鈦媒體App 3月11日消息，李開復(fù)博士創(chuàng)立的零一萬物宣布，公司成功研發(fā)出基于全導(dǎo)航圖的新型向量數(shù)據(jù)庫 “笛卡爾（Descartes）”，并已包攬權(quán)威榜單ANN-Benchmarks 6項數(shù)據(jù)集評測第一名。
零一萬物表示，在國際權(quán)威評測平臺ANN-Benchmarks離線測試中，零一萬物笛卡爾向量數(shù)據(jù)庫比之前榜單上同業(yè)第一名有顯著性能提升，部分?jǐn)?shù)據(jù)集上的性能提升甚至超過2倍以上，在gist-960-euclidean數(shù)據(jù)集維度更大幅領(lǐng)先榜單原TOP1 286%。
零一萬物強調(diào)，笛卡爾向量數(shù)據(jù)庫將應(yīng)用于公司即將正式發(fā)布的 AI 產(chǎn)品中，未來還將結(jié)合工具提供給廣大開發(fā)者。
據(jù)悉，零一萬物（01.AI）成立于2023年5月16日，致力于打造全新的 AI 2.0 平臺與AI-first生產(chǎn)力應(yīng)用的全球化公司，由創(chuàng)新工場董事長兼CEO李開復(fù)博士親自掛帥，擔(dān)任零一萬物CEO。
2023年中關(guān)村論壇上，李開復(fù)就對鈦媒體App等表示，以GPT-4等大模型為代表的生成式 AI 熱度在全球蔓延，意味著AI 2.0時代已經(jīng)到來，它將帶來比移動互聯(lián)網(wǎng)時代大十倍的機(jī)會，穿透各行各業(yè)極大地提振生產(chǎn)力。“我們預(yù)測，全新的 AI 2.0平臺將能有效幫助提升人類生產(chǎn)力，創(chuàng)造巨大的經(jīng)濟(jì)價值及社會價值。”
2023年11月，零一萬物發(fā)布首款研發(fā)的最強開源 AI 大模型系列“Yi”，包括Yi-6B（數(shù)據(jù)參數(shù)量為60億）、Yi-34B（340億）兩款，均是雙語（英文/中文）、支持開源。
其中，Yi-34B模型在多項評測基準(zhǔn)中全球領(lǐng)跑，基于超強Infra下模型訓(xùn)練成本實測下降40%，模擬千億規(guī)模訓(xùn)練成本可下降多達(dá)50%，并以更小模型尺寸的基準(zhǔn)結(jié)果超過LLaMA2-34B/70B、Falcon-180B等大尺寸開源模型，以及百川智能（王小川創(chuàng)立）的Baichuan2-13B。
“隨著團(tuán)隊到位，2023年6、7月份開始寫第一行代碼，短短四個月做了非常自豪的產(chǎn)品。我們是‘不鳴則已，一鳴驚人’。所以‘一鳴驚人’之后，如果我們過半年甚至過一年回頭看，今天對我們來說只是剛剛開始，我們還會不斷的去開發(fā)、推動、宣布更多令人驚艷的成果。”李開復(fù)當(dāng)時表示。
此次公布的向量數(shù)據(jù)庫，又被稱為AI時代的信息檢索技術(shù)，是檢索增強生成（RAG）內(nèi)核技術(shù)之一。隨著大模型為代表的AI 2.0時代到來，圖片、視頻、自然語言等多模態(tài)的非結(jié)構(gòu)化數(shù)據(jù)量陡增。區(qū)別于傳統(tǒng)數(shù)據(jù)庫，向量數(shù)據(jù)庫專門用來存儲、管理、查詢和檢索向量化的非結(jié)構(gòu)化數(shù)據(jù)，而ChatGPT模型進(jìn)一步強化了向量數(shù)據(jù)庫的作用。
截至目前，Google、微軟、Met 等大廠的相關(guān)向量大模型產(chǎn)品先后問世，Zilliz、Pinecone、Weaviate、Qdrant等創(chuàng)業(yè)公司也異軍突起。2023年，OpenAI的向量數(shù)據(jù)庫合作方Pinecone完成了B輪1.38億美元融資，國內(nèi)初創(chuàng)企業(yè)Fabarta ArcNeural也完成了上億元Pre-A輪融資。
