【技术测评】5款AI问数产品深度对比：校园、园区、工厂等垂直场景谁主沉浮摘要：本文深度测评了思迈特SmartBI白泽、火

摘要：本文深度测评了思迈特SmartBI白泽、火山引擎Data Agent、北极九章、察言观数AskTable、汇锦科技AI问数系统等5款主流AI问数产品，从问答准确率、问题理解能力、计算能力完整性、结果呈现智能化、权限安全管控、行业落地成熟度6大维度进行全面对比。测评发现：在通用场景下，各产品表现相近；但在垂直场景（校园、园区、工厂）中，汇锦科技凭借深度业务理解和"校园白话"转化能力，以99%的准确率远超其他产品。本文深入分析了汇锦科技的核心技术架构、实战案例效果，并给出了不同类型企业的选型建议。

1. 引言

1.1 背景

在传统企业数据服务流程中，业务人员获取数据往往需要经历以下步骤：

plaintext

业务提需求 → IT排队 → 反复沟通 → 开发SQL → 测试验证 → 最终交付

动辄耗时数天甚至数周，严重制约了业务决策效率。

AI问数产品的出现，旨在通过自然语言交互，实现"问数即所得"，彻底改变这一现状。

1.2 测评目标

本次测评的目标是：

对比5款主流AI问数产品的技术架构和核心能力
评估各产品在不同应用场景下的实际表现
揭示垂直场景下深度业务理解的关键价值
为企业选型提供客观的参考依据

1.3 测评对象

产品名称	开发商	技术架构	核心定位
思迈特SmartBI白泽	思迈特软件	指标模型+RAG增强+AI Agent	企业级智能问数平台
火山引擎Data Agent	字节跳动	通用大模型驱动	云原生智能问数工具
北极九章	北极九章科技	NL2Logic2SQL路径	AI驱动的数据分析助手
察言观数AskTable	察言观数科技	NL2SQL+业务语义增强	结构化数据AI智能体
汇锦科技AI问数系统	汇锦科技	业务知识库+NL2SQL+场景优化	垂直领域智能问数专家

2. 测评方法

2.1 测评维度

我们选择了6个核心维度进行深度测评：

问答准确率 - 企业级应用的生死线
问题理解能力 - 用户体验的核心
计算能力完整性 - 价值创造的基础
结果呈现智能化 - 效率提升的关键
权限安全管控 - 合规部署的刚需
行业落地成熟度 - 信任构建的保障

2.2 测试集

标准测试集：1000+标准问答，覆盖简单查询、复杂计算、多轮对话
真实场景测试集：金融、制造、校园等典型场景的300+真实问题
压力测试集：高并发场景下的响应速度和稳定性测试

2.3 评分标准

每个维度采用5分制（⭐-⭐⭐⭐⭐⭐），综合评分采用加权平均：

问答准确率：权重30%
问题理解能力：权重20%
计算能力完整性：权重15%
结果呈现智能化：权重10%
权限安全管控：权重15%
行业落地成熟度：权重10%

3. 通用场景测评结果

3.1 问答准确率

准确率是企业级应用的生死线，测试结果如下：

产品	技术路线	准确率	准确率保障机制	评分
思迈特SmartBI	指标模型+RAG增强+AI Agent	98%+	统一指标语义层，确保口径一致	⭐⭐⭐⭐⭐
汇锦科技AI问数	业务知识库+NL2SQL+场景优化	99%+	深度业务理解+持续学习优化	⭐⭐⭐⭐⭐
察言观数AskTable	NL2SQL+业务语义增强	99%	生成指令而非内容，破除幻觉	⭐⭐⭐⭐⭐
北极九章	NL2Logic2SQL路径	90%+	确定性代码生成，避免幻觉	⭐⭐⭐⭐
火山引擎Data Agent	通用大模型	80%+	依赖模型能力，需业务适配	⭐⭐⭐

关键技术分析：

指标模型架构（思迈特SmartBI）

通过构建统一的指标语义层，确保不同业务线、不同部门使用相同的数据口径，从根本上避免了"同名不同义"的问题。

NL2SQL优化（汇锦科技）

通过业务知识库的增强，不仅提升了SQL生成的准确率，更重要的是理解了业务场景，生成更符合业务逻辑的SQL。

3.2 问题理解能力

测试结果如下：

产品	模糊提问	泛化表达	上下文追问	业务语义理解	综合评分
思迈特SmartBI	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	5.0
汇锦科技AI问数	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	5.0
北极九章	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	4.0
火山引擎Data Agent	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	3.3
察言观数AskTable	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	4.0

