

RESEARCH & APPLICATIONS

我们的研究与应用

围绕四个方向，连接应用研究、学科探索与智能体决策，每个方向从具体问题出发，以模型、工具和实验开展验证

可拆解的工厂与工程工作空间

INTOSYN / FACTORY实验室空间概念 · 展开探索
任务与知识

INTOSYN / AI SOLUTION

让 AI 连接知识，
工具与实际任务

我们研究 AI 如何将专业知识转化为可执行的工作流程，以工程设计为例，连接规范检索、CAD 绘图、参数化建模与结果校核，检验系统在真实任务中的能力与边界

从具体任务中提取目标与约束，检索规范、文档和已有方法，为后续执行建立依据

研究记录与成果

可编辑图纸与模型 / 工具执行记录 / 验证结果

查看研究流程 ↗
研究内容与方法+
研究资料
任务定义 / 专业规范 / 参数与模板 / 工具环境
研究中的 AI
将检索、分析和工具调用串联为可检查的执行过程，比较不同方法的效果、稳定性和失败条件
研究判断与复核
我们的研究团队与领域专家确定评价标准，复核工具输出，分析失败原因并决定后续改进

INTOSYN AI LABS / TOOL-USE RESEARCH

从任务理解，
到工具执行

我们以工程任务检验 Agent 的工具使用能力，连接专业知识、绘图软件与执行记录，研究它如何规划步骤、生成结果并完成校核

参数化机械组件拆解示意，包含壳体、转子、轴承与法兰

任务与证据文献 · Python · 分子与组学分析 · 论文Python · Qiskit · QuTiP · 模拟与测量分析规划与评估AutoCADSOLIDWORKS工具与环境工具调用与验证
PARAMETRIC DESIGN / AGENT WORKFLOW STUDYEVIDENCE / AGENT WORKFLOW STUDY
AI Solution

