2023 年 6 ⽉ ⼈⼈可⽤的开源数据可视化分析⼯具 数据可视化对企业的价值 DataEase 开源项⽬介绍 DataEase 模板市场 DataEase 企业版介绍 1 2 3 4 可视化 原始数据 数据价值 数据孤岛 管理混乱 缺失分析 全业务场景 ⽤户⾏为管理 数据驾驶舱 数据→信息→价值 可以为企业运营 带来直接收益 数据可视化对企业的价值 能够快速、⾼效地 能够快速、⾼效地 提供体验良好的数 据展现⼿段，通过 分析数据资产的质 量，助⼒企业做出 更加准确的业务策 略。 前端业务⼈员 数据管理⼈员 企业管理者 IT 建设⼈员 提供多种数据使⽤ 模式，提供更为丰 富、安全的数据管 理⼿段，有助于企 业内部进⾏更为⼴ 泛的数据整合与分 析，并由此创造数 据价值。 能够合理评估、规 范 和 洞 察 企 业 信 息，洞悉企业发展 趋 势 ， 在 有 效 管 理 IT 投资和降本 投资和降本 增效的同时，挖掘 和发挥数据资产的 价值，辅助企业制 定发展决策。 能够规范数据处理 的过程、保证数据 质量、提升 IT 系 统建设效率、快速 ⽀撑业务部⻔的运 营发展需要，有效 激发 IT 建设的创 新、体现 IT 信息 的价值。 数据可视化对不同⼈员的价值 数据可视化⼯具更加强调⼈性化，功能趋于“傻⽠”式，强调易⽤、稳定、开放，协作和⾃助，关注信息数 据的整合与展示，能够通过⾃

2022 年 12 ⽉ ⼈⼈可⽤的开源数据可视化分析⼯具 数据可视化对企业的价值 DataEase 开源项⽬介绍 DataEase 模板市场 DataEase 企业版介绍 1 2 3 4 可视化 原始数据 数据价值 数据孤岛 管理混乱 缺失分析 全业务场景 ⽤户⾏为管理 数据驾驶舱 数据→信息→价值 可以为企业运营 带来直接收益 数据可视化对企业的价值 能够快速、⾼效地 能够快速、⾼效地 提供体验良好的数 据展现⼿段，通过 分析数据资产的质 量，助⼒企业做出 更加准确的业务策 略。 前端业务⼈员 数据管理⼈员 企业管理者 IT 建设⼈员 提供多种数据使⽤ 模式，提供更为丰 富、安全的数据管 理⼿段，有助于企 业内部进⾏更为⼴ 泛的数据整合与分 析，并由此创造数 据价值。 能够合理评估、规 范 和 洞 察 企 业 信 息，洞悉企业发展 趋 势 ， 在 有 效 管 理 IT 投资和降本 投资和降本 增效的同时，挖掘 和发挥数据资产的 价值，辅助企业制 定发展决策。 能够规范数据处理 的过程、保证数据 质量、提升 IT 系 统建设效率、快速 ⽀撑业务部⻔的运 营发展需要，有效 激发 IT 建设的创 新、体现 IT 信息 的价值。 数据可视化对不同⼈员的价值 数据可视化⼯具更加强调⼈性化，功能趋于“傻⽠”式，强调易⽤、稳定、开放，协作和⾃助，关注信息数 据的整合与展示，能够通过⾃

2022 年 6 ⽉ ⼈⼈可⽤的开源数据可视化分析⼯具 数据可视化对企业的价值 DataEase 开源项⽬介绍 DataEase 模板市场 DataEase 企业版介绍 1 2 3 4 可视化 原始数据 数据价值 数据孤岛 管理混乱 缺失分析 全业务场景 ⽤户⾏为管理 数据驾驶舱 数据→信息→价值 可以为企业运营 带来直接收益 数据可视化对企业的价值 能够快速、⾼效地 能够快速、⾼效地 提供体验良好的数 据展现⼿段，通过 分析数据资产的质 量，助⼒企业做出 更加准确的业务策 略。 前端业务⼈员 数据管理⼈员 企业管理者 IT 建设⼈员 提供多种数据使⽤ 模式，提供更为丰 富、安全的数据管 理⼿段，有助于企 业内部进⾏更为⼴ 泛的数据整合与分 析，并由此创造数 据价值。 能够合理评估、规 范 和 洞 察 企 业 信 息，洞悉企业发展 趋 势 ， 在 有 效 管 理 IT 投资和降本 投资和降本 增效的同时，挖掘 和发挥数据资产的 价值，辅助企业制 定发展决策。 能够规范数据处理 的过程、保证数据 质量、提升 IT 系 统建设效率、快速 ⽀撑业务部⻔的运 营发展需要，有效 激发 IT 建设的创 新、体现 IT 信息 的价值。 数据可视化对不同⼈员的价值 数据可视化⼯具更加强调⼈性化，功能趋于“傻⽠”式，强调易⽤、稳定、开放，协作和⾃助，关注信息数 据的整合与展示，能够通过⾃