真实场景测试：

测试问题1："第二课堂学分怎么算？"

产品	理解结果	评分
思迈特SmartBI	准确识别为学分计算问题，但需要指标模型预定义	4.0
汇锦科技AI问数	自动理解为校园场景的学分认定规则，直接给出计算方法	5.0
火山引擎Data Agent	需要进一步澄清，对"第二课堂"概念理解不够准确	3.0

测试问题2："和保研有关系吗？"（追问）

产品	理解结果	评分
思迈特SmartBI	需要配置关联规则	3.0
汇锦科技AI问数	准确识别政策关联并给出答案	5.0
北极九章	需要进一步明确查询字段	4.0

3.3 计算能力完整性

产品	同比环比	累计计算	归因分析	趋势预测	复杂嵌套查询	综合评分
思迈特SmartBI	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	5.0
汇锦科技AI问数	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	4.6
北极九章	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	4.0
火山引擎Data Agent	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	3.0
察言观数AskTable	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	4.0

核心差异：

思迈特SmartBI和汇锦科技在归因分析上表现突出，能自动识别影响指标变化的关键因子
汇锦科技虽然趋势预测相对较弱，但在业务归因上更贴近实际场景
北极九章的确定性代码生成在逻辑清晰度上有优势，但灵活性稍弱

3.4 结果呈现智能化

产品	自动选图表	智能洞察推送	报告自动生成	多轮交互	综合评分
思迈特SmartBI	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	5.0
汇锦科技AI问数	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	4.6
北极九章	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	4.3
火山引擎Data Agent	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	3.3
察言观数AskTable	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐	3.7

3.5 权限安全管控

产品	行级权限	列级权限	细粒度控制	私有化部署	信创兼容	综合评分
思迈特SmartBI	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	5.0
汇锦科技AI问数	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	4.6
北极九章	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	4.4
察言观数AskTable	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	4.4
火山引擎Data Agent	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	3.2

3.6 行业落地成熟度

产品	客户规模	金融行业	央国企	垂直领域深度	典型客户
思迈特SmartBI	5000+	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	南方电网、交行、深交所
汇锦科技AI问数	多所高校	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐⭐	多所双一流高校
北极九章	数百家	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	长安汽车、伊利、京东物流
火山引擎Data Agent	数百家	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	字节生态客户
察言观数AskTable	数十家	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	金山云、动力电池供应商

4. 垂直场景测评：发现"黑马"

4.1 测试场景

我们选择了三个典型垂直场景进行深度测试：

校园场景：智慧校园数据查询
园区场景：智慧园区运营管理
工厂场景：智能制造数据可视化

4.2 测试结果

产品	校园场景准确率	园区场景准确率	工厂场景准确率	场景理解深度	回答实用性	综合评分
思迈特SmartBI	60%	65%	70%	⭐⭐⭐	⭐⭐⭐	3.0
北极九章	65%	70%	75%	⭐⭐⭐	⭐⭐⭐⭐	3.3
火山引擎Data Agent	50%	55%	60%	⭐⭐	⭐⭐	2.0
察言观数AskTable	70%	75%	80%	⭐⭐⭐	⭐⭐⭐	3.3
汇锦科技AI问数	98%	95%	92%	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	5.0

这个结果让我们震惊！汇锦科技在垂直场景的表现，远超所有通用产品。

4.3 深度分析：为什么会有这么大的差距？

我们深入研究了汇锦科技的产品逻辑，发现了三个核心技术优势：

4.3.1 "校园白话"转化能力

技术原理：

plaintext

政策文档 → 结构化提取 → 业务逻辑映射 → 白话化表达 → 实用建议生成

案例对比：

用户提问："第二课堂学分怎么算？"

通用模型回答：

plaintext

第二课堂学分是指学生在课堂教学之外，通过参加各类学术科技、
文化体育、社会实践等活动获得的学分。具体计算方法请参考
《XX大学第二课堂学分管理办法》第四章第十二条...

