大模型的第二个杀手级应用场景出来了

前言

我24年3月份投入到AI辅助编程，创建了 auto-coder 系列项目，就是笃定 AI 辅助编程会是大模型第一个落地的场景. 然后我在24年9月9号发了一篇文章：大模型的第一个杀手级应用场景出来了

这个是我当时的判断逻辑：

但是现在，我的判断逻辑更加清晰，就是这次AI变革是生产力变革，面向的是生产力而不是娱乐消费，和互联网有本质的区别。而能落地的场景，必须是用户高频的“工作agent”。 toC 的用户千千万，每个用户的职业都应该被特定的应用深入的帮助，而且有成瘾性，一旦离开了这个工作agent，自己就不会工作了。就像 AI 辅助编程，用户日常每周需要使用他超过40个小时，并且有海量的token消费，用户一旦离开这种工具，就不会写代码了。

沿着这套逻辑线，我推导出了第二个杀手级应用场景：数据分析。

为什么之前不行，为什么他不是第一个杀手级应用

诶，这个不是很早就有很多人做了么？和RAG知识库一样，之前的人的都做的稀烂，因为他们还是把AI的东西往老的东西上不断的叠加，也不知道如何从AI原生角度出发去设计和思考产品，此外，就是之前的企业做的太早了。AI辅助编程是第一个杀手级应用，而数据分析是第二个，他们两者是先后关系，必须有AI辅助编程先出现，才能再出现数据分析。数据分析需要AI辅助编程探索出来的很多技术，才能最后落地。说白了，在此之前，数据分析领域，无论应用技术和大模型以及思考深度能力，都无法支持其落地。但是现在，随着AI辅助编程技术的发展，数据分析也终于可以落地了。

NLP2SQL 只是简单的根据自然语言生成SQL么

很遗憾，几乎所有的用户一开始使用大模型做数据分析时，都聚焦的是NLP2SQL。但他们很快遇到了几乎不可解决的问题：

1. 数据分析包含大量业务术语和背景，大模型很难理解用户的需求。

2. 企业有很多数据表，office 文档表，还有数仓，召回需求所需要的表的准确率低到可怕

3.企业有很多数据表，office 文档表，还有数仓，无法对这些数据做统一的分析。

4. 就最简单的生成SQL做法也是针对不同数据源生成不同类型的SQL，而大模型往往会错乱，比如把msyql的function当成hive的function去使用，而SQL自身的复杂度也导致计算大模型能准确的理解需求，能准确的找到合适的表，但是生成复杂SQL的成功率也极低。

所以你还认为 NLP2SQL 只是简单的根据自然语言生成SQL么？ 为了完成 NLP2SQL,你需要修炼好内功：

1. 有准确率极高的业务知识库/Schema 知识库，从而让大模型可以理解用户需求，同时找到合适的表。而当前业界几乎所有主流的RAG 都无法满足这个需求。

2. 有强大的引擎，可以跨数据源对各种数据进行连接和分析。

3. 有对大模型更加友好的统一的SQL方言，能让大模型极大的提升生成正确的SQL成果率。

这意味着，你至少要打造三把宝剑，

1. 满足要求的RAG技术 

2. 多数据源联合分析的分布式计算引擎 

3. 对大模型友好的 SQL方言。

数据分析不仅仅是NLP2SQL

然而，NLP2SQL 只是走出了数据分析的第一步，或者说带来的价值连10% 都不到。数据分析不仅仅是 NLP2SQL，AI 大模型赋予人类的能力也仅仅是 NLP2SQL, 而是：

1.  人类第一次可以用智能去“处理”自己的数据。

2. 人类第一次，可以对全模态的数据做处理。

还记得以前，如果你想知道一个产品的用户好评情况，可能只有两种选择：

1.产品上给个五分打分制。花钱鼓励用户去打分，大于3分就算好评

2. 找NLP的同学写一个情感分析程序，对用户的comment 做分类，正向，负向。

我们希望通过SQL透明来完成comment(对产品评论的)分析，用户无需感知。这才是真正意义上的智能分析。

而全模态的数据分析，我们举一个例子，比如你可能还希望分析出A图片里的用户在哪些新闻稿里出现。

来，一起见证划时代的Agentic 数据分析产品： InfiniSynapse

InfiniSynapse 通过自研的第二代LLM-Native RAG实现了企业业务的理解，精准的Schema召回保证数据的准确性。提供专门为大模型优化的InfiniSQL语言，从而可以更加准确的生成复杂的查询语句，通过 InfiniSQL 引擎让人类第一次对全模态（数据库结构化，文档，语音，视频），进行多数据源 进行联合智能分析，并且支持海量规模。

我们通过Agentic 范式搭配超强的RAG+大模型友好的 InfiniSQL， InfiniSynapse 实现了当前智能分析领域的SOTA。

回顾下：

1. 满足要求的RAG技术 （我们自研的第二代 LLM-Native RAG）

2. 多数据源联合分析的分布式计算引擎  (Infini SQL 引擎)

3. 对大模型友好的 SQL方言。 （Infini SQL）

4. 人类第一次可以用智能去“处理”自己的数据。（Infini SQL）

5. 人类第一次，可以对全模态的数据做处理。（Infini SQL）

如何更好的对用户的需求做理解？在分析过程中， InfiniSynapse 会自主决策查询核实的知识库，来帮助理解用户的需求：

会自主到数据库里验证相应的库表和字段是否真实匹配：

会自动对对文本类的数据使用大模型做处理（还自动给你写prompt）:

对结果还能支持可视化加总结：

如果是plan模式，他啥事都会和你商量：

如果讨论清楚了，则自动提醒转入执行模式：

InfiniSynapse 系统文档链接（内涵诸多实际分析案例）

https://uelng8wukz.feishu.cn/wiki/RbHGwPpR7imM7kkzthxcS8HunCb?fromScene=spaceOverview

后话

数据分析领域是一个集大成的领域，对数据分析，人类第一次拥有了完全自主分析能力的Agent, 并且融合了知识库，Agentic 等成熟技术，直接对多类型数据源的多重模态的数据进行联合分析，拓展了人类对数据的分析能力和种类。我们通过对底层引擎进行 AI Native 化改造，真正意义上的实现了交互，执行全智能化。

让每个数据从业人员，每周使用 InfiniSynapse 40 小时以上。

 如果大家想体验这个强大的系统，可私信联系我们。