เทียน เหยี่ยนหลิน รายงานจาก 凹非寺
QbitAI | บัญชี WeChat สาธารณะ QbitAI
“สมองของคุณมีไว้เพื่อสร้างความคิด ไม่ใช่เพื่อเก็บความคิด”
——Tiago Forte《Building a Second Brain》
LLM คือ “สมองแรก” ของ AI แพลตฟอร์มความจำคือ “สมองที่สอง” ของ AI
Tiago Forte ผู้เขียนหนังสือขายดี ได้แบ่งปันมุมมองหลักในหนังสือ “Building a Second Brain” ว่า: “สมองทางชีวภาพใช้สำหรับการคิดสร้างสรรค์เท่านั้น ในขณะที่ระบบภายนอกใช้สำหรับการจัดเก็บข้อมูลที่เชื่อถือได้” — ซึ่งให้ความกระจ่างอย่างมากต่อความเข้าใจของเราเกี่ยวกับการแบ่งหน้าที่ “สมองคู่” ของ AI
ในความเป็นจริง LLM ก็เหมือนกับ “สมองแรก (สมองทางชีวภาพ)” ของ AI ซึ่งเก่งในการคิด ใช้เหตุผล และสร้างผลลัพธ์ทันที แต่ไม่เก่งในการจัดเก็บข้อเท็จจริงจำนวนมหาศาลในระยะยาวอย่างแม่นยำ ในขณะที่แพลตฟอร์มความจำคือ “สมองที่สอง” ของ AI ซึ่งหลักแล้วจะให้การสนับสนุน “ความจำ” ที่แม่นยำตามความต้องการแก่ LLM ทำให้ LLM หลุดพ้นจากภาระด้านความจำและมุ่งเน้นไปที่การให้เหตุผลและการสร้างสรรค์ระดับสูงขึ้น ดังนั้นทั้งสองจึงทำงานร่วมกันเพื่อสร้างคุณค่าที่แม่นยำ เป็นส่วนตัว และนำไปปฏิบัติได้มากขึ้น แพลตฟอร์มความจำรับผิดชอบ “จำทุกสิ่ง” LLM รับผิดชอบ “คิดทุกสิ่ง”
เมื่อ AI ก้าวจากแอปพลิเคชันสาธิตสู่การใช้งานจริงในองค์กรระดับลึก แพลตฟอร์มความจำจะเป็นตัวตัดสินชัยชนะ
ในช่วงหลายปีที่ผ่านมา การประยุกต์ใช้ AI ในภาคองค์กรได้ก้าวผ่านสามขั้นตอน:
1.0 ขั้นตอนการเชื่อมต่อ (ก่อนปี 2023): แก้ปัญหา “เก็บ” และ “หา”
ในยุคแรก AI ทำหน้าที่เป็นตัวเชื่อมต่ออัจฉริยะ นำเข้าข้อมูลองค์กรไปยังฐานข้อมูลเวกเตอร์ ทำให้สามารถค้นหาความหมายได้ แทนที่การค้นหาด้วยคำหลักแบบดั้งเดิมเพื่อเพิ่มความสามารถในการแสดงออกของผู้ใช้ ข้อจำกัดคืออยู่ห่างจากกระบวนการผลิตหลัก คล้ายกับ “ผู้จัดการเอกสารที่ฉลาดขึ้น” มากกว่า และไม่ได้สัมผัสถึงแก่นแท้ของธุรกิจ
2.0 ขั้นตอนการโต้ตอบ (2023-2024): การทำความเข้าใจความตั้งใจและปัญหาของ “ภาพหลอน”
ความก้าวหน้าของโมเดลขนาดใหญ่ทำให้ AI สามารถเรียกใช้ข้อมูลผ่านการสนทนาด้วยภาษาธรรมชาติได้ ทำให้อุปสรรคลดลง แต่ปัญหาจริงเริ่มปรากฏ: มันสามารถประมวลผลข้อมูลที่ชัดเจนได้ แต่ยากที่จะแสดงถึง “ความรู้โดยนัย” ในหัวของผู้เชี่ยวชาญ (เช่น สัญชาตญาณของนักลงทุนที่มองเห็นปัญหาจากรายงานทางการเงินได้ในทันที) ส่งผลให้ผลลัพธ์ที่ได้เป็นเพียงผิวเผิน และยากที่จะส่งมอบการตัดสินใจที่เชื่อถือได้
3.0 ยุคแห่งผลิตภาพ (2025 – ปัจจุบัน): สกัด “ความรู้โดยนัย” ทำให้สินทรัพย์หลักคงทน
