本文界说AI Answer 为纠合LLM和IR技巧的智能信息互动应用乙肝能治好吗，信息源可为闭源学问库、行业图谱、或是互联网怒放信息。以C端检索范式演进为鉴，咱们合计通用智能模子在企业端或将率先以AI Answer模式落地，AI赋能里面学问库重建、构建流量进口，有望带来诸多价值增量。

以C端搜索引擎范式演进为鉴，咱们合计B端AI Answer偶然带来多元价值增量：

皇冠客服飞机：@seo3687

1）数据价值挖掘：企业端自动生成数据知悉与前瞻性的预测分析；用户端自动分拨数据窥探权限，并保举个性化的检索旅途与学问生成。

2）学问钞票沉淀：自动生成信息分类标签，缩短东说念主工存档老本。同期用户举止可看成东说念主类反馈，覆按AI Answer在生成内容上进一步对皆应用领域的需乞降偏好。

3）搜索着力提高：自动剔除访佛或冗余的信息，整合高质地学问钞票。主动提供提议和关联贵府，促进信息获取的实时性。

供给端技巧平权叠加需求端完毕表里双向赋能，咱们合计AI Answer有望成为B端应用中先行落地场景。

数据层面，AI Answer在搜索过程中融入垂域要素，更好的解析用户意图并产生更准确的搜索扫尾；模子层面，技巧平权布景下不错通过使用开源模子也可在垂域细分领域达到较优成果。同期在企业需求端，AI Answer助力企业学问图谱重构，完毕后端经由运维及前端业务交互的表里双向赋能。

AI Answer = LangChain + 大模子 + 向量数据库。LangChain框架通过各样模块化组件提供了全主张全经由的通用开发功绩，可被用于整合和看管大模子的输出。智谱ChatGLM等大模子带来大模子普惠，助力B端部署AI Answer。向量数据库匡助拓展LLM的时空鸿沟，赋能企业打造基于专属学问库的AI Answer应用。

企业里面学问库有望重构，看管软件领域OA有望先行落地AI Answer。咱们不雅察到第四范式、星环科技、云知声等公司已推出企业学问看管平台产物，匡助客户重构企业学问库；钉钉、WPS、印象条记等产物助力个东说念主和中小组织完毕学问梳理。在看管软件领域，咱们合计泛微、致远等OA厂商有望先行完毕AI Answer和看管经由纠合，落地智能协同应用。

正文

咱们合计， AI Answer 为纠合大谈话模子（LLM）和信息检索（IR，Information retrieval）技巧的智能信息互动应用。在这个应用中，LLM 负责解析语境并构建查询，而 IR 技巧则依据这些查询获取关系数据或文档。检索到的扫尾最终由LLM 生成回答，从而酿成一个以模子外部信息为因循的动态对话过程。

AI Answer检索的信息不错是企业闭源学问库、行业学问图谱、或是互联网怒放信息。相较于传统学问检索应用，AI Answer在交互模式、泛化智商及精确度上均有智商跃迁，咱们合计通用智能模子在企业端或将率先以AI Answer模式落地，价值增量包括：

► 数据价值挖掘：企业端证据企业里面数据与已有学问，自动生成数据知悉与前瞻性的预测分析，提高企业运维着力与学问更蜕变能。同期用户端AI Answer通过分析用户的变装、需求、历史查询记载，自动分拨合适的数据窥探权限，保举个性化检索旅途与学问生成。

► 学问钞票沉淀：自动为线上学问文档生要素类标签，缩短东说念主工信息整理老本。证据用户使用应用的情况追踪企业学问库变化，自动更更生成内容，确保信息准确性与实时。同期用户使用AI Answer产生的举止可看成东说念主类反馈，覆按AI Answer在生成内容上进一步对皆应用领域的需乞降偏好。

► 搜索着力提高：通过精确分析用户需求，自动剔除访佛或冗余的信息，整合高质地学问钞票。同期AI Answer应用可看成编造助手，在平台上同步协助职工贬降低题、主动提供提议和关联贵府，促进信息获取的实时性。

