近日，富通科技恒先人工智慧創新中心攜手Sapient Intelligence，基於其開源的 HRM-Text-1B 極輕量模型，完成客戶之聲VOC意圖識別模型的能力升級。在富通科技汽車行業核心業務場景驗證中，新模型在複雜意圖識別任務上整體準確率突破90%，在多意圖表達、語義模糊及行業術語識別等挑戰性場景中，表現出更優的穩定性與泛化能力。

更懂汽車行業的VOC模型：複雜場景理解再進階

在汽車行業數位化運營體系中，客戶之聲VOC已經成為連接用戶體驗與業務決策的重要入口。富通科技在汽車行業VOC領域已有超過8年的積累，能夠對語音、文本、圖像等多源非結構化資料進行統一接入與治理，並在此基礎上實現語義層面的結構化表達與業務化轉譯，支撐車企客戶從價值洞察到運營決策的全鏈路應用。

產品內置了多個行業AI模型，包括情感分析模型、觀點抽取模型、標籤分類模型、意圖識別模型等，以協同實現對客戶回饋的全方位理解，精准賦能車企從產品研發、行銷、銷售、售後、運營的全鏈路。

本次與 Sapient Intelligence 的聯合模型微調，在既有能力基礎上，重點強化了對多意圖交織、語義模糊表達、深層隱含信號等過去較具挑戰的複雜場景的理解精度。在多輪核心業務場景驗證中，該模型在複雜意圖任務上的整體準確率達到90%以上，相比原有模型在同類複雜場景下的表現實現顯著提升。

目前，升級後的模型已能夠嵌入富通科技VOC業務處理鏈路，持續提升非結構化客戶回饋向可決策資料轉化的品質與效率。模型輸出的結果可直接映射至業務流程與運營決策體系，支撐行銷、銷售、服務與產品等多場景應用。

技術路徑：開源極輕量模型 + 行業深度微調

本次升級基於 Sapient Intelligence 開源的 HRM-Text-1B 極輕量推理模型進行行業微調。

該模型由 Sapient Intelligence 於2026年5月19日正式開源，採用任務導向學習、潛在空間推理、分層迴圈架構三項創新技術。僅用約400億token（傳統模型通常需要數萬億token）和約一千美元完成預訓練，在MATH、DROP等推理榜單上表現超越參數量大2-7倍的傳統模型。模型參數量僅為10億，int4量化後僅0.6 GiB，可完全當地語系化部署，保障客戶資料不出域，滿足資料駐留與隱私合規要求。

富通科技將自有的汽車行業VOC標注資料與任務體系注入模型，通過面向行業場景的後訓練微調，使其從通用推理能力適配至多意圖識別、情緒+意圖聯合解析、風險信號抽取等複雜業務任務。無需依賴雲端大模型或巨額算力，即可在業務場景中實現可落地的、高精度的意圖識別能力。

持續深耕：讓高效AI輕量化落地垂直行業

作為富通科技AI創新與能力工程化的重要載體，恒先人工智慧創新中心將持續推動AI技術在公司產品體系中的落地與升級，不斷強化資料智慧、模型能力與行業應用之間的協同能力建設。

未來，富通科技將持續推動AI模型、行業知識與業務場景的深度融合，探索更加高效、輕量化、可落地的行業AI實踐路徑，讓AI能力真正進入業務流程、服務業務決策，並持續釋放資料價值與業務價值。