ChatGPT主導的對話式AI的普及，迅速拉近了普通人與人工智能的距離，使人和數(shù)據(jù)結合、交互比以往任何時候都更緊密、順暢。

在商業(yè)上，大模型正在與企業(yè)應用迅速結合，重塑企業(yè)應用中人與數(shù)據(jù)的交互方式，這方面的應用不勝枚舉。如在自然語言處理領域，OpenAI的GPT-4模型已經(jīng)被用于各種任務，包括文本生成、問答和語言理解等。在計算機視覺領域，F(xiàn)acebook的DETR模型被廣泛用于圖像識別任務。

相對于通用大模型訓練難度大、投資大、運營成本高、對于特定領域的適用性不佳等問題，星環(huán)科技在行業(yè)首家全面布局行業(yè)（領域）大模型發(fā)展。在5月26日舉辦的向星力·未來數(shù)據(jù)技術峰會 （FDTC）上，星環(huán)科技行業(yè)大模型戰(zhàn)略布局全面亮相。

(資料圖片僅供參考)

星環(huán)科技創(chuàng)始人、CEO孫元浩表示，星環(huán)科技不僅可以為用戶提供大模型應用構建的全棧軟件工具，還基于自身在行業(yè)應用領域的積累，推出兩大行業(yè)大模型。

推出MLOps工具鏈，改造和優(yōu)化現(xiàn)有的通用大模型

在大語言模型快速發(fā)展的今天，大語言模型能夠更好地幫助計算機了解人類的意圖。但是企業(yè)在實際使用中會發(fā)現(xiàn)，由于通用大語言模型缺乏領域知識和知識推演能力，無法實際完成許多專業(yè)任務。

在通用大語言模型和企業(yè)應用之間，存在著巨大的差距，需要通過LLMOps工具鏈來改造和優(yōu)化現(xiàn)有的通用大模型，形成真正能夠在某個行業(yè)內專精的領域大模型，真正讓大語言模型技術更好地服務企業(yè)。

為了幫助企業(yè)用戶基于大模型構建未來應用，星環(huán)科技推出了大模型持續(xù)提升和開發(fā)工具Sophon LLMOps，實現(xiàn)領域大模型的訓練、上架和迭代。Sophon LLMOps服務于大模型開發(fā)者，幫助企業(yè)快捷地構建自己的行業(yè)大模型，通過大模型基礎設施，形成具備“新型人機交互”且“敏捷可持續(xù)迭代“的人工智能應用。

星環(huán)科技Sophon LLM-Ops的工具鏈優(yōu)勢體現(xiàn)在以下幾個方面：

首先，Sophon LLMOps擁有自己的樣本倉庫能力，覆蓋訓練數(shù)據(jù)開發(fā)、推理數(shù)據(jù)開發(fā)、數(shù)據(jù)維護等工作，對大語言模型涉及的原始數(shù)據(jù)、樣本數(shù)據(jù)、提示詞數(shù)據(jù)做清洗、探索、增強、評估和管理等。

第二，Sophon LLMOps具有模型運維管理能力。除了傳統(tǒng)MLOps的六大統(tǒng)一——統(tǒng)一納管、統(tǒng)一運維、統(tǒng)一應用、統(tǒng)一監(jiān)控、統(tǒng)一評估、統(tǒng)一解釋外，針對大語言模型的微調、持續(xù)提升、評估、對齊等提供從計算框架、工具到計算、存儲、通信的調度和優(yōu)化支持。

第三，Sophon LLMOps具有大語言模型和其他任務的編排、調度和上線能力。Sophon LLMOps提供Agent、Ops、DAG，結合星環(huán)科技的多款大數(shù)據(jù)、數(shù)據(jù)庫產品，如向量庫Hippo和分布式圖數(shù)據(jù)庫StellarDB等，將不同大語言模型、傳統(tǒng)機器學習、其他流程等編排成符合用戶實際領域和業(yè)務需求的任務，并為客戶提供服務。