以C端检索范式演进为鉴，咱们合计B端 AI赋能里面学问库重建有望带来诸多价值增量，餍足企业端提效需求。微软2月8日发布基于OpenAI大模子的搜索引擎新版Bing（中语名“必应”）[1]，初次推出镶嵌搜索引擎的“问答式搜索”功能，搜索界面的问答机器东说念主不错与用户聊天、协助撰写文本、汇总全汇集信息并以对话样式反映查询。

StatCounter数据自大谷歌的搜索引擎竟然占据了90%的商场份额，咱们合计Bing凭借智能化检索有望不休梗阻商场份额。据 Data.AI 的图示区间数据，在镶嵌了OpenAI大模子智商后，Bing的APP日均下载量在各人范围内增长了823%，同期对比谷歌搜索应用的下载量仅增长3%。

图表：New Bing推出后APP下载量较Google逐渐敛迹

贵府起头：Data.ai，中金公司研究部

以Glean为例，大模子赋能的AI Answer重构企业看管软件。AI技巧在企业端的应用场景迢遥，其中学问内容检索场景学问密度要求较高，需求明确且技巧旅途相对纯属。Glean通过买通跨应用数据打造驾于SaaS层之上的“团员层”，成为企业应用场景的进口级产物。Glean不错纠合企业里面学问图谱、以及上百家第三方SaaS应用中进行信息检索，为每位用户的当然谈话查询生成定制化的扫尾，遮蔽信息查找、复杂功能实行等场景。

当今，Glean只面向企业客户提供功绩，公司推出两种订价有诡计，1）按席位收费，每月不越过100好意思元；2）证据企业的需求定制价钱，当今生意模式以第二种为主。此外，在功绩模式上，Glean 还提供高水平的安全性和天真性，不错采用在土产货或云霄部署，况兼对用户数据进行加密和权限层级看管。

图表：学问内容检索场景信息密度要求较高而天真性要求较低，刻下模子已偶然餍足

贵府起头：中金公司研究部

图表：Glean纠合企业文档登第三方应用进行检索

贵府起头：Glean官网，中金公司研究部

AI Answer有望成为B端最快落地的模式

供给端，模子层技巧趋于平权，企业具备闭源数据卡位，生意落地可得性较高。数据层面，与其他B端AI应用比较集成了垂直行业学问的AI Answer应用更易实施落地。

通用东说念主工智能积存了强盛的通识智商，但由于其平庸而非专精的数据结构，其在专科领域的检索实效性及性价比尚有欠缺。通过拟合垂直领域的数据，AI Answer能解析行业内的专科词汇、观点和信息，从而在搜索过程中融入垂域要素，更好的解析用户意图并产生更准确的搜索扫尾。

模子层面，B端企业AI Answer场景关于算法模子在学问领路、数理分析等高阶智商需求较弱，对检索智商和文本生成智商需求较强，技巧平权布景下不错通过使用LLAMA、Bloom、ChatGLM等开源模子也可在垂域细分领域达到较优成果。

举例，企业不错使用LangChain将数据库文档加载并索引到土产货学问库中，通过镶嵌模子对文本进行矢量化，助力快速检索关系段落，再通过ChatGLM协助用户基于检索到的信息和用户会话历史生成精确的谜底。

图表：垂域模子调优处在监督式微调阶段，增量算力需求较少

贵府起头：2023 年微软Build大会，中金公司研究部

需求端，AI Answer助力企业学问图谱重构，完毕表里双向赋能。

1）企业需要快速准确地获取和利用特定领域的学问和信息，以提高决策着力和质地。传统的搜索引擎时时不行餍足企业的个性化需求，而需要一个偶然解析企业生意模式下特定语境和逻辑的智能问答系统。

2）企业需要对我方领有或者偶然获取的数据和学问进行有用地组织和看管，以提高数据质地和可用性。传统的学问库构建和保重时时需要广泛的东说念主力和时刻老本，AI Answer偶然助力企业自动化地从各样数据源中抽取、整合、更新和考据学问。

3）企业需要与客户、合作伙伴、职工等各方有用地疏导和吞并，传统的东说念主工客服或者机器东说念主时时不行餍足用户的各样化和复杂化的问题，AI Answer经过细化调优，偶然天真地适合不同场景和需求。