จุดสนใจของอุตสาหกรรมเปลี่ยนไปสู่การเพิ่มประสิทธิภาพการผลิตโดยตรง การก้าวกระโดดที่สำคัญอยู่ที่ความสามารถในการแปลงตรรกะการตัดสินใจของพนักงาน การชั่งน้ำหนักประสบการณ์ และความรู้โดยนัยอื่นๆ ให้เป็นดิจิทัลและติดตามได้ นี่ไม่ใช่แค่การถามตอบง่ายๆ อีกต่อไป แต่เป็นการบันทึกและวิเคราะห์การอนุมัติประจำวัน หมายเหตุประกอบ การสื่อสารของพนักงาน เพื่อสร้าง “ศูนย์กลางความจำเส้นทางการตัดสินใจ” ขององค์กร ทำให้สามารถสะสมและนำกลับมาใช้ใหม่ได้
การแข่งขันในปัจจุบันได้ยกระดับไปสู่การทำให้ “ความรู้โดยนัย” เป็นความจำ และการจัดการความจำที่มีความแม่นยำสูง เชื่อถือได้ และน่าเชื่อถือ “แพลตฟอร์มความจำ” ไม่ได้เป็นเพียงเครื่องมือช่วยอีกต่อไป แต่เป็นการแปลงสินทรัพย์ทางปัญญาที่ล้ำค่าที่สุดขององค์กร — นั่นคือความสามารถในการตัดสินใจในสมองมนุษย์ — ให้กลายเป็นสินทรัพย์ความจำที่สามารถพัฒนาและส่งต่อได้ นักวิเคราะห์คาดการณ์ว่าภายในปี 2030 ตลาดสำหรับการจัดลำดับเอเจนต์ AI และระบบความจำจะสูงถึง 284.5 พันล้านดอลลาร์สหรัฐ โดยในจำนวนนี้ 128.8 พันล้านดอลลาร์สหรัฐมาจากตลาดความจำ AI แบบอิสระ
แพลตฟอร์มความจำ AI ที่ดีควรมีลักษณะอย่างไร?
แพลตฟอร์มความจำ AI ที่ดี ไม่ใช่แค่ “เก็บได้ ค้นหาได้” อีกต่อไปแล้ว มันต้องมีความสามารถในการทำความเข้าใจข้อมูลด้วยโมเดล ความสามารถในการจัดการและคำนวณความจำ และความสามารถของแพลตฟอร์มข้อมูลหลายรูปแบบ
บริษัท Zhibian Technology ได้เปิดตัวผลิตภัณฑ์ “MemoryLake (ทะเลสาบความจำ)” ซึ่งเป็นผลิตภัณฑ์แรกในอุตสาหกรรมที่มีการปฏิบัติจริงในระดับขนาดใหญ่มาก ในฐานะผู้เล่นเต็มสแต็กระดับโลกที่มีความสามารถด้านความจำ ความสามารถด้านโมเดล และความสามารถของแพลตฟอร์มข้อมูลในตัวเดียว Zhibian Technology ครั้งนี้ได้นำ MemoryLake มาใช้เป็นผู้นำในการดำเนินตามแนวทางเทคโนโลยีที่เน้นความจำเป็นศูนย์กลาง ตั้งแต่ปี 2023 แล้ว ที่ Li Zhe (ชื่อจริง Zhan Chaoqun) ผู้ก่อตั้ง Zhibian Technology ได้เกิดความคิดมากมาย “ความจำในฐานะสมองที่สองของ AI รอบๆ ความจำจะเกิด AI Infra แบบใหม่ขึ้นมา”
เขาคาดการณ์ว่า แกนกลางของระบบในอนาคตจะเปลี่ยนจาก “การจัดการบันทึกข้อมูล” ไปสู่ “การจัดการเส้นทางการตัดสินใจหลายรูปแบบ สร้างความจำสถานะการรับรู้หลายรูปแบบ” ความจำสถานะการรับรู้คือการแสดงแทนภายในที่มีโครงสร้างของระบบในขณะใดขณะหนึ่ง เกี่ยวกับ “ฉันกำลังทำอะไร ฉันรู้อะไร ฉันสมมติอะไร ฉันไม่แน่ใจอะไร” ความจำสถานะการรับรู้จะกลายเป็นตัวเอกในยุค AI