接收设计要求与参数

任务定义 / 专业规范 / 参数与模板 / 工具环境

形成可复核的成果

可编辑图纸与模型 / 工具执行记录 / 验证结果

工程应用研究示意 · 保留任务依据、工具调用与校核记录，由研究人员和领域专家复核结果

继续滚动，查看 Agent 执行过程

INTOSYN AI LABS / RESEARCH IN PROGRESS

研究进展

查看五个在研项目的研究问题、方法与实验设计

查看全部在研项目 ↗
在研

CommitGate

模型切换与任务状态

研究问题与方法
在研

BITBUDGET

自适应搜索与验证信息

研究问题与方法
在研

RONDO

偏好反馈与局部贡献

研究问题与方法
在研

CryoMender

冷冻电镜模型修复

研究问题与方法
在研

ReproWorld

CAD 执行与因果错误定位

研究问题与方法

RESEARCH INFRASTRUCTURE & DEPLOYMENT

研究基础设施，
与应用部署

计算环境连接实验与应用，我们提供云端算力、私有化部署和本地设备支持，根据数据要求、工作负载与现有系统确定配置

联系实验室 ↗
从首页建筑提取的本地算力设备与机柜空间
INTOSYN / PRIVATE INFRASTRUCTURE

云端算力

为模型运行、计算实验与应用验证配置算力和软件环境

私有化部署

在约定的部署环境中接入知识、访问权限、业务系统与科研工具

算力卡与本地设备

结合现有设施规划计算设备、部署方式与运行维护

COMPUTE YOU CAN HOLD

从云端算力，
到您掌握的硬件

让 AI 运行在适合您的环境里，向下滚动，展开 INTOSYN 算力卡设计

INTOSYN GPUENCLOSURE STUDY

ON-PREMISES HARDWARE

硬件在本地，部署由您掌握

为需要自主管理计算环境的团队提供算力卡与本地部署方案，结合现有基础设施确定配置与服务范围

咨询硬件与部署 ↗

图示为外观与双芯结构概念设计，交付配置以实际方案为准

INTOSYN / LOCAL COMPUTE

BUILT FOR REVIEW

每一步可追溯，
关键决策由人掌握

按权限访问

按人员、项目与资料范围配置访问

保留原文依据

文件、版本和引用位置支持回查

记录处理过程

检索、生成、修改与审批过程可追踪

专业人员复核

重要判断与最终签署由授权人员完成

A CLOSER LOOK

方法与技术细节

展开查看应用示例、交互实验与系统设计

场景示例与验证方式

Case Library · 案例库

场景与验证记录

共 10 项应用示例，按当前材料标记为 6 项方案验证与 4 项演示，分别展示方法、适用条件与复核环节

★ 重点验证案例

C1方案已验证

可行性研究报告初稿

整理项目资料、检索适用规范与相似案例，辅助形成带来源的报告初稿，由专业人员核定数据、方法与结论

技术知识治理 · 检索增强 · Agent 多步编排
复核要求技术路线、数据核定与签字始终在人
C2方案已验证

规范与强制性条文检索

上百本国标、行标、地标外加地方补充规定，用自然语言提问，返回适用条文并附原文、规范名称、版本号、条号与强条标记

技术RAG · 版本识别 · 强条标注
原则结论与原始来源保持关联
C3方案已验证

出图前合规自查

出图前对着规范逐项过一遍，输出问题清单：哪一条可能不符合、依据是哪本规范哪句原文、建议怎么改，院内先清掉明显问题再送审

技术规则执行 + 人工复核
复核要求这是自查不是审查，签字仍是注册工程师责任
C4★方案已验证

专业模型训练与适配

整理领域语料、规范与任务数据，研究继续预训练、参数高效微调和偏好优化，并通过任务评测与版本管理检验适用性

技术继续预训练 · 微调 · 对齐 · 评测
复核要求不为企业从零训练基础大模型
C5★演示环境

方案变更影响推演

甲方提出调整地下车库层高，用明确的示例假设比较净高、规则阈值、成本估算和复核流程；真实项目需单独验证

技术行业 World Model · 状态转移 · 情景仿真
复核要求不预测现实世界，不自动决定企业未来
C6演示环境

原材料质保书智能审查

提取制造单位、材料牌号、炉批号、化学成分、力学性能、热处理与无损检测等参数，与技术协议及标准逐项比对，展示审核依据条目，人机双审后归档

技术标准库比对 + 人机双审 + 溯源归档
复核要求辅助审查，不自动判定合格与否
C7★方案已验证

零信任远程接入

不在防火墙上开对外端口，院内服务器主动向外拨出接到中转，外部终端接入同一中转完成握手，端到端加密，中转不持密钥

技术私有网络 + 权限矩阵 + 全程审计
复核要求除非已验证完全离线，不说「绝不出域」
C8演示环境

制度检索与审批留痕

同一个问题，不同部门、不同角色问出来，看到的答案范围不一样，权限不是一句承诺，是画面上可见的行为，超范围时直接提示并写入审计日志

技术权限治理 · 责任追溯
复核要求检索、生成、修改、审批、导出全部留痕
C9方案已验证

老项目归档与经验复用

整理历史项目的文件、决策记录与技术方案，通过语义检索关联相似任务，保留来源、版本和适用条件

技术知识治理 · 语义归档 · 相似项目召回
价值保留机构知识与决策依据
C10演示环境

决策评估

我们研究 Agent 如何在信息不完整、目标与约束并存的环境中选择行动，连接观察、推理、工具调用与反馈，分析决策依据、执行轨迹和失败模式

技术策略比较 · 轨迹分析 · 人工复核
复核要求我们的研究团队定义任务与边界，检查决策依据和执行行为，评估可靠性与可控性，并决定是否继续行动
交互演示：方案变更推演

Interactive · 有边界的行业世界模型

一个参数改下去，
会牵动什么

Working Definition

企业行业 World Model ＝ 业务本体与状态表示 ＋ 现实规则与约束 ＋ 从历史数据学习的状态转移／风险函数 ＋ 情景仿真与评估 ＋ 人工授权

拖动滑块，比较不同层高下的净高、示例规则冲突、成本与工期变化

下面是确定性规则演示，用于解释方案比较的过程，它没有接入项目资料、法规数据库或学习模型

设计变更 · 规则推演演示 示例
地下车库层高 BASE 3600mm 3400 mm
±0−100−200−300−400mm
梁高与管线占用 1200mm → 实际净高 2200mm 接近示例边界
规则冲突
0
低于演示设定的 2300mm 预留值
成本估算
-CNY 500,000
人民币示例估算，含土方节省与管线改造，不是报价
工期估算
+12 天
按每专业 4 天、阈值冲突另加 10 天演示
复核流程
内部复核
真实审批要求取决于项目、所在地规范与专业判断