图表：AI Answer助力企业决策从被迫反映转向主动功绩

贵府起头：中国信通院《企业数字化转型技巧发展趋势研究说明（2023）》，中金公司研究部

LangChain是一个封装了各样大谈话模子应用开发器具的开源Python框架，提供了一套开发大模子的器具、组件和接口。LangChain匡助开发者将大模子和其他学问源/数据库纠合起来，以创立功能更强盛的应用规律，包括基于学问库问答、聊天机器东说念主、智能代理等。该开源Python可被用于整合和看管大模子（如ChatGLM）的输出，提供了规律的模块化组件、集成了不同的大谈话模子并将其进行整合，并将它们勾通到各样外部数据源和API。

通过各样模块化组件，LangChain框架提供了全主张全经由的优化功绩。传统的大模子无法联网、无法调用其他API、无法窥探土产货文献、对Prompt要求高、生成智商强但内容准确度无法保证，而LangChain则提供了相应模块，旨在贬责这一系列问题。

► Prompt：使用LLM需要用户输入需求，LangChain将用户的输入传递给Prompt Template。一个Prompt时时由Instructions、Context、Input Data和Output Indicator组成，但一般用户并不会完好地输入每个部分，使用LangChain的Prompt Template不错很好地证据用户输入界说各个部分，同期将Input Data留作动态输入项。

► Chain：利用该模块，LangChain不错不只单利用自身的LLM和Prompt Template，而是将原模子贯穿到其他信息源或API，将模块组合成完好的责任流，拓展LLM应用鸿沟。

图表：Prompt Template对输入改写

贵府起头：国际独角兽，中金公司研究部

为严格执行国家“两高”项目管理政策，坚决落实中央生态环境保护督察整改要求，坚持绿色低碳高质量发展方向，守牢节能减煤降碳等各项工作底线，强化省级窗口指导和各级监管责任，提高轮胎和铸造项目管理科学化、精准化水平，经省委、省政府同意，现就有关事项通知如下：

图表：勾通多个Prompt Template及搜索、数据库

贵府起头：国际独角兽，中金公司研究部

► Agent：若是LLM仅利用Chain模块，那么模子将按照预设的接口和善序实行责任，而Agent模组不错利用LLM分析应该使用哪个API或者搜索引擎、数据源等器具链，并自行决定调用和完毕的公法。比如，ChatGPT有很强的生成回答智商，但不够准确；Wolfram Alpha有很准确的学问储备，但语义解析智商较差，Agent不错针对ChatGPT的问题，自行判断是否需要调用Wolfram Alpha，并生成回答。

► Memory：默许情况下，Chain和Agent是无状态（stateless）的[2]，这意味着它们寥寂时处理每个传入的Query（就像底层的LLM和聊天模子），不具备上文追思的智商。为了记取先前的交互，LangChain通过每次Prompt加入上文内容和记载的tricks，在不同的Query间传递上文，在前ChatGPT时间就完毕了追思的功能。

图表：Agent判断使用器具经由

贵府起头：国际独角兽，中金公司研究部

图表：Entity Memory提供恒久落魄文追思智商

贵府起头：国际独角兽，中金公司研究部

案例：YouTube博主Data Independent通过LangChain构建了一个PDF问答机器东说念主。

LangChain凭借PDF Loader的匡助加载上传的PDF，并使用Splitter分割语句向量，皇冠博彩下载同期尽可能保留原始语义，调用OpenAI的Embedding引擎进行长向量变换并存储在土产货或者Pinecone云向量数据库，终末用户只需调用LangChain的QA Chain就不错针对上传的PDF进行问答。通盘过程中，LangChain相配于对每个枢纽集成，并对合座的交互进行封装。

LangChain受到平庸神气和使用，取得种子轮融资，但生意化任重说念远。2023年4月6日，LangChain秘书取得由Benchmark领投的1,000万好意思元种子轮融资。

扫尾2023年4月19日，LangChain在Github上已有2.8万Stars、478位孝敬者，被2,400多名用户使用。但究其本色，LangChain是“整合其他开源库的开源库”，提供开发LLM的框架，以此精真金不怕火开发东说念主员编写代码的时刻。而由于开源加之经济老本不褂讪、对输出莫得评估法子，客户当今更偏好胜仗的模子委用，LangChain生意化仍有待探索。