ด้วยทิศทางนี้ ทีมงานได้เปิดตัว Powerdrill ซึ่งเป็นเอเจนต์อัจฉริยะสำหรับการตัดสินใจสำหรับสถานการณ์จริงที่มีความแม่นยำสูงและความอดทนต่อข้อผิดพลาดต่ำในปี 2024 ผ่านการปรับปรุงและสะสมความแม่นยำจากผู้ใช้มืออาชีพในสาขาข้อมูลมากกว่า 1.5 ล้านคนในต่างประเทศ ปัญหาข้อมูล 13 ล้านข้อ และโค้ดที่สร้างขึ้น 50 ล้านชุด (แต่ละปัญหาของผู้ใช้จะสร้างซอฟต์แวร์การตัดสินใจแบบไดนามิกขึ้นมาอย่างไดนามิก) ทำให้เกิดชุดเทคโนโลยีวิศวกรรมความจำแบบครบวงจร ซึ่งเป็นพื้นฐานของ MemoryLake ที่เป็นผลิตภัณฑ์ในวันนี้
MemoryLake ประกอบด้วยองค์ประกอบทางเทคนิคหลักสามส่วน: MemoryLake-D1 โมเดลขนาดใหญ่, MemoryLake เอนจินความจำ และแพลตฟอร์มการจัดเก็บและคำนวณหลายรูปแบบ (Relyt Multi-modal Data Cloud) ซึ่งเป็นการรวมความสามารถแบบเต็มสแต็กของ “การทำความเข้าใจเนื้อหาหลายรูปแบบเชิงลึก การคำนวณและจัดการความจำ การจัดเก็บความจำหลายรูปแบบ” เข้าด้วยกันเป็นครั้งแรก
จากการปฏิบัติของลูกค้ารายใหญ่ในอุตสาหกรรม MemoryLake มีการปฏิบัติจริงในระดับองค์กรสำหรับสถานการณ์ความจำขนาดใหญ่มาก (เช่น ในระบบการผลิตของลูกค้าบางรายมีบันทึกระดับหลายหมื่นล้าน เอกสารระดับร้อยล้าน) ให้บริการกับซอฟต์แวร์เอกสารและการทำงานร่วมกันขนาดใหญ่ที่สุดในประเทศ ซอฟต์แวร์การทำงานเคลื่อนที่ระดับแนวหน้าขององค์กร โมเดลขนาดใหญ่ องค์กรของรัฐขนาดใหญ่ ฯลฯ ในการแข่งขันกับผู้ให้บริการคลาวด์รายใหญ่ระดับโลกและผู้ผลิต AI ทั่วไป MemoryLake แสดงให้เห็นถึงความได้เปรียบที่เหนือกว่าคู่แข่งหลายเท่าในด้านตัวชี้วัดประสิทธิภาพ เช่น ต้นทุน อัตราการเรียกคืนที่แม่นยำ และความล่าช้า
ต้นปีนี้ MemoryLake ได้เปิดตัวอย่างเป็นทางการ นำความสามารถหลักสามประการที่กล่าวมาข้างต้น มาปฏิบัติเป็นฟังก์ชันการใช้งานที่สามารถให้บริการสถานการณ์องค์กรได้โดยตรง
เริ่มจากความสามารถในการจัดการความจำ
MemoryLake แบ่งความจำออกเป็นความจำระยะสั้น/ระยะกลาง/ระยะยาว รวมถึงความจำขณะทำงาน ความจำโลกทัศน์ ฯลฯ จัดการด้วยวิธีการแบ่งชั้น ตามความถี่ในการเข้าถึงความจำ มูลค่าการนำกลับมาใช้ใหม่ วงจรชีวิต จัดเก็บแบบไดนามิก เพื่อสร้างสมดุลระหว่างประสิทธิภาพและต้นทุน
ในขณะเดียวกัน ยังรองรับการดึงความจำแบบซิงโครนัส/อะซิงโครนัส การอัปเดตแบบไดนามิก การลบอย่างแม่นยำ การบีบอัดด้วยการลืม และการเรียกคืนที่มีประสิทธิภาพ เพื่อปรับให้เข้ากับการเปลี่ยนแปลงทางธุรกิจแบบไดนามิก เมื่อมีการอัปเดตนโยบาย ความจำจะซิงค์โดยอัตโนมัติ ความจำที่ไร้ประโยชน์จะปล่อยทรัพยากรโดยอัตโนมัติ เมื่อมีการเรียกใช้ธุรกิจจะเรียกคืนได้อย่างรวดเร็วและแม่นยำ ลดการแทรกแซงด้วยมือ
