Uniphore，一家全球领先的会话AI和自动化技术公司，近日推出了X-Stream，这是一种变革性的核心数据和AI平台层。X-Stream通过将知识即服务（Knowledge-as-a-Service）与必要的工具、连接器和控制功能集成，简化了检索增强生成（RAG）应用的开发，使企业能够有效利用其多模态数据集，打造特定领域的AI应用。
X-Stream提供了统一的开放架构，简化了传统上零散的数据准备过程，成为一站式解决方案，消除了在开发流程中使用多种工具的需求。
Uniphore首席执行官Umesh Sachdev表示：“X-Stream使客户能够优化数据并将其转化为可用于AI的知识。这些知识可以无缝集成到Uniphore的生产就绪的小型语言模型中，或用于开发定制模型。我们的数据科学家和工程师在准确性和幻觉问题上取得了重要进展，确保安全，同时引导客户实现AI自主权。”
应对RAG的数据挑战
随着生成性AI的发展，RAG（检索增强生成）概念逐渐受到关注，AI能够从指定的数据库中获取信息，提供准确答案。企业正竞相开发基于RAG的搜索和聊天应用，以其内部知识库为基础，提供准确且无幻觉的响应，提高各项功能的效率。
然而，开发和扩展这些应用面临重大的数据挑战。通常，所需的信息分散在多种格式和来源（包括结构化表格、非结构化文本、文档和视频）中。为整合数据，企业通常需要多种组件和数据连接器，例如Fivetran，将数据仓库、ERP和内部应用连接在一起。
一旦连接成功，组织需要通过切分数据、转换为嵌入并存储到向量数据库中来启用RAG流，这通常需要使用Milvus、Weaviate或Pinecone等工具。为了提高准确性，他们还可能引入图形RAG能力，例如Neo4j。
这种碎片化的方法迅速变得繁琐，往往导致项目进度延长数月，才得以实现可扩展的生成AI应用。
Sachdev解释道：“我们听到了企业数据领导者对更高效的知识转化方法的需求，希望能够突破传统数据平台或数据库的限制。”
为了解决这些数据鸿沟，Uniphore的X-Stream提供了一体化架构，将所有必要的工具和控制功能整合在同一平台上。
X-Stream能从200多个来源获取多模态数据，通过智能合并和转换使其具备AI使用条件。经过初步处理后，数据被切分、转换为嵌入并存储在向量数据库中，从而便于AI团队获取相关数据，同时也支持Uniphore的行业特定模型和RAG应用场景。
此外，X-Stream还生成知识图谱，以便在需要上下文和推理的情况下使用，并创造合成数据以定制特定用例或行业的模型。它还包括证据管理功能，如事实检查和切分归属，增强对AI输出的信任。
这一全面的解决方案加速了从数据准备到最终输出的AI流程，使生产级RAG应用的开发速度更快。
Sachdev补充道：“X-Stream之所以独特，有两个重要原因：它利用了Uniphore在语音、视频和文本等非结构化数据领域16年的经验，并提供了一个统一的平台，以满足多元化企业的AI需求。”
显著价值的前景
虽然X-Stream是一项新发布的产品，Sachdev强调，它能够优化AI和数据组件，使得使用内部数据部署特定领域的生成AI应用的速度提高至八倍，同时保持高质量、合规性和治理标准。
他指出：“Uniphore采用基于使用的定价模式，客户在上线几周内通常可以实现4到6倍的投资回报。”
值得注意的是，X-Stream的一些功能与超大规模提供商和创企如亚马逊Sagemaker、Tonic AI和Unstructured.io的能力有所重叠。随着越来越多的企业在内部和外部应用中采用生成性AI，该解决方案的可扩展性将成为值得关注的焦点。Uniphore目前与1500多家公司合作，包括DHL、埃森哲和大都会保险。
根据Gartner的预测，到2025年，30%的生成AI项目将在概念验证阶段后因数据质量差、风险控制不足或成本上涨而被放弃。
排行榜
