对于企业来说，大模型不是图腾，不是用来膜拜的，要实实在在创造价值才行。换句话说，大模型需要与业务深度融合，与哪些业务进行融合？如何融合？如今这些脉络并不清晰，从而也影响了企业对于大模型技术的采用。
如果一时找不到思路，完成作业最好的办法其实是抄，看看哪些聪明的同行是怎么做的。以金融行业为例，大模型被用在了代理人陪练、智投、贷款风险提示等场景；制造业用大模型处理产品质量追溯、缺陷调试和修复、维修方案推荐等问题；此外，财务报销审核、归因分析、专业文本翻译、文档变更影响等很多场景，都可以借助大模型的能力提供工作的效率。
明确了方向之后，接下来的问题就是技术实现，如何才能够快速进行融合呢？
日前，甲骨文公司副总裁及中国区董事总经理吴承杨、甲骨文公司中国区技术咨询部高级总监嵇小峰在接受采访时，也给出了各自的观点。
甲骨文公司副总裁及中国区董事总经理吴承杨
甲骨文公司中国区技术咨询部高级总监嵇小峰
吴承杨指出：与公有云大模型服务体验不同，企业级应用必须建立在安全基础之上，安全是企业级应用的重中之重。对此，最好的解决方法是从数据入手，从数据的角度解决问题。
“这里的一个指导的原则，就是让数据管理简单化，而不是复杂化。此前，建设数据中台、业务中台的目的，是追求业务应用对软件模块的复用，但是，客观上导致数据管理更加复杂。” 吴承杨说。
所谓简单化，就是类似Oracle Database 23ai这样的单一平台，无论是架构化数据，还是现代应用大量使用的Jason数据，多模非结构化数据，一个平台解决好向量、标量化的数据的安全和管理。
安全的问题，不能够单纯让大模型来解决，而是在数据层面解决问题，专业的事情，交给专业数据库解决。大模型则通过MSP（Multi-Source Proxy，多源代理， 是一种用于管理和协调大模型从不同数据源获取信息的架构或技术方案）方式访问数据，通过权限管理就可以缓解安全的问题。如果大模型要访问多个数据源，势必借助多个MSP访问，让安全管理等更加复杂，同时也影响效率。
此外，有意思的是：大模型提供的结果是一种近似而不是精准的能力，对于企业来说，准确性低于90%则没有使用价值，如何提升精准推理能力，要求的是大模型和行业经验的结合，其中，向量化和知识库将是常用的技术手段。但数据库提供了对于结构化数据的精准的访问能力，Oracle Database 23ai则把二者进行了有机结合。
简单说，Oracle Database 23ai将大模型自然语言交互转化为SQL，对于结构化数据进行检索，利用检索的能力，而不是通过向量化来访问结构化数据。
“对于企业级应用而言，必须要具备独立、可信和可扩展性的能力，生成式可以用来写代码，但是应用在企业级环境中，必须要满足可靠性、安全性的需求。因此，你没有办法依赖大模型生成哪些关联性、逻辑紧密的企业级应用，如ERP、CRM、HCM等，以生成式AI为核心的开发平台将成为行业、企业现代化应用的方向。” 吴承杨说。
简单、易用的数据基础，毫无疑问将成为企业AI开发平台的核心。
对此，你意识到了吗？