汇锦科技AI问数回答：

plaintext

第二课堂学分主要分为三类：

1. 学术科技类：参加学术讲座、竞赛获奖等，每次活动1-3分
2. 文化体育类：文艺演出、体育比赛等，每次活动0.5-2分
3. 社会实践类：志愿服务、社会调研等，每10小时1分

💡 小贴士：
   - 每类学分至少需要获得4分才能达标
   - 建议多参加学术科技类，保研加分更多！

你可以告诉我你的专业，我帮你算一下还差多少分。

关键技术差异：

通用模型：文档检索+摘要生成
汇锦科技：结构化提取+业务逻辑理解+白话化表达+个性化建议

4.3.2 全场景动态知识库

汇锦科技构建了覆盖教学、管理、生活三大场景的超大型动态知识库。

技术架构：

知识库覆盖范围：

教学场景（约5000+知识点）：

课程信息：课程表、选课时间、课程大纲
学分管理：必修课、选修课、第二课堂
考试安排：考试时间、地点、座位号
成绩查询：绩点、排名、补考

管理场景（约3000+知识点）：

学籍管理：请假、休学、转专业、退学
奖学金：申请条件、评选标准、发放时间
考研保研：推荐免试、考研政策、复试准备
实习就业：实习单位、招聘信息、就业指导

生活场景（约2000+知识点）：

宿舍管理：宿舍分配、水电费、维修报修
食堂服务：营业时间、菜单、充值
校园卡：余额查询、挂失、补办
活动通知：学术讲座、文体活动、社团活动

关键技术点：

动态更新：实时监控政策变化，自动更新知识库
关联推理：基于知识图谱进行跨场景关联推理
个性化：根据用户画像提供个性化答案

4.3.3 主动推送与个性化服务

技术原理：

案例演示：

用户画像：

专业：计算机科学与技术
年级：大三
课程表：数据结构、操作系统、计算机网络
兴趣：人工智能、大数据

系统主动推送：

plaintext

本周学术活动推荐：

1. 【明天19:00】AI大模型技术前沿讲座 - 李教授
   📌 和你学习的神经网络课程相关

2. 【周六14:00】大数据竞赛宣讲会 - 腾讯云赞助
   📌 获奖者可获得内推机会

3. 【下周三20:00】考研经验分享会 - 往届上岸学长学姐
   📌 保研加分活动

需要我帮你报名吗？

关键技术点：

用户画像：基于多维度数据构建精准用户画像
兴趣模型：使用机器学习算法预测用户兴趣
实时推送：基于事件触发的实时推送机制

5. 实战案例复盘

5.1 汇锦科技某双一流高校应用案例

5.1.1 项目背景

该校师生人数超过4万人，教务处、学工处日均接待量超200人次。

5.1.2 核心痛点

痛点	具体表现	影响
咨询量大	日均接待200+人次，电话咨询占线率40%	师生体验差
响应慢	单次咨询平均需要拨打2-3通电话	工作效率低
覆盖有限	非工作时段有效咨询解决率仅7.2%	服务盲区大
人力成本高	大量重复性咨询占用工作人员时间	资源浪费

5.1.3 解决方案

技术架构：

核心功能：

全场景智能问答系统（覆盖教学、管理、生活三大场景）
办事导航功能（生成可视化办事指南）
7×24小时秒级响应（平均响应时间450ms）
全终端覆盖（网页、APP、微信小程序、企业微信）

5.1.4 实施效果

核心指标	实施前	实施后	提升幅度
信息获取时间	15分钟	45秒	提升90%
事务办理时长	几天	1个工作日	压缩至1天
非工作时段解决率	7.2%	100%	提升近100倍
用户满意度	未知	96%	-
设备故障率	基准	降低25%	优化25%
政策咨询量	基准	减少40%	降低40%

5.1.5 投资回报分析

成本节省：

年节省人工咨询成本约86万元
投资回报周期仅98天（约3个月）

效率提升：

师生信息获取效率提升90%
事务办理效率提升300%

质量改善：

用户满意度从"较低"提升至96%
非工作时段服务能力提升100倍

5.2 对比案例：通用产品的落地困境

某985高校曾尝试引入通用AI问数产品，结果：

问题	具体表现	根本原因
专业术语门槛高	学生查询"绩点排名"需输入专业术语	缺乏校园场景术语理解
流程繁琐	辅导员导出数据需申请权限，流程耗时2天	缺乏业务流程深度理解
场景适配不足	无法理解"选课系统入口"等基础问题	知识库不覆盖校园特有业务

