今年初，AI大模型开启诸神之战，行业都在蹭热点发布AI大模型，媒体也跟进谈大模型。ChatGPT的火爆如同七年前的AlphaGo一样，AlphaGo并不意味着AI就只能下围棋，ChatGPT也不意味着AI只能聊天，它们的真实目标都是工程领域。近日，在上海资产管理协会秘书处、上海资产管理协会金融科技专业委员会联合主办的“上海资产管理协会首次会员专业技术沙龙”上，智能投研技术联盟（ITL）高级技术顾问、天云融创数据科技（北京）有限公司CEO雷涛在会上演示发布私域数据大模型Elpis，该模型具备专业领域知识，能准确回答问题。

　　天云数据私域大模型Elpis通过具备向量能力的数据库Hubble支撑了证监会全部法规（不含更新数据），并做迁移学习。

　　（天云数据-私域大模型（Elpis）窄场景闭环流程图）

     通过AI-PaaS平台采集相关数据，进行数据标注及数据处理，基于迁移学习对大语言模型进行微调，同时利用Hubble-vector的向量存储及查询能力，使模型语境更适用于当前私域数据场景，并且做到答案可精确溯源，最后通过模型管理进行服务的发布供用户使用。在生成时可以引用原有法条做准确严谨回答，对比通用大模型，更适合机构私有数据。

　　（以上为天云数据-私域大模型Elpis与ChatGPT的回答对比图）

　　其实，两年前OpenAI就发布了大模型，但发布应用以后并没有引起北美市场的关注。北美产业市场的反应和中国市场的反应有着天壤之别。国内热谈的ChatGPT，在北美产业内声音很平淡。但另一个值得关注的点是，北美硅谷的资本迅速开始热追向量数据库。我们来谈一谈其中的关键信息：

　　马斯克指责OpenAI不Open：OpenAI开放了ChatGDP应用，OpenAI没有开放的是什么？

　　OpenAI的创始人马斯克在Twitter上接连指责OpenAI违背了创立时的初心：“OpenAI最初是作为一家开源的非营利性公司而创建的，为了抗衡谷歌，这也是我把它命名为OpenAI的原因。但现在它已经成为一家闭源的营利性公司，由微软有效控制，这完全违背了我的本意。”

　　作为一个由OpenAI开发的AI模型， OpenAI提供了API，以让开发者在他们的应用程序中使用ChatGPT的能力，但是源代码并没有公开发布，就是基于私域数据迁移学习，基于人类反馈的强化学习。

　　OpenAI不Open。

　　关于ChatGDP北美与中国的关注差异：国内大谈大模型VS硅谷资本热追向量数据库

　　技术，应该抛弃表象看本质，才能解决根本。试问一下，ChatGPT的工程架构是如何搭建的，工程的核心在哪里？为什么在国内热追大模型时，北美资本热追的是向量数据库？

　　目前大模型主要基于的语料数据主要是非结构化数据，各种类型的文档、图片、音视频等训练出来多模态模型，对于训练模型本身，这些非结构化数据就需要预处理转化为向量数据。在应用端与ChatGPT 进行交互的时候，可以输入文字、图片等信息，首先需要处理的是输入进行向量化，然后进入模型，在底层还有海量历史海量数据进行向量计算，还涉及相似问题查询，相似问题最优答案推荐。诸如以上的向量化数据的存储，需要一个分布式向量数据库进行支撑，这是非结构化数据大模型场景工程化落地必然路径。

　　也就是ChatGPT只是我们看到的应用表象结果，向量数据库是北美市场看到的核心技术。

　　科技进步不能把能力构建在一个线上应用上，而要把能力应用在产业的原生动力上。仅仅做一个客服机器人，海阔天空泛泛而谈，不谈专业领域的知识，不能真正的推动行业进步。

　　主流的数据库必然要面向AI：向量数据库将在AI中发挥关键作用，那么AI原生数据库应该是什么样？

　　向量数据库在帮助大语言模型的应用方面发挥了重要作用，对AI有非常好的支撑。深度学习被认为是最有效的非结构数据处理方式之一，非结构数据经过深度学习模型的处理会被向量化，所以海量非结构数据的分析处理被转化为对海量向量的近似搜索。

　　大模型浪潮汹涌而至，向量数据库注定要掀起一波巨浪。但向量数据库厂商Zilliz在自己的官方账号中对向量数据库的2023做了8 个预测，第3点便是：向量数据库与传统数据库的进一步融合。

　　我们知道数据库的发展从关系型数据库到NoSQL再到NewSQL，所追求的是数据库操作的便捷性。但向量数据库并不支持SQL操作，这是他在使用上的一个门槛。以后主流的数据库必然要面向AI，面对数据的存储、计算、调度和解析四个层级，因此一定是AI原生数据库。

　　那么AI原生的数据库应该长什么样，应该面向什么样的需求提供服务？在SQL逻辑之上，怎么能够提供更为丰富的企业级数据服务？互联网带来了产销合一，越来越多的数据并不是面向宏观趋势的供给，做报表、管理驾驶舱、仪表盘，供给领导决策分析。个性化服务，淘宝推荐引擎、千人千面个性化结果，要跑的是贝业斯网络、是协同过滤算法，是这些算法在替代SQL的可视化服务。

　　所以怎么能够在同一个计算的库体上，面向机器学习的操作面向新兴的数据驱动业务的算法？AI内生数据库是一个必然要走的路径。尤其是应对产业互联网，第三波的机器数据生产，更多的物联网的机器生产、传感器，他的机器数据物理意义人理解越来越难，比如油压、温度、结蜡、工况都是一些科学属性。这些数据它很难用决策，因为它对人类来说需要更强的科学知识才能去理解。

　　AI原生数据库通过更多的逻辑计划丰富数据消费能力和形态，是面向服务的融合，通过将数据库智能化在AI计算的过程中降低门槛和成本，同时也可以充分地释放数据库的计算资源，进一步突破行业天花板，形成更大产业规模。