医疗数字化持续深化，临床诊疗、病历管理、医患沟通等全流程对高可靠、强逻辑、适配复杂环境的人工智能模型需求持续攀升。医疗诊室是大模型落地典型的实景应用场景，环境中存在多人群同步交流、背景杂音、多类型信息交织等复杂条件，对模型综合处理能力提出较高要求。立足真实产业场景需求，云知声推出新一代基座大模型U2，围绕任务执行打造全新技术体系，树立高效实用的大模型研发新标准。

立足真实业务场景，确立U2模型核心研发定位

云知声创始人&CEO黄伟将U2的核心定位概括为三点：不是更大，而是更会干活；不是生成更多Token，而是让Token更有价值；不是给出一次漂亮回答，而是端到端完成任务。通过提出“高智能密度”与“高价值Token”两大核心指标，云知声正试图重新定义通用大模型的效率与商业价值，它面向的不只是企业级应用，也包括个人用户、开发者和各类智能终端场景。

四大维度系统重构，以双高指标打造高效技术底座

U2在数据、架构、训练和执行框架四个维度进行了系统性重构：

首先是数据。模型训练从规模优先，转向信息密度优先。对面向Agent的模型而言，语料的关键不在于“量”，而在于其是否承载了行业逻辑与任务知识。U2在训练中大幅提升了代码、流程图、任务轨迹和真实业务数据的占比，过滤掉低质和娱乐化内容。在同等长度的文本中，操作流程、病历规则、系统日志所包含的可迁移能力，远高于泛化对话。叠加云知声在医疗、物联网等场景沉淀十余年的数据，U2模型在训练之初就贴近真实业务，而非受困于互联网语料的表层分布。

其次是架构。U2通过MoE机制降低“能力调用成本”。U2采用MoE架构，其知识密度更高，单次任务激活的参数量可低至总参数量的1/10甚至更少。在注意力机制上，U2引入并混合了线性注意力，进一步提升推理效率。通过精准的路由机制“训练”，模型能根据不同输入选择最合适的参数路径。

然后是训练。模型训练目标从“回答问题”，转向“完成任务”。通过循序渐进的“课程学习”，U2被逐步训练为一个合格的“执行者”：从简单任务到复杂任务，从短上下文到长链路，从单步调用到多步规划，通过逐步喂给大模型，来确保训练充分。

最后是执行框架。模型与Harness协同演进。U2在训练阶段就融入了执行环境，使其天然具备调用工具、管理状态和闭环完成任务的能力。通过模型与Harness的协同训练机制，U2将模型能力提升与Harness的迭代优化纳入同一闭环，模型能力的突破持续揭露Harness的新边界，更完善的Harness又为下一轮强化学习提供更高保真的奖励信号，进而反哺模型优化，实现两者的双向演进。

云知声U2通过底层技术革新，以可控算力实现稳定闭环任务执行，破解大模型“评测亮眼、落地困难”的行业共性难题，为医疗、政企、开发等领域AI规模化商用提供高效底座，推动行业发展重心从参数竞争转向真实生产力比拼。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj015

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com