LangFlow为LangChain开源且无代码的可视化开发界面，用户不错通过拖拽模块和当然谈话交互的模式构建应用原型。

Langchain将制作AI应用的器具智商模板化和规律化，而LangFlow 提供了一系列可供采用的LangChain组件，包括 LLMs、辅导模板、代理和链等等，用户不错通过贯穿节点的样式应对构建和测试产物原型，举例聊天机器东说念主和文本解析助手。LangFlow基于Python开发，同类产物还有基于JavaScript开发的Flowise。

图表：LangFlow支抓模块拖放和聊天框构建应用原型

贵府起头：LangFlow官网，中金公司研究部

图表：LangFlow通过简短贯穿四个模块即可构建具备追思且可自界说模板的聊天机器东说念主

贵府起头：LangFlow官网，中金公司研究部

ChatGLM等开源模子带来大模子普惠，助力B端部署AI Answer。

企业不错通过Langchain平台调用部分开源的当然谈话处理模子，举例ChatGLM、Bloom与LLAMA模子等，这些开源模子为企业级AI应用的推论奠定了基础。其中，ChatGLM是可被集成到LangChain的一款紧迫开源模子，偶然通过提供当然谈话处明智商为企业打造高效的AI Answer应用。

其研发企业智谱AI开荒于2019年，源自清华大学诡计机系学问工程实验室。2022年，公司合作研发了支抓中英双语的千亿级超大限度预覆按模子GLM-130B，并搭建了高精度通用学问图谱。

图表：智谱AI产物矩阵

贵府起头：智谱AI官网，中金公司研究部

GLM-130B在多个公开评测榜单上高出了GPT-3的性能，支抓单张奢侈级推理况兼具备跨平台跨芯片的快速推明智商。基于GLM-130B模子，公司又开发了6B参数限度的双语对话模子ChatGLM，不错处理多种当然谈话任务（如对话聊天和智能问答），况兼支抓在单张奢侈级显卡上推理使用。当今，GLM-130B和ChatGLM均开源，为企业端客户提供了更低门槛和更高安全性的应用有诡计。

图表：ChatGLM-130B及ChatGLM-6B于中语大模子匿名对战平台SuperCLUE-琅琊榜名次均位于前五

注：统计扫尾2023年5月29日贵府起头：SuperCLUE-琅琊榜官网，中金公司研究部

图表：Leaderboard非英文问题测试中，ChatGLM名规律7，以较小参数达到高性能

注：统计扫尾2023年5月25日贵府起头：lmsys arena Leaderboard，中金公司研究部

向量是多模数据的压缩，是AI学习的通用数据表情。非结构化数据时时需要向量化之后能力被AI模子所解析，向量镶嵌（vector embedding）是当然谈话处理和深度学习中常用的数据预处理技巧，行将非数值如文本、图片、视频等源数据转机为机器不错解析的多维数值向量。

图表：通过镶嵌模子将非结构化数据转机为机器不错解析的多维数值向量

贵府起头：Pinecone，中金公司研究部

向量搜索是一种依稀匹配，区别于传统的重要词索引精确查询。向量搜索一般选择K隔壁法或近似驾驭算法，计共诡计对象与数据库中向量镶嵌的距离以暗示两者的相似度，排序后复返最为相似的扫尾。区别于传统数据库的精确索引，向量搜索是一种依稀匹配，输出的是概率上的最近似谜底。

图表：向量搜索以向量镶嵌的距离表征相似度，是一种依稀匹配

皇冠hg86a

贵府起头：Google Developers，中金公司研究部

向量数据库是特意用来存储和查询向量的数据库。向量数据库即原生面向向量联想的、特意用于存储、看管、查询、检索向量的数据库。向量化技巧已较为纯属，也出现了不少开源的向量搜索算法库（如Facebook的FAISS），但向量数据库提供一种开箱即用的贬责有诡计，在数据抓久化、实时增点窜、散布式诡计、容灾备份等方面提供更完好的支抓，更恰当企业级应用。

向量数据库匡助拓展LLM时空鸿沟，是企业学问库的必备存储“大脑”。当今向量数据库的中枢应用场景之一即是拓展LLM的时空鸿沟，赋能企业打造基于专属学问库的AI Answer应用。