命中的示例规则

层高变更触发结构复核演示假设
下调至少 150mm 时重新检查管线布置演示假设
净高低于 2300mm 示例预留值演示假设

候选方案

▲ 交互演示：阈值、成本和工期均为明确设定的假设，不是规范审查、模型预测或报价，点击仅在本页比较方案，不执行、不保存、不生成审计记录，真实项目需核验现行规范、适用地区和完整条件

技术能力与系统架构

Capability Stack · 能力模块

模型、工具与实验系统

根据项目资料、工作流程、访问权限与专业规则确定实施方案，配置所需的模型、检索服务和执行工具

01

私有边界

Private AI Core

大模型运行在客户控制的环境中，从算力、网络、身份认证，到日志、备份与版本回滚， 敏感数据留在授权边界内，外部连接由企业明确配置

  • 反向出站连接——由客户侧服务器主动建立出站连接，不在防火墙上开放对外服务端口
  • 中转链路不保管密钥——传输全程端到端加密，中转服务不持有业务数据解密所需的密钥
  • 按身份与项目授权——按人员、项目和数据范围实施最小权限控制，支持隔离、撤销与定期复核
  • 全流程审计——连接、检索、文件访问、配置变更与模型调用均保留可查询的审计记录
External Port Scan Secured

传统 VPN 开放

443/tcp  open  https
1194/udp open  openvpn
3389/tcp open  ms-wbt
22/tcp   open  ssh

4 PORTS EXPOSED

反向出站

—
—
—
—

0 PORTS EXPOSED

安全边界以架构设计与验证结果为准
02

模型工厂

Domain Model Factory

同一条规范在不同机构的解释口径、审查尺度与历史处理方式可能不同，其中相当一部分经验并未被结构化记录 通用模型无法直接获得这些机构专属的知识与判断标准，因此模型定制的重点，是建立可治理的企业知识与任务能力

  • 语料治理——完成清洗、去重、分级与脱敏，建立带权限标签的语料台账，作为模型定制的基础条件
  • 领域继续预训练 CPT——吸收领域术语、条文表述、行文体例与专业缩写，使模型具备稳定的领域语义理解能力
  • 任务微调 SFT / PEFT——按任务或专业域拆分适配器，支持独立评测、发布、更新与回滚
  • 偏好对齐与评测——基于历史审查意见与真实任务记录构造偏好数据，并建立可复核的离线与线上评测集
Model Registry · v2.4.1 Deployed
语料治理
1.8M 文档
CPT
4.2B tok
SFT / PEFT
3 适配器
偏好对齐
12.6K 对
评测
PASS
评测指标定制前定制后
要素提取准确率71.4%93.8%
引用完整性58.2%97.1%
漏检率18.6%4.2%
人工修改率62.0%21.5%

示意界面 · 指标口径为同类规模机构测算目标值，非承诺值

03

智能体工作流

Agentic Workflow

系统能力不止于问答，Agent 接收任务、识别文件、检索依据、调用工具、执行规则并生成结果， 同时将缺失信息、冲突与高风险事项移交人工，每一步都可追踪、复核并在必要时回滚

  • 依据原文可核验——输出关联条文原文，并标注规范名称、版本号、条款编号与适用标记
  • 无依据不进入交付范围——无法提供来源、版本或验证路径的功能，不作为已交付能力对外承诺
  • 显式标注冲突与缺失——对缺失信息、相互矛盾的条件和未覆盖情形进行标记，不强行生成确定结论
  • 风险分级与人工移交——高风险或低置信度事项进入人工复核，自动化边界在 Trace 记录中清晰可见
Agent Trace · Task #A-2291 Completed
  • 01INGEST · 甲方材料 47 份 → 分类打标OK
  • 02PARSE · 扫描件 OCR → 结构化要素提取OK
  • 03RETRIEVE · 现行规范比对（4 部国标 / 2 部地标）OK
  • 04RETRIEVE · 院内历史项目召回 top-5OK
  • 05TOOL · 调用造价估算接口OK
  • 06CONFLICT · 地勘数据与规划条件冲突转人工
  • 07MISSING · 甲方材料缺用地红线图转人工
  • 08GENERATE · 报告框架 + 章节要点 + 基础数据OK
04