2023 年 04 ⽉ ⼈⼈可⽤的开源数据可视化分析⼯具 数据可视化对企业的价值 DataEase 开源项⽬介绍 DataEase 模板市场 DataEase 企业版介绍 1 2 3 4 可视化 原始数据 数据价值 数据孤岛 管理混乱 缺失分析 全业务场景 ⽤户⾏为管理 数据驾驶舱 数据→信息→价值 可以为企业运营 带来直接收益 数据可视化对企业的价值 能够快速、⾼效地 能够快速、⾼效地 提供体验良好的数 据展现⼿段，通过 分析数据资产的质 量，助⼒企业做出 更加准确的业务策 略。 前端业务⼈员 数据管理⼈员 企业管理者 IT 建设⼈员 提供多种数据使⽤ 模式，提供更为丰 富、安全的数据管 理⼿段，有助于企 业内部进⾏更为⼴ 泛的数据整合与分 析，并由此创造数 据价值。 能够合理评估、规 范 和 洞 察 企 业 信 息，洞悉企业发展 趋 势 ， 在 有 效 管 理 IT 投资和降本 投资和降本 增效的同时，挖掘 和发挥数据资产的 价值，辅助企业制 定发展决策。 能够规范数据处理 的过程、保证数据 质量、提升 IT 系 统建设效率、快速 ⽀撑业务部⻔的运 营发展需要，有效 激发 IT 建设的创 新、体现 IT 信息 的价值。 数据可视化对不同⼈员的价值 数据可视化⼯具更加强调⼈性化，功能趋于“傻⽠”式，强调易⽤、稳定、开放，协作和⾃助，关注信息数 据的整合与展示，能够通过⾃

可以帮助用户快速分析业务数据并洞察其趋势，为企业的业 务改进与优化提供支持。 人 人 可 用 的 开源数据可视化分析工具 DataEase 的使命 他们都在用 DataEase 累计安装下载约 10 万次，50+ 技术支持群，广受各行各业用户的喜爱 DataEase 功能架构 数据源 DataEase 支持近 20 种常见的数据源，更多数据源支持持续增加中… 核心概念 数据集 通过 通过对表的数据进行关联与处理，用户可自由组合形成自有数据集合，供后续进行业务分析与图表制作使用 核心概念 数据大屏 支持图层管理与大屏尺寸设置 灵活在大型显示器上实时展示各种数据指标和信息，以帮助用户监测业务状况、分析趋势和做出实时决策 大屏制作 大屏展示 核心概念 仪表板 支持元素自动挤压占位，方便用户快速编辑，同时支持设置移动端布局 通常偏向于静态或定期更新，适用于日常分析与制作各项业务数据报告等 各项业务数据报告等 PC 端 移动端 核心概念 连接数据 数据准备 可视化分析 数据源 1 数据源 2 数据源 3 数据源 4 组合及处理数据 数据集 1 数据集 2 数据集 3 数据集 4 仪表板创建与管理 数据大屏创建与管理 数据图表制作 数据实时分析 数据大屏展示 收藏导出分享 DataEase 工作流程 DataEase 支持丰富的数据源连接，能够有

可以帮助用户快速分析业务数据并洞察其趋势，为企业的业 务改进与优化提供支持。 人 人 可 用 的 开源数据可视化分析工具 DataEase 的使命 他们都在用 DataEase 累计安装下载约 10 万次，50+ 技术支持群，广受各行各业用户的喜爱 DataEase 功能架构 数据源 DataEase 支持近 20 种常见的数据源，更多数据源支持持续增加中… 核心概念 数据集 通过 通过对表的数据进行关联与处理，用户可自由组合形成自有数据集合，供后续进行业务分析与图表制作使用 核心概念 数据大屏 支持图层管理与大屏尺寸设置 灵活在大型显示器上实时展示各种数据指标和信息，以帮助用户监测业务状况、分析趋势和做出实时决策 大屏制作 大屏展示 核心概念 仪表板 支持元素自动挤压占位，方便用户快速编辑，同时支持设置移动端布局 通常偏向于静态或定期更新，适用于日常分析与制作各项业务数据报告等 各项业务数据报告等 PC 端 移动端 核心概念 连接数据 数据准备 可视化分析 数据源 1 数据源 2 数据源 3 数据源 4 组合及处理数据 数据集 1 数据集 2 数据集 3 数据集 4 仪表板创建与管理 数据大屏创建与管理 数据图表制作 数据实时分析 数据大屏展示 收藏导出分享 DataEase 工作流程 DataEase 支持丰富的数据源连接，能够有