时刻维度上，开动的LLM是基于历史的通用语料库覆按的，而践诺企业应用场景中需要补充实时的、专科性的学问；空间维度上，LLM的输入token存在长度适度，因此无法胜仗将企业学问库的全量信息看成prompt一次性输入，仅需最关系的部分。

向量数据库和LLM的具体交互过程为：用户率先将企业学问库的全量信息通过镶嵌模子转机为向量后储存在向量数据库中，用户输入prompt时，先将其雷同向量化，并在向量数据库中检索最为关系的内容，再将检索到的关系信息和开动prompt一说念输入给LLM模子，以得到最终复返扫尾。

图表：向量数据库和LLM的具体交互过程

贵府起头：Pinecone官网，星环科技微信公众号，中金公司研究部

案例：星环科技Hippo向量数据库具备多种企业级特点。当今向量数据库商场参与者以国际初创型公司的开源产物为主，近期一级商场投融资热度较高。

国内大数据基础软件领军企业星环科技在向量数据库上已稀有年技巧积存，之前主要里面私用，本年5月底雅致产物化对外发布为Hippo向量数据库产物，在高可用、高性能、易拓展等方面具备上风，支抓多种向量搜索索引，支抓数据分分散片、数据抓久化、增量数据领受、向量标量字段过滤混杂查询等功能，偶然很好地餍足企业针对海量向量数据的高实时性查询、检索、调回等场景。

图表：星环科技Hippo向量数据库具备多种企业级特点

贵府起头：星环科技向星力数据技巧峰会，中金公司研究部

学问看管平台：匡助B端客户完毕里面学问库重构

学问看管平台再行整合里面学问，助力B端客户打造AI Answer应用。咱们合计企业学问库有望成为AI Answer在B端的先行落地表情，当今咱们不雅察到第四范式、星环科技、云知声、变嫌奇智、中科闻歌、鼎捷软件等厂商均具备了基于企业里面学问打造学问库的智商。

图表：第四范式“式说2.0”具备企业级学问库纠合Copilot智商，从单一进口完毕多个功能的集会

贵府起头：智东西，中金公司研究部

图表：星环科技Sophon KG提供一站式学问全生命周期看管平台，赋能各行业企业的问答、搜索、保举枢纽

贵府起头：星环科技产物白皮书，中金公司研究部

图表：云知声纠合私域数据和大模子提供企业定制智能产物，打造大限度企业级“新版Bing”

贵府起头：云知声2023AIGC计策发布会，中金公司研究部

图表：变嫌奇智基于里面业务数据学问打造 “奇智孔明AInnoGC”，让企业领有基于私域数据的AI生成智商

贵府起头：变嫌奇智官方公众号，中金公司研究部

图表：中科闻歌“雅意”大模子具备5大中枢智商，可快速对接政府、企业数据并一键生成企业级专属应用功绩

贵府起头：雅意大模子发布会，中金公司研究部

图表：鼎捷软件推出基于GPT的企业学问PaaS平台MERITS，其中ChatFile偶然完毕学问问答智商

贵府起头：鼎新电脑x微软Azure OpenAI计策合作发布会，中金公司研究部

OA有望成为企业看管软件领域AI Answer先行落地场景。学问看管是OA的新兴模块，其主要用于企业里面文档和学问贵府的存储和看管，当今泛微、致远、蓝凌等头部OA厂商均推出了学问看管类产物（如泛微采知连、致远学问管解析决有诡计、蓝凌学问看管平台等），而现阶段学问看管模块主要为学问存储，并通过简短的搜索功能完毕学问提真金不怕火，企业应用着力低下。

咱们合计AI有望助力学问看管偶然进行全主张升级，通过第三方大模子赋能完毕AI Answer，信得过将企业学问天真诈欺，进一步激勉企业职工充实学问库并提高其使用着力。

► 泛微汇集：沉聆&采知连&小E助手完毕学问的看管和问答。泛微沉聆基于RPA（机器东说念主经由自动化）和NLP（当然谈话处理）技巧，具备信息采集功能；采知连未学问看管领域专项产物，完毕文档看管、学问仓库、学问运营；小E智能语音援救系统偶然完毕智能助理、学问问答、数据查询、业务处理等功能。咱们合计畴昔公司产物有望与大模子完毕深度和会，期待大模子和会后的企业协同看管应用推出。