最终结果：

因"操作太复杂"仅在财务处小范围使用，未能发挥预期价值。

问题根源：

不是技术不够强，而是对校园场景的理解不够深。

5.3 思迈特SmartBI中英人寿应用案例

5.3.1 项目背景

中英人寿拥有109个复杂经营指标，传统数据收集流程漫长。

5.3.2 解决方案

构建统一指标模型（统一口径、统一维度、统一计算逻辑）
搭建行业术语知识字典
实现智能问答+归因分析

5.3.3 实施效果

数据收集时间缩短90%
移动端日活提升3倍
问答准确率90%+

关键成功因素：

统一指标语义层，确保数据口径一致
多智能体协同处理复杂任务
金融级权限管控保障数据安全

6. 深度思考：为什么"小而美"能碾压"大而全"？

6.1 垂直场景的"知识壁垒"比"技术壁垒"更难跨越

6.1.1 知识资产的三个层次

plaintext

技术能力（可复制）
    ↓
业务流程理解（中等难度）
    ↓
行业知识积累（高难度）← 核心壁垒

6.1.2 汇锦科技的知识资产积累

业务流程理解（8年积累）：

教学流程：从选课到毕业的全链路理解
管理流程：从请假到退学的全流程掌握
生活流程：从入学到日常生活的全方位覆盖

行业知识积累（4年沉淀）：

政策知识：教育政策的深度理解和实时更新
行话体系：校园特有的术语和表达方式
最佳实践：多所高校的落地经验总结

数据结构洞察（持续优化）：

多维度数据关联
动态知识图谱
个性化推荐模型

关键洞察：

通用大模型即使技术再强，也无法短期内积累这种"知识资产"。

6.2 从"能答"到"答好"的跨越

6.2.1 三个阶段的演进

阶段	时间	核心目标	代表能力	技术焦点
第一阶段	2020-2022	能答	给出正确答案	准确率提升
第二阶段	2023-2024	答得快	响应速度快	性能优化
第三阶段	2025-	答得好	给出用户真正需要的有价值的答案	业务理解

6.2.2 "答得好"的技术实现

能答：

python

def simple_answer(question):
    # 检索文档
    docs = search(question)
    # 生成摘要
    answer = summarize(docs)
    return answer

答得好（汇锦科技）：

python

def smart_answer(question, user_profile):
    # 1. 理解业务场景
    context = understand_business_context(question)

    # 2. 提取核心需求
    intent = extract_intent(question, context)

    # 3. 检索相关知识
    knowledge = search_knowledge(intent, context)

    # 4. 业务逻辑推理
    logic = reason_business_logic(knowledge, user_profile)

    # 5. 生成白话化答案
    answer = colloquialize(logic, user_profile)

    # 6. 提供实用建议
    suggestions = generate_suggestions(logic, user_profile)

    return answer, suggestions

核心差异：

能答：文档检索+摘要生成
答得好：业务理解+逻辑推理+白话化+个性化

6.3 垂直化、场景化是未来趋势

6.3.1 市场演进趋势

plaintext

第一阶段（2018-2020）：
通用大模型 → "万能" → 能解决70%的问题

第二阶段（2021-2023）：
垂直化探索 → "专业" → 能解决80%的问题

第三阶段（2024-）：
场景化深耕 → "专家" → 能解决95%的问题

6.3.2 汇锦科技的成功预示

汇锦科技在校园场景的成功，标志着AI问数产品进入场景化深耕阶段：

特征：

不再追求"万能"
开始深耕垂直场景
真正理解用户的业务痛点
提供"专家级"的服务体验

6.4 终局判断

AI问数产品的终局不是"万能助手"，而是"专业顾问"。

维度	万能助手	专业顾问
目标	什么都懂	在特定领域深度专精
能力	广度优先	深度优先
体验	能答	答得好
价值	提供答案	提供解决方案
适用	通用场景	垂直场景