เพื่อหลีกเลี่ยง “เกาะข้อมูล” MemoryLake ยังรองรับการใช้งานข้ามปลายทางและข้ามโดเมนข้ามโมเดลขนาดใหญ่/เอเจนต์อัจฉริยะ มีการรองรับโปรโตคอลและความสามารถในการเชื่อมต่อที่กว้างขวาง เช่น เข้ากันได้กับโปรโตคอลหลักเช่น MCP, mem0, OpenMemory ฯลฯ เชื่อมต่อกับระบบที่มีอยู่ขององค์กรได้อย่างรวดเร็ว ลดต้นทุนในการปรับใช้
ความสามารถในการทำความเข้าใจ สกัด และจัดเก็บความรู้หลายรูปแบบเชิงลึก
เมื่อโมเดลหลายรูปแบบกลายเป็นกระแสหลัก สินทรัพย์ความจำขององค์กรได้ครอบคลุมรูปแบบต่างๆ เช่น เอกสาร ตาราง เสียง วิดีโอ เป็นต้น เครื่องมือความจำแบบข้อความดั้งเดิมไม่สามารถรับมือกับข้อมูลที่ไม่มีโครงสร้างได้ ส่งผลให้ข้อมูลหลักจำนวนมากไม่สามารถนำมาใช้ได้ และยากที่จะปรับให้เข้ากับสถานการณ์ที่ซับซ้อน
ก่อนหน้านี้ เพื่อเพิ่มความสามารถในการทำความเข้าใจและสกัดข้อมูลหลายรูปแบบ ได้พัฒนาโมเดล MemoryLake-D1 ขึ้นมาโดยเฉพาะ ซึ่งสามารถสกัดตรรกะของข้อความ ความสัมพันธ์ของตาราง แปลงข้อมูลสำคัญของเสียงและวิดีโอ ระบุเนื้อหาภาพ เพื่อให้มั่นใจว่าข้อมูลหลายรูปแบบจะถูกแปลงเป็นความจำที่มีโครงสร้างที่เชื่อถือได้
นอกจากนี้ MemoryLake ยังสามารถจัดระเบียบข้อมูลทั้งหมดให้อยู่ในรูปแบบที่เข้าใจง่ายและใช้งานง่าย (เช่น กราฟความรู้ สรุป) และสามารถค้นหาข้อมูลระดับเพตะไบต์ได้อย่างแม่นยำ ไม่ว่าข้อมูลจะมีมากแค่ไหน ก็สามารถค้นหาสิ่งที่ต้องการได้อย่างรวดเร็ว
ในยุคโมเดลขนาดใหญ่ สิ่งที่เอเจนต์โต้ตอบกับความจำคือโค้ด ดังนั้น ความสามารถในการประมวลผลความรู้หลายรูปแบบจึงรวมถึงความสามารถในการคำนวณโค้ดแบบกระจายด้วย ด้วยวิธีนี้ เมื่อ AI เรียกใช้ความจำ จะสามารถตอบสนองได้ทันที ไม่ติดขัด ไม่เกิดข้อผิดพลาด เชื่อมต่อได้ราบรื่น ปรับให้เข้ากับความต้องการการใช้งานหลังจากที่โมเดลขนาดใหญ่แพร่หลายแล้วโดยสมบูรณ์ จะไม่เกิดสถานการณ์ที่ “AI ต้องการเรียกใช้ความจำ แต่เชื่อมต่อไม่ได้ ใช้งานไม่ได้”
ความสามารถในการค้นหา คำนวณ และประเมินความจำ
MemoryLake รองรับการทำความเข้าใจและจัดระเบียบบริบทแบบครบวงจรที่กระชับและสมบูรณ์ ไม่ว่าจะเป็นโมเดลขนาดใหญ่หรือเอเจนต์อัจฉริยะ ก็สามารถใช้มันเพื่อพัฒนาธุรกิจที่เกี่ยวข้องกับองค์กรได้อย่างรวดเร็ว ประหยัดเวลาและแรงงาน แหล่งที่มาของข้อมูลสามารถระบุตำแหน่งได้อย่างแม่นยำ กระบวนการตัดสินใจสามารถติดตามกลับได้ และสามารถแทรกแซงด้วยมนุษย์ (human-in-loop) เพื่อตอบสนองความต้องการทางธุรกิจที่เข้มงวดและมีความอดทนต่อข้อผิดพลาดต่ำขององค์กร
ข้อมูลสาธารณะแสดงให้เห็นว่า ในการทดสอบมาตรฐานความจำบทสนทนายาว LoCoMo ที่ท้าทายอย่างมาก (ซึ่งต้องบูรณาการข้อมูลและการให้เหตุผลอย่างแม่นยำในบทสนทนายาวเฉลี่ย 300 รอบ ข้ามหลายเดือน มีเนื้อหาหลายรูปแบบ) MemoryLake เอนจินความจำได้คะแนนรวม 94.0% อยู่ในอันดับที่หนึ่งของโลก
