甲骨文推出无LLM依赖语义搜索 主打可控性与成本优势

企业级软件厂商甲骨文近期正式推出全新语义搜索产品Trusted Answer Search，该产品无需依赖大语言模型（LLM）即可实现语义级检索能力，主打检索过程可控、全链路可审计、结果可预测三大核心优势，相比生成式AI检索方案可降低约60%的算力消耗，仅在数据治理环节会增加部分部署成本，主要面向对数据安全要求较高的企业级客户。

随着生成式AI的普及，不少企业都曾尝试将大语言模型接入内部知识库搭建智能检索系统，但落地过程中暴露的幻觉频发、数据泄露风险高、算力成本居高不下等问题，始终是困扰企业级客户的核心痛点。甲骨文此次推出的新产品，正是瞄准了这一细分市场的空白。

近年来，基于大语言模型的RAG（检索增强生成）方案成为企业搭建内部智能检索系统的主流选择，但其缺陷也十分突出：一方面，大模型生成的回答易出现幻觉，无法直接用于财务、法务等对信息准确性要求极高的核心场景；另一方面，企业核心数据上传至大模型的环节存在数据泄露风险，且大模型推理的算力成本过高，百万级文档库的年运维成本可达数十万元。在合规要求趋严的背景下，不少企业都在寻找更可控、成本更稳定的替代方案。

此次甲骨文推出的Trusted Answer Search，核心技术逻辑就是绕开大语言模型的生成环节，通过预先对企业所有内部数据进行标准化语义标注，构建专属的知识索引体系，用户输入自然语言问题后，系统直接匹配索引库返回精准的预设答案，全程没有生成式推理环节。