现已跨越数字化转型（DX），迈入人工智能转型（AX，AI Transformation）时代。然而，每家企业所拥有的数据安全规定、IT基础设施以及预算都千差万别。
VWAY不强加千篇一律的解决方案。我们为您提供最适合您环境的两种AI部署模型：“本地部署（On-Premise）”和“API集成（API Integration）”。无论您是优先考虑工程数据安全，还是优先考虑成本效益，VWAY都有完美的解答。
Type 1. 本地部署（On-Premise AI） “数据零泄露，专属于贵公司的特种AI”
这是专为视安全为生命的国防、汽车、半导体等行业打造的解决方案。在与外部网络完全隔离的内部服务器上，基于经过验证的开源LLM，构建客户专用的sLLM（小型语言模型）。
1. 核心技术：特定领域微调（Fine-tuning） 通用AI无法理解贵公司复杂的“需求规格说明书”或“遗留代码”。VWAY以性能经过验证的开源模型为基础，让其学习（Fine-tuning）客户的工程数据。借此，打造出在安全分析（Safety Analysis）、需求验证、测试用例生成、代码审查等特定目标上发挥专家级性能的AI。
2. 准确度提升：RAG（Retrieval-Augmented Generation，检索增强生成）系统 AI将虚假信息当作事实输出的“幻觉（Hallucination）”在工程领域是致命的。为解决此问题，我们引入了RAG架构。
工作原理： AI在生成回答之前，首先在企业内部技术文档库（Vector DB）中检索（Retrieve）作为依据的手册或规定，并以此为基础生成回答。
效果： 防止无根据的捏造，并提供如“根据参考文档第34页……”这样准确的出处。
参考技术： https://www.nvidia.com/en-us/glossary/retrieval-augmented-generation/
Type 2. API集成（API Integration AI） “现有资源最大化，最快速高效的功能扩展”
这是为企业内部已经部署或正在使用GPT-4、Azure OpenAI、Claude等高性能AI模型的企业准备的模型。无需构建新模型，只需将VWAY的“工程提示（Prompt）模块”与客户的AI通过API进行连接，即可立即实现功能。
1. 节约成本与高性能的完美结合 无需模型训练和服务器建设成本（CAPEX），直接利用现有的AI基础设施。VWAY以API形式提供最优的提示工程（Prompt Engineering）和逻辑，能够最好地执行客户的需求（SRS验证、自动化测试等）。
2. 速度及效率优化技术：语义缓存（Semantic Caching） 为了大幅减少API集成模式的缺点——“响应延迟（Latency）”和“Token成本”，我们应用了语义缓存（Semantic Caching）技术。
技术介绍： 将用户的提问转换为向量（Vector）并存储起来。如果收到“请根据ISO 26262进行ASIL等级分类”的提问，且过去有过类似（Semantic）的问答，系统将绕过AI，直接从缓存内存中返回答案。
效果： 回答速度飞跃提升，并大幅节省不必要的API调用成本。
参考技术： https://learn.microsoft.com/en-us/azure/ai-foundry/openai/concepts/prompt-engineering?view=foundry-classic
联系我们： https://www.vwaycorp.com/visualpro_ai
现已跨越数字化转型（DX），迈入人工智能转型（AX，AI Transformation）时代。然而，每家企业所拥有的数据安全规定、IT基础设施以及预算都千差万别。
VWAY不强加千篇一律的解决方案。我们为您提供最适合您环境的两种AI部署模型：“本地部署（On-Premise）”和“API集成（API Integration）”。无论您是优先考虑工程数据安全，还是优先考虑成本效益，VWAY都有完美的解答。
Type 1. 本地部署（On-Premise AI） “数据零泄露，专属于贵公司的特种AI”
这是专为视安全为生命的国防、汽车、半导体等行业打造的解决方案。在与外部网络完全隔离的内部服务器上，基于经过验证的开源LLM，构建客户专用的sLLM（小型语言模型）。
1. 核心技术：特定领域微调（Fine-tuning） 通用AI无法理解贵公司复杂的“需求规格说明书”或“遗留代码”。VWAY以性能经过验证的开源模型为基础，让其学习（Fine-tuning）客户的工程数据。借此，打造出在安全分析（Safety Analysis）、需求验证、测试用例生成、代码审查等特定目标上发挥专家级性能的AI。
2. 准确度提升：RAG（Retrieval-Augmented Generation，检索增强生成）系统 AI将虚假信息当作事实输出的“幻觉（Hallucination）”在工程领域是致命的。为解决此问题，我们引入了RAG架构。
工作原理： AI在生成回答之前，首先在企业内部技术文档库（Vector DB）中检索（Retrieve）作为依据的手册或规定，并以此为基础生成回答。
效果： 防止无根据的捏造，并提供如“根据参考文档第34页……”这样准确的出处。
参考技术： https://www.nvidia.com/en-us/glossary/retrieval-augmented-generation/
Type 2. API集成（API Integration AI） “现有资源最大化，最快速高效的功能扩展”
这是为企业内部已经部署或正在使用GPT-4、Azure OpenAI、Claude等高性能AI模型的企业准备的模型。无需构建新模型，只需将VWAY的“工程提示（Prompt）模块”与客户的AI通过API进行连接，即可立即实现功能。
1. 节约成本与高性能的完美结合 无需模型训练和服务器建设成本（CAPEX），直接利用现有的AI基础设施。VWAY以API形式提供最优的提示工程（Prompt Engineering）和逻辑，能够最好地执行客户的需求（SRS验证、自动化测试等）。
2. 速度及效率优化技术：语义缓存（Semantic Caching） 为了大幅减少API集成模式的缺点——“响应延迟（Latency）”和“Token成本”，我们应用了语义缓存（Semantic Caching）技术。
技术介绍： 将用户的提问转换为向量（Vector）并存储起来。如果收到“请根据ISO 26262进行ASIL等级分类”的提问，且过去有过类似（Semantic）的问答，系统将绕过AI，直接从缓存内存中返回答案。
效果： 回答速度飞跃提升，并大幅节省不必要的API调用成本。
参考技术： https://learn.microsoft.com/en-us/azure/ai-foundry/openai/concepts/prompt-engineering?view=foundry-classic
联系我们： https://www.vwaycorp.com/visualpro_ai