星環(huán)科技Sophon LLMOps解決了客戶三個核心痛點：

首先，提供一站式工具鏈，幫助客戶完成“通用大語言模型” 的訓練、微調，得到滿足自身業(yè)務特點的領域大語言模型。

其次，幫助客戶將原型的大語言模型應用，成功地投入到實際生產中。

第三，幫助客戶運營在生產中應用的大語言模型，完成大模型的持續(xù)提升等。

向量數(shù)據(jù)庫與圖數(shù)據(jù)庫聯(lián)合構建大模型應用，讓每個人都擁有個性化的AI助理

孫元浩表示，數(shù)據(jù)處理從多模型向多模態(tài)轉型，從單一模態(tài)向多模態(tài)進化，企業(yè)數(shù)據(jù)分析進入了“新的次元”。

使用星環(huán)科技的向量數(shù)據(jù)庫和分布式圖數(shù)據(jù)庫，可以構建基于大模型的應用，讓每個人都擁有自己個性化的AI助理。星環(huán)科技推出了自研的向量數(shù)據(jù)庫Transwarp Hippo，拓展大語言模型時間和空間維度；星環(huán)科技打造面向圖智能、業(yè)務分析的多模型企業(yè)級分布式圖數(shù)據(jù)庫StellarDB 5.0，構建海量數(shù)據(jù)（603138）互聯(lián)智慧“星”圖。

數(shù)據(jù)庫經(jīng)歷了40多年的發(fā)展，依然生機勃勃。隨著人工智能（AI）的發(fā)展，非結構化數(shù)據(jù)應用日益增多，數(shù)據(jù)體量大、格式多、存儲方式多樣，對這些數(shù)據(jù)的處理，傳統(tǒng)數(shù)據(jù)顯然無能為力，從而誕生了一種新的數(shù)據(jù)庫——向量數(shù)據(jù)庫（vector databases）。

向量數(shù)據(jù)庫主要用于AI應用，如機器學習、自然語言處理、圖像識別等，并因為支持快速高效的數(shù)據(jù)存儲和檢索過程，而成為AI用例的理想選擇。

在此次的向星力·未來數(shù)據(jù)技術峰會 （FDTC）上，星環(huán)科技推出了自研的向量數(shù)據(jù)庫Transwarp Hippo。作為一款企業(yè)級云原生分布式向量數(shù)據(jù)庫，星環(huán)科技Hippo支持存儲、索引以及管理海量的向量式數(shù)據(jù)集，能夠高效地解決向量相似度檢索、高密度向量聚類等問題。

與開源的向量數(shù)據(jù)庫不同，Hippo具備高可用、高性能、易拓展等特點，支持多種向量搜索索引，支持數(shù)據(jù)分區(qū)分片、數(shù)據(jù)持久化、增量數(shù)據(jù)攝取、向量標量字段過濾混合查詢等功能，能很好地滿足企業(yè)針對海量向量數(shù)據(jù)的高實時性查詢、檢索、召回等場景。

大數(shù)據(jù)時代，應該如何解決海量圖數(shù)據(jù)的存儲、計算難題呢？星環(huán)科技打造面向圖智能、業(yè)務分析的多模型企業(yè)級分布式圖數(shù)據(jù)庫StellarDB 5.0。

在性能上，StellarDB 5.0一騎絕塵，實現(xiàn)了實時短查詢場景5倍提升，高并發(fā)上萬+QPS，近50種圖算法，平均8倍性能提升，多度關聯(lián)關系場景10倍提升，解決無限擴層問題。

同時StellarDB 5實現(xiàn)了圖算法可視化，帶來全面升級的數(shù)據(jù)可視化分析引擎KG Explorer 1.3，一款人人易用、面向業(yè)務、數(shù)據(jù)分析的可視化工具。

另外，StellarDB 5.0與星環(huán)科技自研的深度圖框架ZenGraph結合，基于圖數(shù)據(jù)庫的查詢計算能力，提供快速、準實時，甚至實時的特征查詢和計算；基于圖數(shù)據(jù)庫內置算法，提供多元的圖特征計算能力；基于圖數(shù)據(jù)庫存儲能力，提供高速數(shù)據(jù)寫會能力；針對不同業(yè)務場景支持多種深度圖嵌入算法模型，相比于傳統(tǒng)圖算法，能夠從圖中挖掘學習更多的特征知識，預測更精準。