业务世界模型

World Model

把业务中的对象、状态、约束、行动与结果，构造成有边界的行业 World Model 在法规、工程、运营与风险场景中，先推演不同方案的影响，再把可解释的依据交给决策者

  • 范围与状态空间明确——仅在已定义的业务边界与状态变量内进行模拟，不将有限模型外推为现实世界预测
  • 规则来源可追溯——强条、国标行标地标、地方补充规定、合同条款与内部惯例均保留来源和版本信息
  • 输出影响链与依据——沿合规、成本、进度、审批等维度展开影响路径，每条结论均关联依据和假设
  • 决策与执行权保留在人——系统记录方案、选择与理由，形成版本和审计记录，由专业人员作出最终判断
试用推演器 →
Bounded World Model Simulating
变更事件 实体状态 规则命中 强条冲突 需复核 人工审批
SIMULATE BEFORE EXECUTE
05

常驻智能体

Standing Agents

前面的模块主要服务于一次性任务闭环，对于以下工作，系统需要承担持续监测职责—— 管线碰撞、图纸版本一致性、规范符合性、名单与政策变更， 它们需要的是按规则持续运行的监测机制

完成巡检对象、规则集与通知策略配置后，Agent 可按预设周期运行： 持续扫描并仅报告增量变化，长期运行无需重复下达相同指令

  • 一次配置，持续运行——巡检范围、规则集、告警等级与接收人统一配置，并支持后续变更
  • 仅报告增量变化——同一问题不重复推送，仅在新增、消失或风险等级变化时触发通知
  • 告警附带依据——每条告警包含构件编号、命中规则、模型版本与扫描时间，便于复核
  • 持续监测，不替代决策——系统负责发现和提示，处置、修改与签署仍遵循人工审批流程
Standing Agent · 管线碰撞巡检 Running 14d 06h
  • 09:12扫描 B3 层机电模型 v2.7 · 1,284 构件完成
  • 09:14碰撞 3 处 · 风管 × 桥架 · 净距 < 50mm转人工
  • 11:40扫描 B2 层机电模型 v2.7 · 1,102 构件完成
  • 11:41无新增碰撞，2 处沿用上轮结论静默
  • 14:07检测到模型版本更新 v2.7 → v2.8重扫
  • 14:23全楼层重扫完成 · 原 3 处碰撞已消解完成
本轮新增告警 0 累计转人工 17 已复核 17 模拟数据 / 示意界面

Reference Architecture · 私有化部署架构

一张图，把边界画清楚

算力、网络、身份、存储、模型服务、知识库、Agent、监控与审计，边界必须清楚，这是我们进场前一定会先交付的东西

基础设施 INFRASTRUCTURE GPU 服务器集群 量化 · 推理优化 多模型调度 资源与并发管理 高可用运维 备份 · 监控 模型服务 MODEL SERVING 推理服务 专业模型适配 模型注册表 版本 · 回滚 评测看板 基线对比 知识治理 KNOWLEDGE 语料台账 清洗 · 分级 · 脱敏 权限标签 人员 · 角色 · 项目 可追溯引用 原文 · 版本 智能工作流 AGENTIC 接收与识别 分类 · 要素提取 检索与执行 依据 · 规则 · 工具 人工复核 交给人处理 业务世界模型 WORLD MODEL 状态图谱 实体 · 状态 · 约束 情景推演 变更 → 影响链 方案比选 依据 · 置信度 OA / 办公系统 合同 / 案件管理 项目管理系统 风控 / 审计系统 人工审批 · 批准 / 修改 / 退回 记录理由，生成新版本与审计条目
  • 零开放端口外部扫描探不到边界内任何服务
  • 反向出站院内服务器主动拨出到中转，中转不持密钥，端到端加密
  • 接口对接接入现有 OA、合同、项目与风控系统，不推翻原有信息化体系
  • 人在回路高风险与不确定事项转人工复核，判断与签字始终在人
能力范围与责任边界