► 致远互联：AICOP助力完毕“智能协同”。6月12日，致远互联发布智能协同应用AICOP的视频演示，展示了智能协同助手“小致”在预订会议、准备会议贵府、生成说明&文稿&会议纪要、填写表单、发起经由等场景的赋能应用。

图表：致远互联AICOP买通企业学问库和经由看管，完毕“智能协同”

贵府起头：致远互联微信公众号，中金公司研究部

ERP 中 AI Answer落地斟酌：大模子助力下AI Answer 赋能坐褥经由看管。与OA比较，ERP与业务和坐褥研究更精采且具有更昭着的行业属性，在业务运行过程ERP沉淀的行业垂类数据有望助力大模子的覆按。国际微软的Dynamics 365 Copilot展示了客服、商场、供应链看管等场景的AI赋能应用；国内对标来看，用友汇集深耕ERP多年布局二十余个行业并积存了各行业丰富的用户授权数据，公司有诡计后续将通过和通用大模子厂商合作+自研纠合的样式进一步覆按企业功绩大模子，期待大模子赋能下AI Answer在财务、东说念主力、采购、制造、营销等领域场景落地。

钉钉有望为中小组织和个东说念主构建“学问图谱”。2023年6月，钉钉AI雅致邀请测试，其展示了AI+文档、AI+群聊、AI+应用、AI+问答机器东说念主等功能。其中AI+问答机器东说念主偶然接考中户主动上传特定的文档数据，生成特定场景的问答机器东说念主，并看成专科模子完毕更有用、准确的AI问答。咱们合计这类功能为中微型组织和个东说念主快速构建学问库，完毕学问的沉淀和应用。

WPS、印象条记等文档类软件有望基于用户端海量文档完毕AI Answer。咱们合计WPS、印象条记等文档类软件看成文档沉淀的平台，具备自然接入AI大模子的应用条件。如印象条记的“学问星图”功能，偶然借助AI语义分析产生学问图谱和学问汇集，完毕信息的高效采集和利用。咱们合计文档类软件有望在B端和C端匡助用户更好地基于平台沉淀的文档完毕AI Answer。

图表：钉钉偶然基于用户上传的文档生成问答机器东说念主

贵府起头：量子位公众号，中金公司研究部

图表：Perplexity基于OpenAI API 不错与用户进行交互式的对话，并提供实时的信息及对应出处

贵府起头：Perplexity网页，中金公司研究部

各个细分行业积存的广泛学问有望在大模子赋能下完毕归集，赋能千行百业。如医疗行业的卫宁健康、保障行业的新致软件、训练行业的科大讯飞均凭借往常在垂类行业的深耕，借助大模子完毕学问的赋能应用。斟酌畴昔，咱们期待更多行业偶然在大模子赋能下完毕行业学问萃取，各行业学问应用有望百花皆放。

图表：卫宁健康推出医疗垂类模子WiNGPT赋能问诊、说明生成等场景，畴昔有诡计以Copilot表情融入WiNEX

注：公司斟酌WiNEX Copilot产物将于2023年10月Winning World2023大会上雅致发布贵府起头：卫宁健康微信公众号，中金公司研究部

图表：新致软件Newtouch AI将企业数据与生成式AI模子勾通，匡助企业快速构建机器东说念主应用

贵府起头：新致AI微信公众号，中金公司研究部

图表：科大讯飞将硬件产物搭载星火大模子，AI学习机通过分析用户学情和学问图谱提供类东说念主率领式辅学

贵府起头：科大讯飞AI学习助手视频号，中金公司研究部

图表：AI Answer关系公司一览

贵府起头：各公司官网，中金公司研究部

本文作家：于钟海、 魏鹳霏 、王之昊 、韩蕊 、胡安琪、谭哲贤，起头：中金点睛，原文标题：《AI Answer：大模子助力B端落地先行范式》

于钟海 SAC 执证编号：S0080518070011 SFC CE Ref：BOP246

魏鹳霏 SAC 执证编号：S0080523060019 SFC CE Ref：BSX734

王之昊 SAC 执证编号：S0080522050001 SFC CE Ref：BSS168

韩蕊 SAC 执证编号：S0080121080059

胡安琪 SAC 执证编号：S0080122070070

谭哲贤 SAC 执证编号：S0080122070047乙肝能治好吗