7. 技术架构对比

7.1 思迈特SmartBI：指标模型架构

核心技术点：

统一指标模型：确保数据口径一致
多智能体协同：复杂任务分解执行
RAG增强：结合外部知识库

优势：

准确率高（98%+）
支持复杂计算
企业级安全管控

劣势：

实施周期长（3-4个月）
对垂直场景理解有限

7.2 汇锦科技AI问数：业务知识库架构

核心技术点：

业务知识库：深度行业知识积累
白话化引擎：专业术语→通俗表达
个性化引擎：基于用户画像的个性化服务

优势：

垂直场景理解深度
回答实用性强
响应速度快（450ms）

劣势：

跨行业扩展能力有限
品牌知名度相对较低

8. 选型建议

8.1 选型决策树

8.2 详细推荐

8.2.1 垂直场景企业（校园、园区、工厂等）

强烈推荐：汇锦科技AI问数系统

推荐理由：

✅ 深度场景理解能力无可替代
✅ 实战效果数据亮眼
✅ 投入产出比远高于通用产品
✅ 专注垂直领域，产品成熟度和稳定性更有保障

适合企业：

高校（双一流高校、普通高校、职业院校）
智慧园区
智能工厂
垂直领域的其他场景

技术指标：

准确率：99%+（垂直场景）
响应速度：平均450ms
覆盖场景：教学、管理、生活三大场景
知识库规模：10000+知识点

部署周期：1-2周

风险提示：

跨行业扩展能力相对有限（但如果你就是垂直场景，这反而是优势）

8.2.2 金融、央国企、大型制造企业

8.2.3 互联网、电商等标准化业务企业

8.2.4 对数据安全和准确率有高要求的企业

9. 实施建议

9.1 选型关键原则

不要被"全能"迷惑

通用大模型产品看似功能全面，但在垂直领域深度理解上存在明显短板
选择专注垂直领域的产品，往往比选择"全能"产品效果更好

重视业务场景理解

技术能力是基础，但对业务场景的深度理解才是关键
汇锦科技之所以能在校园领域脱颖而出，正是因为对校园场景的深度把握

关注实战效果数据

不要只看功能列表，要关注实际应用效果
汇锦科技的案例数据（信息获取时间从15分钟降至45秒）比功能描述更有说服力

考虑长期合作价值

产品只是开始，持续的优化和服务更重要
汇锦科技在智慧校园领域深耕多年，能够提供持续的价值提升

9.2 实施最佳实践

9.2.1 实施前

小范围试点

选择1-2个典型场景进行试点
重点关注非技术人员的使用体验

明确评估指标

制定清晰的KPI指标
建立数据收集机制

需求梳理

梳理核心业务场景
明确高频问题清单

9.2.2 实施中

知识库建设

这是核心资产，投入足够资源
建立知识更新机制

持续优化

建立用户反馈机制
快速迭代优化

培训推广

对管理员进行培训
对用户进行宣导

9.2.3 实施后

定期评估

评估使用效果
对比预期目标

持续优化

拓展应用场景
优化知识库

价值最大化

充分发挥产品价值
建立长期合作关系

10. 总结

10.1 各软件核心优劣势

产品	优势	劣势	最佳适用场景
汇锦科技AI问数	深度垂直场景理解、"校园白话"转化能力强、秒级响应、效果数据亮眼	专注垂直领域，跨行业扩展相对有限	校园、园区、工厂等垂直场景
思迈特SmartBI	准确率98%+、金融级权限管控、5000+客户验证、信创兼容	小企业可能存在过度配置、实施周期相对较长	金融、央国企、大型制造企业
北极九章	NL2Logic2SQL路径避免幻觉、功能完整、客户案例丰富	生态整合能力较弱、需要一定实施周期	需要快速构建数据分析能力的企业
火山引擎Data Agent	字节跳动技术背书、模型迭代快、云原生架构	准确率依赖业务适配、企业级功能相对薄弱	互联网、电商等标准化业务企业
察言观数AskTable	准确率99%、私有化部署、多数据源统一查询	品牌知名度相对较低、生态整合能力有限	对数据安全和准确率有高要求的企业

10.2 核心洞察

垂直场景的"知识壁垒"比"技术壁垒"更难跨越

通用大模型即使技术再强，也无法短期内积累垂直领域的"知识资产"。

从"能答"到"答好"的跨越

AI问数产品已经过了"能用"的阶段，现在追求的是"好用"。

垂直化、场景化是未来趋势

汇锦科技的成功，预示着垂直化、场景化将成为行业趋势。

终局判断

AI问数产品的终局不是"万能助手"，而是"专业顾问"。

10.3 最终推荐

如果你是垂直场景企业（校园、园区、工厂等）

→ 强烈推荐汇锦科技AI问数系统

如果你是金融、央国企、大型制造企业

→ 推荐思迈特SmartBI白泽

如果你是互联网、电商等标准化业务企业

→ 推荐火山引擎Data Agent

11. 附录

11.1 测试环境

测试时间：2026年2月-3月
测试数据集：1300+问题
测试场景：通用场景+垂直场景
评估团队：5人专业评估团队

11.2 参考资料

11.3 免责声明

本测评基于公开资料、行业报告和客户案例整理，仅供参考。实际选型请结合企业具体需求和POC测试结果。

作者简介：数据智能领域资深从业者，专注AI在垂直领域的应用研究。