Governance · 能力边界声明

能力边界与
公开口径

这不是营销话术，而是我们对产品能力、适用条件与责任边界的公开说明 我们只承诺能够验证、能够交付、能够被审计的部分；其余边界同样明确写出

能力领域
可公开说明的能力
明确边界与不作出的承诺
数据安全
可在客户授权的环境中部署；外部调用由企业显式配置；传输链路采用端到端加密，中转环节不持有密钥，具体边界以部署架构、网络策略与安全验证结果为准
不对所有部署模式统一宣称“绝不出域”；只有经验证的完全离线架构，才能作出不出域承诺
准确性
引用可追溯、版本可识别、评测可复核；高风险事项保留人工复核与最终决策
不承诺消除全部幻觉，不宣称百分之百准确，也不把模型输出等同于事实或专业结论
预训练
支持领域继续预训练、监督微调、参数高效微调、偏好对齐、蒸馏量化与评测，帮助客户形成可管理、可迭代的企业模型资产
不承诺为任何企业从零训练基础大模型；是否训练、训练到什么程度，取决于数据、算力、目标任务与验证结果
World Model
在清晰限定的业务范围内，基于企业规则、历史数据与显式假设模拟状态变化和方案影响，用于情景推演与决策验证
不宣称理解或预测整个真实世界，不替企业自动决定未来，也不把有边界的模拟结果包装成现实预测
Agent
在授权范围内调用工具、执行步骤、记录过程，并将不确定或高风险事项移交人工
不宣称无需监督即可处理全部业务，不绕过权限、审批和责任人，不以自动执行替代专业判断
持续学习
基于反馈更新知识、模型或流程；变更经过测试、审批、版本管理与回滚验证后进入下一阶段
不允许系统在生产环境中无审批、自主改变行为；不把持续更新等同于不受控的自我进化
合作与实施流程

从场景验证，到稳定应用

围绕一项具体任务明确目标，以实际结果评估效果、实施成本与扩展条件

  1. 明确场景与目标

    梳理现有流程、资料和工具，通过脱敏样本确认任务边界与评价标准

  2. 开发与试点验证

    以代表性任务验证结果质量、处理效率与复核机制，评估实施投入

  3. 部署与持续优化

    按数据与运维要求确定部署方式，接入现有流程，在稳定运行后逐步扩展

开始之前，您可能想了解

FAQ

开始之前，您可能想问

尚未确定技术方案，如何开始？

从希望改善的任务、现有流程和主要问题开始，我们共同评估 AI 的适用性，再确定技术路线与实施范围

是否需要先采购服务器？

不一定，可以先使用云端算力，也可以利用现有硬件，部署方式取决于任务、数据要求和预算

能否接入现有系统？

优先考虑接入现有系统，先评估接口和权限条件，再确定哪些步骤可以连接、哪些需要调整

如何评估项目价值？

事先约定结果质量、查找时间、处理量和复核工作量等指标，以试点结果评估收益与成本，再决定是否扩大范围

INTOSYN AI LABS / OPEN CONVERSATIONS

从一个研究问题，
展开新的探索

与我们交流研究问题、实验方法与应用构想，探讨值得深入验证的方向

联系实验室 ↗[email protected]
生物科研实验室概念图，包含洁净工作台、试剂架、分析仪器与科研显示屏研究空间概念

INTOSYN AI Labs / RESEARCH

探索智能前沿，推动原创研究

INTOSYN AI Labs 聚焦人工智能基础与交叉学科研究，以原创方法、系统实验与学术论文，推动可信、可控的智能发展

前沿课题研究

围绕基础模型、智能体、AI 安全与 AI for Science，探索具有学术价值的开放问题

原创方法与实验

从理论分析到算法实现，通过对照、消融与可复现实验，形成有证据支撑的研究成果

论文与学术交流

面向国际期刊与学术会议开展论文研究，在同行评议与学术交流中完善方法、分享发现

探索研究项目