利用向量數(shù)據(jù)庫和圖數(shù)據(jù)庫，可以構建特定領域的大模型應用。在大模型應用開發(fā)軟件棧中，知識圖譜、向量數(shù)據(jù)庫、模型倉庫和圖數(shù)據(jù)庫構成的知識語義層，與模型運行層、大語言模型、提示工程層、應用前端集成層協(xié)同，幫助用戶創(chuàng)建大模型應用，讓每個人都擁有自己的個性化AI助理。

其中，向量數(shù)據(jù)庫可用于應用的文本檢索，讓查詢更滿足人性化的需求；可以實現(xiàn)語音、圖像、視頻檢索，覆蓋如人臉識別、語音識別、視頻指紋等各類AI場景；實現(xiàn)個性化推薦，做到千人千面的個性化推薦效果。

而圖數(shù)據(jù)庫和知識圖譜聯(lián)合，與大模型可視化端到端構建工具一起，提供了知識抽取融合、知識建模、知識圖譜生成存儲、基于大模型的知識問答等閉環(huán)功能。客戶以知識圖譜作為大語言模型提示即可發(fā)起模型微調，以較低代價就可獲得行業(yè)的專屬大語言模型問答應用。

而向量數(shù)據(jù)庫、圖數(shù)據(jù)庫與大語言模型結合，可以構建業(yè)務域知識圖譜和業(yè)務系統(tǒng)的應用服務，進一步提高人機交互的效率，提供更靈活的組合業(yè)務服務，激發(fā)出更多更深入的業(yè)務場景AI應用。相較于通用大模型，結合向量數(shù)據(jù)庫、圖數(shù)據(jù)庫與知識圖譜所存儲的具體行業(yè)知識，領域大模型更精通特定行業(yè)的知識，具備高效的語料匹配能力和知識推理能力，能夠有效回答用戶的提問。

無涯金融量化投研大模型

針對量化投研領域特定的業(yè)務邏輯，星環(huán)科技通過預訓、提示、增強、推導范式的構建，實現(xiàn)Financial-Specific-LLM的訓練，推出了金融行業(yè)量化投研大模型無涯Infinity。星環(huán)科技基于大模型的事件驅動與深度圖引擎，實現(xiàn)對事件語義刻畫、定價因子挖掘、時序編碼、異構關系圖卷積傳播，進而構建包含事件沖擊、時序變化、截面聯(lián)動和決策博弈等多個維度的量化投研新范式。

星環(huán)科技無涯金融大模型，寓意學海無涯，既代表了投資領域終身學習的精神，也蘊含了大模型本身在參數(shù)架構方面持續(xù)迭代的內涵。可以說無涯是一款面向金融量化領域、超大規(guī)模參數(shù)量的生成式大語言模型。主要通過自監(jiān)督的增量訓練和有監(jiān)督的指令微調，使用星環(huán)科技高性能計算集群訓練而成。

首先，星環(huán)科技無涯使用上百萬的高質量的專業(yè)金融語料，涵蓋了研報、公告、政策、新聞等高質量的自然語言文本，作為基礎大模型的二次預訓練語料，使得無涯具備對包括基本面、技術面、消息面在內的金融通識領域準確的理解能力，滿足行業(yè)分析師的需求。

其次，星環(huán)科技無涯使用了上百類特定事件類型和20多萬事件實例，完成對大模型的指令微調，從而使得無涯能夠對齊專業(yè)研究員的分析推理能力，更加智能和可靠。

再次，在此基礎上，星環(huán)科技無涯構建了包括政策、輿情、ESG、風險、量價、產業(yè)鏈等六類大模型基礎因子集，所構建的復合因子體系滿足投資經(jīng)理的需求。

