产品 | 爱霏粒正式发布面向多模态大小模型的「向量数据库AIFOR VSearch V1.0」
爱霏粒Aiforia是一家专注认知智能技术创新，效率、创意与知识驱动的AI Agent产品公司，愿景是成为「最接地气的AI产品公司，做最感动人心的Agent产品」。
我们致力于在大模型为先的智能时代，将「高性能向量存储与检索」、「AI认知计算与决策智能」、「Agent云边融合操作系统」与「AI多模态交互」等多项独特AI技术，为机器智能构建「人」的全息数字化档案，面向空间智能、文化体训与心理咨询等三大应用领域，实现「人人轻松享有专属的专家服务」的未来愿景。
继十月份正式发布Agent操作系统「爱霏AIFOR V1.0」以来，爱霏粒Aiforia加快了AI Agent产品化的步伐。进入十二月，我们正式发布公司面向未来的第二个核心技术组件——面向多模态大小模型的「向量数据库AIFOR VSearch V1.0」。
同样的，公司清晰的产业链定位与产品战略，决定了「AIFOR VSearch V1.0」不对外独立销售，与Agent操作系统「爱霏AIFOR V1.0」等其他核心技术组件一样，被公司自有Agent产品集成来实现用户价值与商业变现。
我们将从以下四个方面说说面向多模态大小模型的「向量数据库AIFOR VSearch V1.0」是什么、为什么、做什么。
向量数据库背后的设计思想与方法论来源于两个学说：一个是概率论，一个是类脑学说。先说「概率论」，应该说，没有概率论以及概率论背后的思维革命，就没有数据驱动为核心特征的深度学习技术范式，更没有向量数据库这一回事。
从人类认知世界与改造世界的历史沿革来看，有两种主导思维革命的认知方法论：一是以牛顿方法论为核心的机械思维，二是以克劳修斯为核心的一种叫做熵的概率思维。
机械思维承认世界是确定的，有明确因果关系的，有了A必有B，因此世界的运行是精确可预测的；熵的概率思维，承认世界是不确定和无序的，强调用不确定性的眼光看待世界，有没有A不重要，有了B（结果与有效性）再反向寻找A（原因）。
能够通过因果关系找到答案固然最好，但这往往需要物质条件、天赋以及运气，比如牛顿定律的发现、青霉素的发明等。
但现实世界是高度不确定与复杂无序的，承认这种复杂性与不确定性，在大数据时代通过数据驱动的方法找到数据之间的强相关性，从而获得答案，往往比知道“原因”更有指导意义。这是一种新的世界观与思维方法。
其中结构化数据基于因果关系的机械思维，通过传统数据库的精准匹配获得正确的答案；而占比达80%而快速膨胀的非结构化数据蕴含着巨大的数据价值，如视频、音频、文本、图片等多媒体数据，我们有没有一种通用的计算方法与表现形式，将多样化的非结构化数据转化成通用的数据结构，从而挖掘出非结构化数据的核心价值？
这个通用的计算方法，就是以深度学习为代表的计算范式，通过模型对信息与知识完成高效压缩和总结；形成的通用的数据结构，我们称之为向量Embedding；基于概率思维寻找事物与事物的强相关性（所谓的答案），就可以通过通用数据结构的相似性计算与模糊匹配获得；而高效存储、检索与查询这类向量的数据库，我们称之为向量数据库。
因此所有现实世界的知识与信息表达，都可以转化为统一的向量Embedding来表示，而向量空间拥有非常好的数学性质，通过在向量空间计算向量之间的相似性或者距离，来获取两个看上去不相关抽象概念之间的相关性。
总之，数智时代的一切智能化问题，都可以转化为统一的向量表示在向量空间的相似性计算问题，从而获得不同抽象概念的相关性。通过相关性计算消除世界不确定性与无序的过程，也即“对抗熵增即减熵”的过程。
而这一技术范式的核心，就指向了向量Embedding的相似性计算，和与之配套的高性能存储检索的物理承载——向量数据库。
1953年，15岁的莫莱森饱受癫痫发作的困扰，他接受了实验性的外科手术，医生切除了他部分内侧颞叶，包括海马体——这些区域被认为与癫痫发作有关。莫莱森的癫痫完全得到治愈，却以丧失记忆为代价，除了无法建立新的记忆能力，还无法设想未来。
他的不幸揭示了记忆背后的大脑运作机制：记忆的目的不光是记录以前发生的事情，还让我们能够设想未来——海马体可以重新组合来自过去的信息，将其组装成一幅未来的画面。
想要在伦敦从事出租车服务的司机，必须通过一项长达4年的强化培训，平均每天花费3~4小时记忆庞杂的道路、地标、兴趣点以及预设行程。研究海马体的一群神经科学家们事后发现，参加高强度记忆训练的出租车司机，其海马体体积明显比普通市民大了很多。
向量数据库，像极了碳基生命负责长期记忆的「海马体」。「类脑学说」给予我们启发，智能时代的向量数据库需要具备以下三项基本能力：进化的能力、设想未来的能力、类脑存储的能力。
-
