北京
生成式AI走过早期试验期，企业的目光正不约而同地投向同一套架构——企业知识层。在Neo4j GraphTalk活动上，公司首席技术官菲利普·拉特尔直言，ChatGPT发布四年后，大多数组织已摆脱随意试错，形成了一套共享的术语和生产系统的架构模式。这套架构的圆心，就是企业知识层——即组织本体、数据和智能体记忆脱开模型本身，独立存活的底座。
“企业知识层是当下的核心话题。”拉特尔说，“GraphRAG描述的是让大语言模型调出一个知识图谱，从而把你掌握的知识外部化到上下文里。知识不驻留在模型内部，而是放在一个知识系统当中。这能带来更好的准确性、可解释性和治理能力。”
当一个组织将数据建模成图，而不是压扁在平面表格里，原本隐藏的关系便会浮出水面。拉特尔举了一个近期与国家税务机构的合作案例。这个项目在概念验证开始后的48小时内，就识别出超过1亿美元的税务欺诈。
拉特尔形容当时的感受：“如果你一直戴着障眼罩，因为你是在二维视角下审视这些数据，那么当你把数据放进图里去看，这些事突然一下子变得无比显而易见——而你以前根本做不到。”
这一效果的背后，有来自独立研究机构的背书。英国国家数据创新中心近期对比了提升智能体可靠性的两条主流路径，发现基于知识图谱的GraphRAG远远甩开了纯向量检索方案。结果显示，采用GraphRAG的智能体给出的答案“更真实”的程度高出80%，能够回答的问题数量是纯向量检索的两倍多，并且消耗的Token更少、效率更高。
“我们通过客户积累了大量的证据，证明GraphRAG能提升准确度、提供治理能力并改善可解释性。”拉特尔表示，“但能够得到世界级学术机构开展的三方研究来验证，总是格外令人高兴，因为你能借此弄清楚这背后的原因。”
他进一步指出，一旦系统跨入生产阶段，这种准确度的提升就直接转化为实在的经济回报。很多时候，知识图谱的出场就是区别一个概念验证是止步不前，还是能够交付出可衡量的商业价值。上述税务机构在48小时内看到的1亿美元欺诈，便是图视角将数据潜力瞬间释放的一个缩影。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