從應用上看，無涯金融大模型強化以下幾個能力：

第一，針對金融行業(yè)，擁有準確理解和合理分析的能力。無涯擅長處理金融量化領域的各類問題，諸如在政策和研報分析、新聞解讀、事件總結和演繹推理上都具備強大的理解和生成能力。

第二，實現(xiàn)事件復盤分析與推演，貫通宏觀行業(yè)和大類資產分析邏輯。能夠對股票、債券、基金、商品等各類市場事件進行全面的復盤、傳播和推演。

第三，構建六類大模型基礎因子集，支撐復合因子策略體系，能夠生成策略因子集合，構建立體的歸因解釋體系。

毫無疑問，星環(huán)科技長期深耕金融領域，服務大量金融行業(yè)客戶，積累了上百萬金融專業(yè)領域的語料；基于星環(huán)科技對圖數(shù)據(jù)庫、深度圖推理算法的技術，形成了大規(guī)模高質量的金融類事件訓練指令集。二者共同鑄就了星環(huán)科技開發(fā)金融領域大語言模型的堅實底座。

大數(shù)據(jù)分析大模型SoLar“求索”，數(shù)據(jù)庫查詢平民化

同樣在大數(shù)據(jù)領域探索、積累長達10年的星環(huán)科技，基于在SQL編輯器的多年積累，結合大語言模型，推出了星環(huán)科技大數(shù)據(jù)分析大模型SoLar求索。用戶可以通過自然語言，生成可成功執(zhí)行的SQL或Cypher，從而快速獲取查詢的結果，能夠快速降低用戶的使用門檻。

星環(huán)科技此次發(fā)布的SoLar求索，將作為數(shù)據(jù)查詢和分析的智能副手，為數(shù)據(jù)工程師、數(shù)據(jù)科學、業(yè)務人員等提供更好的使用體驗。這些非大數(shù)據(jù)分析的專業(yè)用戶，可以利用 SoLar求索，在不需要學習和掌握數(shù)據(jù)庫編程語言的前提下，可以使用自然語言自由地按需查詢數(shù)據(jù)。

星環(huán)科技的數(shù)據(jù)分析大模型SoLar求索包含多個數(shù)據(jù)分析大語言模型。本次展示的是自然語言進行數(shù)據(jù)分析（SQL類）的能力。用戶可以通過自然語言提問，從星環(huán)科技的大數(shù)據(jù)平臺上的多張數(shù)據(jù)表中查詢出所需結果，并快速做出相應數(shù)據(jù)分析和相應的分析結果展現(xiàn)。

相較于傳統(tǒng)方式，應用星環(huán)科技SoLar求索的好處包括：

首先，可以使用自然語言描述業(yè)務需求，方便對多張數(shù)據(jù)表進行關聯(lián)，并使用各種星環(huán)科技大數(shù)據(jù)分析平臺提供的函數(shù)進行分析計算，讓數(shù)據(jù)庫查詢平民化。

其次，可以使用自然語言描述涉及多種數(shù)據(jù)模型的復雜業(yè)務需求，借助星環(huán)科技大數(shù)據(jù)平臺特有的多模型技術，對不同模態(tài)如圖數(shù)據(jù)、文本數(shù)據(jù)、結構化數(shù)據(jù)等的數(shù)據(jù)進行關聯(lián)分析和展示。

同時，為了保障生產可用和避免大語言模型的“幻覺”問題，星環(huán)科技Solar求索還為客戶提供了交互式數(shù)據(jù)分析的方式，方便客戶利用數(shù)據(jù)表與表之間的ER圖（實體-聯(lián)系圖），指定想使用的數(shù)據(jù)庫/表，提供數(shù)據(jù)分析代碼的一步步解釋，從而生成可被追溯、可被理解、同時更準確的分析能力。

AI大模型時代，正在加速AI應用的普及化。星環(huán)科技一方面為為用戶提供大模型應用構建的軟件工具，同時基于自身在行業(yè)應用領域的積累，推出無涯金融大模型和大數(shù)據(jù)分析大模型SoLar求索兩大行業(yè)應用大模型，幫助用戶應對大模型時代的挑戰(zhàn)。

關鍵詞：