知识管理的产品从大模型出现之后层出不穷,为什么 Hebbia 可以获得 1.3 亿美金的 B 轮融资?它的产品有什么核心优势?本篇文章我们来一起分析下。
Hebbia.ai 成立于 2020 年,创始人是 George Sivulka,他仅用三年时间就完成了斯坦福大学数学本科和应用物理学硕士学位,在 2019 年,他花了一个周末的时间创建一个新型的 Ctrl-F 搜索方式,就是用 transformers 来直接定位回答问题。这个产品开放后很多人希望能够在自己的私人文档中也使用该功能,他发现这里存在潜在的商业空间,于是他筹集了 110 万美元的种子轮融资,组建了自己的团队,回到纽约开始创业。
Hebbia 与 Glean 类似,都是希望做面向企业的 AI 搜索,针对企业的 AI 搜索有这么几个方面:- 数据:类型多(PPT、PDF、表格、音视频等);多源(本地、云盘、第三方软件等);数量多
- 业务:业务复杂度各不相同,无法用相同流程统一实现;业务结果输出严谨,可溯源,可验证
Habbit 开发了核心引擎 Matrix ,我们分别看看 Matrix 是怎么做的上面几点。Hebbia 支持多种类型的数据格式,包含 PDF、PPT、图像、邮件、电子表格、会议记录等,而且声称支持检索数十亿份文件。
Hebbia 可以对接多个数据源,从多个数据源中进行数据汇总。
企业内部每个业务的复杂度都不同,可以参考LLM 系统如何对用户的查询进行分类?这篇文章。
从 Level 1 到 Level 4,业务复杂度逐渐上升,需要对问题进行拆解以及思维链的引入才能够解决部分问题。Level 1 级别的任务通过 RAG 系统大部分可以解决,但是 Hebbia 做了一个实验发现在企业场景,RAG 只能够解决 16% 的问题。
所以 Hebbia 设计了一套精细化流程,首先对问题进行分解,拆分为多个步骤的子任务,同时将过程输出给用户,让用户知道系统的思考逻辑,每一步的输出结果都会有溯源,让用户定位到原始位置方便交叉验证。
同时还表示可以对原始数据和逻辑步骤进行调整,目前在公开的信息中还没有看到相关界面。Hebbia 在隐私方面做了专门的介绍。
总体来看 Hebbia 除了表格形式的输出效果比较清晰外,逻辑处理部分也比较符合习惯,而且据说已经构建了 1000 多个业务处理模板,其余部分与市面上其他的产品思路类似,具体产品情况等体验后再进行扩充
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询