初创公司Lovelace推出上下文AI引擎，专攻关键任务场景

Lovelace AI公司今日宣布正式走出隐身模式，推出一套面向企业级人工智能的全新方案。该公司表示，这套方案专为高风险决策场景而设计，尤其适用于那些一旦出错便可能造成严重后果的环境。

公司的核心产品是一款名为Elemental的"上下文引擎"构建平台，其定位是插入智能体与底层数据系统之间的中间层。Elemental能够为企业打造专属的安全上下文引擎，将零散的数据转化为结构化知识图谱，供智能体进行高效导航与查询，并返回具备引用来源的研究级分析结果。

与之配套的后端系统名为YottaGraph，可处理数万亿条相互关联的事实数据，并支持以外部情报增强企业内部数据。

Lovelace AI的名称源自19世纪数学家埃达·洛夫莱斯——这位被广泛认可为首位计算机程序员的历史人物。公司由Andrew Moore创立，他曾担任谷歌云部门AI负责人、卡内基梅隆大学计算机学院院长，以及美国国防部中央司令部首位AI顾问。

Moore表示，Elemental的构想源于他在谷歌的工作经历。"我主要负责将大型人工智能系统部署到银行、医院和制造企业等大型机构中，"他说，"我看不到一条路径，能让那种用于对话的大语言模型直接解决企业级的复杂AI问题。"

在具体工作机制上，当智能体收到调查任务时，系统并不让其直接面对海量数据库，而是在中间插入一个模块，精准判断哪些根源数据与问题相关。Moore解释道："我们会找出究竟哪些原始数据源适合用于回答这个问题。"

在长达两年的隐身运营期间，Lovelace主要聚焦于性命攸关的行业，涵盖公共部门机构、国家安全、灾难响应与医疗健康领域。Moore表示，这套技术同样适用于金融服务等高风险、高回报的应用场景。

在效率方面，Moore表示YottaGraph回答调查性问题所消耗的Token量，仅为其他方法的千分之一。"用千分之一的Token，你就能提出1000个问题，而以前可能只负担得起一个。"他说。

目前，Lovelace每周从约20个公开数据源中摄取约十亿条事实信息。系统的核心差异化能力在于处理数据点之间关系的方式。"我们在知识图谱的节点之间传递数以百万乃至数十亿计的小型消息，"Moore说，"这种计算方式更契合CPU、GPU以及数据库系统的内存架构。"

数据来源涵盖"全球新闻、全球社交媒体"，以及航运数据、物流信息和卫星图像。

实体解析是保障准确性的关键所在，其目的是"确保无论来源如何，我们都能识别核心实体的统一身份"。Moore强调："实体图谱中不能有任何错误。"

为维护系统可信度，平台会对每一条推理结果追踪数据来源，让用户能够溯源推理链条中的每个环节。"这意味着每当我们完成一段大型推理链时，都可以为每个步骤提供引用依据，"他说。

在部署方式上，该平台直接部署于客户自有环境中，而非作为集中式云服务运行。Moore认为，这一控制权对于敏感环境而言至关重要。"'把数据发给我，我帮你处理后再返回结果'——这种供应商模式的时代已经过去了，"他说。

在客户定位上，公司将主要聚焦于大型企业，尤其是"高管面临压力、需要证明AI带来切实生产力提升"的场景，以及那些"真实落地项目失败远多于成功"的领域。

Q&A

Q1：Elemental上下文引擎的工作原理是什么？

A：Elemental作为中间层插入智能体与底层数据系统之间，将企业中零散的数据转化为结构化知识图谱。当智能体收到查询任务时，Elemental会精准判断哪些原始数据源与问题相关，引导智能体进行高效导航与查询，最终返回带有引用来源的研究级分析结果，而不是让智能体直接面对庞大的数据仓库。

Q2：YottaGraph在Token消耗上有什么优势？

A：YottaGraph处理调查性问题所消耗的Token量仅为传统方法的千分之一。这意味着在相同的成本预算下，用户可以提出约1000个问题，而采用传统方法可能只能负担得起一个问题。这一优势来自其独特的计算架构——通过在知识图谱节点间传递大量小型消息来完成运算，更契合CPU、GPU及数据库内存布局。

Q3：Lovelace AI的平台如何保障企业数据安全？

A：Lovelace AI的平台直接部署在客户自有环境中，而非作为集中式云服务运行。这意味着企业数据无需发送至第三方服务器处理，客户对数据始终保有完全的控制权。此外，系统对每条推理结果均追踪数据来源，确保推理链条的每个步骤都可溯源，进一步提升了系统的透明度与可信度。