LLM 技术报告 大语言模型（LLM） 技术作为人工智能领域的一项重要创 新在今年引起了广泛的关注。 LLM 是利用深度学习和大数据训练的人工智能系统，专门 设计来理解、生成和回应自然语言。这些模型通过分析大量 的文本数据来学习语言的结构和用法，从而能够执行各种语 言相关任务。以 GPT 系列为代表，LLM 以其在自然语言 处理领域的卓越表现，成为推动语言理解、生成和应用的引 擎。 LLM 基础设施、应用现状，以及相关的工具和平台。 2 / 32 LLM Tech Map  向量数据库  数据库向量支持  大模型框架、微调 (Fine Tuning)  大模型训练平台与工具 基础设施 LLM Agent  备案上线的中国大模型  知名大模型  知名大模型应用 大模型 算力 工具和平台  LLMOps  大模型聚合平台  开发工具 AI 编程  插件、IDE、终端  代码生成工具 代码生成工具 编程语言 3 / 32 LLM 技术背景 Transformer 架构和预训练与微调策略是 LLM 技术的核心，随着大规模语言数据集的可用性和计算能 力的提升，研究者们开始设计更大规模的神经网络，以提高对语言复杂性的理解。 GPT (Generative Pre-trained Transformer) 的提出标志着 LLM 技术的飞速发展，其预训练和微调的 方法为语言任务提

论，但它已经实实在在将 LLM 拉进了编程应用领域。 六、 LangChain 的出现，实现了 LLM 之间的链式交互，使多 个 LLM 模型串联工作，发挥各自的优势，并且可以将 LLM 模型与外部数据源进行连接，产生更强大的语言理解 和生成效果。这开启了 LLM 集成应用的新方向，并诞生了 一个新的细分领域“LLMOps”。 七、 “提示词工程”，这是 LLM 直接催生出来的新“学科”， 大模型、上海人工智能实验室的书生通用大模型、腾 讯的混元大模型、蚂蚁的百灵大模型等。 另一方面，除了大模型本身，中国在 LLM 相关技术领域也 快速迭代发展，诸如 Dify.AI 的 LLMOps、Milvus 的向量 数据库、CodeGeeX 与 Comate 的 AI 编程、对 LLM Prompt 的研究、OneFlow 的深度学习框架。 值得一提的还有华为的盘古大模型，其中盘古气象大模型是 首个精度超过传统数值预报方法的 Yi-34B 在 Hugging Face 英文测试榜单中位 列第一，在 C-Eval 中文能力排行榜中超越所有开源模型。 十一、 这一小节，通过一些数据来简要概述 2023 年的 LLM、 GenAI。根据金融数据和软件公司 PitchBook 的数据，从 截至 3 月 29 日追踪的 9 笔交易来看，生成式 AI 公司 的投前估值中位数已经飙升至 9000 万美元，高于 2022 年的 4250

安全风险方面。通过分析人工智能技术特性，以及在不同行业领域 应用场景，梳理人工智能技术本身，及其在应用过程中面临的各种安全风险 隐患。 2.2 技术应对措施方面。针对模型算法、训练数据、算力设施、产品服务、 应用场景，提出通过安全软件开发、数据质量提升、安全建设运维、测评监测 加固等技术手段提升人工智能产品及应用的安全性、公平性、可靠性、鲁棒性- 3 - 人工智能安全治理框架 的措施。 2.3 综合治 行逻 辑复杂，推理过程属黑灰盒模式，可能导致输出结果难以预测和确切归因，如 有异常难以快速修正和溯源追责。 （b）偏见、歧视风险。算法设计及训练过程中，个人偏见被有意、无意引入， 或者因训练数据集质量问题，导致算法设计目的、输出结果存在偏见或歧视， 甚至输出存在民族、宗教、国别、地域等歧视性内容。 （c）鲁棒性弱风险。由于深度神经网络存在非线性、大规模等特点，人 工智能易受复杂多变运 （f）对抗攻击风险。攻击者通过创建精心设计的对抗样本数据，隐蔽地 误导、影响，以至操纵人工智能模型，使其产生错误的输出，甚至造成运行瘫痪。 3.1.2 数据安全风险 （a）违规收集使用数据风险。人工智能训练数据的获取，以及提供服务 与用户交互过程中，存在未经同意收集、不当使用数据和个人信息的安全风险。 （b）训练数据含不当内容、被 “投毒” 风险。训练数据中含有虚假、偏见、 侵犯知识产权等违法有

们通常具备额外的技术，比如强化学习、神经符号推理、元学习等，来增强其推理和问题解决能力。 非推理大模型： 适用于大多数任务，非推理大模型一般侧重于语言生成、上下文理解和自然语言处理，而不强 调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像 推理模型那样复杂的推理和决策能力。 维度 推理模型 通用模型 优势领域 数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 全局视野 概率预测（快速反应模型，如ChatGPT 4o） 链式推理(慢速思考模型，如OpenAI o1) 性能表现 响应速度快，算力成本低 慢速思考，算力成本高 运算原理 基于概率预测，通过大量数据训练来快速预测可能 的答案 基于链式思维（Chain-of-Thought），逐步推理 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况，实时做出决策 创造力 通用模型适配策略 1. 决策需求 需权衡选项、评估风险、 选择最优解 目标 + 选项 + 评估标准 要求逻辑推演和量化分析 直接建议，依赖模型经验归纳 2. 分析需求 需深度理解数据/信息、 发现模式或因果关系 问题 + 数据/信息 + 分析 方法 触发因果链推导与假设验 证 表层总结或分类 3. 创造性需求 需生成新颖内容（文本/ 设计/方案） 主题 + 风格/约束 + 创新 方向