进化能力强调的是「可塑性」。哺乳动物如海豚一生下来就会游泳，长颈鹿出生后几个小时就可站立，斑马出生几小时之后就可以奔跑。而人类需要漫长的环境适应与生活经历塑造，才能够获得独立生存的能力。正是因为人类大脑不做程序的预设，保留了足够的灵活性与可塑性，最后统治了地球。因此强大健壮的向量数据库不是「设计」出来的，而是根据环境需要「生长」出来的。
-
设想未来的能力强调的是「想象力」。大模型将人类的知识与经验实现高效压缩，内化到巨量的神经网络权重参数。但最大的问题是不可解释性。有没有可能将大模型重要的推理过程通过向量数据库保存下来，获得一定的可解释性？拥有一定的可解释性，就拥有了一定的想象力——根据环境的变化，通过神经网络权重参数的分化与组合，让大模型不通过人工训练而在人类的定义框架下自主生长？AutoGPT 做了很好的尝试，它会定期会记忆进行复盘，即通过对历史行为的反思形成经验，来决定接下来的执行计划。这与人类执行任务的思考方式异曲同工。AutoGPT因此 也成为了史上项目初期增长速度最快的项目之一。仅一个月的时间，其 star 数就超越了 Stable Diffusion ；最近其 star 数已经超越了 10万大关，接近Stable Diffusion 的两倍。
-
类脑存储的能力强调的是「记忆力」。你能够想象，基于大模型能力的数字助理如果缺乏记忆能力，是没有任何实用价值与情绪价值可言的。因此向量数据库让机器智能获得长期记忆能力，是一项最基础的能力。
爱霏粒将遵循这样的产品设计思想，这三项基础能力注入到向量数据库的长期迭代过程之中。
澄清几个对于大模型、Agent与向量数据库的认知误区。
生产场景的多样性与复杂性，决定了场景需求是分化的，对计算的需求一定也是分化的，分化的背后，是技术演变、生产成本以及资源配置效率共同造成的结果。计算的分化造成了高效压缩知识的模型一定不是唯一的，也一定不是以大为美的，未来将是大而强的大模型（多模态大模型，不仅自然语言理解与生成）、小而美的小模型混合发展的格局。
大模型火出圈之前，向量数据库存不存在？存在。有没有大规模的应用？有，在泛安防以及电商相似性搜索中已经大规模商业化落地。那为什么向量数据库就突然爆火了呢？一是资本推动，需要寻找新的故事线；二是LLM天然基于统计与概率，是不确定的，无法获得精确的、事实性的结果，因此容易出现幻觉的问题；三是受制于训练模型ROI与专有数据的隐私保护，LLM的知识更新以及私域数据保护的问题。
因此，在大模型为先的时代，能够同时低成本解决私有数据保护、知识更新、消除幻觉等问题，非向量数据库莫属。
第三个误区，向量数据库处于大模型公司的扫射范围内，会被大模型公司吞噬。
不会。原因很简单，经济成本、工程复用与数据资产问题。
第一，LLM是高效的知识压缩编码方式，如果将所有人类知识都内化到模型里面，神经网络会变得特别臃肿，导致训练成本、知识更新、运行响应都会是问题。参考计算机的发展过程，如果将LLM的神经网络参数比作CPU的片上存储ROM，那么向量数据库就是计算机的磁盘，而磁盘的存储成本远远低于片上存储的成本。从计算与存储的发展历史来看，通过存储空间换取计算效率，是效率与成本取得平衡的最佳方式。
第二，LLM读入无限的token，假以时日，技术肯定不是问题，但每一次执行都要将相关语料库不经过滤地作为promp输入时，工程复用性是很低的，会带来大量的资源浪费。
第三，拥有专有领域的私有数据商业公司，不会将数据资产交给大模型公司。向量数据库私有化部署是大的趋势。
因此，爱霏粒对Agent智能体、大模型以及向量数据库之间协同关系的认知和别人不同。用一个简明的等式表达如下：
AI Agent（AI Native，非LLM Native）= 人机协同（多模态交互的决策范式）+ 认知计算（大小模型混合发展的工程范式）+ 向量数据库（进化的能力、设想未来的能力、类脑存储的能力）+ Agent操作系统（云边协同、资源调度与优化配置）
下面是广告时间。爱霏粒AIFOR Vsearch V1.0的特性包括如下几个方面：
-
真正开放、兼容主主流Embedding模型厂商的向量数据库
-
支持十亿级别的向量搜索，核心算法提供了 异构计算的实现
-
把精确解的暴力搜索，变成了近似解的搜索，并且用一定的预处理计算量构建索引，在进行检索前利用索引降低检索范围或者是计算量以此实现加速
-
-
检索引擎包含四个关键技术组件：特征提取、距离度量、检索算法、向量存储
-
向量距离度量采用多种相似性比较函数：欧式距离、余弦距离、内积距离、海明距离等，不同的度量方式对应不同的场景。
首页
ꄲ
产品方案
ꄲ
产品 | 爱霏粒正式发布面向多模态大小模型的「向量数据库AIFOR VSearch V1.0」