แน่นอนว่า MemoryLake ไม่เพียงแต่สามารถค้นหาความจำได้เท่านั้น แต่ยังสามารถคำนวณบนพื้นฐานของความจำที่จัดระเบียบแล้ว สามารถดำเนินการที่ซับซ้อนมากและการดำเนินการโค้ดได้ ทั้งรับประกันความแม่นยำ และมีความยืดหยุ่นและหลากหลาย ปรับให้เข้ากับความต้องการการคำนวณที่ซับซ้อนต่างๆ ขององค์กร
ธุรกิจดีในตลาดระดับหลายแสนล้าน
“นี่เป็นเพียงจุดเริ่มต้น” Sam Altman CEO ของ OpenAI เชื่อว่าปี 2026 จะเป็นปีสำคัญที่ความจำของเอเจนต์จะก้าวจาก “พื้นฐานที่ใช้งานได้” ไปสู่ “การใช้งานเชิงพาณิชย์ที่成熟” โดยมีเป้าหมายคือทำให้ความจำ AI “เป็นธรรมชาติ ต่อเนื่อง และเชื่อถือได้เหมือนการรับรู้ของมนุษย์” ข้อมูลแสดงให้เห็นว่าภายในปี 2028 ขนาดตลาดโซลูชัน AI ทั่วโลกจะทะลุ 6.32 ล้านล้านดอลลาร์สหรัฐ โดยในจำนวนนี้ตลาดที่เกี่ยวข้องกับความจำ AI มีขนาดมากกว่า 280 พันล้านดอลลาร์สหรัฐ จะเห็นได้ว่านี่เป็นเส้นทางสีทองที่กว้างพอและลึกพอ Li Zhe ยังกล่าวอีกว่า “อนาคตของ AI ขับเคลื่อนด้วยความจำ”
ในปีที่ผ่านมา ผู้ผลิตโมเดลขนาดใหญ่รายใหญ่และแพลตฟอร์มข้อมูลดั้งเดิม ผู้ให้บริการคลาวด์ก็สังเกตเห็นว่าความจำ AI ได้เปลี่ยนจากโครงสร้างพื้นฐานเชิงแนวคิด กลายเป็นความต้องการหลักสำหรับการนำ AI ไปใช้ในองค์กร และต่างก็เข้าสู่ตลาดนี้ แต่ข้อด้อยโดยกำเนิดบางประการทำให้บริษัทเหล่านี้ยากที่จะครองตำแหน่งที่ได้เปรียบอย่างเด็ดขาด ผู้ให้บริการคลาวด์ดั้งเดิมและแพลตฟอร์มข้อมูลได้เจาะลึกในด้านการจัดเก็บและการคำนวณมาหลายปี แต่ขาดเอนจินทำความเข้าใจเชิงลึกสำหรับความจำหลายรูปแบบและความสามารถในการจัดการแบบไดนามิก เมื่อเผชิญกับความต้องการความจำระดับองค์กรที่ซับซ้อนจึงมักจะทำได้ไม่เต็มที่
ผู้ผลิตโมเดลขนาดใหญ่รายใหญ่แม้จะมีพลังการสร้างที่แข็งแกร่ง แต่ก็มักจะติดกับดักปัญหาข้อมูลที่กระจัดกระจาย ยากที่จะให้การตัดสินใจที่แม่นยำ ต่อเนื่อง และสามารถอธิบายได้ในสถานการณ์ธุรกิจที่ซับซ้อน จุดบกพร่องของอุตสาหกรรมเหล่านี้ได้สร้างโอกาสสำคัญสำหรับบริษัทนวัตกรรมที่มีความสามารถทางเทคนิคแบบเต็มสแต็กในการแซงหน้า
Zhibian Technology ได้คว้าโอกาสนี้ไว้ พวกเขาสร้างสแต็กเทคโนโลยีที่สมบูรณ์ซึ่งประกอบด้วย การจัดการและคำนวณความจำ โมเดลข้อมูลขนาดใหญ่ แพลตฟอร์มข้อมูล AI ⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง 本文来自网络搜集，不代表คลื่นสร้างอนาคต立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/th/archives/23033