Contextual AI已经走出隐身状态，为其追求开发企业应用的下一波语言模型而筹集了2000万美元的种子资金。该技术由Douwe Kiela共同创立，旨在解决限制企业采用大型语言模型（LLM）的问题，如OpenAI的GPT-4，它具有严格的合规性和管理要求。
尽管展示了彻底改变行业的潜力，但现有的LLM受到各种限制的困扰，如产生具有高置信度的捏造结果和修改其知识库的困难。因此，企业可能对在其业务中实施LLM犹豫不决。为了解决这些障碍，Contextual AI打算创造新一代的LLM，以满足特定的企业需求。
在贝恩资本风险投资公司、光速公司、Greycroft和SV Angel等投资者的支持下，Contextual AI的目标是开发比以消费者为重点的LLM产品更适合企业的AI解决方案。为此，Kiela和他的联合创始人Amanpreet Singh依靠他们在Hugging Face和Meta的AI开发背景。
Kiela在Meta公司时领导了检索增强生成（RAG）方面的研究经验，该技术旨在为企业用途开发一种卓越的文本生成AI。从本质上讲，RAG的工作方式是用外部资源（如文件和网页）增强LLM，以提高其性能。
当提供一个问题时，RAG基本上在这些外部资源中搜索相关数据，将信息与原始提示打包，并将其送入LLM。反过来，这就产生了一个上下文感知的响应，与传统的LLM相比，提供了更好的精确性和可靠性。
在解决围绕语言管理机制的定制和归属问题时，RAG承诺提高性能，同时避免了重新培训或微调的需要。现在可以开发更小、更有效的语言模型，降低延迟和成本，同时为企业需求提供一个综合解决方案。
虽然Contextual AI在这方面的追求并不孤单，因为LlamaIndex等其他初创公司也在探索数据注入和LLMs的插件框架，但该公司声称在企业领域有独特的优势。虽然目前还没有收入，但据说Contextual AI正在与财富500强公司讨论其技术的潜在试点项目。
通过确保生成性人工智能的输出是准确、可靠和可追踪的，Contextual AI有可能对人工智能技术在企业中的采用和部署产生重大影响。此外，这种更综合的方法为其他希望瞄准企业市场的生成性人工智能公司提供了一个有竞争力的选择。
在no-code ，像AppMaster这样的平台正在推动增长，使企业能够轻松地建立后台、网络和移动应用程序。拥抱像无代码平台这样的解决方案可以帮助降低成本和加速开发，特别是随着生成性人工智能在企业领域获得牵引力。