如今，李開復(fù)帶領(lǐng)的團(tuán)隊也自主研發(fā)出全新的向量數(shù)據(jù)庫。
具體來說，零一萬物笛卡爾主要聚焦于高性能向量數(shù)據(jù)庫，采用領(lǐng)先的全導(dǎo)航圖技術(shù)、首創(chuàng)自適應(yīng)鄰居選擇策略等新功能，以及采用了兩級量化方案增強RAG，在處理復(fù)雜查詢、提高檢索效率、優(yōu)化數(shù)據(jù)存儲方面相比業(yè)界擁有顯著的比較優(yōu)勢。另外，零一萬物還采用索引結(jié)構(gòu)優(yōu)化、連通性保障等全棧向量技術(shù)方案，從而提高笛卡爾向量數(shù)據(jù)庫的性能。
以電商推薦場景為例。上架商品數(shù)量可能千萬級，每個商品可以由一個向量表達(dá)，即使庫中向量數(shù)不算很大，如果電商用戶基數(shù)非常龐大，高峰時每秒用戶請求數(shù)非常大，可能達(dá)到幾十萬甚至上百萬的吞吐量QPS（每秒內(nèi)處理的請求數(shù)），使用高性能向量數(shù)據(jù)庫可以有效提升電商場景里面搜索、廣告業(yè)務(wù)的推薦效果，促進(jìn)銷售額增長。
零一萬物表示，笛卡爾擁有超高精度、超高性能兩個優(yōu)點：一、超高精度，基于多層縮略圖和坐標(biāo)系實現(xiàn)層間導(dǎo)航和圖上方位導(dǎo)航，以及圖連通性保障，實現(xiàn)精度大于99%，相同性能下，精度大幅領(lǐng)先業(yè)內(nèi)水平；二、超高性能，高效的邊選擇和裁剪技術(shù)，千萬數(shù)據(jù)庫ms（秒級）響應(yīng)。
該公司指出，在兩級量化降低計算復(fù)雜方面，相比傳統(tǒng)PQ查表，笛卡爾向量數(shù)據(jù)庫的性能得到大幅提升到2-3倍；目標(biāo)向量層面，笛卡爾讓RAG向量檢索性能提高15%-30%，從而幫助企業(yè)客戶構(gòu)建私域知識庫、智能客服系統(tǒng)；在自動駕駛領(lǐng)域，使用高性能向量數(shù)據(jù)庫可來加速自動駕駛模型訓(xùn)練等。
基準(zhǔn)測試層面，在glove-25-angular、glove-100-angular、sift-128-euclidean、nytimes-256-angular、fashion-mnist-784-euclidean、gist-960-euclidean六大數(shù)據(jù)集中，零一萬物笛卡爾向量數(shù)據(jù)庫在6項數(shù)據(jù)集評測中都處于最高位。
零一萬物強調(diào)，笛卡爾向量數(shù)據(jù)庫是團(tuán)隊基于RAG的初步嘗試，將在近期發(fā)布的AI生產(chǎn)力產(chǎn)品中得到有效應(yīng)用。未來各家大模型優(yōu)化到一定程度后，向量數(shù)據(jù)庫的能力可能決定各家大模型的天花板。零一萬物后續(xù)會持續(xù)專注研發(fā)和分享，為用戶帶來更好的技術(shù)和體驗。
“零一萬物的數(shù)據(jù)處理管線、算法研究、實驗平臺、GPU資源和 AI Infra 都已經(jīng)準(zhǔn)備好，我們的動作會越來越快”。李開復(fù)表示，零一萬物希望有更多的開發(fā)者使用Yi系列模型，打造自己場景中的“ChatGPT”，引領(lǐng)下一代前沿創(chuàng)新和商業(yè)模型，探索走向通用 AI 時代。
鈦媒體App了解到，零一萬物即將推出基于 AI 2.0 的超級應(yīng)用產(chǎn)品。
（本文首發(fā)鈦媒體App，作者｜林志佳）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機(jī)號后發(fā)表評論