星环科技布局行业大模型，开启智能人机交互新时代

　　ChatGPT主导的对话式AI的普及，迅速拉近了普通人与人工智能的距离，使人和数据结合、交互比以往任何时候都更紧密、顺畅。

　　在商业上，大模型正在与企业应用迅速结合，重塑企业应用中人与数据的交互方式，这方面的应用不胜枚举。如在自然语言处理领域，OpenAI的GPT-4模型已经被用于各种任务，包括文本生成、问答和语言理解等。在计算机视觉领域，Facebook的DETR模型被广泛用于图像识别任务。

　　相对于通用大模型训练难度大、投资大、运营成本高、对于特定领域的适用性不佳等问题，星环科技在行业首家全面布局行业（领域）大模型发展。在5月26日举办的向星力·未来数据技术峰会 （FDTC）上，星环科技行业大模型战略布局全面亮相。

　　星环科技创始人、CEO孙元浩表示，星环科技不仅可以为用户提供大模型应用构建的全栈软件工具，还基于自身在行业应用领域的积累，推出两大行业大模型。

　　推出MLOps工具链，改造和优化现有的通用大模型

　　在大语言模型快速发展的今天，大语言模型能够更好地帮助计算机了解人类的意图。但是企业在实际使用中会发现，由于通用大语言模型缺乏领域知识和知识推演能力，无法实际完成许多专业任务。

　　在通用大语言模型和企业应用之间，存在着巨大的差距，需要通过LLMOps工具链来改造和优化现有的通用大模型，形成真正能够在某个行业内专精的领域大模型，真正让大语言模型技术更好地服务企业。

　　为了帮助企业用户基于大模型构建未来应用，星环科技推出了大模型持续提升和开发工具Sophon LLMOps，实现领域大模型的训练、上架和迭代。Sophon LLMOps服务于大模型开发者，帮助企业快捷地构建自己的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。

　　星环科技Sophon LLM-Ops的工具链优势体现在以下几个方面：

　　首先，Sophon LLMOps拥有自己的样本仓库能力，覆盖训练数据开发、推理数据开发、数据维护等工作，对大语言模型涉及的原始数据、样本数据、提示词数据做清洗、探索、增强、评估和管理等。

　　第二，Sophon LLMOps具有模型运维管理能力。除了传统MLOps的六大统一——统一纳管、统一运维、统一应用、统一监控、统一评估、统一解释外，针对大语言模型的微调、持续提升、评估、对齐等提供从计算框架、工具到计算、存储、通信的调度和优化支持。

　　第三，Sophon LLMOps具有大语言模型和其他任务的编排、调度和上线能力。Sophon LLMOps提供Agent、Ops、DAG，结合星环科技的多款大数据、数据库产品，如向量库Hippo和分布式图数据库StellarDB等，将不同大语言模型、传统机器学习、其他流程等编排成符合用户实际领域和业务需求的任务，并为客户提供服务。

　　星环科技Sophon LLMOps解决了客户三个核心痛点：

　　首先，提供一站式工具链，帮助客户完成“通用大语言模型” 的训练、微调，得到满足自身业务特点的领域大语言模型。

　　其次，帮助客户将原型的大语言模型应用，成功地投入到实际生产中。

　　第三，帮助客户运营在生产中应用的大语言模型，完成大模型的持续提升等。

　　向量数据库与图数据库联合构建大模型应用，让每个人都拥有个性化的AI助理

　　孙元浩表示，数据处理从多模型向多模态转型，融易新媒体，从单一模态向多模态进化，企业数据分析进入了“新的次元”。

　　使用星环科技的向量数据库和分布式图数据库，可以构建基于大模型的应用，让每个人都拥有自己个性化的AI助理。星环科技推出了自研的向量数据库Transwarp Hippo，拓展大语言模型时间和空间维度；星环科技打造面向图智能、业务分析的多模型企业级分布式图数据库StellarDB 5.0，构建海量数据互联智慧“星”图。

　　数据库经历了40多年的发展，依然生机勃勃。随着人工智能（AI）的发展，非结构化数据应用日益增多，数据体量大、格式多、存储方式多样，对这些数据的处理，传统数据显然无能为力，从而诞生了一种新的数据库——向量数据库（vector databases）。